CN112182504A - 一种基于考试系统的作弊判断方法、装置及电子设备 - Google Patents

一种基于考试系统的作弊判断方法、装置及电子设备 Download PDF

Info

Publication number
CN112182504A
CN112182504A CN202010940065.XA CN202010940065A CN112182504A CN 112182504 A CN112182504 A CN 112182504A CN 202010940065 A CN202010940065 A CN 202010940065A CN 112182504 A CN112182504 A CN 112182504A
Authority
CN
China
Prior art keywords
answer
duration
answers
low
judgment
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
CN202010940065.XA
Other languages
English (en)
Inventor
郑永锐
赖婷
王迪
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.)
Yuanguang Software Co Ltd
Original Assignee
Yuanguang Software 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 Yuanguang Software Co Ltd filed Critical Yuanguang Software Co Ltd
Priority to CN202010940065.XA priority Critical patent/CN112182504A/zh
Publication of CN112182504A publication Critical patent/CN112182504A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/52—Multiplying; Dividing
    • G06F7/535—Dividing only
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于考试系统的作弊判断方法包括：通过统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案，然后获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量，最后根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。通过系统统计获取答题记录中答题时长小于与其对应的判断时长的答案的数量，以及低时长答案与其对应的预先配置的加密答案相同的数量，以对该答题记录的考生是否存在作弊行为进行判断，实现系统自主的对考生是否存在作弊行为进行判断，代替传统人工判断作弊的方式，以实现高效率且高准确地判断考生是否作弊。

Description

一种基于考试系统的作弊判断方法、装置及电子设备
技术领域
本申请属于数据处理技术领域，尤其涉及一种基于考试系统的作弊判断方法、装置、存储介质以及电子设备。
背景技术
考试系统，是一种利用网络技术实现线上答题的一种考试形式，所有的步骤都在电脑上完成。通过企业，高校对题库、考试、练习、考试数据分析等的需求，从基础设置、试题创建、题库规划、智能组卷、数据分析等进行了全流程设计。用户可通过流程定义将现有的管理流程应用到考试系统中，也可自定义管理流程，从而解决考试的问题。在线考试系统，降低了人力成本，时间成本。而且快考题在线考试系统是免费的，是免费为客户提供线上创建考试的平台，方便大家使用。
而传统的考试系统，在识别考生是否作弊的程序上，通常是通过人工对答题记录进行是否作弊的判断，而通过人工识别考生是否存在作弊行为，时间成本较高，同时准确率也较低。
申请内容
本申请实施方式提供了一种基于考试系统的作弊判断方法、装置及电子设备，以解决传统的人工识别考生是否存在作弊行为导致的时间成本较高且准确率也较低的技术问题，以实现准确且高效的作弊判断。
本申请实施方式第一方面提供了一种基于考试系统的作弊判断方法，所述方法包括：
统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案；
获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量；
根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。
可选地，在统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案之前，所述方法还包括：
预先统计所述答题记录中每个答案的答题时长，以及所有考生对应所述答题记录中每个答案的平均答题时长；
将所述答题记录中每个答案的平均答题时长定义为判断时长。
可选地，所述统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案，包括：
比对所述答题记录中每个答案的答题时常与其对应的判断时长；当所述答案的答题时常小于或等于与其对应的判断时长，将所述答案判断为低时长答案；
统计所述答题记录中低时长答案的数量。
可选地，所述获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量，包括：
调用所述低时长答案对应的加密答案，并比对每个所述低时长答案与其对应的加密答案；
统计所述低时长答案中与对应的加密答案相同的数量，以获取所述第二数量。
可选地，所述根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊，包括：
将所述第一数量与第二数量作商计算，获取判断比值；
比对所述判断比值与预先配置的标准比值，获取比对结果；
根据所述比对结果，判断所述答题记录对应的考生是否作弊。
可选地，所述根据所述比对结果，判断所述答题记录对应的考生是否作弊，包括：
当所述比对结果为判断比值大于或等于所述标准比值时，确定所述答题记录对应的考生存在作弊行为；
当所述比对结果为判断比值小于所述标准比值时，确定所述答题记录对应的考生不存在作弊行为。
可选地，所述当所述比对结果为判断比值大于或等于所述标准比值时，确定所述答题记录对应的考生存在作弊行为之后，所述方法还包括：
将对应的答题记录进行标记，并上传至服务器，以进行对应存档。
本申请实施方式第二方面提供了一种基于考试系统的作弊判断装置，所述装置包括：
统计模块，用于统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案；
获取模块，用于获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量；
判断模块，用于根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。
本申请实施方式第三方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的一种基于考试系统的作弊判断方法。
本申请实施方式第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前述的一种基于考试系统的作弊判断方法的步骤。
本申请实施方式第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述本申请实施方式第一方面提供的一种基于考试系统的作弊判断方法。
本发明的实施方式与现有技术相比存在的有益效果是：通过统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案，然后获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量，最后根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。通过系统统计获取答题记录中答题时长小于与其对应的判断时长的答案的数量，以及低时长答案与其对应的预先配置的加密答案相同的数量，以对该答题记录的考生是否存在作弊行为进行判断，实现系统自主的对考生是否存在作弊行为进行判断，代替传统人工判断作弊的方式，以实现高效率且高准确地判断考生是否作弊。
附图说明
为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式或现有技术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申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种基于考试系统的作弊判断方法的第一种实现过程流程示意图；
图2是本申请实施例提供的一种基于考试系统的作弊判断方法的第二种实现过程流程示意图；
图3是本申请实施例提供的一种基于考试系统的作弊判断装置的结构示意图；
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施方式。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施方式中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施方式的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
应当理解，本实施例中各步骤的先后撰写顺序并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案，下面通过具体实施方式来进行说明。
参见图1，是本申请实施例一提供一种基于考试系统的作弊判断方法的第一种实现过程的流程图，为了便于说明，仅示出了与本申请实施例相关的部分。
本案优选实施例可为，一种基于考试系统的作弊判断方法，所述方法包括：
S101:统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案。
在本实施例中，所述答题记录是指考生在考试系统中对所有试题做出的答案集，考试系统会自动对应考生信息获取且保存。同时，所述考试系统能够监测所有考生针对每条试题的答题时间，具体监测方式可为多种，比如，监测用户点击该道题的起始时间以及点击下一道题的起始时间，两者的时间差即为本道题的答题时间，当然，本案的具体监测方式包括但不限于该种监测方式。
具体地，所述判断时长是指系统中预先配置或者计算的一个时长阈值，用于通过答题时长与判断时长的对比去判断该题是否存在作弊行为的作用。所述判断时长可为用户根据经验值预先配置，也可通过系统预先设定的算法进行计算获得。需要说明的是，所述答题记录中的每个答案均对应一个判断时长，所述判断时长的数量与所述答题记录中的所有答案数量相同。
在一些可能实施的实施例中，在统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案之前，所述方法还包括：
预先统计所述答题记录中每个答案的答题时长，以及所有考生对应所述答题记录中每个答案的平均答题时长。
将所述答题记录中每个答案的平均答题时长定义为判断时长。
其中，所述考试系统能够对所有考生的答题记录中每个答案的答题时长进行统计，并将所有答案的答题时长进行对应保存。在获取到所有答题的答题时长之后，还计算对应每个考题的平均答题时长，所述每个考题的平均答题时长是指所有考生的考试时长除以考生人数，以获取最终的对应每个答案的平均答题时长。在考试系统获取到每道题的平均答题时长之后，将所述每道题的平均答题时长作为所述每道题的判断时长。举个例子，本次考试存在3名考生，10个考生对应第一道题的答题时长分别为5分钟、10分钟以及15分钟，则该第一道题的平均答题时长为(5+10+15)/3，即为10分钟，则该10分钟即作为第一道题的判断时长。
需要说明的是，将所述答题记录中每个答案的平均答题时长定义为判断时长，能够很好的从整体水平上体现该道题答案的做题时长与平均答题时长的差距，当数量足够时，则能够一定程度的判断该考生是否存在作弊的可能。
在一些可能实施的实施例中，所述统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案，包括：
S201：比对所述答题记录中每个答案的答题时常与其对应的判断时长，当所述答案的答题时常小于或等于与其对应的判断时长，将所述答案判断为低时长答案。
其中，所述考试系统获取到所述答题记录中每个答案的答题时常之后，调用预先统计与计算的对应这些答题的判断时长，将每个答案的答题时常与其对应的判断时长进行大小比对，获取比对结果。其中，所述比对结果包括所述答案的答题时常小于或等于与其对应的判断时长，以及所述答案的答题时常大于与其对应的判断时长两种情况。当所述答案的答题时常小于或等于与其对应的判断时长时，将所述答案标记为低时长答案。
S202：统计所述答题记录中低时长答案的数量。
其中，遍历所述答题记录中所有被标记为低时长答案后，统计所述答题记录中低时长答案的数量，并将所述低时长答案的数量进行对应保存。举个例子，答题记录中一共有10道题，其中5道题被考试系统标记为低时长答案，则所述低时长答案的数量即为5。
S102：获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量。
在本实施例中，所述考试系统在获取到所述第一数量之后，自动跳转至下一个判断步骤，即获取第二数量，所述第二数量是在第一数量中的答案进行进一步地二次筛选。所述加密答案是指所述考试系统自动根据预先设置的规则自动生成或者预先配置的，用于与所述答题记录中的答案进行校对，以检验所述答题记录中的答案是否存在作弊嫌疑。所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同，可根据实际需求进行定义规则。在一些可能实施的实施例中，所述低时长答案与其对应的预先配置的加密答案相同可为低时长答案的部分内容与其对应的预先配置的加密答案相同，也可为低时长答案的所有内容与其对应的预先配置的加密答案相同，举个例子，当题目为主观题的文字描述时，当所述低时长答案与其对应的预先配置的加密答案存在百分之五十的文字相同，则判定所述低时长答案与其对应的预先配置的加密答案相同，直至遍历答题记录中所有的答案后，以获取最终第二数量。
在一些可能实施的实施例中，所述获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量，包括：
调用所述低时长答案对应的加密答案，并比对每个所述低时长答案与其对应的加密答案；
统计所述低时长答案中与对应的加密答案相同的数量，以获取所述第二数量。
在本实施例中，所述考试系统在获取到所述第一数量之后，直接调用预存的对应低时长答案对应的加密答案，以将每个所述低时长答案与其对应的加密答案进行比对。再比对完每个所述低时长答案之后，统计所述低时长答案中与对应的加密答案相同的数量，该数量即为所述第二数量。需要说明的是，所述第一数量与第二数量均作为作弊判断的判断参数，通过预先配置的判断规则，进行判断该答题记录对应的考生是否存在作弊行为。
S103：根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。
在本实施例中，所述考试系统在获取到所述第一数量与第二数量，则根据预先配置的判断规则，判断所述答题记录对应的考生是否作弊。所述预先配置的判断规则可为多种，可以是根据所述第一数量与所述第二数量的比值，与预先配置的数值进行比对，根据两者大小关系判断该答题记录对应的考生是否存在作弊行为。也可为第一数量与第二数量是否超过预先设定的计算阈值，当两者均超过对应计算阈值时，则判定所述答题记录对应的考生存在作弊行为，反之则反。
在一些可能实施的实施例中，所述根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊，包括：
将所述第一数量与第二数量作商计算，获取判断比值；
比对所述判断比值与预先配置的标准比值，获取比对结果；
根据所述比对结果，判断所述答题记录对应的考生是否作弊。
其中，所述计算系统在获取到所述第一数量与第二数量之后，自动将所述第一数量与第二数量作商计算，获取判断比值，第一数量是所有低时长答案的数量，所述第二数量是第一数量中与加密答案相同的答案数量，则所述判断比值能很大程度反映该考生是否存在作弊行为的可能性。同时，用户根据经验值预先在考试系统中配置了标准比值，所述标准比值均为大于0且小于或者等于1的正数。考试系统在获取到所述判断比值之后，比对所述判断比值与预先配置的标准比值，获取比对结果，再根据所述比对结果，判断所述答题记录对应的考生是否作弊，也即是说，根据所述判断比值与预先配置的标准比值的大小关系，判断该答题记录对应的考生是否存在作弊行为。需要说明的是，当所述标准比值为1的时候，考试系统则默认不对该答题记录对应的考生进行作弊行为判断。
在一些可能实施的实施例中，所述根据所述比对结果，判断所述答题记录对应的考生是否作弊，包括：
当所述比对结果为判断比值大于或等于所述标准比值时，确定所述答题记录对应的考生存在作弊行为；
当所述比对结果为判断比值小于所述标准比值时，确定所述答题记录对应的考生不存在作弊行为。
在一些可能实施的实施例中，所述当所述比对结果为判断比值大于或等于所述标准比值时，确定所述答题记录对应的考生存在作弊行为之后，所述方法还包括：
将对应的答题记录进行标记，并上传至服务器，以进行对应存档。
在本实施例中，当所述考试系统判定了改答题记录存在作弊行为时，则对该答题记录进行标记，并将所述该答题记录上传至服务器对应区域进行存储，以供用户点击查询。需要说明的是，用户可自行查询考试系统判定为作弊的答题记录，根据实际情况再次进行判定，若存在特殊情况或者明显误判，可手动将所述存在作弊嫌疑的答题记录更改为正常。当然，用户也可根据实际情况，将正常的答题记录人工标记为存在作弊行为。
本发明的实施方式与现有技术相比存在的有益效果是：通过统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案，然后获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量，最后根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。通过系统统计获取答题记录中答题时长小于与其对应的判断时长的答案的数量，以及低时长答案与其对应的预先配置的加密答案相同的数量，以对该答题记录的考生是否存在作弊行为进行判断，实现系统自主的对考生是否存在作弊行为进行判断，代替传统人工判断作弊的方式，以实现高效率且高准确地判断考生是否作弊。
对应于上文中的一种基于考试系统的作弊判断方法实施例中所述的一种基于考试系统的作弊判断装置，图3示出了本申请实施例一提供的一种基于考试系统的作弊判断装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图3，一种基于考试系统的作弊判断装置300，所述装置300包括：
统计模块301，用于统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案；
获取模块302，用于获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量；
判断模块303，用于根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。
在其他一些可能实施的实施例中，所述装置300还具体用于：
预先统计所述答题记录中每个答案的答题时长，以及所有考生对应所述答题记录中每个答案的平均答题时长；
将所述答题记录中每个答案的平均答题时长定义为判断时长。
在其他一些可能实施的实施例中，统计模块301还具体用于：
比对所述答题记录中每个答案的答题时常与其对应的判断时长；当所述答案的答题时常小于或等于与其对应的判断时长，将所述答案判断为低时长答案；
统计所述答题记录中低时长答案的数量。
在其他一些可能实施的实施例中，所述获取模块302还用于：
调用所述低时长答案对应的加密答案，并比对每个所述低时长答案与其对应的加密答案；
统计所述低时长答案中与对应的加密答案相同的数量，以获取所述第二数量。
在其他一些可能实施的实施例中，所述判断模块303还包括：
获取单元，用于将所述第一数量与第二数量作商计算，获取判断比值；
比对单元，用于比对所述判断比值与预先配置的标准比值，获取比对结果；
判断单元，用于根据所述比对结果，判断所述答题记录对应的考生是否作弊。
在其他一些可能实施的实施例中，所述判断单元具体用于：
当所述比对结果为判断比值大于或等于所述标准比值时，确定所述答题记录对应的考生存在作弊行为；
当所述比对结果为判断比值小于所述标准比值时，确定所述答题记录对应的考生不存在作弊行为。
在其他一些可能实施的实施例中，所述装置300还包括：
上传模块，用于将对应的答题记录进行标记，并上传至服务器，以进行对应存档。
需要说明的是，上述装置/模块之间的信息交互、执行过程等内容，由于与本申请的一种基于考试系统的作弊判断方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见一种基于考试系统的作弊判断方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将所述一种基于考试系统的作弊判断装置300的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述中各功能模块的具体工作过程，可以参考前述一种基于考试系统的作弊判断方法实施例中的对应过程，在此不再赘述。
图4是本申请实施例三提供的电子设备400的结构示意图。如图4所示，电子设备400包括：处理器402、存储器401以及存储在存储器401中并可在处理器402上运行的计算机程序403。处理器402的个数是至少一个，图4以一个为例。处理器402执行计算机程序403时实现上述项目一种基于考试系统的作弊判断方法的实现步骤，即图1或者图2所示的步骤。
电子设备400的具体实现过程可以参见上文中的一种基于考试系统的作弊判断方法实施例。
示例性的，计算机程序403可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在存储器401中，并由处理器402执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序403在终端设备400中的执行过程。
电子设备400可以是桌上型计算机、笔记本、掌上电脑、主控等计算设备，也可以是相机、手机等具有图像采集功能和数据处理功能的设备，还可以是触控显示设备。电子设备400可包括，但不仅限于，处理器以及存储器。本领域技术人员可以理解，图4仅是电子设备400的示例，并不构成对电子设备400的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备400还可以包括输入输出设备、网络接入设备、总线等。
处理器402可以是CPU(Central Processing Unit，中央处理单元)，还可以是其他通用处理器、DSP(Digital Signal Processor，数字信号处理器)、ASIC(ApplicationSpecific Integrated Circuit，专用集成电路)、FPGA(Field-Programmable Gate Array，现成可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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的处理器等。
存储器401可以是电子设备400的内部存储单元，例如硬盘或内存。存储器401也可以是终端设备400的外部存储设备，例如电子设备400上配备的插接式硬盘、SMC(SmartMedia Card，智能存储卡)、SD卡(Secure Digital，安全数字卡)、Flash Card(闪存卡)等。进一步地，存储器401还可以既包括电子设备400的内部存储单元也包括外部存储设备。存储器401用于存储操作系统、应用程序、引导装载程序、数据以及其他程序等，例如所述计算机程序403的程序代码等。存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上文中的一种基于考试系统的作弊判断方法实施例中的步骤。
集成的单元如果以软件功能单元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，本申请实现上述项目一种基于考试系统的作弊判断方法实施例中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述一种基于考试系统的作弊判断方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、ROM(Read-OnlyMemory，只读存储器)、RAM(Random Access Memory，随机存取存储器)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于考试系统的作弊判断方法，其特征在于，所述方法包括：
统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案；
获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量；
根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。
2.根据权利要求1所述的方法，其特征在于，在统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案之前，所述方法还包括：
预先统计所述答题记录中每个答案的答题时长，以及所有考生对应所述答题记录中每个答案的平均答题时长；
将所述答题记录中每个答案的平均答题时长定义为判断时长。
3.根据权利要求2所述的方法，其特征在于，所述统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案，包括：
比对所述答题记录中每个答案的答题时常与其对应的判断时长；当所述答案的答题时常小于或等于与其对应的判断时长，将所述答案判断为低时长答案；
统计所述答题记录中低时长答案的数量。
4.根据权利要求1所述的方法，其特征在于，所述获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量，包括：
调用所述低时长答案对应的加密答案，并比对每个所述低时长答案与其对应的加密答案；
统计所述低时长答案中与对应的加密答案相同的数量，以获取所述第二数量。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊，包括：
将所述第一数量与第二数量作商计算，获取判断比值；
比对所述判断比值与预先配置的标准比值，获取比对结果；
根据所述比对结果，判断所述答题记录对应的考生是否作弊。
6.根据权利要求5所述的方法，其特征在于，所述根据所述比对结果，判断所述答题记录对应的考生是否作弊，包括：
当所述比对结果为判断比值大于或等于所述标准比值时，确定所述答题记录对应的考生存在作弊行为；
当所述比对结果为判断比值小于所述标准比值时，确定所述答题记录对应的考生不存在作弊行为。
7.根据权利要求6所述的方法，其特征在于，所述当所述比对结果为判断比值大于或等于所述标准比值时，确定所述答题记录对应的考生存在作弊行为之后，所述方法还包括：
将对应的答题记录进行标记，并上传至服务器，以进行对应存档。
8.一种基于考试系统的作弊判断装置，其特征在于，所述装置包括：
统计模块，用于统计答题记录中低时长答案的第一数量，其中，所述低时长答案是指答题时长小于与其对应的判断时长的答案；
获取模块，用于获取第二数量，其中，所述第二数量是指所述低时长答案与其对应的预先配置的加密答案相同的数量；
判断模块，用于根据所述第一数量与第二数量，判断所述答题记录对应的考生是否作弊。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种基于考试系统的作弊判断方法。
10.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～7任一项所述的一种基于考试系统的作弊判断方法。
CN202010940065.XA 2020-09-09 2020-09-09 一种基于考试系统的作弊判断方法、装置及电子设备 Pending CN112182504A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010940065.XA CN112182504A (zh) 2020-09-09 2020-09-09 一种基于考试系统的作弊判断方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010940065.XA CN112182504A (zh) 2020-09-09 2020-09-09 一种基于考试系统的作弊判断方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN112182504A true CN112182504A (zh) 2021-01-05

Family

ID=73920206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010940065.XA Pending CN112182504A (zh) 2020-09-09 2020-09-09 一种基于考试系统的作弊判断方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112182504A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113784028A (zh) * 2021-09-10 2021-12-10 深圳市鑫程教育科技发展有限公司 一种多场同步的考场秩序监督方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107895036A (zh) * 2017-11-27 2018-04-10 合肥亚慕信息科技有限公司 一种基于安全加密在线考试作弊分析处理方法
CN108900909A (zh) * 2018-06-06 2018-11-27 武汉斗鱼网络科技有限公司 作弊用户的判断方法、相关存储介质和电子设备
CN109453514A (zh) * 2018-10-25 2019-03-12 珠海市君天电子科技有限公司 一种游戏作弊检测方法及装置
CN109586990A (zh) * 2017-09-29 2019-04-05 北京国双科技有限公司 一种识别作弊流量的方法及装置
CN110610195A (zh) * 2019-08-13 2019-12-24 北京三快在线科技有限公司 答案获取方法、装置、电子设备及可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109586990A (zh) * 2017-09-29 2019-04-05 北京国双科技有限公司 一种识别作弊流量的方法及装置
CN107895036A (zh) * 2017-11-27 2018-04-10 合肥亚慕信息科技有限公司 一种基于安全加密在线考试作弊分析处理方法
CN108900909A (zh) * 2018-06-06 2018-11-27 武汉斗鱼网络科技有限公司 作弊用户的判断方法、相关存储介质和电子设备
CN109453514A (zh) * 2018-10-25 2019-03-12 珠海市君天电子科技有限公司 一种游戏作弊检测方法及装置
CN110610195A (zh) * 2019-08-13 2019-12-24 北京三快在线科技有限公司 答案获取方法、装置、电子设备及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
三日月: "问卷星答题时间可以看出作弊吗？", 《HTTPS://WWW.ZHIHU.COM/QUESTION/383697024》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113784028A (zh) * 2021-09-10 2021-12-10 深圳市鑫程教育科技发展有限公司 一种多场同步的考场秩序监督方法及系统

Similar Documents

Publication Publication Date Title
CN107368696B (zh) 题目的解析方法、解析装置及终端设备
CN109345417B (zh) 基于身份认证的业务人员的在线考核方法及终端设备
CN109684947A (zh) 标注质量监控方法、装置、计算机设备和存储介质
CN112182504A (zh) 一种基于考试系统的作弊判断方法、装置及电子设备
CN108279954B (zh) 一种应用程序排序的方法及装置
CN109376873B (zh) 运维方法、装置、电子设备及计算机可读存储介质
CN110764999A (zh) 自动化测试方法、装置、计算机装置及存储介质
CN109146271A (zh) 绩效管理方法、装置、终端及计算机可读存储介质
CN112328483A (zh) 报表测试方法、装置、计算机设备及计算机可读存储介质
CN113554357A (zh) 基于大数据的信息化项目成本评估方法和电子设备
CN112148607A (zh) 一种业务场景的接口测试方法和装置
CN109003492B (zh) 一种题目选择装置及终端设备
CN110689224A (zh) 坐席能力分析方法、装置、电子设备及存储介质
CN112973128A (zh) 消极游戏行为自动分析处理方法、装置、设备及介质
CN113485931A (zh) 测试方法、装置、电子设备及计算机可读存储介质
CN111861135A (zh) 一种学生综合素质评价方法、装置、电子设备及存储介质
CN111369270B (zh) 奖励资源的分配方法、装置和系统
CN111127223A (zh) 保险产品测试方法、装置和存储介质
CN117097789A (zh) 一种数据处理方法、装置、电子设备及存储介质
CN110458707B (zh) 基于分类模型的行为评估方法、装置及终端设备
WO2022237121A1 (zh) 信息推送方法、装置、设备及存储介质
CN113241134B (zh) 在线问诊医生分配方法和系统、存储介质
CN112799956B (zh) 资产识别能力测试方法、装置及系统装置
CN109819024A (zh) 基于数据分析的信息推送方法、装置、存储介质及终端
CN114254991A (zh) 目标对象的提报方法、装置及设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210105

RJ01 Rejection of invention patent application after publication