CN111783855A - 智能阅卷方法及装置 - Google Patents

智能阅卷方法及装置 Download PDF

Info

Publication number
CN111783855A
CN111783855A CN202010559310.2A CN202010559310A CN111783855A CN 111783855 A CN111783855 A CN 111783855A CN 202010559310 A CN202010559310 A CN 202010559310A CN 111783855 A CN111783855 A CN 111783855A
Authority
CN
China
Prior art keywords
answering
subject
reading
knowledge points
knowledge
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
Application number
CN202010559310.2A
Other languages
English (en)
Inventor
胡润宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Ethernet Education Technology Co ltd
Original Assignee
Guangzhou Ethernet Education Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Ethernet Education Technology Co ltd filed Critical Guangzhou Ethernet Education Technology Co ltd
Priority to CN202010559310.2A priority Critical patent/CN111783855A/zh
Publication of CN111783855A publication Critical patent/CN111783855A/zh
Priority to PCT/CN2021/094501 priority patent/WO2021254074A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种智能阅卷方法及装置，该方法包括：获取针对批阅结果的扫描图像，该批阅结果存在与之唯一对应的受试者，且批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识；识别该批阅结果的扫描图像上携带的批阅标识，并根据该批阅结果的扫描图像上携带的批阅标识，确定该批阅结果唯一对应的受试者针对作答题目的作答情况。可见，实施本发明能够提供一种智能阅卷方法，能够适用于非选择题的智能阅卷，从而能够提高对非选择题的作答情况进行阅卷的效率。

Description

智能阅卷方法及装置
技术领域
本发明涉及智能设备技术领域，尤其涉及一种智能阅卷方法及装置。
背景技术
为了知晓学生针对某一学科或某一类知识点的掌握情况，往往需要学生作答相应试卷，然后根据学生的作答情况来判断学生对相关知识的掌握程度。当前，使用纸张试卷进行考试是一种常见的测验方式，在学生作答完毕之后，阅卷者需对学生提交的试卷进行人工批阅，但是当试卷量较大时，人工批阅试卷的方式存在效率低的问题，为了解决这一问题，智能阅卷被广泛应用于试卷批阅中。
然而实践发现，现有的智能阅卷技术通常只适用于对选择题的智能批阅，但是实践中往往还需对除选择题之外的其它题目的作答情况进行人工批阅，例如：现在较为常见的答题卡阅读器只能根据学生的涂卡情况批阅学生选择的选项是否正确。由此可见，提供一种可适用于非选择题的智能阅卷方式以提高阅卷效率显得尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种智能阅卷方法及装置，能够提供一种适用于非选择题的智能阅卷方式，提高对非选择题的作答情况进行阅卷的效率。
为了解决上述技术问题，本发明第一方面公开了一种智能阅卷方法，所述方法包括：
获取针对批阅结果的扫描图像，所述批阅结果存在与之唯一对应的受试者，且所述批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识；
识别所述批阅结果的扫描图像上携带的批阅标识，并根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况，所述作答情况包括所述作答题目中作答错误的第一题目的作答情况和/或作答正确的第二题目的作答情况；
其中，所述第一题目的作答情况包括所述第一题目唯一对应的题目标识、对应受试者针对所述第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对所述第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种。
可选的，在本发明第一方面中，所述识别所述批阅结果的扫描图像上携带的批阅标识之后，所述方法还包括：
判断所述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配；
当判断出所述批阅结果的扫描图像上携带的所有批阅标识均与所述标准标识相匹配时，触发执行所述的根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况的步骤；
当判断出所述批阅结果的扫描图像上携带的所有批阅标识不均与所述标准标识相匹配时，从所述批阅结果的扫描图像上携带的所有批阅标识筛选与所述标准标识相匹配的剩余批阅标识，并根据所述剩余批阅标识确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况。
可选的，在本发明第一方面中，所述方法还包括：
根据每个所述受试者对应的所有所述第一题目的作答情况，确定每个所述受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第一方面中，所述方法还包括：
根据所有所述受试者对应的所有所述第一题目的作答情况，确定所有所述受试者所属的群体在本次测验过程中的所有易错知识点。
可选的，在本发明第一方面中，所述根据每个所述受试者对应的所有所述第一题目的作答情况，确定每个所述受试者在本次测验过程中的所有易错知识点，包括：
按照每个所述受试者的所有所述作答知识点所属的知识点类别，对每个所述受试者的所有所述作答知识点进行分类，得到每个所述受试者对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
统计每个所述受试者对应的每个所述作答知识点集合的作答知识点数量，并将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第一方面中，所述根据所有所述受试者对应的所有所述第一题目的作答情况，确定所有所述受试者所属的群体在本次测验过程中的所有易错知识点，包括：
根据所有所述受试者的身份标识将所有所述受试者划分为至少一个群体；所述身份标识包括学校标识、班级标识和授课老师标识中的至少一种，每个所述群体所包括的受试者的身份标识相同；
按照每个所述群体包括的受试者的所有所述作答知识点所属的知识点类别，对每个所述群体包括的所述受试者的所有所述作答知识点进行分类，得到每个所述群体对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
统计每个所述群体对应的每个所述作答知识点集合的作答知识点数量，并将每个所述群体对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该群体包括的受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第一方面中，所述方法还包括：
根据每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合以及预先确定出的每个所述受试者的历史易错知识点，修正每个所述受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第一方面中，所述根据每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合以及预先确定出的每个所述受试者的历史易错知识点，修正每个所述受试者在本次测验过程中的所有易错知识点，包括：
将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合确定为每个所述受试者对应的目标作答知识点集合；
从每个所述受试者对应的所述目标作答知识点集合包括的所有知识点中，筛选与该受试者的历史易错知识点相匹配的目标知识点并将所述目标知识点添加至该受试者在本次测验过程中的所有易错知识点中。
本发明第二方面公开了一种智能阅卷装置，所述装置包括：
获取模块，用于获取针对批阅结果的扫描图像，所述批阅结果存在与之唯一对应的受试者，且所述批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识；
识别模块，用于识别所述批阅结果的扫描图像上携带的批阅标识；
作答情况确定模块，用于根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况，所述作答情况包括所述作答题目中作答错误的第一题目的作答情况和/或作答正确的第二题目的作答情况；
其中，所述第一题目的作答情况包括所述第一题目唯一对应的题目标识、对应受试者针对所述第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对所述第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种。
可选的，在本发明第二方面中，所述装置还包括：
判断模块，用于判断所述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配；当判断出所述批阅结果的扫描图像上携带的所有批阅标识均与所述标准标识相匹配时，触发所述作答情况确定模块执行所述的根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况的操作；
筛选模块，用于当所述判断模块判断出所述批阅结果的扫描图像上携带的所有批阅标识不均与所述标准标识相匹配时，从所述批阅结果的扫描图像上携带的所有批阅标识筛选与所述标准标识相匹配的剩余批阅标识；
所述作答情况确定模块，还用于根据所述剩余批阅标识确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况。
可选的，在本发明第二方面中，所述装置还包括：
第一确定模块，用于根据每个所述受试者对应的所述第一题目的作答情况，确定每个所述受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第二方面中，所述装置还包括：
第二确定模块，用于根据所有所述受试者对应的所有所述第一题目的作答情况，确定所有所述受试者所属的群体在本次测验过程中的所有易错知识点。
可选的，在本发明第二方面中，所述第一确定模块包括：
第一分类单元，用于按照每个所述受试者的所有所述作答知识点所属的知识点类别，对每个所述受试者的所有所述作答知识点进行分类，得到每个所述受试者对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
第一确定单元，用于统计每个所述受试者对应的每个所述作答知识点集合的作答知识点数量，并将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第二方面中，所述第二确定模块包括：
划分单元，用于根据所有所述受试者的身份标识将所有所述受试者划分为至少一个群体；所述身份标识包括学校标识、班级标识和授课老师标识中的至少一种，每个所述群体所包括的受试者的身份标识相同；
第二分类单元，用于按照每个所述群体包括的受试者的所有所述作答知识点所属的知识点类别，对每个所述群体包括的所述受试者的所有所述作答知识点进行分类，得到每个所述群体对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
第二确定单元，用于统计每个所述群体对应的每个所述作答知识点集合的作答知识点数量，并将每个所述群体对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该群体包括的受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第二方面中，所述装置还包括：
修正模块，用于根据每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合以及预先确定出的每个所述受试者的历史易错知识点，修正每个所述受试者在本次测验过程中的所有易错知识点。
可选的，在本发明第二方面中，所述修正模块包括：
集合确定单元，用于将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合确定为每个所述受试者对应的目标作答知识点集合；
添加单元，用于从每个所述受试者对应的所述目标作答知识点集合包括的所有知识点中，筛选与该受试者的历史易错知识点相匹配的目标知识点并将所述目标知识点添加至该受试者在本次测验过程中的所有易错知识点中。
本发明第三方面公开了另一种智能阅卷装置，所述装置包括处理器，其中：
所述处理器调用存储器中存储的可执行程序代码，执行本发明第一方面公开的智能阅卷方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的智能阅卷方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取针对批阅结果的扫描图像，该批阅结果存在与之唯一对应的受试者，且批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识；识别该批阅结果的扫描图像上携带的批阅标识，并根据该批阅结果的扫描图像上携带的批阅标识，确定该批阅结果唯一对应的受试者针对作答题目的作答情况。由此能够提供一种适用于非选择题的智能阅卷方式，提高对非选择题的作答情况进行阅卷的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是本发明实施例公开的一种智能阅卷方法的应用情形示意图；
图2是本发明实施例公开的一种智能阅卷方法的流程示意图；
图3是本发明实施例公开的另一种智能阅卷方法的流程示意图；
图4是本发明实施例公开的又一种智能阅卷方法的流程示意图；
图5是本发明实施例公开的又一种智能阅卷方法的流程示意图；
图6是本发明实施例公开的一种智能阅卷装置的结构示意图；
图7是本发明实施例公开的另一种智能阅卷装置的结构示意图；
图8是本发明实施例公开的又一种智能阅卷装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种智能阅卷方法及装置，能够提供一种适用于非选择题的智能阅卷方式，提高对非选择题的作答情况进行阅卷的效率。以下分别进行详细说明。
为了更好的理解本发明公开的一种智能阅卷方法及装置，首先对本发明中智能阅卷方法的其中一种实际应用情形加以描述，需要说明的是，本发明所指的批阅结果可以是在作答答案上人工或自动添加批阅标识形成的，也可以是在参考答案上人工或自动添加批阅标识形成的，还可以是在其它能够添加批阅标识的文件或资料上人工或自动添加批阅标识形成的，本发明对此不做限定，每个批阅结果存在与之唯一对应的受试者，且每个批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识。以在作答答案上人工或自动添加批阅标识形成批阅结果为例，批阅结果的形成过程可以如图1所示，如图1所示，作答答案是受试者对试题(又称“作答题目”)作答后形成的，其包含有受试者对非选择题作出的答案，包含有较多的文字内容或较多的作答步骤，参考答案中包含有试题的标准答案，除了标准答案之外，还包括供人工或机器添加批阅标识的指定区域，在对参考答案和作答答案进行人工或机器批阅之后，形成了具有批阅标识的参考答案。例如，对于非选择题1，作答答案总共包括三个步骤：步骤S1、步骤S2和步骤S3，其中，作答错误的步骤为步骤S1和步骤S2，且步骤S1所考察的知识点为知识点1，步骤S2所考察的知识点为知识点2，则在参考答案的指定区域中步骤S1对应的知识点1区域和步骤S2对应的知识点2区域皆形成有批阅标识，其中，参考答案的指定区域包含了知识点1对应的区域、知识点2对应的区域以及知识点3对应的区域。在形成具有批阅标识的参考答案之后，通过能够运行本发明中的智能阅卷方法的智能阅卷设备来识别参考答案上的批阅标识，而后可根据识别到的批阅标识确定该受试者出现错误的步骤为非选择题1的步骤S1和步骤S2，且错误的知识点分别为知识点1和知识点2。
需要说明的是，在实际测试过程中，可能存在多个受试者，由于本发明对于每个受试者对应的批阅结果的处理方式相同，因此，本发明的实施例中以任意一个受试者对应的批阅结果进行说明。
以上对本发明中智能阅卷方法的其中一种实际应用情形做了描述，下面针对智能阅卷方法及装置进行详细的描述。
实施例一
请参阅图2，图2是本发明实施例公开的一种智能阅卷方法的流程示意图。其中，图2所描述的智能阅卷方法可以应用于智能阅卷终端中，也可以应用于与智能阅卷终端通讯相连的本地服务器、云端服务器或架设在国外的服务器中，本发明实施例不做限定。如图2所示，该智能阅卷方法可以包括以下操作：
201、获取针对批阅结果的扫描图像。
本发明实施例中，该批阅结果存在与之唯一对应的受试者，且该批阅结果上携带有基于该批阅结果对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识。
可选地，获取针对批阅结果的扫描图像的实现方式可以是：
(1)每次扫描只扫描单个批阅区域的图像，然后通过多次扫描的方式来获得针对批阅结果的扫描图像。
(2)一次扫描多个批阅区域的图像(即一个图像中包含有针对多个批阅区域的扫描结果)，然后从图像中分离出各个批阅区域的图像以获得针对批阅结果的扫描图像。这样，可以实现多个批阅区域的批量扫描，提高扫描效率。
202、识别上述批阅结果的扫描图像上携带的批阅标识。
本发明实施例中，识别扫描图像上的批阅标识可以通过常见的图像识别技术来实现，具体可以通过识别扫描图像上批阅标识的轮廓、像素面积等因素来实现。
203、根据上述批阅结果的扫描图像上携带的批阅标识，确定上述批阅结果唯一对应的受试者针对作答题目的作答情况。
本发明实施例中，可选的，针对作答题目的作答情况可以包括作答题目中作答错误的第一题目的作答情况，也可以包括作答题目中作答正确的第二题目的作答情况，还可以二者兼有。需要说明的是，在本发明实施例中，“第一”、“第二”是为了用于区分作答错误以及作答正确的题目，并不具有的先后含义。
进一步可选的，第一题目的作答情况可以包括第一题目唯一对应的题目标识、对应受试者针对第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种。
又进一步可选的，确定题目标识可以通过以下方式实现：
(1)识别扫描图像上的题目标识字符以确定题目标识。由于题目标识的字符通常相较于其他字符不一样(例如，题目标识的字符所使用的字体、字体的大小、字体的颜色等中的一种或多种与其他字符不一样)，根据这些区别点即可以从扫描图像中确定出题目标识。
(2)根据批阅标识在扫描图像中的位置确定题目标识。由于各个题目会分布在扫描图像的不同位置(即一个题目的批阅标识通常也会集中在扫描图像的固定区域内)，通过题目的批阅标识在扫描图像中聚集的位置也能够确定出该题目的题目标识。
进一步可选的，当参考答案为具有解题步骤的答案时(例如，数学题的解题答案)，若需要确定步骤标识，则可以通过以下方式实现：首先，将扫描图像按照不同的步骤分割为多个步骤图像块，然后对该多个步骤图像块的字符进行识别从而获得各个步骤图像块对应的步骤标识。
再进一步可选的，当参考答案为具有解题步骤的答案时(例如，数学题的解题答案)，若需要确定作答知识点，则可以通过以下方式实现：通过识别批阅标识在参考答案的解题步骤对应的区域中的位置来确定该解题步骤的作答知识点。例如，在指定区域中预设有知识点4的位置、知识点5的位置和知识点6的位置，当某一解题步骤的知识点4的位置标注有批阅标识时，即表示该解题步骤中作答错误的作答知识点为知识点4。
在一个可选的实施例中，在执行完毕步骤202之后，该智能阅卷方法还可以包括：
判断上述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配；
当判断出上述批阅结果的扫描图像上携带的所有批阅标识均与标准标识相匹配时，触发执行步骤203；
当判断出上述批阅结果的扫描图像上携带的所有批阅标识不均与标准标识相匹配时，从上述批阅结果的扫描图像上携带的所有批阅标识筛选与标准标识相匹配的剩余批阅标识，并根据剩余批阅标识确定批阅结果唯一对应的受试者针对作答题目的作答情况。
进一步可选的，当判断出上述批阅结果的扫描图像上携带的所有批阅标识不均与标准标识相匹配时，该方法还可以包括以下操作：
从上述批阅结果的扫描图像上携带的所有批阅标识筛选与标准标识不匹配的批阅标识；
向相关核对人员显示或输出筛选出的与标准标识不匹配的批阅标识，供相关核对人员进行核对、校验。
需要说明的是，在相关核对人员对筛选出的与标准标识不匹配的批阅标识进行核对、校验之后，可以重新触发执行上述的判断上述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配的步骤，也可以执行以下操作：
根据预先从上述批阅结果的扫描图像上携带的所有批阅标识筛选与标准标识相匹配的剩余批阅标识以及相关核对人员对筛选出的与标准标识不匹配的批阅标识进行核对、校验之后得到的与标准标识相匹配的批阅标识，确定批阅结果唯一对应的受试者针对作答题目的作答情况。
本发明实施例中，预先设定的标准标识可以是长方形形状、三角形形状、圆形形状等一种或多种，本发明实施例不做限定。当使用人工对比作答答案和参考答案来形成批阅标识时，阅卷者有时会在批阅的过程中在参考答案上作一些无用的标识(例如，阅卷者自己的标识习惯或者阅卷者的误涂等等)，此类标识容易影响步骤203的执行效果，容易造成确定出的作答情况不正确的情况发生。通过上述的几个步骤能够排除无关的批阅标识或对不满足要求的批阅标识进行核对、校验，这样能够提高确定出的作答情况的准确率，进而有利于提高智能阅卷的准确率。
可见，本发明实施例能够提供一种适用于非选择题的智能阅卷方式，提高对非选择题的作答情况进行阅卷的效率。
实施例二
请参阅图3，图3是本发明实施例公开的另一种智能阅卷方法的流程示意图。其中，图3所描述的智能阅卷方法可以应用于智能阅卷终端中，也可以应用于与智能阅卷终端通讯相连的本地服务器、云端服务器或架设在国外的服务器中，本发明实施例不做限定。如图3所示，该智能阅卷方法可以包括以下操作：
301、获取针对批阅结果的扫描图像。
302、识别每个上述批阅结果的扫描图像上携带的批阅标识。
303、判断上述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配，当判断出上述批阅结果的扫描图像上携带的所有批阅标识均与标准标识相匹配时，触发执行步骤304；当判断出上述批阅结果的扫描图像上携带的所有批阅标识不均与标准标识相匹配时，触发执行步骤305。
304、根据上述批阅结果的扫描图像上携带的批阅标识，确定上述批阅结果唯一对应的受试者针对作答题目的作答情况。
305、从上述批阅结果的扫描图像上携带的所有批阅标识筛选与标准标识相匹配的剩余批阅标识，并根据剩余批阅标识确定批阅结果唯一对应的受试者针对作答题目的作答情况。
在一个可选的实施例中，在步骤304或步骤305之后，该方法还可以包括以下步骤：
306、根据每个受试者对应的所有第一题目的作答情况，确定每个受试者在本次测验过程中的所有易错知识点。
本发明实施例中，由于第一题目的作答情况可以包括第一题目唯一对应的题目标识、对应受试者针对第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种，所以对题目标识、步骤标识以及对应的作答知识点这些数据进行统计即可以确定受试者的易错知识点。例如，受试者A的在不同的题目和步骤中都做错了作答知识点7，即可以将作答知识点7作为受试者A的易错知识点。
307、根据所有受试者对应的所有第一题目的作答情况，确定所有受试者所属的群体在本次测验过程中的所有易错知识点。
本发明实施例中，由于第一题目的作答情况可以包括第一题目唯一对应的题目标识、对应受试者针对第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种，所以对题目标识、步骤标识以及对应的作答知识点这些数据进行统计即可以确定受试者所属的群体的易错知识点。其中，受试者群体可以是根据受试者的年级、班级、授课老师等进行划分的。例如，受试者群体B做错了的作答知识点8出现的次数较多，即可以将作答知识点8作为受试者群体B的易错知识点。
本发明实施例中，对于本发明实施例步骤301-步骤305的其它详细描述，请参照实施例一中的相关详细描述，本发明实施例不再赘述。
需要说明的是，可以根据需要选择执行步骤306和步骤307中的任意一项或两项，即可以仅执行步骤306或者仅执行步骤307或者步骤306和步骤307都执行，当执行步骤306和步骤307时，步骤306和步骤307执行的先后顺序也可以不作限定，本发明实施例不做限定。
本发明实施例中，能够在根据批阅标识确定受试者的作答情况之后，对作答情况进行统计以确定受试者和/或受试者所属的群体的易错知识点，实现对作答情况的智能分析。
本发明实施例中，根据每个受试者对应的所有第一题目的作答情况，确定每个受试者在本次测验过程中的所有易错知识点可以包括：
按照每个受试者的所有作答知识点所属的知识点类别，对每个受试者的所有作答知识点进行分类，得到每个受试者对应的至少一个作答知识点集合，每个作答知识点集合中所包括的作答知识点所属的知识点类别相同；
统计每个受试者对应的每个作答知识点集合的作答知识点数量，并将每个受试者对应的所有作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该受试者在本次测验过程中的所有易错知识点。
具体地，以受试者A的作答知识点包括：知识点1、知识点2、知识点3、知识点4和知识点5为例进行说明。其中，知识点1、知识点2和知识点3属于概念类，知识点4和知识点5属于公式类。对受试者A的作答知识点进行分类后即将知识点1、2、3划分为一个作答知识点集合，将知识点4、5划分为另一个作答知识点集合。若取预设数量阈值为3，即知识点1、2、3将被确定为受试者A在本次测验过程中的易错知识点。
本发明实施例中，通过对每个受试者的作答知识点进行分类并进行统计，从而实现对每个受试者的作答情况的智能分析。
本发明实施例中，根据所有受试者对应的所有第一题目的作答情况，确定所有受试者所属的群体在本次测验过程中的所有易错知识点可以包括：
根据所有受试者的身份标识将所有受试者划分为至少一个群体；身份标识包括学校标识、班级标识和授课老师标识中的至少一种，每个群体所包括的受试者的身份标识相同；
按照每个群体包括的受试者的所有作答知识点所属的知识点类别，对每个群体包括的受试者的所有作答知识点进行分类，得到每个群体对应的至少一个作答知识点集合，每个作答知识点集合中所包括的作答知识点所属的知识点类别相同；
统计每个群体对应的每个作答知识点集合的作答知识点数量，并将每个群体对应的所有作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该群体包括的受试者在本次测验过程中的所有易错知识点。
本发明实施例中，例如，受试者A的作答知识点为知识点1，受试者B的作答知识点为知识点2和知识点3，受试者C的作答知识点为知识点4和知识点5。其中，知识点1、2、3属于概念类，知识点4、5属于公式类。受试者A和受试者B同属于1班，受试者C属于2班。根据班级对受试者A、B、C进行分类后形成1班群体和2班群体，则1班群体对应的知识点有知识点1、2、3，2班群体对应的知识点有知识点4、5。若取预设数量阈值为3，即知识点1、2、3将被确定为1班群体的受试者在本次测验过程中的易错知识点。
本发明实施例中，通过对所有受试者进行分类以形成受试者群体，然后继续对受试者群体的作答知识点进行分类并统计，从而实现对不同群体的受试者的作答情况的智能分析。
实施例三
请参阅图4，图4是本发明实施例公开的又一种智能阅卷方法的流程示意图。其中，图4所描述的智能阅卷方法可以应用于智能阅卷终端中，也可以应用于与智能阅卷终端通讯相连的本地服务器、云端服务器或架设在国外的服务器中，本发明实施例不做限定。如图4所示，该智能阅卷方法可以包括以下操作：
401、获取针对批阅结果的扫描图像。
402、识别上述批阅结果的扫描图像上携带的批阅标识。
403、根据上述批阅结果的扫描图像上携带的批阅标识，确定上述批阅结果唯一对应的受试者针对作答题目的作答情况。
404、根据每个受试者对应的所有第一题目的作答情况，确定每个受试者在本次测验过程中的所有易错知识点。
405、根据所有受试者对应的所有第一题目的作答情况，确定所有受试者所属的群体在本次测验过程中的所有易错知识点。
可选的，在执行完毕步骤404之后，该方法还可以包括以下操作：
406、根据每个受试者对应的所有作答知识点集合中作答知识点数量小于预设数量阈值的作答知识点集合以及预先确定出的每个受试者的历史易错知识点，修正每个受试者在本次测验过程中的所有易错知识点。
本发明实施例中，历史易错知识点可以是根据受试者过往的易错知识点形成的。例如，受试者A的过往的两次测试中易错知识点均包含有知识点4，则知识点4将被作为受试者A的历史易错知识点。再承接上述实施例二中步骤304中具体的例子，此时，知识点4和知识点5所在的作答知识点集合的作答知识点数量小于预设数量阈值3，但是知识点4在历史易错知识点中，故将知识点4加入到受试者A在本次测验过程中的所有易错知识点中以完成对所有易错知识点的修正。
需要说明的是，在步骤403之后，可以根据需要选择执行步骤404和步骤405中的任意一项或两项，即可以仅执行步骤404或者仅执行步骤405或者步骤404和步骤405都一起执行，当执行步骤404和步骤405时，步骤404和步骤405执行的先后顺序也可以不作限定，本发明实施例不做限定。另外，需要在执行步骤404之后才会执行步骤406，也即步骤406需要在步骤404已被执行的前提下才会被执行。在仅执行步骤405的情况下，步骤406将不被执行。
在一个可选的实施例中，该方法还可以包括：
根据所有受试者所属群体对应的所有作答知识点集合中作答知识点数量小于预设数量阈值的作答知识点集合以及预先确定出的所有受试者所属群体的历史易错知识点，修正所有受试者所属群体在本次测验过程中的所有易错知识点。对于该步骤的限定具体可以类比于步骤406的限定，在此不再赘述。
本发明实施例中，根据每个受试者对应的所有作答知识点集合中作答知识点数量小于预设数量阈值的作答知识点集合以及预先确定出的每个受试者的历史易错知识点，修正每个受试者在本次测验过程中的所有易错知识点可以包括：
将每个受试者对应的所有作答知识点集合中作答知识点数量小于预设数量阈值的作答知识点集合确定为每个受试者对应的目标作答知识点集合；
从每个受试者对应的目标作答知识点集合包括的所有知识点中，筛选与该受试者的历史易错知识点相匹配的目标知识点并将目标知识点添加至该受试者在本次测验过程中的所有易错知识点中。
本发明实施例中，承接上述步骤406的例子，此时，知识点4和知识点5所在的作答知识点集合的作答知识点数量小于预设数量阈值3，即将知识点4和知识点5所在的作答知识点集合(公式类知识点集合)确定为受试者A的目标作答知识点集合，而在目标作答知识点集合中只有知识点4与历史易错知识点相匹配，故将知识点4添加至受试者A在本次测验过程中的所有易错知识点中，即此时A的所有易错知识点包括知识点1、2、3和4，其中知识点4是修正后添加的。
本发明实施例中，对于步骤401-步骤405的其它详细描述，请参照实施例二中的相关详细描述，本发明实施例不再赘述。
本发明实施例中，通过根据历史易错知识点对已确定的易错知识点进行修正，能够综合考虑受试者过往的作答情况对受试者本次测验的作答情况进行分析，从而使分析的结果更加准确。
实施例四
请参阅图5，图5是本发明实施例公开的又一种智能阅卷方法的流程示意图。其中，图5所描述的智能阅卷方法可以应用于智能阅卷终端中，也可以应用于与智能阅卷终端通讯相连的本地服务器、云端服务器或架设在国外的服务器中，本发明实施例不做限定。如图5所示，该智能阅卷方法可以包括以下操作：
501、获取针对批阅结果的扫描图像。
502、识别上述批阅结果的扫描图像上携带的批阅标识。
503、根据上述批阅结果的扫描图像上携带的批阅标识，确定上述批阅结果唯一对应的受试者针对作答题目的作答情况。
504、根据每个受试者对应的所有第一题目的作答情况，确定每个受试者在本次测验过程中的所有易错知识点。
505、根据所有受试者对应的所有第一题目的作答情况，确定所有受试者所属的群体在本次测验过程中的所有易错知识点。
其中，在执行完毕步骤504之后，该方法还可以包括以下操作：
506、根据每个受试者对应的所有易错知识点从预设的题目库中抽取每个受试者对应的所有易错知识点对应的题目并将题目发送至每个受试者的个人终端。
本发明实施例中，预设的题目库可以预先存储有多个题目，并且每个题目都有其对应的知识点。在题目库中抽取题目时，可以将与受试者的易错知识点相匹配的知识点对应的题目抽取出来。例如，受试者A的易错知识点包含有知识点1和知识点2，即在题目库中抽取知识点1和知识点2对应的题目。
本发明实施例中，对于步骤501-步骤505的其它详细描述，请参照实施例二中的相关详细描述，本发明实施例不再赘述。
需要说明的是，在步骤503之后，可以根据需要选择执行步骤504和步骤505中的任意一项或两项，即可以仅执行步骤504或者仅执行步骤505或者步骤504和步骤505都一起执行，当执行步骤504和步骤505时，步骤504和步骤505执行的先后顺序也可以不作限定，本发明实施例不做限定。另外，需要在执行步骤504之后才会执行步骤506，也即步骤506需要在步骤504已被执行的前提下才会被执行。在仅执行步骤505的情况下，步骤506将不被执行。
在一个可选的实施例中，该方法还可以包括：
根据所有受试者所属群体对应的所有易错知识点从预设的题目库中抽取所有受试者所属群体对应的所有易错知识点对应的题目并将题目发送至所有受试者所属群体的受试者的个人终端。对于该步骤的限定具体可以类比于步骤506的限定，在此不再赘述。
本发明实施例中，通过根据受试者的易错知识点从题目库中抽取对应的题目并将题目发送至受试者的个人终端，从而实现利用分析的结果对受试者进行个性化的题目推送。
实施例五
请参阅图6，图6是本发明实施例公开的一种智能阅卷装置的结构示意图。如图6所示，该智能阅卷装置可以应用于智能阅卷终端中，也可以应用于与智能阅卷终端通讯相连的本地服务器、云端服务器或架设在国外的服务器中，本发明实施例不做限定，图6所示的装置用于实现实施例一中所描述的方法。如图6所示，该智能阅卷装置可以包括：
获取模块601，用于获取针对批阅结果的扫描图像，该批阅结果存在与之唯一对应的受试者，且该批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识。
识别模块602，用于识别上述批阅结果的扫描图像上携带的批阅标识。
作答情况确定模块603，用于根据批阅结果的扫描图像上携带的批阅标识，确定批阅结果唯一对应的受试者针对作答题目的作答情况，可选的，作答情况包括作答题目中作答错误的第一题目的作答情况和/或作答正确的第二题目的作答情况。
本发明实施例中，第一题目的作答情况可以包括第一题目唯一对应的题目标识、对应受试者针对第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种。
可见，实施图6所描述的智能阅卷装置能够提供一种适用于非选择题的智能阅卷方式，提高对非选择题的作答情况进行阅卷的效率。
在一个可选的实施例中，该智能阅卷装置还可以包括：
判断模块604，用于在识别模块602识别上述批阅结果的扫描图像上携带的批阅标识之后，判断批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配；当判断出批阅结果的扫描图像上携带的所有批阅标识均与标准标识相匹配时，触发作答情况确定模块603执行上述的根据批阅结果的扫描图像上携带的批阅标识，确定批阅结果唯一对应的受试者针对作答题目的作答情况的操作；
筛选模块605，用于在判断模块604判断出参考答案的扫描图像上携带的批阅标识不均与预先设定的标准标识相匹配时，从批阅结果的扫描图像上携带的所有批阅标识筛选与标准标识相匹配的剩余批阅标识；
作答情况确定模块603，还可以用于根据剩余批阅标识确定批阅结果唯一对应的受试者针对作答题目的作答情况。
需要说明的是，在其它可选的实施例中，该智能阅卷装置还可以处理模块(图6中未示出)，其中：
处理模块，用于在判断模块604判断出参考答案的扫描图像上携带的批阅标识不均与预先设定的标准标识相匹配时，从上述批阅结果的扫描图像上携带的所有批阅标识筛选与标准标识不匹配的批阅标识；向相关核对人员显示或输出筛选出的与标准标识不匹配的批阅标识，供相关核对人员进行核对、校验。
可选的，在处理模块向相关核对人员显示或输出筛选出的与标准标识不匹配的批阅标识，供相关核对人员进行核对、校验之后，还可以用于触发判断模块604执行上述的判断上述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配的操作，或者，还可以用于根据预先从上述批阅结果的扫描图像上携带的所有批阅标识筛选与标准标识相匹配的剩余批阅标识以及相关核对人员对筛选出的与标准标识不匹配的批阅标识进行核对、校验之后得到的与标准标识相匹配的批阅标识，确定批阅结果唯一对应的受试者针对作答题目的作答情况。
可见，实施图7所描述的智能阅卷装置能够判断参考答案上的批阅标识是否与标准标识相匹配，若不匹配，则将这些不匹配的标准标识在参考答案中去除，这样能够去除参考答案上无关的标识，提高智能阅卷的准确率。
在一个可选的实施例中，该智能阅卷装置还可以包括：
第一确定模块606，用于根据每个受试者对应的所有第一题目的作答情况，确定每个受试者在本次测验过程中的所有易错知识点。
在一个可选的实施例中，第一确定模块606可以包括：
第一分类单元6061，用于按照每个受试者的所有作答知识点所属的知识点类别，对每个受试者的所有作答知识点进行分类，得到每个受试者对应的至少一个作答知识点集合，每个作答知识点集合中所包括的作答知识点所属的知识点类别相同。
第一确定单元6062，用于统计每个受试者对应的每个作答知识点集合的作答知识点数量，并将每个受试者对应的所有作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该受试者在本次测验过程中的所有易错知识点。
可见，实施图7所描述的智能阅卷装置能够在根据批阅标识确定每个受试者的作答情况之后，对作答情况进行统计以确定每个受试者的易错知识点，实现对作答情况的智能分析。
在一个可选的实施例中，该智能阅卷装置还可以包括：
修正模块607，用于根据每个受试者对应的所有作答知识点集合中作答知识点数量小于预设数量阈值的作答知识点集合以及预先确定出的每个受试者的历史易错知识点，修正每个受试者在本次测验过程中的所有易错知识点。
在一个可选的实施例中，修正模块607可以包括：
集合确定单元6071，用于将每个受试者对应的所有作答知识点集合中作答知识点数量小于预设数量阈值的作答知识点集合确定为每个受试者对应的目标作答知识点集合；
添加单元6072，用于从每个受试者对应的目标作答知识点集合包括的所有知识点中，筛选与该受试者的历史易错知识点相匹配的目标知识点并将目标知识点添加至该受试者在本次测验过程中的所有易错知识点中。
可见，实施图7所描述的智能阅卷装置能够通过根据历史易错知识点对已确定的易错知识点进行修正，能够综合考虑受试者过往的作答情况对受试者本次测验的作答情况进行分析，从而使分析的结果更加准确。
在一个可选的实施例中，该智能阅卷装置还可以包括：
第二确定模块608，用于根据所有受试者对应的所有第一题目的作答情况，确定所有受试者所属的群体在本次测验过程中的所有易错知识点。
在一个可选的实施例中，第二确定模块608可以包括：
划分单元6081，用于根据所有受试者的身份标识将所有受试者划分为至少一个群体；身份标识包括学校标识、班级标识和授课老师标识中的至少一种，每个群体所包括的受试者的身份标识相同。
第二分类单元6082，用于按照每个群体包括的受试者的所有作答知识点所属的知识点类别，对每个群体包括的受试者的所有作答知识点进行分类，得到每个群体对应的至少一个作答知识点集合，每个作答知识点集合中所包括的作答知识点所属的知识点类别相同。
第二确定单元6083，用于统计每个群体对应的每个作答知识点集合的作答知识点数量，并将每个群体对应的所有作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该群体包括的受试者在本次测验过程中的所有易错知识点。
可见，实施图7所描述的智能阅卷装置能够通过对所有受试者进行分类以形成所有的受试者群体，然后继续对所有受试者群体的作答知识点进行分类并统计，从而实现对所有群体的受试者的作答情况的智能分析。
实施例六
请参阅图8，图8是本发明实施例公开的又一种智能阅卷装置的结构示意图。如图8所示，该智能阅卷装置可以包括处理器802，进一步的，还可以包括存储有可执行程序代码的存储器801，其中：
存储器801与处理器802耦合；
处理器802调用存储器801中存储的可执行程序代码，执行本发明实施例一或本发明实施例二或本发明实施例三或本发明实施例四所描述的智能阅卷方法中的步骤。
实施例七
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二或本发明实施例三或本发明实施例四所描述的智能阅卷方法中的步骤。
实施例八
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中或实施例三中或实施例四所描述的智能阅卷方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-OnlyMemory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种智能阅卷方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (18)

1.一种智能阅卷方法，其特征在于，所述方法包括：
获取针对批阅结果的扫描图像，所述批阅结果存在与之唯一对应的受试者，且所述批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识；
识别所述批阅结果的扫描图像上携带的批阅标识，并根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况，所述作答情况包括所述作答题目中作答错误的第一题目的作答情况和/或作答正确的第二题目的作答情况；
其中，所述第一题目的作答情况包括所述第一题目唯一对应的题目标识、对应受试者针对所述第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对所述第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种。
2.根据权利要求1所述的智能阅卷方法，其特征在于，所述识别所述批阅结果的扫描图像上携带的批阅标识之后，所述方法还包括：
判断所述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配；
当判断出所述批阅结果的扫描图像上携带的所有批阅标识均与所述标准标识相匹配时，触发执行所述的根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况的步骤；
当判断出所述批阅结果的扫描图像上携带的所有批阅标识不均与所述标准标识相匹配时，从所述批阅结果的扫描图像上携带的所有批阅标识筛选与所述标准标识相匹配的剩余批阅标识，并根据所述剩余批阅标识确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况。
3.根据权利要求2所述的智能阅卷方法，其特征在于，所述方法还包括：
根据每个所述受试者对应的所有所述第一题目的作答情况，确定每个所述受试者在本次测验过程中的所有易错知识点。
4.根据权利要求1-3任一项所述的智能阅卷方法，其特征在于，所述方法还包括：
根据所有所述受试者对应的所有所述第一题目的作答情况，确定所有所述受试者所属的群体在本次测验过程中的所有易错知识点。
5.根据权利要求3所述的智能阅卷方法，其特征在于，所述根据每个所述受试者对应的所有所述第一题目的作答情况，确定每个所述受试者在本次测验过程中的所有易错知识点，包括：
按照每个所述受试者的所有所述作答知识点所属的知识点类别，对每个所述受试者的所有所述作答知识点进行分类，得到每个所述受试者对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
统计每个所述受试者对应的每个所述作答知识点集合的作答知识点数量，并将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该受试者在本次测验过程中的所有易错知识点。
6.根据权利要求4所述的智能阅卷方法，其特征在于，所述根据所有所述受试者对应的所有所述第一题目的作答情况，确定所有所述受试者所属的群体在本次测验过程中的所有易错知识点，包括：
根据所有所述受试者的身份标识将所有所述受试者划分为至少一个群体；所述身份标识包括学校标识、班级标识和授课老师标识中的至少一种，每个所述群体所包括的受试者的身份标识相同；
按照每个所述群体包括的受试者的所有所述作答知识点所属的知识点类别，对每个所述群体包括的所述受试者的所有所述作答知识点进行分类，得到每个所述群体对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
统计每个所述群体对应的每个所述作答知识点集合的作答知识点数量，并将每个所述群体对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该群体包括的受试者在本次测验过程中的所有易错知识点。
7.根据权利要求5所述的智能阅卷方法，其特征在于，所述方法还包括：
根据每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合以及预先确定出的每个所述受试者的历史易错知识点，修正每个所述受试者在本次测验过程中的所有易错知识点。
8.根据权利要求7所述的智能阅卷方法，其特征在于，所述根据每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合以及预先确定出的每个所述受试者的历史易错知识点，修正每个所述受试者在本次测验过程中的所有易错知识点，包括：
将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合确定为每个所述受试者对应的目标作答知识点集合；
从每个所述受试者对应的所述目标作答知识点集合包括的所有知识点中，筛选与该受试者的历史易错知识点相匹配的目标知识点并将所述目标知识点添加至该受试者在本次测验过程中的所有易错知识点中。
9.一种智能阅卷装置，其特征在于，所述装置包括：
获取模块，用于获取针对批阅结果的扫描图像，所述批阅结果存在与之唯一对应的受试者，且所述批阅结果上携带有基于对应的受试者针对作答题目的作答答案和该作答题目的参考答案进行对比得到的批阅标识；
识别模块，用于识别所述批阅结果的扫描图像上携带的批阅标识；
作答情况确定模块，用于根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况，所述作答情况包括所述作答题目中作答错误的第一题目的作答情况和/或作答正确的第二题目的作答情况；
其中，所述第一题目的作答情况包括所述第一题目唯一对应的题目标识、对应受试者针对所述第一题目的作答结果出现错误的作答步骤的步骤标识以及对应受试者针对所述第一题目的作答结果出现错误的作答步骤所对应的作答知识点中的至少一种。
10.根据权利要求9所述的智能阅卷装置，其特征在于，所述装置还包括：
判断模块，用于判断所述批阅结果的扫描图像上携带的所有批阅标识是否均与预先设定的标准标识相匹配；当判断出所述批阅结果的扫描图像上携带的所有批阅标识均与所述标准标识相匹配时，触发所述作答情况确定模块执行所述的根据所述批阅结果的扫描图像上携带的批阅标识，确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况的操作；
筛选模块，用于当所述判断模块判断出所述批阅结果的扫描图像上携带的所有批阅标识不均与所述标准标识相匹配时，从所述批阅结果的扫描图像上携带的所有批阅标识筛选与所述标准标识相匹配的剩余批阅标识；
所述作答情况确定模块，还用于根据所述剩余批阅标识确定所述批阅结果唯一对应的受试者针对所述作答题目的作答情况。
11.根据权利要求10所述的智能阅卷装置，其特征在于，所述装置还包括：
第一确定模块，用于根据每个所述受试者对应的所有所述第一题目的作答情况，确定每个所述受试者在本次测验过程中的所有易错知识点。
12.根据权利要求9-11任一项所述的智能阅卷装置，其特征在于，所述装置还包括：
第二确定模块，用于根据所有所述受试者对应的所有所述第一题目的作答情况，确定所有所述受试者所属的群体在本次测验过程中的所有易错知识点。
13.根据权利要求11所述的智能阅卷装置，其特征在于，所述第一确定模块包括：
第一分类单元，用于按照每个所述受试者的所有所述作答知识点所属的知识点类别，对每个所述受试者的所有所述作答知识点进行分类，得到每个所述受试者对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
第一确定单元，用于统计每个所述受试者对应的每个所述作答知识点集合的作答知识点数量，并将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该受试者在本次测验过程中的所有易错知识点。
14.根据权利要求12所述的智能阅卷装置，其特征在于，所述第二确定模块包括：
划分单元，用于根据所有所述受试者的身份标识将所有所述受试者划分为至少一个群体；所述身份标识包括学校标识、班级标识和授课老师标识中的至少一种，每个所述群体所包括的受试者的身份标识相同；
第二分类单元，用于按照每个所述群体包括的受试者的所有所述作答知识点所属的知识点类别，对每个所述群体包括的所述受试者的所有所述作答知识点进行分类，得到每个所述群体对应的至少一个作答知识点集合，每个所述作答知识点集合中所包括的作答知识点所属的知识点类别相同；
第二确定单元，用于统计每个所述群体对应的每个所述作答知识点集合的作答知识点数量，并将每个所述群体对应的所有所述作答知识点集合中作答知识点数量大于或等于预设数量阈值的作答知识点集合所包括的作答知识点确定为该群体包括的受试者在本次测验过程中的所有易错知识点。
15.根据权利要求13所述的智能阅卷装置，其特征在于，所述装置还包括：
修正模块，用于根据每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合以及预先确定出的每个所述受试者的历史易错知识点，修正每个所述受试者在本次测验过程中的所有易错知识点。
16.根据权利要求15所述的智能阅卷装置，其特征在于，所述修正模块包括：
集合确定单元，用于将每个所述受试者对应的所有所述作答知识点集合中作答知识点数量小于所述预设数量阈值的作答知识点集合确定为每个所述受试者对应的目标作答知识点集合；
添加单元，从每个所述受试者对应的所述目标作答知识点集合包括的所有知识点中，筛选与该受试者的历史易错知识点相匹配的目标知识点并将所述目标知识点添加至该受试者在本次测验过程中的所有易错知识点中。
17.一种智能阅卷装置，其特征在于，所述装置包括处理器，其中：
所述处理器调用存储器中存储的可执行程序代码，执行如权利要求1-8任一项所述的智能阅卷方法。
18.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-8任一项所述的智能阅卷方法。
CN202010559310.2A 2020-06-18 2020-06-18 智能阅卷方法及装置 Pending CN111783855A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010559310.2A CN111783855A (zh) 2020-06-18 2020-06-18 智能阅卷方法及装置
PCT/CN2021/094501 WO2021254074A1 (zh) 2020-06-18 2021-05-19 智能阅卷方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010559310.2A CN111783855A (zh) 2020-06-18 2020-06-18 智能阅卷方法及装置

Publications (1)

Publication Number Publication Date
CN111783855A true CN111783855A (zh) 2020-10-16

Family

ID=72757506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010559310.2A Pending CN111783855A (zh) 2020-06-18 2020-06-18 智能阅卷方法及装置

Country Status (2)

Country Link
CN (1) CN111783855A (zh)
WO (1) WO2021254074A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113343650A (zh) * 2021-06-23 2021-09-03 武汉悦学帮网络技术有限公司 一种批阅方法、装置、电子设备及存储介质
WO2021254074A1 (zh) * 2020-06-18 2021-12-23 广州以太教育科技有限责任公司 智能阅卷方法及装置

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116798036B (zh) * 2023-06-27 2024-04-02 网才科技(广州)集团股份有限公司 用于识别和校验答题卡客观题识别结果的方法及装置
CN117831037B (zh) * 2024-01-04 2024-08-02 北京和气聚力教育科技有限公司 一种答题卡中客观题答题情况的确定方法及装置
CN117520527B (zh) * 2024-01-08 2024-04-30 科大讯飞股份有限公司 答疑对话数据生成方法、系统、电子设备和可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102339352A (zh) * 2010-07-20 2012-02-01 上海海鞠电子科技有限公司 电子阅卷方法
US20140017655A1 (en) * 2011-03-16 2014-01-16 Fujitsu Limited Examination support apparatus, and examination support method
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
CN108229361A (zh) * 2017-12-27 2018-06-29 北京摩数教育科技有限公司 一种电子阅卷方法
CN110555396A (zh) * 2019-08-20 2019-12-10 北京成长教育科技有限公司 智能练习册的阅卷方法、计算机可读存储介质和电子设备
CN111222684A (zh) * 2019-11-19 2020-06-02 浙江创课网络科技有限公司 一种基于大数据环境下的成绩预测系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879965A (zh) * 2019-10-12 2020-03-13 中国平安财产保险股份有限公司 试卷客观题的自动批阅方法、电子装置、设备及存储介质
CN111783855A (zh) * 2020-06-18 2020-10-16 广州以太教育科技有限责任公司 智能阅卷方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102339352A (zh) * 2010-07-20 2012-02-01 上海海鞠电子科技有限公司 电子阅卷方法
US20140017655A1 (en) * 2011-03-16 2014-01-16 Fujitsu Limited Examination support apparatus, and examination support method
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
CN108229361A (zh) * 2017-12-27 2018-06-29 北京摩数教育科技有限公司 一种电子阅卷方法
CN110555396A (zh) * 2019-08-20 2019-12-10 北京成长教育科技有限公司 智能练习册的阅卷方法、计算机可读存储介质和电子设备
CN111222684A (zh) * 2019-11-19 2020-06-02 浙江创课网络科技有限公司 一种基于大数据环境下的成绩预测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021254074A1 (zh) * 2020-06-18 2021-12-23 广州以太教育科技有限责任公司 智能阅卷方法及装置
CN113343650A (zh) * 2021-06-23 2021-09-03 武汉悦学帮网络技术有限公司 一种批阅方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2021254074A1 (zh) 2021-12-23

Similar Documents

Publication Publication Date Title
CN111783855A (zh) 智能阅卷方法及装置
CN107256650B (zh) 一种习题推送方法、系统及终端设备
CN111144191B (zh) 字体识别方法、装置、电子设备及存储介质
CN110222678B (zh) 一种题目分析方法、系统、可读存储介质及电子设备
CN110909035B (zh) 个性化复习题集生成方法、装置、电子设备及存储介质
CN110879965A (zh) 试卷客观题的自动批阅方法、电子装置、设备及存储介质
CN111767350A (zh) 数据仓库测试方法、装置、终端设备及存储介质
CN110705596A (zh) 白屏检测方法、装置、电子设备及存储介质
CN115171144B (zh) 一种基于区块链的智慧教育试卷大数据评阅方法及系统
CN115358897B (zh) 一种基于电子学生证的学生管理方法、系统、终端及存储介质
CN114202978A (zh) 一种基于大数据的智能培训方法及系统
CN117275027A (zh) 一种用于识别检查的扫描校验系统、方法及电子设备
KR20120092421A (ko) 관계형 문항을 이용한 학습 능력 향상 시스템 및 그 동작방법
CN110910043A (zh) 一种试卷信息的分析方法
CN112632926B (zh) 票据的数据处理方法、装置、电子设备及存储介质
JP6984447B2 (ja) 画像処理プログラム、画像処理方法および画像処理装置
CN112270261A (zh) 题干及答案混合的切分方法、装置、存储介质
CN111090989A (zh) 一种基于文字识别的提示方法及电子设备
CN111709499B (zh) 一种基于随机二维码的试卷计分系统及方法
CN115482535A (zh) 一种试卷自动批改方法、存储介质及设备
CN114254605A (zh) 答题卡模板生成方法、答题卡识别方法、装置和电子设备
CN112164262A (zh) 一种智能阅卷辅导系统
CN114305316A (zh) 一种视力检测方法、系统、视力检测一体机及存储介质
CN115859065A (zh) 模型评测方法、装置、设备及存储介质
CN114663891A (zh) 基于配置答题卡的日常作业错题本生成方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 510000 room 4026c, 4th floor, No. 82, Taoyu Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: Guangzhou ether Intelligent Technology Co.,Ltd.

Address before: 510000 room 4026c, 4th floor, No. 82, Taoyu Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant before: Guangzhou Ethernet Education Technology Co.,Ltd.

CB02 Change of applicant information