CN113705438A - 一种基于多种数据采集形式的考评、阅卷方法及系统 - Google Patents
一种基于多种数据采集形式的考评、阅卷方法及系统 Download PDFInfo
- Publication number
- CN113705438A CN113705438A CN202110993665.7A CN202110993665A CN113705438A CN 113705438 A CN113705438 A CN 113705438A CN 202110993665 A CN202110993665 A CN 202110993665A CN 113705438 A CN113705438 A CN 113705438A
- Authority
- CN
- China
- Prior art keywords
- scoring
- data
- image data
- image
- marking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000013077 scoring method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 239000011248 coating agent Substances 0.000 claims description 5
- 238000000576 coating method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000011049 filling Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims 1
- 238000013479 data entry Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供一种基于多种数据采集形式的考评、阅卷方法及系统，所述方法包括：阅卷基础数据统一采集模块采集答卷的数据生成图像数据；图像识别分析模块对所述图像数据进行图像处理；经图像处理后的图像数据存储到数据库服务器或分布式对象存储服务器；阅卷服务模块进行阅卷任务的分配和分发算法处理，调取所述分布式对象存储服务器中的图像数据，分发给各个阅卷端进行阅卷；数据分析及查询服务模块对阅卷提交数据进行分析和处理，生成学生成绩分析报告，并提供web端及app查询服务。本发明提供多种可选的考试数据录入方式，使学校测试、班级测评、个人自测有效的整合到一起，方式灵活，并且没有增加用户的系统使用负担。
Description
技术领域
本发明涉及考试数据采集、图像分析、数据库及网络技术领域，具体而言，涉及一种基于多种数据采集形式的考评、阅卷方法及系统。
背景技术
当前，考试、测试仍然是教学过程中对学生的阶段性学习水平及教学效果作诊断的最直接和最有效的方法，各种考试、测试的种类繁多，所使用的考试方法也很多。在大多数情况下考试都使用纸质试卷，学生作答到纸质试卷或答题纸上，使用文档扫描仪统一扫描录入。
然而在一些特殊情况下，考试方法会有很大不同，比如疫情期间，需要在学生做题完成后，使用手机或其他移动设备拍照形成图片的形式，进行输入的上传和录入。不同的考试方法，带来了考试数据采集方式的不同以及复杂度的加大，给阅卷和考评带来很多困难。
发明内容
鉴于此，本发明旨在充分利用学校现有的设备和采集方法，最大限度地降低考试数据采集的使用成本，实现最大化了解和跟踪学生学习水平和教学效果的目的，提出基于多种数据采集形式的学生考评及网上阅卷系统。
通过使用本发明，实现课堂训练、统一考试、学生学习情况自测、特殊环境下考试阅卷等情况下的纸质试卷、图像试卷、电子试题及数据录入等各种形式的考试数据采集；采集到的数据通过统一数据分析模块，采用图像处理分析技术实现数据的电子化；电子化后的数据保存至分布式对象存储系统，作为阅卷和测试数据查询的数据仓库；主观化考试内容会通过阅卷服务模块，提供网络端的阅卷服务功能；最终通过数据分析模块生成测试数据分析报告。通过以上功能的实现，让用户在充分利用已有设备和熟练操作经验的基础上，轻松实现教育教学评测的各项工作。
本发明提供一种基于多种数据采集形式的考评、阅卷方法，包括以下步骤：
S1、阅卷基础数据统一采集模块采集答卷的数据生成图像数据；
S2、图像识别分析模块对所述图像数据进行图像处理；
S3、经图像处理后的图像数据存储到数据库服务器或分布式对象存储服务器；
答题卡的图像数据存储到数据库服务器，主观题的图像数据存储到分布式对象存储服务器；
S4、阅卷服务模块进行阅卷任务的分配和分发算法处理，调取所述分布式对象存储服务器中的图像数据，分发给各个阅卷端进行阅卷；
S5、数据分析及查询服务模块对阅卷提交数据进行分析和处理，生成学生成绩分析报告，并提供web端及app查询服务。
进一步地，所述S1步骤的所述采集答卷的数据的方法包括：
文档扫描仪采集功能子模块使用TWAIN协议规范，将扫描输入统一成相同分比率、相同颜色模式和相同尺寸规范的图像数据；
和/或，移动设备图像拍照子模块调用移动设备摄像头访问接口，拍取答题卡图片，从拍摄环境中提取答题卡图片的图像数据。
优选地，在无法一次性完成拍摄的情况下，实现多次拍摄图像结果的提取、尺寸归一化和拼接。
进一步地，所述S2步骤的所述图像处理包括以下步骤：
S21、创建图像信息提取的模板；
S22、对图像数据进行滤波处理；
S23、通过模板匹配算法完成答题卡的可识别区域和模板图片的模板匹配；
S24、识别答题卡的可识别区域的内容信息，提取主观题的子图像区域信息。
进一步地，所述S21步骤的创建图像信息提取的模板的方法包括：在模板中定义出用来进行模板匹配的图像特征点、直线、转角、文字，定义出要提取的选择题区域、主观题目区域、考号填涂区域、页码区域、类型区域。
进一步地，所述S23步骤的所述通过模板匹配算法完成答题卡的图像数据和模板图片的模板匹配的方法包括以下步骤：
S231、在所述答题卡的可识别区域上寻找模板定义的特征点的区域；
S232、对所述可识别区域的特征点与模板图像的特征点进行匹配。
进一步地，所述S24步骤的识别答题卡的可识别区域的内容信息的方法包括以下步骤：
S241、在答题卡的可识别区域中提取模板定义的考号区域的条形码、涂点涂写信息的可识别区域；
S242、对提取的所述可识别区域进行形态学算法处理，过滤掉干扰识别结果的非必要信息；
S243、对所述可识别区域进行基于文字的自动二值化阈值处理；
S244、对二值化阈值处理后的所述可识别区域进行匹配条码算法或涂点识别算法处理，完成对可识别区域的条码识别。
进一步地，所述S4步骤的所述分配和分发算法处理的方法包括：单评、双判、三评；
所述单评是每一个阅卷题目单独分发给一个阅卷端，阅卷端阅卷完毕即为这一题目的分值结果；
所述双判是每一个阅卷题目分发给两个不同的阅卷端，两个阅卷端分别提交分数后，如果两个分值的差在设定的阈值允许范围内，则取两个分值的均值作为最终分值结果；如果两个分值的差在设定的阈值允许范围外，则提交给仲裁组长来最终决定分值结果；
所述三评是每一个阅卷题目首先分发给两个不同的阅卷端，两个阅卷端分别提交分数后，如果两个分值的差在设定的阈值允许范围内，则取两个分值的均值作为最终分值结果；如果两个分值的差在设定的阈值允许范围外，则提交给第三个不同的阅卷端进行评阅；取三者中两个分值差值最小的，如果这个差值在阈值范围内，则取这两个分值的均值作为最终分值结果，否则，提交给仲裁组长来最终决定分值结果。
本发明还提供一种基于多种数据采集方式的考评、阅卷系统，使用如上述所述的考评、阅卷方法，包括：
阅卷基础数据统一采集模块：用于采集答卷的数据生成图像数据；
图像识别分析模块：用于对所述图像数据进行图像处理；
阅卷服务模块：用于阅卷任务的分配和分发算法处理，调取分布式对象存储服务器中的图像数据，分发给各个阅卷端进行阅卷；
数据分析及查询服务模块：用于对阅卷提交数据进行分析和处理，生成学生成绩分析报告，并提供web端及app查询服务。
进一步地，所述阅卷基础数据统一采集模块包括：
文档扫描仪采集功能子模块：使用TWAIN协议规范，将扫描输入统一成相同分比率、相同颜色模式和相同尺寸规范的图像数据；
移动设备图像拍照子模块：调用移动设备摄像头访问接口，拍取答题卡图片，从拍摄环境中提取答题卡图片的图像数据。
进一步地，所述考评、阅卷系统还包括：
数据库服务器：用于存储答题卡的图像数据；
分布式对象存储服务器：用于存储主观题的图像数据。
与现有技术相比，本发明的有益效果是：
本发明考评、阅卷方法及系统可以提供多种可选的考试数据录入方式，在教学过程中，学校可以采取集中形式的测评考试活动；在班级教学中，科目老师可以采取以班级为单位的课堂小测；在学生课后、假期等情况下，可以通过系统进行学校效果的自测，不再局限于标准设备和集中式考试阅卷场景，使学校测试、班级测评、个人自测有效的整合到一起，提供了学和教两个方面的评测功能，方式灵活，是学生学习和教师教学过程中的有效补充，本发明几乎不改变任何常用的考试模式和考试实施方法，没有增加用户的系统使用负担。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
在附图中：
图1为本发明一种基于多种数据采集形式的考评、阅卷方法的工作流程图；
图2为本发明S2步骤的图像处理的流程图；
图3为本发明S23步骤答题卡的图像数据和模板图片的模板匹配的方法流程图；
图4为本发明S24步骤的识别答题卡的可识别区域的内容信息的方法流程图；
图5为本发明实施例考评、阅卷实施过程的处理顺序图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面结合附图对本发明实施例的具体实施步骤说明如下：
本发明实施例提供一种基于多种数据采集形式的考评、阅卷方法，参见图1所示，包括以下步骤：
S1、阅卷基础数据统一采集模块采集答卷的数据生成图像数据；
S2、图像识别分析模块对所述图像数据进行图像处理；
S3、经图像处理后的图像数据存储到数据库服务器或分布式对象存储服务器；
答题卡的图像数据存储到数据库服务器，主观题的图像数据存储到分布式对象存储服务器；
S4、阅卷服务模块进行阅卷任务的分配和分发算法处理，调取所述分布式对象存储服务器中的图像数据，分发给各个阅卷端进行阅卷；
S5、数据分析及查询服务模块对阅卷提交数据进行分析和处理，生成学生成绩分析报告，并提供web端及app查询服务。
所述S1步骤的所述采集答卷的数据的方法包括：
文档扫描仪采集功能子模块使用TWAIN协议规范，将扫描输入统一成相同分比率、相同颜色模式和相同尺寸规范的图像数据；
和/或，移动设备图像拍照子模块调用移动设备摄像头访问接口，拍取答题卡图片，从拍摄环境中提取答题卡图片的图像数据。
优选地，在无法一次性完成拍摄的情况下，实现多次拍摄图像结果的提取、尺寸归一化和拼接。
所述S2步骤的所述图像处理，参见图2所示，包括以下步骤：
S21、创建图像信息提取的模板；
S22、对图像数据进行滤波处理；
S23、通过模板匹配算法完成答题卡的可识别区域和模板图片的模板匹配；
S24、识别答题卡的可识别区域的内容信息，提取主观题的子图像区域信息。
所述S21步骤的创建图像信息提取的模板的方法包括：在模板中定义出用来进行模板匹配的图像特征点、直线、转角、文字，定义出要提取的选择题区域、主观题目区域、考号填涂区域、页码区域、类型区域。
所述S23步骤的所述通过模板匹配算法完成答题卡的图像数据和模板图片的模板匹配的方法，参见图3所示，包括以下步骤：
S231、在所述答题卡的可识别区域上寻找模板定义的特征点的区域；
S232、对所述可识别区域的特征点与模板图像的特征点进行匹配。
所述S24步骤的识别答题卡的可识别区域的内容信息的方法，参见图4所示，包括以下步骤：
S241、在答题卡的可识别区域中提取模板定义的考号区域的条形码、涂点涂写信息的可识别区域；
S242、对提取的所述可识别区域进行形态学算法处理，过滤掉干扰识别结果的非必要信息；
S243、对所述可识别区域进行基于文字的自动二值化阈值处理；
S244、对二值化阈值处理后的所述可识别区域进行匹配条码算法或涂点识别算法处理，完成对可识别区域的条码识别。
所述S4步骤的所述分配和分发算法处理的方法包括：单评、双判、三评；
所述单评是每一个阅卷题目单独分发给一个阅卷端，阅卷端阅卷完毕即为这一题目的分值结果；
所述双判是每一个阅卷题目分发给两个不同的阅卷端，两个阅卷端分别提交分数后，如果两个分值的差在设定的阈值允许范围内，则取两个分值的均值作为最终分值结果；如果两个分值的差在设定的阈值允许范围外，则提交给仲裁组长来最终决定分值结果；
所述三评是每一个阅卷题目首先分发给两个不同的阅卷端，两个阅卷端分别提交分数后，如果两个分值的差在设定的阈值允许范围内，则取两个分值的均值作为最终分值结果；如果两个分值的差在设定的阈值允许范围外，则提交给第三个不同的阅卷端进行评阅；取三者中两个分值差值最小的，如果这个差值在阈值范围内，则取这两个分值的均值作为最终分值结果，否则，提交给仲裁组长来最终决定分值结果。
本发明实施例还提供一种基于多种数据采集方式的考评、阅卷系统，使用如上述所述的考评、阅卷方法，包括：
阅卷基础数据统一采集模块：用于采集答卷的数据生成图像数据；
图像识别分析模块：用于对所述图像数据进行图像处理；
阅卷服务模块：用于阅卷任务的分配和分发算法处理，调取分布式对象存储服务器中的图像数据，分发给各个阅卷端进行阅卷；
数据分析及查询服务模块：用于对阅卷提交数据进行分析和处理，生成学生成绩分析报告，并提供web端及app查询服务。
所述阅卷基础数据统一采集模块包括：
文档扫描仪采集功能子模块：使用TWAIN协议规范，将扫描输入统一成相同分比率、相同颜色模式和相同尺寸规范的图像数据；
移动设备图像拍照子模块：调用移动设备摄像头访问接口，拍取答题卡图片，从拍摄环境中提取答题卡图片的图像数据。
所述考评、阅卷系统还包括：
数据库服务器：用于存储答题卡的可识别区域；
分布式对象存储服务器：用于存储主观题的图像数据。
实施例
本实施例如附图5所示基本表示了系统中的基本环节，实施过程如下：
T01：用户可以使用pc、手机、平板等设备通过web端或移动端app登录系统。如果在pc端登录。
T02：用户在pc端登录，可以选择通过扫描仪、摄像头拍照，或直接上传答题图片的形式，进行学生答题卡数据的采集。
T03：数据采集的结果以图片形式的图像数据存储到分布式对象存储服务器中以供调取使用。在进行图像数据的分析识别之前，系统调取存储服务器中的图片。
T04：识别出答题卡图片的特征点区域信息，并与模板定义中的特征点信息进行匹配。
T05：匹配成功后，从答题卡的图像数据中提取出模板定义中需要识别的图像区域。
T06：图像区域包括两种类型，一种是可识别区域，另一种是要提取的子图像区域。
T07：条形码区域和OMR涂点等可识别区域，通过条形码识别算法和OMR涂点识别算法，得出要是别的数据结果。
T08：对于要提取的子图像区域，直接在答题卡中将要提取区域提取出来并保存成文件。
T09：可识别区域以字符形式保存进数据库服务器。
T10：子图像区域以文件的形式上传到分布式对象存储服务器中。
T11：阅卷服务模块完成阅卷任务的分配分发功能，分发方式可以选择为单评、双判及三评模式。
T12：分发的不同模式决定了一个图片文件可以被多少个阅卷客户端调取给分；单评情况下，一个图片只可以被一个阅卷端调取；双评模式下，一个图片需要被两个阅卷端调取，并有可能最终被仲裁组长调取；三评模式下，一个图片需要至少被两个阅卷端调取，并可能被第三个阅卷端和仲裁组长调取。
T13：各个阅卷端登录web端阅卷平台或阅卷app进行批改给分。
T14：分发方式的不同，决定了最终分值合成结果的不同。
T15：将已经识别出的可识别内容进行答案匹配并给分，这些给分结果与主观题阅卷的给分结果进行考号匹配组合，计算出最终满分值并保存到数据库服务系统。
T16：可以通过web端程序、移动端app多学生成绩报告进行查询及跟踪，对学生学习及老师教学提供及时有效的参考信息。
本发明实施例考评、阅卷方法及系统可以提供多种可选的考试数据录入方式，在教学过程中，学校可以采取集中形式的测评考试活动；在班级教学中，科目老师可以采取以班级为单位的课堂小测；在学生课后、假期等情况下，可以通过系统进行学校效果的自测，不再局限于标准设备和集中式考试阅卷场景，使学校测试、班级测评、个人自测有效的整合到一起，提供了学和教两个方面的评测功能，方式灵活，是学生学习和教师教学过程中的有效补充，本发明实施例几乎不改变任何常用的考试模式和考试实施方法，没有增加用户的系统使用负担。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、同替换、改进，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多种数据采集形式的考评、阅卷方法，其特征在于，包括以下步骤：
S1、阅卷基础数据统一采集模块采集答卷的数据生成图像数据；
S2、图像识别分析模块对所述图像数据进行图像处理；
S3、经图像处理后的图像数据存储到数据库服务器或分布式对象存储服务器；
答题卡的图像数据存储到数据库服务器，主观题的图像数据存储到分布式对象存储服务器；
S4、阅卷服务模块进行阅卷任务的分配和分发算法处理，调取所述分布式对象存储服务器中的图像数据，分发给各个阅卷端进行阅卷；
S5、数据分析及查询服务模块对阅卷提交数据进行分析和处理，生成学生成绩分析报告，并提供web端及app查询服务。
2.根据权利要求1所述的考评、阅卷方法，其特征在于，所述S1步骤的所述采集答卷的数据的方法包括：
文档扫描仪采集功能子模块使用TWAIN协议规范，将扫描输入统一成相同分比率、相同颜色模式和相同尺寸规范的图像数据；
和/或，移动设备图像拍照子模块调用移动设备摄像头访问接口，拍取答题卡图片，从拍摄环境中提取答题卡图片的图像数据。
3.根据权利要求1所述的考评、阅卷方法，其特征在于，所述S2步骤的所述图像处理包括以下步骤：
S21、创建图像信息提取的模板；
S22、对图像数据进行滤波处理；
S23、通过模板匹配算法完成答题卡的可识别区域和模板图片的模板匹配；
S24、识别答题卡的可识别区域的内容信息，提取主观题的子图像区域信息。
4.根据权利要求3所述的考评、阅卷方法，其特征在于，所述S21步骤的创建图像信息提取的模板的方法包括：在模板中定义出用来进行模板匹配的图像特征点、直线、转角、文字，定义出要提取的选择题区域、主观题目区域、考号填涂区域、页码区域、类型区域。
5.根据权利要求3所述的考评、阅卷方法，其特征在于，所述S23步骤的所述通过模板匹配算法完成答题卡的图像数据和模板图片的模板匹配的方法包括以下步骤：
S231、在所述答题卡的可识别区域上寻找模板定义的特征点的区域；
S232、对所述可识别区域的特征点与模板图像的特征点进行匹配。
6.根据权利要求3所述的考评、阅卷方法，其特征在于，所述S24步骤的识别答题卡的可识别区域的内容信息的方法包括以下步骤：
S241、在答题卡的可识别区域中提取模板定义的考号区域的条形码、涂点涂写信息的可识别区域；
S242、对提取的所述可识别区域进行形态学算法处理，过滤掉干扰识别结果的非必要信息；
S243、对所述可识别区域进行基于文字的自动二值化阈值处理；
S244、对二值化阈值处理后的所述可识别区域进行匹配条码算法或涂点识别算法处理，完成对可识别区域的条码识别。
7.根据权利要求1所述的考评、阅卷方法，其特征在于，所述S4步骤的所述分配和分发算法处理的方法包括：单评、双判、三评；
所述单评是每一个阅卷题目单独分发给一个阅卷端，阅卷端阅卷完毕即为这一题目的分值结果；
所述双判是每一个阅卷题目分发给两个不同的阅卷端，两个阅卷端分别提交分数后，如果两个分值的差在设定的阈值允许范围内，则取两个分值的均值作为最终分值结果；如果两个分值的差在设定的阈值允许范围外，则提交给仲裁组长来最终决定分值结果；
所述三评是每一个阅卷题目首先分发给两个不同的阅卷端，两个阅卷端分别提交分数后，如果两个分值的差在设定的阈值允许范围内，则取两个分值的均值作为最终分值结果；如果两个分值的差在设定的阈值允许范围外，则提交给第三个不同的阅卷端进行评阅；取三者中两个分值差值最小的，如果这个差值在阈值范围内，则取这两个分值的均值作为最终分值结果，否则，提交给仲裁组长来最终决定分值结果。
8.一种基于多种数据采集方式的考评、阅卷系统，其特征在于，使用如权利要求1-7任一项所述的考评、阅卷方法，其特征在于，包括：
阅卷基础数据统一采集模块：用于采集答卷的数据生成图像数据；
图像识别分析模块：用于对所述图像数据进行图像处理；
阅卷服务模块：用于阅卷任务的分配和分发算法处理，调取分布式对象存储服务器中的图像数据，分发给各个阅卷端进行阅卷；
数据分析及查询服务模块：用于对阅卷提交数据进行分析和处理，生成学生成绩分析报告，并提供web端及app查询服务。
9.根据权利要求8所述的考评、阅卷系统，其特征在于，所述阅卷基础数据统一采集模块包括：
文档扫描仪采集功能子模块：使用TWAIN协议规范，将扫描输入统一成相同分比率、相同颜色模式和相同尺寸规范的图像数据；
移动设备图像拍照子模块：调用移动设备摄像头访问接口，拍取答题卡图片，从拍摄环境中提取答题卡图片的图像数据。
10.根据权利要求8所述的考评、阅卷系统，其特征在于，所述考评、阅卷系统还包括：
数据库服务器：用于存储答题卡的图像数据；
分布式对象存储服务器：用于存储主观题的图像数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110993665.7A CN113705438A (zh) | 2021-08-27 | 2021-08-27 | 一种基于多种数据采集形式的考评、阅卷方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110993665.7A CN113705438A (zh) | 2021-08-27 | 2021-08-27 | 一种基于多种数据采集形式的考评、阅卷方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113705438A true CN113705438A (zh) | 2021-11-26 |
Family
ID=78655730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110993665.7A Pending CN113705438A (zh) | 2021-08-27 | 2021-08-27 | 一种基于多种数据采集形式的考评、阅卷方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113705438A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114863095A (zh) * | 2022-03-25 | 2022-08-05 | 电子科技大学 | 一种基于颜色转换的答题卡图像分割方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2018006294A1 (zh) * | 2016-07-06 | 2018-01-11 | 王楚 | 一种基于图像模式识别技术的阅卷系统、装置和方法 |
| CN107657255A (zh) * | 2017-09-18 | 2018-02-02 | 哈尔滨成长科技有限公司 | 网络阅卷方法、装置、可读存储介质以及电子设备 |
| WO2019075820A1 (zh) * | 2017-10-20 | 2019-04-25 | 深圳市鹰硕技术有限公司 | 一种试卷批阅系统 |
| CN111047212A (zh) * | 2019-12-24 | 2020-04-21 | 广东德诚大数据科技有限公司 | 一种用于考试阅卷的控制评分误差数据处理系统及方法 |
| CN111046644A (zh) * | 2019-11-07 | 2020-04-21 | 深圳市鹰硕技术有限公司 | 一种答题卡模板生成方法、识别方法、装置及存储介质 |
| CN111626280A (zh) * | 2020-04-13 | 2020-09-04 | 北京邮电大学 | 一种无定位点答题卡识别方法和装置 |
| 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 |
-
2021
- 2021-08-27 CN CN202110993665.7A patent/CN113705438A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2018006294A1 (zh) * | 2016-07-06 | 2018-01-11 | 王楚 | 一种基于图像模式识别技术的阅卷系统、装置和方法 |
| CN107657255A (zh) * | 2017-09-18 | 2018-02-02 | 哈尔滨成长科技有限公司 | 网络阅卷方法、装置、可读存储介质以及电子设备 |
| WO2019075820A1 (zh) * | 2017-10-20 | 2019-04-25 | 深圳市鹰硕技术有限公司 | 一种试卷批阅系统 |
| CN111046644A (zh) * | 2019-11-07 | 2020-04-21 | 深圳市鹰硕技术有限公司 | 一种答题卡模板生成方法、识别方法、装置及存储介质 |
| CN111047212A (zh) * | 2019-12-24 | 2020-04-21 | 广东德诚大数据科技有限公司 | 一种用于考试阅卷的控制评分误差数据处理系统及方法 |
| CN111626280A (zh) * | 2020-04-13 | 2020-09-04 | 北京邮电大学 | 一种无定位点答题卡识别方法和装置 |
| 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 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114863095A (zh) * | 2022-03-25 | 2022-08-05 | 电子科技大学 | 一种基于颜色转换的答题卡图像分割方法 |
| CN114863095B (zh) * | 2022-03-25 | 2023-11-28 | 电子科技大学 | 一种基于颜色转换的答题卡图像分割方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108648757B (zh) | 一种基于多维度课堂信息的分析方法 | |
| US9666088B2 (en) | Video-based teacher assistance | |
| CN109712456A (zh) | 一种基于摄像头的学生纸质作业智能批阅系统 | |
| 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 | |
| CN110322379A (zh) | 试卷处理方法和试卷处理系统 | |
| CN109064814A (zh) | 试题批阅方法、试题批阅系统和计算机可读存储介质 | |
| CN104537949A (zh) | 试题管理系统和方法 | |
| CN111353921A (zh) | 一种考试管理方法及系统、电子设备 | |
| CN110659584A (zh) | 一种基于图像识别的智能留痕阅卷系统 | |
| KR20190052410A (ko) | 답안 일체형 시험지 및 답안 일체형 교재를 이용하는 자동 채점 시스템 및 그 방법 | |
| CN111160277A (zh) | 行为识别分析方法和系统、计算机可读存储介质 | |
| CN109214965B (zh) | 数据整理方法、系统及装置 | |
| CN112837031A (zh) | 一种基于高速扫描并打印的作业自动批阅方法及装置 | |
| CN111325082A (zh) | 一种人员专注度分析方法及装置 | |
| CN112381099A (zh) | 一种基于数字教育资源的录题系统 | |
| CN112116840B (zh) | 一种基于图像识别的作业批改方法、系统和智能终端 | |
| CN113705438A (zh) | 一种基于多种数据采集形式的考评、阅卷方法及系统 | |
| CN114140280A (zh) | 一种基于ai批改的数据处理方法、系统和电子设备 | |
| CN108681713A (zh) | 一种用于教师教学质量评价的系统 | |
| CN113160005A (zh) | 一种用于主观题的网上阅卷方法 | |
| CN106339965A (zh) | 一种学情分析方法 | |
| CN115482535A (zh) | 一种试卷自动批改方法、存储介质及设备 | |
| CN114693075A (zh) | 一种应用于就业前景分析功能的就业指导系统及装置 | |
| CN111291591A (zh) | 一种试卷智能批阅打印方法及装置 | |
| Ojo et al. | Deterring malpractice in a networked computer based examination using biometric control attendance register |
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 |