CN112070024B - 无纸化考试防作弊方法及无纸化考试系统的监考方法 - Google Patents

无纸化考试防作弊方法及无纸化考试系统的监考方法 Download PDF

Info

Publication number
CN112070024B
CN112070024B CN202010940148.9A CN202010940148A CN112070024B CN 112070024 B CN112070024 B CN 112070024B CN 202010940148 A CN202010940148 A CN 202010940148A CN 112070024 B CN112070024 B CN 112070024B
Authority
CN
China
Prior art keywords
examination
cheating
track
time
manual
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.)
Active
Application number
CN202010940148.9A
Other languages
English (en)
Other versions
CN112070024A (zh
Inventor
刘娟
董栋
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.)
Changzhou Vocational Institute of Textile and Garment
Original Assignee
Changzhou Vocational Institute of Textile and Garment
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 Changzhou Vocational Institute of Textile and Garment filed Critical Changzhou Vocational Institute of Textile and Garment
Priority to CN202010940148.9A priority Critical patent/CN112070024B/zh
Publication of CN112070024A publication Critical patent/CN112070024A/zh
Application granted granted Critical
Publication of CN112070024B publication Critical patent/CN112070024B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Human Computer Interaction (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Social Psychology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Psychiatry (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种无纸化考试防作弊方法及无纸化考试系统的监考方法。由于无纸化考试采用计算机进行，而且作为网络教学，在考试时没有监考，而单纯的通过视频进行监控，在面对多个学生时，难免会出现纰漏，而本申请的无纸化考试防作弊方法，通过眼动数据结合手动数据以及当前的答题区域来综合判定学生是否有作弊行为，避免了采用人员监考的方式对学生进行监考，为网络教学的教学成果考核提供了一种良好的防作弊检测的方式，同时，为以后各种考试，如四六级，计算机等考试，考生可以在家进行的考核方式提供了一定可行性。

Description

无纸化考试防作弊方法及无纸化考试系统的监考方法
技术领域
本发明涉及网络教学领域，具体涉及一种无纸化考试防作弊方法及无纸化考试系统的监考方法。
背景技术
随着互联网技术以及计算机技术的发展以及普及，为在线教学提供了便利，其可通过在线方式来对使用者提供各式各样的教学课程，例如语文教学课程、计算机教学课程和基础教学课程，用以让使用者在家或学校即可通过其个人计算机平台及通过国际互联网来联机至这些在线教学网站，借此而使用其所提供的在线教学功能。
然而，这种在线教学的方式，由于其开放性，不确定学生给的答案是否是自己计算得出，因此不能进行在线考试，仅仅做到了传统教学中的教的目的，并不能对教学的成果进行考核。
而且，很多在线教育平台，的学生来自于四面八方，由于区域的限制，不能采用类似于学校那种集中式考试的方式对学生进行考核。
针对在线教学的考试，很多教育平台考虑采用计算机作为考试的载体，考生在计算机上远程完成考试。然而，选用计算机考试的方式会存在很多问题。比如，现有利用计算机的考试中作弊判定的方法，一般是通过视频或者眼动仪获取考生的眼动数据，从而获得考生的视线轨迹。但是单纯的从视线的轨迹来判定，容易造成误判，比如考生思考时，需要将视线轨迹进行偏移，从而会造成作弊的误判，同时，单纯的从视线来进行判定，并不能解决考生通过自己的手机等电子设备发送相关考试内容信息至他人，从而将答案以声音的形式，发送给考生，声音发送时，可以通过蓝牙耳机等进行传输，单纯的从视线判定作弊并不能很好的解决该问题。
因此，如何对在线教学的成果进行考核，是目前亟待解决的。
发明内容
本发明所要解决的技术问题是提供一种无纸化考试防作弊方法及无纸化考试系统的监考方法。
本发明解决其技术问题所采用的技术方案是：
一方面，提供了一种无纸化考试防作弊方法，其特征在于，所述方法包括：
获取眼动数据，依据眼动数据获得眼睛注视轨迹；
获取手动数据，依据手动数据获取手动轨迹；
获取考试内容所在区域；
通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊。
进一步的，所述获取眼动数据，依据眼动数据获得眼睛注视轨迹的方法包括：
分别获取左右眼睛的眼动数据；
将眼动数据中的噪声滤除；
利用双眼视差配准算法将左右眼睛的视差消除，得到真实双眼注视点的位置；
每个注视点均设置有时间戳，将每个注视点依据时间戳连接从而获得眼睛注视轨迹。
进一步的，所述获取手动数据，依据手动数据获取手动轨迹的方法包括：
获取左右手的图像数据；
依据左右手的图像数据判定左右手是否在预设区域内；
将不再预设区域内的左右手的图像数据的获取时间形成一个异常手动轨迹数据集，该数据集内存储有异常手动轨迹的时间；
通过手动轨迹数据集来表示手动轨迹。
进一步的，所述获取考试内容所在区域的方法包括：
将考试内容依据题目以及答题区域进行区域划分；
对每道题的区域进行题号标注。
进一步的，所述通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊的方法包括：
依据眼睛注视轨迹获得注视点落在屏幕外的时间戳的集合，记为非正常视线时间集Tn＝(t1,t2,t3...tn)，其中tn表示第n个注视点落在屏幕外的时间；
依据手动轨迹获得左右手不在预设区域内的时间的结合，记为非正常手动轨迹时间集Hm＝(h1,h2,h3..hm)，其中hm表示第m个左右手不在预设区域内的时间；
通过眼睛注视轨迹获取所有题目的解题时间范围，记为答题时间集FX＝(f1,f2,f3...fx)，其中，fx表示第x道题目的答题开始时间到答题结束时间；
通过fx、tn以及hm判定第x道题的作弊风险；
通过每道题的作弊风险判定总作弊风险。
进一步的，所述通过fx、tn以及hm判定第x道题的作弊风险的方法包括：
判定在fx的时间段内是否同时存在tn以及hm；
若存在，则表示该题目存在作弊风险。
进一步的，所述通过每道题的作弊风险判定总作弊风险的方法包括：
将存在作弊风险的题目重新编号为1，2,3...a，第a个具有作弊风险的题目的作弊风险记为A(a)；
将总作弊风险记为A总，其中，
Figure BDA0002673366060000041
其中，ka表示第a个具有作弊风险的题目在总作弊风险中的权重占比。
另一方面，提供了一种无纸化考试系统的监考方法，包括：
核实考生身份信息；
检测客户端所处环境是否有除考生以外的无关人员存在；
客户端显示考试内容；
对考生进行防作弊检测，若判定考生作弊，则计入作弊名单；
客户端对答题时间进行计时，达到预设时间，且考生未主动交卷，则强制性结束答题。
进一步的，所述对考生进行防作弊检测，若判定考生作弊，则计入作弊名单的方法通过如上述的无纸化考试防作弊方法对考生进行防作弊检测。
进一步的，所述客户端显示考试内容，开始答题的方法包括：
依据考试内容将试卷划分为b个部分，每个部分单独显示，即，当前部分交卷后才可显示下一部分；
客户端依次将b个区域在屏幕上显示。
本发明的有益效果是：提供了一种无纸化考试防作弊方法及无纸化考试系统的监考方法。其中，无纸化考试防作弊方法包括：获取眼动数据，依据眼动数据获得眼睛注视轨迹；获取手动数据，依据手动数据获取手动轨迹；获取考试内容所在区域；通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊。由于无纸化考试采用计算机进行，而且作为网络教学，在考试时没有监考，而单纯的通过视频进行监控，在面对多个学生时，难免会出现纰漏，而本申请的无纸化考试防作弊方法，通过眼动数据结合手动数据以及当前的答题区域来综合判定学生是否有作弊行为，避免了采用人员监考的方式对学生进行监考，同时避免了现有技术中，采用单眼动数据进行判定时容易造成作弊误判的情况，为网络教学的教学成果考核提供了一种良好的防作弊检测的方式，同时，为以后各种考试，如四六级，计算机等考试，考生可以在家进行的考核方式提供了一定可行性。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明实施例所提供的无纸化考试系统的监考方法的流程图。
图2是本发明实施例所提供的无纸化考试防作弊方法的流程图。
图3是图2中步骤S210的子步骤流程图。
图4是图2中步骤S220的子步骤流程图。
图5是图2中步骤S240的子步骤流程图。
图6是本发明实施例所提供的无纸化考试防作弊装置的原理框图。
具体实施方式
现在结合附图对本发明作详细的说明。此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
本实施例提供了一种无纸化考试系统。无纸化考试系统包括：服务器以及多个客户端，每个客户端均通过互联网与服务器进行通信。
服务器，用于存储考生身份信息、考试题库以及考生考试时的考核信息。
客户端用于与服务器交互，在本实施例中，客户端为PC，客户端设置于不同区域，即，每个客户端区别于传统的机考中PC的集中式放置的方式，其设置方式是在能连接到互联网的任意位置。考生在客户端上进行考核。
客户端包括以下模块：
身份扫描模块，适于核实考生身份信息。具体地，身份扫描模块可以是，但不仅限于，通过摄像头进行身份证验证、通过人脸验证等。
考试环境监测模块，适于检测客户端所处环境是否有除考生以外的无关人员存在。具体地，通过图像信息或者热源信息，检测考生附近是否存在其他人员。
显示模块，用于客户端显示考试内容。
作弊检测模块，对考生进行防作弊检测，若判定考生作弊，则计入作弊名单。具体地，通过无纸化考试防作弊方法对考生是否存在作弊进行检测。
计时及交卷模块，适于客户端对答题时间进行计时，达到预设时间，且考生未主动交卷，则强制性结束答题；
声音检测模块，适于对考生所在环境的声音进行检测。如果检测到考生说话，则直接判定考生存在作弊。
实施例2
请参阅图1：本实施例提供了一种无纸化考试系统的监考方法。无纸化考试系统的监考方法包括以下步骤：
S110：核实考生身份信息。
具体来说，通过摄像头进行身份证验证、人脸验证等。
S120：检测客户端所处环境是否有除考生以外的无关人员存在。
具体来说，通过图像信息或者热源信息，检测考生附近是否存在其他人员。该步骤全程运行，即，全程监控是否有非考生以外的人员在附件。
S130：客户端显示考试内容。
其中，步骤S130包括以下步骤：
S131：依据考试内容将试卷划分为b个部分，每个部分单独显示，即，当前部分交卷后才可显示下一部分。
具体来说，将考试内容按照题型或者题数来进行划分，将整个试卷划分为b个试卷进行考核，考生在每答完一个试卷时，需要点击交卷，交卷后答完的试卷将不会再进行显示，考生不能进行修改，或者，每个试卷均设置有最长答题时间，当答题时间结束后，考生还未点击交卷时，将会强制交卷，两种交卷方式同时运行。当所有考生均交卷后，空余5-10分钟后再进行下一部分的试卷考核，中间若考生离开了客户端，则需要重新进行步骤S110。通过空余5-10分钟，便于考生解决生理问题，提高了考试系统的人性化理念。
S132：客户端依次将b个部分在屏幕上显示。
具体来说，客户端需要将b个部分按照考试内容的顺序进行显示。
S140：对考生进行防作弊检测，若判定考生作弊，则计入作弊名单。
具体来说，通过无纸化考试防作弊方法对考生是否存在作弊进行检测。
S150：客户端对答题时间进行计时，达到预设时间，且考生未主动交卷，则强制性结束答题。
具体来说，客户端对将考试内容分割的b个部分均进行考试计时，对每个部分的总答题累积时间进行统计，当达到总预设时间时，将强制交卷，完成考试。其中，每个部分有单独的预设时间，在单个部分的答题时长到达预设时长时，会将当前部分的强制交卷，从而防止考试时间拖延过长。最后一部分则不设定预设时间，通过总预设时间进行判定。通过将考试内容进行分割，防止考生由于个人生理原因，需要离场。
实施例3
本实施例你还提供了一种无纸化考试防作弊方法。通过眼动数据结合手动数据以及当前的答题区域来综合判定学生是否有作弊行为，避免了采用人员监考的方式对学生进行监考，为网络教学的教学成果考核提供了一种良好的防作弊检测的方式，同时，为以后各种考试，如四六级，计算机等考试，考生可以在家进行的考核方式提供了一定可行性。
请参阅图2，无纸化考试防作弊方法包括以下步骤：
S210：获取眼动数据，依据眼动数据获得眼睛注视轨迹。
请参阅图3，其中，步骤S210包括以下步骤：
S211：分别获取左右眼睛的眼动数据。
S212：将眼动数据中的噪声滤除。
其中，噪声指的是，眼动数据中的眼睛跳点、扫视点等。
S213：利用双眼视差配准算法将左右眼睛的视差消除，得到真实双眼注视点的位置。
S214：每个注视点均设置有时间戳，将每个注视点依据时间戳连接从而获得眼睛注视轨迹。
其中，时间戳在眼动数据获取时结合在眼动数据中。
S220：获取手动数据，依据手动数据获取手动轨迹；
请参阅图4，其中，步骤S220包括以下步骤：
S221：获取左右手的图像数据。
其中，左右手的图像数据通过摄像头获取。
S222：依据左右手的图像数据判定左右手是否在预设区域内。
具体来说，预设区域，指的是，获取左右手的图像数据的摄像头能拍摄的范围内或者是，监考人员设定的考生能左右手能活动的区域。可选的，考生在考试前需要自行调节自己的坐姿以及双手位置，将左右手的活动区域放置在预设区域内，调节时，左右手的图像数据在屏幕上进行显示。
S223：将不再预设区域内的左右手的图像数据的获取时间形成一个异常手动轨迹数据集，该数据集内存储有异常手动轨迹的时间。
具体来说，当左右手的图像数据中，任意一个图像数据对应的手动轨迹不在预设区域时，表示此时考生，可能在翻阅资料，查看手机等。
S224：通过手动轨迹数据集来表示手动轨迹。
S230：获取考试内容所在区域。
具体来说，将考试内容依据题目以及答题区域进行区域划分；对每道题的区域进行题号标注。
S240：通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊。
请参阅突5，其中，步骤S240包括以下步骤：
S241：依据眼睛注视轨迹获得注视点落在屏幕外的时间戳的集合，记为非正常视线时间集Tn＝(t1,t2,t3...tn)，其中tn表示第n个注视点落在屏幕外的时间。
具体来说，当考试试卷为全屏时，非正常视线指的是注视点在屏幕外，当考试试卷不是全屏时，非正常视线指的是注视点不在屏幕上试卷显示的范围内。
S242：依据手动轨迹获得左右手不在预设区域内的时间的结合，记为非正常手动轨迹时间集Hm＝(h1,h2,h3..hm)，其中hm表示第m个左右手不在预设区域内的时间。
S243：通过眼睛注视轨迹获取所有题目的解题时间范围，记为答题时间集FX＝(f1,f2,f3...fx)，其中，fx表示第x道题目的答题开始时间到答题结束时间；
S244：通过fx、tn以及hm判定第x道题的作弊风险；
具体来说，判定在fx的时间段内是否同时存在tn以及hm；若存在，则表示该题目存在作弊风险。优选的，判定tn以及hm的个数，来判定作弊风险，例如，每存在一个tn作弊概率提高百分之10，每存在一个hm作弊概率提高百分之10。
S245：通过每道题的作弊风险判定总作弊风险。
具体来说，将存在作弊风险的题目重新编号为1，2,3...a，第a个具有作弊风险的题目的作弊风险记为A(a)；将总作弊风险记为A总，其中，
Figure BDA0002673366060000101
其中，ka表示第a个具有作弊风险的题目在总作弊风险中的权重占比。在其他实施例中，可以通过其他的判定防止对总作弊风险进行计算。通过对A总设定一个阈值，来判定考生是否作弊。
其中，A(a)的计算方式为：A(a)＝ktkhptph/100，其中，kt表示第a个具有作弊风险的题目的解题时间范围存在tn的个数，kh表示第a个具有作弊风险的题目的解题时间范围存在hm的个数，pt表示tn的的作弊风险的概率设定值，ph表示hm的作弊风险的概率设定值。例如，tn的个数为3，kh的个数为4，pt以及ph均为10，则作弊概率为12。若tn的个数为2，kh的个数为1，pt以及ph均为3，则，作弊概率为0.27。
在本实施例中，无纸化考试防作弊方法还包括：
S260：检测考生所处空间的声音，从而判定考生是否存在作弊。
具体来说，通过录音模块，检测考生答题时，考生是否说话，若说话则直接判定考生作弊，同时记录说话时间，从而判定考生作弊时对应的题目的编号。其中，通过说话时间判定考生作弊时对应的题目的编号的方式为，判定说话时间在那道题的答题范围时间之内，即，判定说话时间在FX＝(f1,f2,f3...fx)落入那个之中，从而判定对应题目的编号。
实施例4
请参阅图6，本实施例提供了一种无纸化考试防作弊装置，包括以下模块：
眼动数据获取模块，适于获取眼动数据，依据眼动数据获得眼睛注视轨迹。眼动数据通过摄像头或者眼动仪进行获取，注视轨迹通过PC机内部程序进行处理。
手动数据获取模块，适于获取手动数据，依据手动数据获取手动轨迹。手动数据通过摄像头获取。
考试内容区域获取模块，适于获取考试内容所在区域。具体来说，将考试内容依据题目以及答题区域进行区域划分；对每道题的区域进行题号标注。
作弊判定模块，适于通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊。作弊判定模块，用于执行实施例3中的步骤220。
综上所述，本发明提供了一种无纸化考试防作弊方法及无纸化考试系统的监考方法。其中，无纸化考试防作弊方法包括：获取眼动数据，依据眼动数据获得眼睛注视轨迹；获取手动数据，依据手动数据获取手动轨迹；获取考试内容所在区域；通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊。由于无纸化考试采用计算机进行，而且作为网络教学，在考试时没有监考，而单纯的通过视频进行监控，在面对多个学生时，难免会出现纰漏，而本申请的无纸化考试防作弊方法，通过眼动数据结合手动数据以及当前的答题区域来综合判定学生是否有作弊行为，避免了采用人员监考的方式对学生进行监考，为网络教学的教学成果考核提供了一种良好的防作弊检测的方式，同时，为以后各种考试，如四六级，计算机等考试，考生可以在家进行的考核方式提供了一定可行性。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关的工作人员完全可以在不偏离本发明的范围内，进行多样的变更以及修改。本项发明的技术范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (3)

1.一种无纸化考试防作弊方法，其特征在于，所述方法包括：
获取眼动数据，依据眼动数据获得眼睛注视轨迹；
获取手动数据，依据手动数据获取手动轨迹；
获取考试内容所在区域；
通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊；
所述获取眼动数据，依据眼动数据获得眼睛注视轨迹的方法包括：
分别获取左右眼睛的眼动数据；
将眼动数据中的噪声滤除；
利用双眼视差配准算法将左右眼睛的视差消除，得到真实双眼注视点的位置；
每个注视点均设置有时间戳，将每个注视点依据时间戳连接从而获得眼睛注视轨迹；
所述获取手动数据，依据手动数据获取手动轨迹的方法包括：
获取左右手的图像数据；
依据左右手的图像数据判定左右手是否在预设区域内；
将不再预设区域内的左右手的图像数据的获取时间形成一个异常手动轨迹数据集，该数据集内存储有异常手动轨迹的时间；
通过手动轨迹数据集来表示手动轨迹；
所述获取考试内容所在区域的方法包括：
将考试内容依据题目以及答题区域进行区域划分；
对每道题的区域进行题号标注；
所述通过眼睛注视轨迹以及手动轨迹结合屏幕上考试内容所在区域判定考生是否存在作弊的方法包括：
依据眼睛注视轨迹获得注视点落在屏幕外的时间戳的集合，记为非正常视线时间集Tn=（t1,t2,t3...tn），其中tn表示第n个注视点落在屏幕外的时间;
依据手动轨迹获得左右手不在预设区域内的时间的结合，记为非正常手动轨迹时间集Hm=（h1,h2,h3..hm），其中hm表示第m个左右手不在预设区域内的时间;
通过眼睛注视轨迹获取所有题目的解题时间范围，记为答题时间集FX=（f1,f2,f3...fx），其中，fx表示第x道题目的答题开始时间到答题结束时间;
通过fx、tn以及hm判定第x道题的作弊风险；
通过每道题的作弊风险判定总作弊风险；
所述通过fx、tn以及hm判定第x道题的作弊风险的方法包括：
判定在fx的时间段内是否同时存在tn以及hm；
若存在，则表示该题目存在作弊风险；
所述通过每道题的作弊风险判定总作弊风险的方法包括：
将存在作弊风险的题目重新编号为1，2,3...a，第a个具有作弊风险的题目的作弊风险记为A（a）;
将总作弊风险记为A总，其中，A总=
Figure QLYQS_1
，其中，ka表示第a个具有作弊风险的题目在总作弊风险中的权重占比。
2.一种无纸化考试系统的监考方法，通过如权利要求1所述的无纸化考试防作弊方法对考生进行防作弊检测，其特征在于，包括：
核实考生身份信息；
检测客户端所处环境是否有除考生以外的无关人员存在；
客户端显示考试内容；
对考生进行防作弊检测，若判定考生作弊，则计入作弊名单；
客户端对答题时间进行计时，达到预设时间，且考生未主动交卷，则强制性结束答题。
3.如权利要求2所述的无纸化考试系统的监考方法，其特征在于，所述客户端显示考试内容，开始答题的方法包括：
依据考试内容将试卷划分为b个部分，每个部分单独显示，即，当前部分交卷后才可显示下一部分；
客户端依次将b个部分在屏幕上显示。
CN202010940148.9A 2020-09-09 2020-09-09 无纸化考试防作弊方法及无纸化考试系统的监考方法 Active CN112070024B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010940148.9A CN112070024B (zh) 2020-09-09 2020-09-09 无纸化考试防作弊方法及无纸化考试系统的监考方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010940148.9A CN112070024B (zh) 2020-09-09 2020-09-09 无纸化考试防作弊方法及无纸化考试系统的监考方法

Publications (2)

Publication Number Publication Date
CN112070024A CN112070024A (zh) 2020-12-11
CN112070024B true CN112070024B (zh) 2023-07-11

Family

ID=73663146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010940148.9A Active CN112070024B (zh) 2020-09-09 2020-09-09 无纸化考试防作弊方法及无纸化考试系统的监考方法

Country Status (1)

Country Link
CN (1) CN112070024B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361311A (zh) * 2021-01-18 2021-09-07 安徽中屏科技有限公司 基于行为预判的考试监控系统和方法
CN113033329A (zh) * 2021-03-04 2021-06-25 深圳市鹰硕技术有限公司 在线教育中题目非正常作答的判定方法以及装置
CN113283711A (zh) * 2021-05-04 2021-08-20 北京环球优路教育科技股份有限公司 一种教育评估监考系统、设备和介质
CN113516074A (zh) * 2021-07-08 2021-10-19 西安邮电大学 一种基于瞳孔追踪的在线考试系统防作弊方法
CN116682041B (zh) * 2023-06-06 2023-12-12 南京听说科技有限公司 教学及考试用智能辅助卡及其控制系统
CN117058612B (zh) * 2023-07-20 2024-03-29 北京信诺软通信息技术有限公司 一种在线考试作弊识别方法、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108897423A (zh) * 2018-06-27 2018-11-27 武汉华工智云科技有限公司 一种vr眼镜及其在线考试防作弊方法
CN111539313A (zh) * 2020-04-21 2020-08-14 成都佳发安泰教育科技股份有限公司 考试作弊行为检测方法及系统
CN111598049A (zh) * 2020-05-29 2020-08-28 中国工商银行股份有限公司 作弊识别方法和装置、电子设备、以及介质
CN111611865A (zh) * 2020-04-23 2020-09-01 平安国际智慧城市科技股份有限公司 考试作弊行为识别方法、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11681415B2 (en) * 2018-10-31 2023-06-20 Apple Inc. Near-viewing notification techniques

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108897423A (zh) * 2018-06-27 2018-11-27 武汉华工智云科技有限公司 一种vr眼镜及其在线考试防作弊方法
CN111539313A (zh) * 2020-04-21 2020-08-14 成都佳发安泰教育科技股份有限公司 考试作弊行为检测方法及系统
CN111611865A (zh) * 2020-04-23 2020-09-01 平安国际智慧城市科技股份有限公司 考试作弊行为识别方法、电子设备及存储介质
CN111598049A (zh) * 2020-05-29 2020-08-28 中国工商银行股份有限公司 作弊识别方法和装置、电子设备、以及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
关于《工程测量》课程考试模式改革创新的思考;刘娟等;《广东化工》;第46卷(第21期);第194-195页 *
在线无人监考防作弊新技术探索;李沛秦等;《电气电子教学学报》;第43卷(第3期);第87-90页 *
无纸化考试中禁优盘作弊策略及实现;刘任熊等;《电子商务》(第7期);第95-96页 *

Also Published As

Publication number Publication date
CN112070024A (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
CN112070024B (zh) 无纸化考试防作弊方法及无纸化考试系统的监考方法
KR100466709B1 (ko) 학습 시스템
US20110229862A1 (en) Method and Apparatus for Training Brain Development Disorders
US20090118588A1 (en) Method and system for providing adaptive rule based cognitive stimulation to a user
US20140051053A1 (en) Method and Apparatus for Brain Development Training Using Eye Tracking
JP4631014B2 (ja) 電子教材学習支援装置と電子教材学習支援システム及び電子教材学習支援方法並びに電子学習支援プログラム
CN112862639B (zh) 一种基于大数据分析的在线教育平台的教育方法
Elford Using tele-coaching to increase behavior-specific praise delivered by secondary teachers in an augmented reality learning environment
Kolski et al. Do community college students demonstrate different behaviors from four-year university students on virtual proctored exams?
Edwards et al. Sensor-based methodological observations for studying online learning
US9355366B1 (en) Automated systems for improving communication at the human-machine interface
CN112488527A (zh) 一种基于区块链的学生学习状态分析共享系统
Ali et al. Using eye-tracking technologies in vision teachers’ work–a norwegian perspective
Hsia et al. AI-facilitated reflective practice in physical education: An auto-assessment and feedback approach
CN112862267B (zh) 智能教学平台及其交互系统
Smyth et al. A comparison of fully labeled and top‐labeled grid question formats
CN114037358A (zh) 基于高校互动课堂活动数据的学情分析方法及系统
Kuklick et al. Developing physical educators’ knowledge of opaque and transparent technologies and its implications for student learning
Leckrone Hippies, feminists, and neocons: Using The Big Lebowski to find the political in the nonpolitical
Vanbecelaere et al. Toward a framework for analyzing adaptive digital games research effectiveness
Feather Persistence in relation to achievement motivation, anxiety about failure, and task difficulty
Rao et al. Teacher assistance system to detect distracted students in online classroom environment
Korhonen et al. High Support Need and Minimally Verbal Children with Autism Playing a Preference Based Computer Game: A Pilot Eye-Tracking Study of Four Individual's Attendance to Eyes.
Chernikova What makes observational learning in teacher education effective?
Huddleston Teaching Physical Education Skills to a Student with a Disability Through Video Modeling

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
GR01 Patent grant
GR01 Patent grant