CN106897749A - 自动阅卷方法及系统 - Google Patents
自动阅卷方法及系统 Download PDFInfo
- Publication number
- CN106897749A CN106897749A CN201710122452.0A CN201710122452A CN106897749A CN 106897749 A CN106897749 A CN 106897749A CN 201710122452 A CN201710122452 A CN 201710122452A CN 106897749 A CN106897749 A CN 106897749A
- Authority
- CN
- China
- Prior art keywords
- examination
- information
- question
- student
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种自动阅卷方法及系统,涉及信息化教育技术领域。该方法通过对试卷图像进行图像处理并根据模糊分类器得到阅卷图像,提取机读阅卷区域中每个试题的试题信息并与存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息。同时对人工阅卷区域对应的分数和机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息。最后根据学生信息、综合分数及出错知识点信息,生成学生考试结果报告并对学生考试结果报告进行存储。本发明不仅能够对考试结果进行分数统计,还能进行知识点掌握情况的统计和分析。
Description
技术领域
本发明涉及信息化教育技术领域,具体而言,涉及一种自动阅卷方法及系统。
背景技术
在目前的学生考试中,人们已经开始使用自动化设备对学生考试试卷进行阅卷,现有技术中的自动阅卷方法只能通过特定的答题卡进行答题,并且考试的分析结果只能进行分数统计,不能针对每个学生的知识点掌握情况进行统计和分析。另外,通过考试只能判断学生所学知识的掌握情况,并不能在每次考试之后,针对学生所学知识的掌握情况对学生进行针对性地、个性化地训练,远远达不到目前考试的目的。
发明内容
为了克服现有技术中的上述不足,本发明的目的在于提供一种自动阅卷方法及系统,不仅能够对考试结果进行分数统计,还能进行知识点掌握情况的统计和分析,以使学生进行针对性地、个性化地训练。
为了实现上述目的,本发明较佳实施例采用的技术方案如下:
本发明较佳实施例提供一种自动阅卷方法,应用于自动阅卷系统。所述自动阅卷系统包括相互之间通信连接电子终端和服务器,所述服务器包括一预存有模糊分类器的数据库。所述模糊分类器中存储有试卷的数据信息。所述数据库中还存储有多个试题和每个试题的试题信息。其中,所述试题信息包括试题标准答案、试题序号、试题分值、试题题型及试题知识点信息。所述方法包括:
所述电子终端采集试卷图像,并将所述试卷图像发送给所述服务器;
所述服务器接收所述试卷图像,对所述试卷图像进行图像处理,并根据所述模糊分类器得到阅卷图像。其中,所述阅卷图像包括学生信息区域、机读阅卷区域和人工阅卷区域;
提取所述机读阅卷区域中每个试题的试题信息,并将所述试题信息与所述数据库中存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息;
接收输入的人工阅卷区域对应的分数及人工阅卷错题所对应的知识点信息;
根据人工阅卷区域对应的分数和所述机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息;
根据所述学生信息、所述综合分数及所述出错知识点信息,生成学生考试结果报告并对所述学生考试结果报告进行存储。
在本发明较佳实施例中,所述方法还包括:
所述电子终端采集未作答的试卷图像,并将所述未作答的试卷图像发送给所述服务器;
所述服务器接收所述未作答的试卷图像,获取所述未作答的试卷图像上学生信息区域、人工阅卷区域和机读阅卷区域的数据信息,并将所述数据信息存储至所述模糊分类器中,其中,所述数据信息包括所述学生信息区域、人工阅卷区域和机读阅卷区域对应的区域坐标向量集读阅卷区域对应的区域坐标向量集。
在本发明较佳实施例中,所述根据所述模糊分类器得到阅卷图像的步骤包括:
对所述阅卷图像进行纠偏定位;
将得到的阅卷图像中的学生信息区域、人工阅卷区域和机读阅卷区域分割开。
在本发明较佳实施例中,所述对所述阅卷图像进行纠偏定位的方式包括:
将存储在模糊分类器中的数据信息与所述试卷图像中的人工阅卷区域和机读阅卷区域的数据信息进行模糊匹配,并根据存储的所述数据信息对所述试卷图像进行纠偏校正。
在本发明较佳实施例中,所述自动阅卷系统还包括:用户终端,所述方法还包括:
所述服务器响应向用户终端发送学生考试结果报告的请求,将所述学生考试结果报告发送给所述用户终端;
所述用户终端接收所述学生考试结果报告,并将所述学生考试结果报告进行显示。
在本发明较佳实施例中,所述数据库还存储有多个训练试题及每个训练试题对应的知识点信息,所述方法还包括:
所述服务器根据所述出错知识点信息,生成对应所述出错知识点信息的错题集,并从多个训练试题中选取对应所述出错知识点信息的训练试题,以形成训练题集;
响应向用户终端发送错题集及训练题集的请求,向所述用户终端发送错题集及训练题集;
所述用户终端接收所述错题集及训练题集,并提示学生根据所述错题集及训练题集进行学习。
在本发明较佳实施例中,所述对所述学生考试结果报告进行存储的方式包括:
对所述学生考试结果报告设置加密识别码并进行存储。
本发明较佳实施例还提供一种自动阅卷系统,所述自动阅卷系统包括相互之间通信连接电子终端和服务器。所述服务器包括一预存有模糊分类器的数据库,所述模糊分类器中存储有试卷的数据信息,所述数据库中还存储有多个试题和每个试题的试题信息。其中,所述试题信息包括试题标准答案、试题序号、试题分值、试题题型及试题知识点信息:
所述电子终端,用于采集试卷图像,并将所述试卷图像发送给所述服务器;
所述服务器,用于接收所述试卷图像,对所述试卷图像进行图像处理,并根据所述模糊分类器得到阅卷图像。其中,所述阅卷图像包括学生信息区域、机读阅卷区域和人工阅卷区域。提取所述机读阅卷区域中每个试题的试题信息,并将所述试题信息与所述数据库中存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息。接收输入的人工阅卷区域对应的分数及人工阅卷错题所对应的知识点信息。根据人工阅卷区域对应的分数和所述机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息。根据所述学生信息、所述综合分数及所述出错知识点信息,生成学生考试结果报告并对所述学生考试结果报告进行存储。
相对于现有技术而言,本发明具有以下有益效果:
本发明提供的自动阅卷方法及系统,该方法通过对试卷图像进行图像处理并根据模糊分类器得到阅卷图像,提取机读阅卷区域中每个试题的试题信息并与存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息。同时对人工阅卷区域对应的分数和机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息。最后根据学生信息、综合分数及出错知识点信息,生成学生考试结果报告并对学生考试结果报告进行存储。上述方法不仅能够对学生考试结果进行分数统计,还能进行知识点掌握情况的统计和分析,并通过对学生考试结果中的知识点掌握情况,对学生进行针对性地个性化地训练,从而提高学生的学习效率和老师的教学效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明较佳实施例提供的自动阅卷系统的结构框图;
图2为本发明较佳实施例提供的服务器的结构框图;
图3为本发明较佳实施例提供的用户终端的结构框图;
图4为本发明较佳实施例提供的自动阅卷方法的一种流程示意图;
图5为本发明较佳实施例提供的自动阅卷方法的另一种流程示意图;
图6为图4中步骤S120包括的子步骤的流程示意图;
图7为本发明较佳实施例提供的自动阅卷方法的另一种流程示意图;
图8为本发明较佳实施例提供的自动阅卷方法的另一种流程示意图。
图标:10-自动阅卷系统;100-电子终端;200-服务器;300-用户终端;210-第一存储器;220-第一处理器;230-第一通信单元;310-第二存储器;320-第二处理器;330-第二通信单元;340-显示单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1是本发明较佳实施例提供的自动阅卷系统10的结构框图。所述自动阅卷系统10可以包括电子终端100、服务器200及用户终端300,其中,所述电子终端100与所述服务器200相互之间通信连接,所述服务器200与所述用户终端300相互之间通信连接。
所述电子终端100可以用于采集试卷图像,并将所述试卷图像发送给所述服务器200。本实施例中,所述电子终端100可以用于扫描试卷的扫描设备,例如,所述电子终端100可以是,但不限于,扫描仪、CCD器件或者电子传真机等。
所述服务器200可以用于接收所述电子终端100发送的试卷图像,对所述试卷图像进行图像处理,并根据所述模糊分类器得到阅卷图像。
所述用户终端300可以用于与所述服务器200之间的信息交互,具体地,学生可以通过所述用户终端300从所述服务器200中获取学生考试结果报告,从而获取到每次考试的具体情况。同时还可以从所述服务器200获取到错题集及训练题集,从而根据所述错题集及训练题及进行训练。本实施例中,所述用户终端300可以是,但不限于,智能手机、个人电脑(Personal Computer,PC)、平板电脑、个人数字助理(Personal Digital Assistant,PDA)、移动上网设备(Mobile Internet Device,MID)等。所述用户终端300的操作系统可以是,但不限于,安卓(Android)系统、iOS(iPhone Operating System)系统、Windows Phone系统、Windows系统等。
可以理解,图1所述的结构仅为示意,所述自动阅卷系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
进一步地,所述服务器200的具体结构请参阅图2,所述服务器200可以包括第一存储器210、第一处理器220以及第一通信单元230。所述第一存储器210、第一处理器220以及第一通信单元230相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,所述第一存储器210可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,第一存储器210用于存储程序,所述第一处理器220在接收到执行指令后,执行所述程序。进一步地,第一通信单元230将各种输入/输入装置耦合至第一处理器220以及第一存储器210,上述第一存储器210内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通讯,从而提供其他软件组件的运行环境。
所述第一存储器210还可以包括一数据库,所述数据库可以存储有模糊分类器,所述模糊分类器中存储有试卷的数据信息。另外,所述数据库中还可以存储有多个试题和每个试题的试题信息。其中,所述试题信息包括试题标准答案、试题序号、试题分值、试题题型及试题知识点信息。
所述第一处理器220可以是一种集成电路芯片,具有信号的处理能力。上述的第一处理器220可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规处理器等。
所述第一通信单元230可以用于建立所述服务器200与所述电子终端100二者之间的通信连接,以实现所述服务器200与所述电子终端100之间的数据传输。
所述用户终端300的具体结构请参阅图3,所述用户终端300可以包括第二存储器310、第二处理器320、第二通信单元330以及显示单元340。所述第二存储器310、第二处理器320、第二通信单元330以及显示单元340相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
所述第二存储器310可以采用与所述第一存储器210相同的配置,在此不再赘述。
所述第二处理器320可以采用与所述第一处理器220相同的配置,在此不再赘述。
所述第二通信单元330可以用于建立所述用户终端300与所述服务器200二者之间的通信连接,以实现所述用户终端300与所述服务器200之间的数据传输。
所述显示单元340可以用于提供一个交互界面(例如用户操作界面)或用于显示图像数据,例如,所述显示单元340可以用于显示所述学生考试结果报告以及错题集和训练题集。在本实施例中,所述显示单元340可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处产生的触控操作,并将该感应到的触控操作交由第二处理器320进行计算和处理。
可以理解,图2和图3所述的结构仅为示意,所述服务器200以及用户终端300还可包括比图2和图3中所示更多或者更少的组件,或者具有与图2和图3所示不同的配置。图2和图3中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图4,图4为本发明较佳实施例提供的自动阅卷方法的一种流程示意图。所述方法应用于自动阅卷系统10。所应说明的是,本发明提供的自动阅卷方法不以图4及以下所述的具体顺序为限制。所述方法的具体流程如下:
步骤S110,电子终端100采集试卷图像,并将所述试卷图像发送给所述服务器200。
本实施例中,作为一种优选的实施方式,所述电子终端100可以采用光电扫描仪对所述试卷图像进行采集。当然,应当理解的是,在其它的实施方式中,所述电子终端100也可以采用其它具有图像采集功能的终端设备。
请参阅图5,所述自动阅卷方法还可以包括:
步骤S108,电子终端100采集未作答的试卷图像,并将所述未作答的试卷图像发送给服务器200。
具体地,所述电子终端100采集未作答的试卷图像应当在对试卷进行阅卷之前完成。
步骤S109,所述服务器200接收所述未作答的试卷图像,获取所述未作答的试卷图像上学生信息区域、人工阅卷区域和机读阅卷区域的数据信息,并将所述数据信息存储至所述模糊分类器中。
本实施例中,所述数据信息可以包括所述人工阅卷区域和机读阅卷区域对应的区域坐标向量集,即所述人工阅卷区域和机读阅卷区域所对应的最大外接矩形四个顶点坐标值向量表的数据信息。
具体的,所述最大外接矩形四个顶点坐标是通过所述服务器200对所述未作答试卷图像进行图像处理,从而获取未作答的试卷灰度直方图得到的。在灰度直方图中从X轴方向从左到右进行搜索,灰度从255变为小于255的值即为左上角坐标的值,以此算法即可算出右上角坐标及左下角和右下角坐标值,把这四个坐标值向量表以及四点处的灰度值都保存到模糊分类器中。
请再次参阅图4,步骤S120,所述服务器200接收所述试卷图像,对所述试卷图像进行图像处理,并根据所述模糊分类器得到阅卷图像。
本实施例中,所述服务器200接收到的所述试卷图像为二维图像,可以通过对所述二维图像进行灰度处理,得到灰度直方图。同时,还可以先对所述试卷图像进行图像去噪处理,以获取更清楚的试卷图像。
进一步地,请参阅图6,所述步骤S120可以包括子步骤S121和子步骤S122,所述步骤S120包括的子步骤的具体流程如下:
子步骤S121,对所述阅卷图像进行纠偏定位。
若在进行扫描时进行扫描时所述试卷图像与未作答试卷放置的位置有偏差,则为了更好的对试卷上的答卷信息进行识别,本步骤中还包括对所述试卷图像进行纠偏定位。具体地,将存储在模糊分类器中的数据信息与所述试卷图像中的人工阅卷区域和机读阅卷区域的数据信息进行模糊匹配,并根据存储的所述数据信息对所述试卷图像进行纠偏校正。
更为具体的,通过存储在模糊分类器中的最大外接矩形四个顶点坐标值向量表的数据信息和所述试卷图像上最大外接矩形四个顶点坐标值计算出未作答试卷图像与所述试卷图像之间的缩放因子,通过未作答试卷最大外接矩形左上角坐标和缩放因子对所述试卷图像进行纠偏和定位,也即是以存储在模糊分类器中的最大外接矩形四个顶点坐标值向量表和所述试卷图像上最大外接矩形四个顶点坐标值计算出所述试卷图像的缩放因子,通过存储在模糊分类器中最大外接矩形的左上角坐标进行上述数据信息比对,若两组数据信息有偏差,则以未作答试卷图像所对应的所述数据信息为标准,计算出两组数据所对应的外接矩形之间的夹角,以及两者最大外接矩形之间的缩放因子,将所述试卷图像旋转到与未作答试卷图像保持一致,从而实现对所述试卷进行纠偏定位的目的。
子步骤S122,将得到的阅卷图像中的学生信息区域、人工阅卷区域和机读阅卷区域分割开。
本实施例中,通过获取所述阅卷图像上学生信息区域、机读阅卷区域和人工阅卷区域的数据信息,即同样获取所述阅卷图像上上最大外接矩形四个顶点坐标值向量表,并将保存在模糊分类器中的未作答试卷上机读阅卷区域和人工阅卷区域的数据信息与之相比对,从扫描获取到的已扫描试卷图像上匹配出学生信息区域、机读阅卷区域和人工阅卷区域的区域。
将两组数据信息进行比对,即是将存储在模糊分类器中的数据信息与扫描得到的所述试卷图像中的学生信息区域、机读阅卷区域和人工阅卷区域的数据信息进行模糊匹配,从而可以从所述试卷图像上标识出所述学生信息区域、机读阅卷区域和人工阅卷区域。
具体的,由于所述数据信息包括的是未作答试卷上学生信息区域、机读阅卷区域和人工阅卷区域所对应的位置信息,也即是学生信息区域、机读阅卷区域和人工阅卷区域对应区域的模板中标定的机读阅卷区域和人工阅卷区域坐标向量集,即其所出图像位置坐标值,若未作答试卷和所述试卷图像上在进行扫描时放置的位置相同,则未作答试卷和试卷图像上的学生信息区域、机读阅卷区域和人工阅卷区域应处于试卷的相同位置,因此本实施例中获取到的含有未作答试卷的学生信息区域、机读阅卷区域和人工阅卷区域信息的所述数据信息与获取到的所述试卷图像中的学生信息区域、机读阅卷区域和人工阅卷区域信息具有相似性,即坐标值相近或者相同。
请再次参阅图4,步骤S130,提取所述机读阅卷区域中每个试题的试题信息,并将所述试题信息与所述数据库中存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息。
具体的,可以使用手写体数字识别技术识别出机读阅卷区域对应图像中包含的试题信息。具体地。可以根据预定的模板大小将机读阅卷区域对应的图像进行分割,计算出分割后图像中所含字母或数字的特征值,并以所述特征值为参数识别出机读阅卷区域所对应的试题信息。
使用首先获取机读阅卷区域的数字或者字母边界,并将所述区域分割成大小相同的若干个模板(比如可以将区域长宽分别5等分,得到25个小模板),统计每个模板中黑像素的个数,并根据黑像素的个数计算出图像中所含字母或数字的特征值。
再次将机读阅卷区域上的数字或者字母从图像中逐个提取出来,形成待测样本,以字母ABCD及数字0-9则为样本,根据本实施例中获取的所述试卷图像上使用特征值为依据对所述试卷图像上提取出的待测样本进行循环计算,找出样本与待测样本之间距离的最小值所对应的样本,则即表示待测样本与样本所表示的字母或者数字相同,从而对待测样本进行识别。
基于上述手写体数字或字母识别技术,同样也可以用于对所述试卷图像上学生信息区域进行识别。所述学生信息区域包括有学生信息,其中,所述学生信息可以是学生的学号信息、学生的姓名信息以及学生的班级信息等信息。
在对所述试卷图像上的机读阅卷区域的每个试题信息识别出之后,将每个试题信息与预先存储的试题答案进行比对,输出比对结果,也即是所述试卷上机读阅卷区域的得分结果。具体地,所述得分结果包括所述机读阅卷区域中每个试题的得分结果,同时记录所述机读阅卷区域中每个错题所对应的知识点信息。
可以理解的是,人工阅卷区域包括了考试试卷的主观题部分,由于主观题部分存在诸多的主观因素,因此需要通过将主观题部分上传到服务器200通过人工的方式进行阅卷。
步骤S140,接收输入的人工阅卷区域对应的分数及人工阅卷错题所对应的知识点信息。
用户(例如,阅卷老师)对人工阅卷区域中的试题进行评阅后,可以由该用户通过终端设备向所述服务器200输入人工阅卷区域中每道试题对应的分数,同时所述服务器200记录所述人工阅卷区域中丢失分数的每道试题,即人工阅卷错题,并同时记录下每道人工阅卷错题所对应的知识点信息。
步骤S150,根据人工阅卷区域对应的分数和所述机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息。
本具体实施例中,所述综合分数可以为所述人工阅卷区域对应的分数和所述机读阅卷区域对应的分数的相加值,也可以以所述人工阅卷区域对应的分数和所述机读阅卷区域对应的分数的相加值进行评级来得到。
此外,上述机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息最终汇总得到该学生的出错知识点信息。
步骤S160,根据所述学生信息、所述综合分数及所述出错知识点信息,生成学生考试结果报告并对所述学生考试结果报告进行存储。
本实施例中,所述学生考试结果报告针对每个学生的考试情况,具体可以包括学生在每次考试中的考试分数、各个试题的得分情况、出错题情况及出错知识点信息。
在本实施例中,获取到每个学生的学生考试结果报告后,也可以进一步地获取到一个群体(例如,一个班级、一个年级、整个学校)的考试结果报告,可以对该群体的考试结果报告进行统计分析,以供今后老师教学参考。
此外,为了使生成的学生考试结果报告不对外泄露,作为一种实施方式,可以将所述学生考试结果报告设置加密识别码并进行存储。具体地,该加密识别码可以根据每个学生的学生信息进行设置,例如,所述加密识别码可以是,但不限于学生的学号信号、身份信息等。
进一步地,在生成学生考试结果报告后,每个学生可以通过所述用户终端300获取所述服务器200中存储的学生考试结果报告,具体请参阅图7,所述方法还可以包括:
步骤S170,服务器200响应向用户终端300发送学生考试结果报告的请求,将所述学生考试结果报告发送给所述用户终端300。
步骤S180,所述用户终端300接收所述学生考试结果报告,并将所述学生考试结果报告进行显示。
请参阅图8,所述方法还可以包括:
步骤S190,服务器200根据所述出错知识点信息,生成对应所述出错知识点信息的错题集,并从多个训练试题中选取对应所述出错知识点信息的训练试题,以形成训练题集。
步骤S191,响应向用户终端300发送错题集及训练题集的请求,向所述用户终端300发送错题集及训练题集。
步骤S192,所述用户终端300接收所述错题集及训练题集,并提示学生根据所述错题集及训练题集进行学习。
本具体实施例中,所述数据库还可以存储有多个训练试题及每个训练试题对应的知识点信息。所述错题集可以选取学生参加的所有考试中出错的题目,同时也可以推送在一个群体中出错率较高的题目。所述训练题集可以根据学生的出错知识点信息进行个性化推送,例如,若学生在某一章节或者某一知识点下的出错率较高,则重点推送该章节或者该知识点下的题目作为训练题集,以供学生针对自己的薄弱环节进行训练。
应当注意的是,所述错题集也可以进行个性化推送,例如,所述错题集可以根据不同时间段或者不同知识点进行推送,也可以按照出错知识点的薄弱程度等不同条件进行排列,重点选取相对薄弱的出错知识点下的训练题。
此外,在其它实施方式中,还可以根据统计的学生的知识点掌握情况,生成相应知识点的讲解和总结,让学生进行针对性的学习。
最终,可以通过记录学生的长期考试数据,分析挖掘学生学习习惯(老师教学习惯)上的不足;学习(教学)习惯针对性改进意见和训练;针对学生学习习惯(老师教学习惯)上的不足,提出改进意见,并进行针对性训练。
综上所述,本发明提供的自动阅卷方法及系统,该方法通过对试卷图像进行图像处理并根据模糊分类器得到阅卷图像,提取机读阅卷区域中每个试题的试题信息并与存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息。同时对人工阅卷区域对应的分数和机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息。最后根据学生信息、综合分数及出错知识点信息,生成学生考试结果报告并对学生考试结果报告进行存储。上述方法不仅能够对学生考试结果进行分数统计,还能进行知识点掌握情况的统计和分析,并通过对学生考试结果中的知识点掌握情况,对学生进行针对性地个性化地训练,从而提高学生的学习效率和老师的教学效率。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个装置、程序段或代码的一部分,所述装置、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能装置可以集成在一起形成一个独立的部分,也可以是各个装置单独存在,也可以两个或两个以上装置集成形成一个独立的部分。
所述功能如果以软件功能装置的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种自动阅卷方法,应用于自动阅卷系统,所述自动阅卷系统包括相互之间通信连接电子终端和服务器,所述服务器包括一预存有模糊分类器的数据库,所述模糊分类器中存储有试卷的数据信息,所述数据库中还存储有多个试题和每个试题的试题信息,其中,所述试题信息包括试题标准答案、试题序号、试题分值、试题题型及试题知识点信息,其特征在于,所述方法包括:
所述电子终端采集试卷图像,并将所述试卷图像发送给所述服务器;
所述服务器接收所述试卷图像,对所述试卷图像进行图像处理,并根据所述模糊分类器得到阅卷图像,其中,所述阅卷图像包括学生信息区域、机读阅卷区域和人工阅卷区域;
提取所述机读阅卷区域中每个试题的试题信息,并将所述试题信息与所述数据库中存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息;
接收输入的人工阅卷区域对应的分数及人工阅卷错题所对应的知识点信息;
根据人工阅卷区域对应的分数和所述机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息;
根据所述学生信息、所述综合分数及所述出错知识点信息,生成学生考试结果报告并对所述学生考试结果报告进行存储。
2.根据权利要求1所述的自动阅卷方法,其特征在于,所述方法还包括:
所述电子终端采集未作答的试卷图像,并将所述未作答的试卷图像发送给所述服务器;
所述服务器接收所述未作答的试卷图像,获取所述未作答的试卷图像上学生信息区域、人工阅卷区域和机读阅卷区域的数据信息,并将所述数据信息存储至所述模糊分类器中,其中,所述数据信息包括所述学生信息区域、人工阅卷区域和机读阅卷区域对应的区域坐标向量集读阅卷区域对应的区域坐标向量集。
3.根据权利要求2所述的自动阅卷方法,其特征在于,所述根据所述模糊分类器得到阅卷图像的步骤包括:
对所述阅卷图像进行纠偏定位;
将得到的阅卷图像中的学生信息区域、人工阅卷区域和机读阅卷区域分割开。
4.根据权利要求3所述的自动阅卷方法,其特征在于,所述对所述阅卷图像进行纠偏定位的方式包括:
将存储在模糊分类器中的数据信息与所述试卷图像中的人工阅卷区域和机读阅卷区域的数据信息进行模糊匹配,并根据存储的所述数据信息对所述试卷图像进行纠偏校正。
5.根据权利要求1所述的自动阅卷方法,其特征在于,所述自动阅卷系统还包括:用户终端,所述方法还包括:
所述服务器响应向用户终端发送学生考试结果报告的请求,将所述学生考试结果报告发送给所述用户终端;
所述用户终端接收所述学生考试结果报告,并将所述学生考试结果报告进行显示。
6.根据权利要求5所述的自动阅卷方法,其特征在于,所述数据库还存储有多个训练试题及每个训练试题对应的知识点信息,所述方法还包括:
所述服务器根据所述出错知识点信息,生成对应所述出错知识点信息的错题集,并从多个训练试题中选取对应所述出错知识点信息的训练试题,以形成训练题集;
响应向用户终端发送错题集及训练题集的请求,向所述用户终端发送错题集及训练题集;
所述用户终端接收所述错题集及训练题集,并提示学生根据所述错题集及训练题集进行学习。
7.根据权利要求1所述的自动阅卷方法,其特征在于,所述对所述学生考试结果报告进行存储的方式包括:
对所述学生考试结果报告设置加密识别码并进行存储。
8.一种自动阅卷系统,所述自动阅卷系统包括相互之间通信连接电子终端和服务器,所述服务器包括一预存有模糊分类器的数据库,所述模糊分类器中存储有试卷的数据信息,所述数据库中还存储有多个试题和每个试题的试题信息,其中,所述试题信息包括试题标准答案、试题序号、试题分值、试题题型及试题知识点信息,其特征在于:
所述电子终端,用于采集试卷图像,并将所述试卷图像发送给所述服务器;
所述服务器,用于接收所述试卷图像,对所述试卷图像进行图像处理,并根据所述模糊分类器得到阅卷图像,其中,所述阅卷图像包括学生信息区域、机读阅卷区域和人工阅卷区域;提取所述机读阅卷区域中每个试题的试题信息,并将所述试题信息与所述数据库中存储的每个试题的试题信息进行比对,输出机读阅卷区域对应的分数,并记录机读阅卷错题所对应的知识点信息;接收输入的人工阅卷区域对应的分数及人工阅卷错题所对应的知识点信息;根据人工阅卷区域对应的分数和所述机读阅卷区域对应的分数生成综合分数,并根据机读阅卷错题所对应的知识点信息和人工阅卷错题所对应的知识点信息生成出错知识点信息;根据所述学生信息、所述综合分数及所述出错知识点信息,生成学生考试结果报告并对所述学生考试结果报告进行存储。
9.根据权利要求8所述的自动阅卷系统,其特征在于,所述自动阅卷系统还包括:用户终端;
所述服务器,还用于响应向用户终端发送学生考试结果报告的请求,将所述学生考试结果报告发送给所述用户终端;
所述用户终端,用于接收所述学生考试结果报告,并将所述学生考试结果报告进行显示。
10.根据权利要求9所述的自动阅卷系统,其特征在于,所述数据库还存储有多个训练试题及每个训练试题对应的知识点信息:
所述服务器,还用于根据所述出错知识点信息,生成对应所述出错知识点信息的错题集,并从多个训练试题中选取对应所述出错知识点信息的训练试题,以形成训练题集;响应向用户终端发送错题集及训练题集的请求,向所述用户终端发送错题集及训练题集;
所述用户终端,还用于接收所述错题集及训练题集,并提示学生根据所述错题集及训练题集进行学习。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710122452.0A CN106897749A (zh) | 2017-03-03 | 2017-03-03 | 自动阅卷方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710122452.0A CN106897749A (zh) | 2017-03-03 | 2017-03-03 | 自动阅卷方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106897749A true CN106897749A (zh) | 2017-06-27 |
Family
ID=59185062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710122452.0A Pending CN106897749A (zh) | 2017-03-03 | 2017-03-03 | 自动阅卷方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106897749A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506746A (zh) * | 2017-09-08 | 2017-12-22 | 电子科技大学中山学院 | 智能阅卷系统无定位点图像识别方法及系统 |
CN108053348A (zh) * | 2017-12-11 | 2018-05-18 | 上海启思教育科技服务有限公司 | 一种用于数学试卷的智能阅卷系统 |
CN108109453A (zh) * | 2017-12-29 | 2018-06-01 | 广州大学 | 作业批改装置 |
CN108416352A (zh) * | 2018-03-23 | 2018-08-17 | 李文 | 一种计算机网络阅卷系统及阅卷方法 |
CN108573461A (zh) * | 2018-04-23 | 2018-09-25 | 温州市鹿城区中津先进科技研究院 | 一种云阅卷数据分析系统 |
CN108960149A (zh) * | 2018-07-05 | 2018-12-07 | 深圳闳宸科技有限公司 | 试卷自动评阅方法、装置及电子设备 |
CN109993153A (zh) * | 2019-04-18 | 2019-07-09 | 江苏曲速教育科技有限公司 | 一种基于边缘计算的人工智能阅卷系统 |
CN110348444A (zh) * | 2019-05-31 | 2019-10-18 | 浙江米猪控股有限公司 | 基于深度学习的错题收集方法、装置及设备 |
CN110852131A (zh) * | 2019-12-10 | 2020-02-28 | 艾小本科技(武汉)有限公司 | 一种考试卡的信息采集方法、系统及终端 |
CN111274262A (zh) * | 2020-01-06 | 2020-06-12 | 成都信息工程大学 | 一种SQLServer自动判题系统 |
WO2020135472A1 (zh) * | 2018-12-26 | 2020-07-02 | 杭州大拿科技股份有限公司 | 一种错题本生成方法及装置 |
CN111738882A (zh) * | 2019-03-25 | 2020-10-02 | 北京赛迈特锐医疗科技有限公司 | 影像结构化报告考核自动判卷系统及其方法 |
CN111814616A (zh) * | 2020-06-28 | 2020-10-23 | 枫烨(深圳)科技有限公司 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
CN111858844A (zh) * | 2019-04-18 | 2020-10-30 | 美佳私人有限公司 | 确定主题文本段落相对于参考文本段落匹配准确度的系统及其方法 |
CN111899823A (zh) * | 2020-06-11 | 2020-11-06 | 上海梅斯医药科技有限公司 | 一种量表信息处理方法、系统、终端设备和存储介质 |
CN112164262A (zh) * | 2020-11-09 | 2021-01-01 | 河南环球优路教育科技有限公司 | 一种智能阅卷辅导系统 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
CN112800228A (zh) * | 2021-01-29 | 2021-05-14 | 成都环宇知了科技有限公司 | 一种根据错题记录生成试卷的方法及系统 |
CN112882590A (zh) * | 2021-01-13 | 2021-06-01 | 北京南昊科技股份有限公司 | 一种学生作业用的自动审题评分方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201209729A (en) * | 2010-08-30 | 2012-03-01 | Moreton Technology Co Ltd | Scoring system |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及系统 |
CN104143082A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种基于图像模糊识别的试卷信息定位方法及系统 |
CN104217310A (zh) * | 2014-09-27 | 2014-12-17 | 昆明钢铁集团有限责任公司 | 一种智能无纸化考试系统与方法 |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
JP2016103147A (ja) * | 2014-11-28 | 2016-06-02 | 京セラドキュメントソリューションズ株式会社 | 答案採点装置および答案採点プログラム |
TW201642214A (zh) * | 2015-05-18 | 2016-12-01 | Jia-Hao Liu | 一種測驗卷批改方法及其系統 |
-
2017
- 2017-03-03 CN CN201710122452.0A patent/CN106897749A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201209729A (en) * | 2010-08-30 | 2012-03-01 | Moreton Technology Co Ltd | Scoring system |
CN104143094A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种无需答题卡的试卷自动阅卷处理方法及系统 |
CN104143082A (zh) * | 2014-07-08 | 2014-11-12 | 北京彩云动力教育科技有限公司 | 一种基于图像模糊识别的试卷信息定位方法及系统 |
CN104217310A (zh) * | 2014-09-27 | 2014-12-17 | 昆明钢铁集团有限责任公司 | 一种智能无纸化考试系统与方法 |
JP2016103147A (ja) * | 2014-11-28 | 2016-06-02 | 京セラドキュメントソリューションズ株式会社 | 答案採点装置および答案採点プログラム |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
TW201642214A (zh) * | 2015-05-18 | 2016-12-01 | Jia-Hao Liu | 一種測驗卷批改方法及其系統 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506746A (zh) * | 2017-09-08 | 2017-12-22 | 电子科技大学中山学院 | 智能阅卷系统无定位点图像识别方法及系统 |
CN108053348A (zh) * | 2017-12-11 | 2018-05-18 | 上海启思教育科技服务有限公司 | 一种用于数学试卷的智能阅卷系统 |
CN108053348B (zh) * | 2017-12-11 | 2021-12-07 | 上海启思教育科技服务有限公司 | 一种用于数学试卷的智能阅卷系统 |
CN108109453A (zh) * | 2017-12-29 | 2018-06-01 | 广州大学 | 作业批改装置 |
CN108416352A (zh) * | 2018-03-23 | 2018-08-17 | 李文 | 一种计算机网络阅卷系统及阅卷方法 |
CN108573461A (zh) * | 2018-04-23 | 2018-09-25 | 温州市鹿城区中津先进科技研究院 | 一种云阅卷数据分析系统 |
CN108960149A (zh) * | 2018-07-05 | 2018-12-07 | 深圳闳宸科技有限公司 | 试卷自动评阅方法、装置及电子设备 |
US11410407B2 (en) | 2018-12-26 | 2022-08-09 | Hangzhou Dana Technology Inc. | Method and device for generating collection of incorrectly-answered questions |
WO2020135472A1 (zh) * | 2018-12-26 | 2020-07-02 | 杭州大拿科技股份有限公司 | 一种错题本生成方法及装置 |
CN111738882A (zh) * | 2019-03-25 | 2020-10-02 | 北京赛迈特锐医疗科技有限公司 | 影像结构化报告考核自动判卷系统及其方法 |
CN109993153A (zh) * | 2019-04-18 | 2019-07-09 | 江苏曲速教育科技有限公司 | 一种基于边缘计算的人工智能阅卷系统 |
CN111858844B (zh) * | 2019-04-18 | 2023-10-31 | 美佳私人有限公司 | 确定主题文本段落相对于参考文本段落匹配准确度的系统及其方法 |
CN111858844A (zh) * | 2019-04-18 | 2020-10-30 | 美佳私人有限公司 | 确定主题文本段落相对于参考文本段落匹配准确度的系统及其方法 |
CN110348444A (zh) * | 2019-05-31 | 2019-10-18 | 浙江米猪控股有限公司 | 基于深度学习的错题收集方法、装置及设备 |
CN110852131B (zh) * | 2019-12-10 | 2024-03-26 | 艾小本科技(武汉)有限公司 | 一种考试卡的信息采集方法、系统及终端 |
CN110852131A (zh) * | 2019-12-10 | 2020-02-28 | 艾小本科技(武汉)有限公司 | 一种考试卡的信息采集方法、系统及终端 |
CN111274262A (zh) * | 2020-01-06 | 2020-06-12 | 成都信息工程大学 | 一种SQLServer自动判题系统 |
CN111274262B (zh) * | 2020-01-06 | 2022-08-26 | 成都信息工程大学 | 一种SQLServer自动判题系统 |
CN111899823A (zh) * | 2020-06-11 | 2020-11-06 | 上海梅斯医药科技有限公司 | 一种量表信息处理方法、系统、终端设备和存储介质 |
CN111814616A (zh) * | 2020-06-28 | 2020-10-23 | 枫烨(深圳)科技有限公司 | 一种无需答题卡的试卷自动阅卷处理系统及其实现方法 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的系统及方法 |
CN112164262A (zh) * | 2020-11-09 | 2021-01-01 | 河南环球优路教育科技有限公司 | 一种智能阅卷辅导系统 |
CN112882590A (zh) * | 2021-01-13 | 2021-06-01 | 北京南昊科技股份有限公司 | 一种学生作业用的自动审题评分方法 |
CN112800228A (zh) * | 2021-01-29 | 2021-05-14 | 成都环宇知了科技有限公司 | 一种根据错题记录生成试卷的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106897749A (zh) | 自动阅卷方法及系统 | |
JP2020525965A (ja) | 教学補助方法およびその方法を採用する教学補助システム | |
US9666088B2 (en) | Video-based teacher assistance | |
KR101671693B1 (ko) | 오답 및 문제 분석 정보의 재가공을 통한 맞춤형 학습 서비스 방법 | |
CN105869085A (zh) | 一种成绩录入系统及图像处理的方法 | |
CN104268134B (zh) | 一种主客观分类器构建方法和系统 | |
CN110543811B (zh) | 一种基于深度学习的非配合式考试人员管理方法及其系统 | |
CN104915667B (zh) | 一种基于移动终端的答题卡识别分析方法及系统 | |
US20200278970A1 (en) | A method for monitoring user behavior when interacting with content and a system for its implementation | |
Earle | Formative and summative assessment of science in English primary schools: evidence from the Primary Science Quality Mark | |
CN108960149A (zh) | 试卷自动评阅方法、装置及电子设备 | |
CN111160277A (zh) | 行为识别分析方法和系统、计算机可读存储介质 | |
KR101265720B1 (ko) | 관계형 문항을 이용한 학습 능력 향상 시스템 및 그 동작방법 | |
CN111523445B (zh) | 一种基于改进的Openpose模型和面部微表情的考试行为检测方法 | |
CN109993153B (zh) | 一种基于边缘计算的人工智能阅卷系统 | |
CN108428073A (zh) | 一种用于教师教学质量的智能评价系统 | |
CN111353439A (zh) | 一种教学行为的分析方法、装置、系统及设备 | |
CN114140280A (zh) | 一种基于ai批改的数据处理方法、系统和电子设备 | |
CN111700584A (zh) | 一种视力智能检测系统 | |
CN106651689A (zh) | 一种智能考试系统 | |
CN115081965B (zh) | 一种学情大数据分析系统及学情服务器 | |
CN104240361B (zh) | 一种基于摄像装置和图形卡的现场投票系统 | |
JP2019152727A (ja) | 情報処理装置、情報処理システム、及びプログラム | |
CN105931509B (zh) | 一种电子通信物理智能教学系统 | |
Kunz et al. | Web paradata in survey research |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170627 |
|
RJ01 | Rejection of invention patent application after publication |