CN112927109B - 一种智能辅助实践实训课程类别的教学系统 - Google Patents
一种智能辅助实践实训课程类别的教学系统 Download PDFInfo
- Publication number
- CN112927109B CN112927109B CN202110087349.3A CN202110087349A CN112927109B CN 112927109 B CN112927109 B CN 112927109B CN 202110087349 A CN202110087349 A CN 202110087349A CN 112927109 B CN112927109 B CN 112927109B
- Authority
- CN
- China
- Prior art keywords
- module
- experiment
- score
- report
- file
- 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
Links
- 238000012549 training Methods 0.000 title claims abstract description 23
- 238000002474 experimental method Methods 0.000 claims abstract description 168
- 238000012937 correction Methods 0.000 claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 11
- 238000010801 machine learning Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Marketing (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能辅助实践实训课程类别的教学系统,包括:课程设置与实验布置模块,用于实现教师将相关教学课程的资源、课程相关实验与评分准则利用网络资源进行布置;实验报告上传提交模块,用于实现学生在规定时间内将所学课程的实验报告以文档或图片的形式进行上传;实验报告辅助批改模块,用于实现对学生提交的实验报告进行辅助批改;辅助分数评定模块,用于给出学生提交的实验报告的辅助分值;教师评分模块,用于教师对学生提交的实验报告进行评分。本发明将实践实训课程与智能设备相结合,操作简单,适用不同的用户,节约教学资源。本发明使用机器学习算法对不同类型的作业进行辅助评分,解决教师批改作业的难题,从而减轻教学压力。
Description
技术领域
本发明涉及线上教学的技术领域,尤其是指一种智能辅助实践实训课程类别的教学系统。
背景技术
随着MOOC等在线学习平台的发展,教学模式已经由原来的线下教学转换为线上教学与线下教学相结合的方式,很多课程、专业都使用智能设备,例如电脑,手机等作为辅助教学工具。课堂教学涉及多种用户角色、多个课程阶段、多种课程类型等等,当其利用网络资源在线上进行开展的时候,就对应会有很多复杂的流程与设备操作。如何使智能设备与课堂教学的进行更好的结合、如何让智能设备更简单便捷的辅助线上教学成为一个备受关注的热点,尤其对于一些实践实训类型的课程与特定人群的教师,如何通过智能设备让线上教学开展的更便捷、如何提高教师的教学效率成为一个值得关注的方面。
在高等学校的教学教育时,这些实践实训课程普遍都是相关专业教学计划中重要的教学环节,这些课程的教师都是一些具有很多实践经验的老教师,正因为其需要大量实践这样的特殊性,教师投入大量的时间、精力在课程的实践教学中,那么也就没有那么多的精力投入到课程在智能设备的开展使用学习方面,更有甚者,他们会因为复杂的流程与操作让他们放弃将他们的教学与智能设备进行结合,这就导致了网络资源得不到利用,教学效率得不到提高。尤其是在2019年疫情的发生,若不结合智能设备,基本上实践实训课程的开展就会被延误。
目前对于实训实践此类课程目前比较常见的教学模式有以下两种:1)线下教学。在实践环节具有很多的环节,一般高校会提供1-2周的时间,让学生跟着每一个环节的教师进行实操,对于每一个环节,学生都需要撰写实验报告进行上交,由教师进行批改,从而产生实训成绩。这种教学模式的的好处是,学生进行了每一项工作的实际操作,从而更好的了解了每一个环节的流程,从而使这门实践课程的开展具有更好的意义。但是也具有很明显的缺点,这是一种很传统的教学模式,网络资源得不到利用,而且教师对于学生实验报告的批改工作是很困难的。2)线上教学。由学校的教务员针对此项课程开设一线上课程,上传教师录制好的教学视频,由学生进行视频的观看。学生只需要进行在线上完成作业即可。学生的最终成绩由几个方面及其对应比例整合而成,每一项的占比由老师决定。这种模式的好处是大大节省了学生的时间,学生可以完全利用自己的课余时间进行该门实践课程的学习。但是缺点就是学生仅仅完成了理论的学习,没有进行充分实践,达不到实践实训课程的教学质量。
无论实践实训课程采取哪种教学模式进行开展,合理有效的作业布置对学生的成绩有很大的促进作用,布置作业和批改作业不仅仅是教育和教学的重要环节,也是师生之间互相交流的直接桥梁。然而当今的作业环节存在着许多问题。从教师角度来看,作业批改耗时长、重复性高,是师资力量的一种浪费;从技术角度来看,现有的作业批改系统有两种类型,一是依旧依靠人工力量进行批改,二是利用文本识别相关技术针对文本类型的作业进行批改,所以并没有解决在实践实训课程中的图像类的作业自动批改问题;从时事的角度来说,学生在疫情期间不得不在家上网课,作业、考试等教学活动均改为线上进行,无疑是加大了老师的工作量。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种智能辅助实践实训课程类别的教学系统,将线下教学与线上教学结合起来,线下实践能够让学生对所学的理论知识进行很好的应用,线上教学采用一些机器学习算法对图像类型及其文本类型作业进行辅助批改,从而减轻教师关于作业批改的负担。该智能辅助实践实训课程类别的教学系统抛弃复杂的流程与操作,教师仅仅通过智能设备,简单的操作步骤即可对实验报告进行查看,参考辅助批改的分数进行打分、评语即可,达到节约教学资源、减轻教学负担、辅助教学达到高教学质量的作用。
为实现上述目的,本发明所提供的技术方案为:一种智能辅助实践实训课程类别的教学系统,包括:
课程设置与实验布置模块,用于实现教师将相关教学课程的资源、课程相关实验与评分准则利用网络资源进行布置,从而能够让学生进行对应课程实验报告的上传提交;
实验报告上传提交模块,用于实现学生在规定的时间内将所学课程的实验报告以文档或图片的形式进行上传,根据学生提交的文件名称后缀判断文件类型后进行存储,为实验报告的辅助批改与辅助批改中文件类型的判定提供依据;
实验报告辅助批改模块,用于实现对学生提交的实验报告进行辅助批改,根据文件的不同类型进行相应处理,对文本类型的实验报告进行文本分析及其相似度判定,为分数判定模块提供文本相似度分值;对图像类型的实验报告进行图像检测与识别,为分数判定模块提供目标检测分值;
辅助分数评定模块,用于给出学生提交的实验报告的辅助分值,结合实验的评分准则与实验报告辅助批改模块提供的文本相似度分值和目标检测分值计算出学生实验报告的分数;
教师评分模块,用于教师对学生提交的实验报告进行评分,教师登录后能够查看辅助批改的分值,对实验报告的分值进行修改并且给予实验报告的批改意见。
进一步,所述课程设置与实验布置模块包括用户登录模块、课程设置模块、学生与教师导入模块、实验布置模块,其中:
所述用户登录模块根据用户输入的用户名和正确的密码登录系统,以便能够在系统中进行课程信息的设置;
所述课程设置模块负责将开设的课程基本信息在系统中设置,包括课程名称、课程介绍、课程的开始与结束时间及课程资源信息;
所述学生与教师导入模块负责在系统中对开设的课程的学生与教师进行导入,账户的导入有两种方式:1)单个学生与教师账户的导入,填写学生与教师的账户名、姓名、密码信息后进行账户的导入;2)多个学生与教师账户一次性创建,将学生与教师的账户名、姓名、密码信息逐行填写至一excel文件中,将该excel文件上传至系统,系统通过逐行读取该文件进行账户的导入;
所述实验布置模块负责布置课程实验,包括课程实验的实验名称、实验要求和评分细则,评分细则中针对不同作业类型进行制定,文本类型实验需要布置答题模板文件,图像类型实验需要给出成品类型说明。
进一步,所述实验报告上传提交模块包括实验报告上传模块、实验报告类型判定模块、实验报告提交模块,其中:
所述实验报告上传模块负责学生将自己的实验报告文件上传到系统关联的云存储平台,学生需要用自己的用户名和密码进行登录,在自己所学课程中的对应实验上传自己的实验报告文件,文件存储在云存储平台中,上传成功系统中保存上传成功后返回的文件资源的编号;
所述实验报告类型判定模块负责根据实验的文件名称来进行文件类型的判定,文件的名称包含文件的类型,文件的类型为pdf、doc或docx时则为文本类型实验报告,文件的类型为jpg、jpeg或png时为图像类型实验报告;
所述实验报告提交模块负责学生在规定的时间内对自己上传的实验报告文件进行提交,根据文件的名称、文件的类型、该文件保存在云存储平台的资源编号完成实验报告的提交。
进一步,所述实验报告辅助批改模块包括文本题目与答案分离模块、文本对比模块、图像检测与识别模块,其中:
所述文本题目与答案分离模块负责处理文本类型的实验报告,按照课程设置与实验布置模块中布置的答题模板文件中的题目信息的内容,与学生提交的实验报告中的内容进行相应对比,从而提取出每一题对应的答案,为文本对比模块做准备;
所述文本对比模块负责将答题模板文件中的答案内容与学生提交的实验报告中的答案内容进行文本对比,其主要是利用基于向量空间的的语义相似度算法得出文本相似度,基于向量空间的语义文本相似度算法对待检测的两个文档进行相似度判定;
所述图像检测与识别模块利用基于深度学习的实例分割算法Mask Scoring R-CNN实现物体的检测与识别,得出图像类型实验报告的目标检测分值;Mask Scoring R-CNN的主干网络主要负责对输入图像的特征提取,并能够提取小特征;Mask Scoring R-CNN的区域生成网络RPN负责生成候选框,并对候选框进行筛选和映射,获得精确的包含目标对象的特征建议区域;Mask Scoring R-CNN的RoI Align层能够将特征像素进行对齐操作;MaskScoring R-CNN的Mask掩膜分支网络能够预测目标分割的掩膜并将其输出,其R-CNN检测分支网络能够获取目标对象的具体分类结果,以及输出目标边界框的位置信息;MaskScoring R-CNN的MaskIoU分支网络用于预测Mask分支生成的预测mask与真值mask之间的IoU,从而对预测的Mask进行评分。
进一步,所述辅助分数评定模块负责根据评分准则与文本类型实验报告的文本相似度和图像类型实验报告的目标检测分值进行公式计算:
Score=Score_Total*Score_Help
式中,Score表示辅助批改的得分,Score_Total表示实验的总分,当实验报告是文本类型时:Score_Help为文本相似度分值(取值范围为0-1);当实验报告是图像类型时:Score_Help为目标检测分值(取值范围为0-1)。
进一步,所述教师评分模块包括用户登录模块、智能跳转模块、自主评分模块,其中:
所述用户登录模块根据教师用户输入的用户名和正确的密码登录系统;
所述智能跳转模块负责智能判断登录教师的身份,主要是根据教师的账号信息判断教师所教学的课程、课程中的身份,帮助不同的教师用户省略一些不必要的复杂操作,直接进入自主评分页面,从而直接对学生的实验报告进行评分;
所述自主评分模块负责教师查看智能辅助批改的分数,能够对分数进行修改,并且给予批改意见。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明系统将实践实训课程传统的完全线下教学模式部分转移至线上,不仅能充分利用网络资源,而且能很好的将教学与智能设备相结合。
2、本发明系统抛弃传统复杂的流程及其设置,使用更简易的操作,适用不同年龄层的教师与学生用户,实用性高,能为教学过程提供有效辅助。
3、本发明系统将传统的线下作业批改转移至线上,使用最新的机器学习算法进行辅助评分,解决教师批改作业的难题,大大节省了作业批改时间从而减轻教学压力。
4、本发明系统不仅能够针对文本型的实验报告进行辅助评分,而且能够对图像型的实验报告进行辅助评分,打破作业类型的界限,更适用于实践实训课程不同的作业类型要求。
附图说明
图1为本发明系统整体架构示意图。
图2为本发明系统辅助批改的流程示意图。
图3为文本类实验报告辅助批改的流程示意图。
图4为图像类型实验报告辅助批改的流程示意图。
图5为辅助批改要求的切题模板案例。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1至图5所示,描述了一种智能辅助实践实训课程类别的教学系统的系统架构、数据流向、逻辑流程、实验报告辅助批改的算法流程即原理、答题模板示例。本实施例所提供的智能辅助实践实训课程类别的教学系统,是使用IDEA、PyCharm软件和Python、JAVA语言开发的在服务器上运行的智能辅助实践实训课程类别的教学系统。如图1所述,该智能辅助实践实训课程类别的教学系统包括有:
课程设置与实验布置模块,用于实现教师将相关教学课程的资源、课程相关实验与评分准则利用网络资源进行布置,从而能够让学生进行对应课程实验报告的上传提交;
实验报告上传提交模块,用于实现学生在规定的时间内将所学课程的实验报告以文档或图片的形式进行上传,根据学生提交的文件名称后缀判断文件类型后进行存储,为实验报告的辅助批改与辅助批改中文件类型的判定提供依据;
实验报告辅助批改模块,用于实现对学生提交的实验报告进行辅助批改,根据文件的不同类型进行相应处理,对文本类型的实验报告进行文本分析及其相似度判定,为分数判定模块提供文本相似度分值;对图像类型的实验报告进行图像检测与识别,为分数判定模块提供目标检测分值;
辅助分数评定模块,用于给出学生提交的实验报告的辅助分值,结合实验的评分准则与实验报告辅助批改模块提供的文本相似度分值和目标检测分值计算出学生实验报告的分数;
教师评分模块,用于教师对学生提交的实验报告进行评分,教师登录后能够查看辅助批改的分值,对实验报告的分值进行修改并且给予实验报告的批改意见。
所述课程设置与实验布置模块包括用户登录模块、课程设置模块、学生与教师导入模块、实验布置模块,其中:
所述用户登录模块根据用户输入的用户名和正确的密码登录系统,以便能够在系统中进行课程信息的设置;
所述课程设置模块负责将开设的课程基本信息在系统中设置,包括课程名称、课程介绍、课程的开始与结束时间及课程资源信息;
所述学生与教师导入模块负责在系统中对开设的课程的学生与教师进行导入,账户的导入有两种方式:1)单个学生与教师账户的导入,填写学生与教师的账户名、姓名、密码信息后进行账户的导入;2)多个学生与教师账户一次性创建,将学生与教师的账户名、姓名、密码信息逐行填写至一excel文件中,将该excel文件上传至系统,系统通过逐行读取该文件进行账户的导入;
所述实验布置模块负责布置课程实验,包括课程实验的实验名称、实验要求和评分细则,评分细则中针对不同作业类型进行制定,文本类型实验需要布置答题模板文件,图像类型实验需要给出成品类型说明。其中,答题模板文件如图5所示,实验报告中应包含学生的基本信息、题目信息、答案信息。
所述实验报告上传提交模块包括实验报告上传模块、实验报告类型判定模块、实验报告提交模块,其中:
所述实验报告上传模块负责学生将自己的实验报告文件上传到系统关联的云存储平台,学生需要用自己的用户名和密码进行登录,在自己所学课程中的对应实验上传自己的实验报告文件,文件存储在云存储平台中,上传成功系统中保存上传成功后返回的文件资源的编号;
所述实验报告类型判定模块负责根据实验的文件名称来进行文件类型的判定,文件的名称包含文件的类型,文件的类型为pdf、doc或docx时则为文本类型实验报告,文件的类型为jpg、jpeg或png时为图像类型实验报告;
所述实验报告提交模块负责学生在规定的时间内对自己上传的实验报告文件进行提交,根据文件的名称、文件的类型、该文件保存在云存储平台的资源编号完成实验报告的提交。
所述实验报告辅助批改模块包括文本题目与答案分离模块、文本对比模块、图像检测与识别模块,其中:
所述文本题目与答案分离模块负责处理文本类型的实验报告,按照课程设置与实验布置模块中布置的答题模板文件中的题目信息的内容,与学生提交的实验报告中的内容进行相应对比,从而提取出每一题对应的答案,为文本对比模块做准备;
所述文本对比模块负责将答题模板文件中的答案内容与学生提交的实验报告中的答案内容进行文本对比,其主要是利用基于向量空间的的语义相似度算法得出文本相似度,基于向量空间的语义文本相似度算法对待检测的两个文档进行相似度判定;
所述图像检测与识别模块利用基于深度学习的实例分割算法(Mask Scoring R-CNN)实现物体的检测与识别,得出图像类型实验报告的目标检测分值;Mask Scoring R-CNN的主干网络主要负责对输入图像的特征提取,因采取的网络结构的特殊性能够有效地提取小特征;Mask Scoring R-CNN的区域生成网络(RPN)负责生成候选框,并对候选框进行筛选和映射,获得较为精确的包含目标对象的特征建议区域,并且算法复杂度低,计算量少,可进行高效筛选;Mask Scoring R-CNN的RoI Align(regions of interest align)层能够将特征像素进行对齐操作,有效解决了像素偏差问题,优化了计算过程;Mask ScoringR-CNN的Mask掩膜分支网络能够预测目标分割的掩膜并将其输出,其R-CNN检测分支网络能够获取目标对象的具体分类结果,以及输出目标边界框的位置信息;Mask Scoring R-CNN的MaskIoU分支网络用于预测Mask分支生成的预测mask与真值mask之间的IoU,从而对预测的Mask进行评分。
本实施例上述实验报告辅助批改模块的处理流程如图2所示,首先用户上传实验报告文件到文件存储服务器进行存储,上传成功之后,该实验报告辅助批改模块收到请求之后从文件存储器下载文件并进行处理,处理完成之后给予辅助批改的情况到辅助分数评定模块进行分数的计算,待计算成功,可结合教师的评定进行对应成绩的返回。
本实施例上述实验报告辅助批改模块的文本类型实验报告辅助批改处理流程如图3所示,首先实验报告辅助批改模块从文件存储器获取到学生提交的文本类型实验报告文件,然后进行处理,按照实验布置模块中布置的答题模板文件中的题目信息的内容,与学生提交的实验报告中的内容进行相应对比,从而提取出每一题对应的答案,最后将答案内容进行文本对比,主要是利用基于向量空间的的语义相似度算法得出文本相似度。基于向量空间的语义文本相似度算法对待检测的两个文档进行相似度判定,最后得出对比相似度结果。
本实施例上述实验报告辅助批改模块的图像类型实验报告辅助批改处理流程如图4所示,首先实验报告辅助批改模块从文件存储器获取到学生提交的图像类型实验报告文件,然后进行处理。主要是利用Mask Scoring R-CNN(基于深度学习的实例分割算法)实现物体的检测与识别,给出目标检测分值。
所述辅助分数评定模块负责根据评分准则与文本类型实验报告的文本相似度和图像类型实验报告的目标检测分值进行公式计算:
Score=Score_Total*Score_Help
式中,Score表示辅助批改的得分,Score_Total表示实验的总分,当实验报告是文本类型时:Score_Help为文本相似度分值(取值范围为0-1);当实验报告是图像类型时:Score_Help为目标检测分值(取值范围为0-1)。
所述教师评分模块包括用户登录模块、智能跳转模块、自主评分模块,其中:
所述用户登录模块根据教师用户输入的用户名和正确的密码登录系统;
所述智能跳转模块负责智能判断登录教师的身份,主要是根据教师的账号信息判断教师所教学的课程、课程中的身份,帮助不同的教师用户(取决于用户的设置)省略一些不必要的复杂操作,直接进入自主评分页面,从而直接对学生的实验报告进行评分;
所述自主评分模块负责教师查看智能辅助批改的分数,能够对分数进行修改,并且给予批改意见。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (2)
1.一种智能辅助实践实训课程类别的教学系统,其特征在于,包括:
课程设置与实验布置模块,用于实现教师将相关教学课程的资源、课程相关实验与评分准则利用网络资源进行布置,从而能够让学生进行对应课程实验报告的上传提交;
实验报告上传提交模块,用于实现学生在规定的时间内将所学课程的实验报告以文档或图片的形式进行上传,根据学生提交的文件名称后缀判断文件类型后进行存储,为实验报告的辅助批改与辅助批改中文件类型的判定提供依据;
实验报告辅助批改模块,用于实现对学生提交的实验报告进行辅助批改,根据文件的不同类型进行相应处理,对文本类型的实验报告进行文本分析及其相似度判定,为分数判定模块提供文本相似度分值;对图像类型的实验报告进行图像检测与识别,为分数判定模块提供目标检测分值;
辅助分数评定模块,用于给出学生提交的实验报告的辅助分值,结合实验的评分准则与实验报告辅助批改模块提供的文本相似度分值和目标检测分值计算出学生实验报告的分数;
教师评分模块,用于教师对学生提交的实验报告进行评分,教师登录后能够查看辅助批改的分值,对实验报告的分值进行修改并且给予实验报告的批改意见;
所述课程设置与实验布置模块包括用户登录模块、课程设置模块、学生与教师导入模块、实验布置模块,其中:
所述用户登录模块根据用户输入的用户名和正确的密码登录系统,以便能够在系统中进行课程信息的设置;
所述课程设置模块负责将开设的课程基本信息在系统中设置,包括课程名称、课程介绍、课程的开始与结束时间及课程资源信息;
所述学生与教师导入模块负责在系统中对开设的课程的学生与教师进行导入,账户的导入有两种方式:1)单个学生与教师账户的导入,填写学生与教师的账户名、姓名、密码信息后进行账户的导入;2)多个学生与教师账户一次性创建,将学生与教师的账户名、姓名、密码信息逐行填写至一excel文件中,将该excel文件上传至系统,系统通过逐行读取该文件进行账户的导入;
所述实验布置模块负责布置课程实验,包括课程实验的实验名称、实验要求和评分细则,评分细则中针对不同作业类型进行制定,文本类型实验需要布置答题模板文件,图像类型实验需要给出成品类型说明;
所述实验报告上传提交模块包括实验报告上传模块、实验报告类型判定模块、实验报告提交模块,其中:
所述实验报告上传模块负责学生将自己的实验报告文件上传到系统关联的云存储平台,学生需要用自己的用户名和密码进行登录,在自己所学课程中的对应实验上传自己的实验报告文件,文件存储在云存储平台中,上传成功系统中保存上传成功后返回的文件资源的编号;
所述实验报告类型判定模块负责根据实验的文件名称来进行文件类型的判定,文件的名称包含文件的类型,文件的类型为pdf、doc或docx时则为文本类型实验报告,文件的类型为jpg、jpeg或png时为图像类型实验报告;
所述实验报告提交模块负责学生在规定的时间内对自己上传的实验报告文件进行提交,根据文件的名称、文件的类型、该文件保存在云存储平台的资源编号完成实验报告的提交;
所述实验报告辅助批改模块包括文本题目与答案分离模块、文本对比模块、图像检测与识别模块,其中:
所述文本题目与答案分离模块负责处理文本类型的实验报告,按照课程设置与实验布置模块中布置的答题模板文件中的题目信息的内容,与学生提交的实验报告中的内容进行相应对比,从而提取出每一题对应的答案,为文本对比模块做准备;
所述文本对比模块负责将答题模板文件中的答案内容与学生提交的实验报告中的答案内容进行文本对比,其主要是利用基于向量空间的语义相似度算法得出文本相似度,基于向量空间的语义文本相似度算法对待检测的两个文档进行相似度判定;
所述图像检测与识别模块利用基于深度学习的实例分割算法Mask Scoring R-CNN实现物体的检测与识别,得出图像类型实验报告的目标检测分值;Mask Scoring R-CNN的主干网络主要负责对输入图像的特征提取,并能够提取小特征;Mask Scoring R-CNN的区域生成网络RPN负责生成候选框,并对候选框进行筛选和映射,获得精确的包含目标对象的特征建议区域;Mask Scoring R-CNN的RoI Align层能够将特征像素进行对齐操作;MaskScoring R-CNN的Mask 掩膜分支网络能够预测目标分割的掩膜并将其输出,其R-CNN 检测分支网络能够获取目标对象的具体分类结果,以及输出目标边界框的位置信息;MaskScoring R-CNN的MaskIoU 分支网络用于预测 Mask 分支生成的预测 mask 与真值 mask之间的 IoU,从而对预测的 Mask 进行评分;
所述辅助分数评定模块负责根据评分准则与文本类型实验报告的文本相似度和图像类型实验报告的目标检测分值进行公式计算:
Score = Score_Total * Score_Help
式中,Score表示辅助批改的得分,Score_Total表示实验的总分,当实验报告是文本类型时:Score_Help为文本相似度分值,取值范围为0-1;当实验报告是图像类型时:Score_Help为目标检测分值,取值范围为0-1。
2.根据权利要求1所述的一种智能辅助实践实训课程类别的教学系统,其特征在于:所述教师评分模块包括用户登录模块、智能跳转模块、自主评分模块,其中:
所述用户登录模块根据教师用户输入的用户名和正确的密码登录系统;
所述智能跳转模块负责智能判断登录教师的身份,主要是根据教师的账号信息判断教师所教学的课程、课程中的身份,帮助不同的教师用户省略一些不必要的复杂操作,直接进入自主评分页面,从而直接对学生的实验报告进行评分;
所述自主评分模块负责教师查看智能辅助批改的分数,能够对分数进行修改,并且给予批改意见。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087349.3A CN112927109B (zh) | 2021-01-22 | 2021-01-22 | 一种智能辅助实践实训课程类别的教学系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110087349.3A CN112927109B (zh) | 2021-01-22 | 2021-01-22 | 一种智能辅助实践实训课程类别的教学系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112927109A CN112927109A (zh) | 2021-06-08 |
CN112927109B true CN112927109B (zh) | 2023-09-26 |
Family
ID=76164717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110087349.3A Active CN112927109B (zh) | 2021-01-22 | 2021-01-22 | 一种智能辅助实践实训课程类别的教学系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927109B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115278272B (zh) * | 2022-05-18 | 2023-06-20 | 江苏农林职业技术学院 | 一种教育实践在线指导系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016115866A1 (zh) * | 2015-01-19 | 2016-07-28 | 深圳市时尚德源文化传播有限公司 | 一种智能终端机网络教学方法 |
CN110097568A (zh) * | 2019-05-13 | 2019-08-06 | 中国石油大学(华东) | 一种基于时空双分支网络的视频对象检测与分割方法 |
CN110599448A (zh) * | 2019-07-31 | 2019-12-20 | 浙江工业大学 | 基于MaskScoring R-CNN网络的迁移学习肺部病变组织检测系统 |
CN110738673A (zh) * | 2019-10-21 | 2020-01-31 | 哈尔滨理工大学 | 基于实例分割的视觉slam方法 |
CN110969412A (zh) * | 2019-11-25 | 2020-04-07 | 大连理工大学 | 一种电子实验报告生成、智能批阅、存储及下载系统 |
-
2021
- 2021-01-22 CN CN202110087349.3A patent/CN112927109B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016115866A1 (zh) * | 2015-01-19 | 2016-07-28 | 深圳市时尚德源文化传播有限公司 | 一种智能终端机网络教学方法 |
CN110097568A (zh) * | 2019-05-13 | 2019-08-06 | 中国石油大学(华东) | 一种基于时空双分支网络的视频对象检测与分割方法 |
CN110599448A (zh) * | 2019-07-31 | 2019-12-20 | 浙江工业大学 | 基于MaskScoring R-CNN网络的迁移学习肺部病变组织检测系统 |
CN110738673A (zh) * | 2019-10-21 | 2020-01-31 | 哈尔滨理工大学 | 基于实例分割的视觉slam方法 |
CN110969412A (zh) * | 2019-11-25 | 2020-04-07 | 大连理工大学 | 一种电子实验报告生成、智能批阅、存储及下载系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112927109A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021212749A1 (zh) | 命名实体标注方法、装置、计算机设备和存储介质 | |
CN113656570B (zh) | 基于深度学习模型的视觉问答方法及装置、介质、设备 | |
CN111339281B (zh) | 一种多视角融合的阅读理解选择题的答案选择方法 | |
CN110633730A (zh) | 一种基于课程学习的深度学习机器阅读理解训练方法 | |
CN113360699B (zh) | 模型训练方法和装置、图像问答方法和装置 | |
CN116596347B (zh) | 基于云平台的多学科交互教学系统及教学方法 | |
KR20210094317A (ko) | 수학문제풀이를 활용하여 피드백학습 콘텐츠를 자동으로 제공하는 방법 | |
CN116597461B (zh) | 基于人工智能的题目知识点关联方法及系统 | |
CN113220921A (zh) | 一种基于文本和图像搜索的题库录入自动化方法 | |
CN112364125A (zh) | 一种联合阅读课程学习机制的文本信息抽取系统及方法 | |
CN112927109B (zh) | 一种智能辅助实践实训课程类别的教学系统 | |
Agarwal et al. | Autoeval: A nlp approach for automatic test evaluation system | |
CN116049367A (zh) | 一种基于无监督知识增强的视觉-语言预训练方法及装置 | |
CN114780723A (zh) | 基于向导网络文本分类的画像生成方法、系统和介质 | |
CN105975456A (zh) | 一种企业实体名称分析识别系统 | |
CN112749566B (zh) | 一种面向英文写作辅助的语义匹配方法及装置 | |
CN117171360A (zh) | 一种基于大模型和知识图谱的课程交叉重组系统及方法 | |
CN117112743A (zh) | 文本自动生成问题的可回答性评估方法、系统及存储介质 | |
CN110929013A (zh) | 一种基于bottom-up attention和定位信息融合的图片问答实现方法 | |
CN107992482B (zh) | 数学主观题解答步骤的规约方法及系统 | |
CN115757723A (zh) | 文本处理方法及装置 | |
Rajesh et al. | Digitized exam paper evaluation | |
CN111353397B (zh) | 基于大数据和ocr的网络课堂中文板书结构化分享系统 | |
CN114331932A (zh) | 目标图像生成方法和装置、计算设备以及计算机存储介质 | |
CN112015921A (zh) | 一种基于学习辅助知识图谱的自然语言处理方法 |
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 |