CN115082271B - 职业教育数字化教学的沉浸式考试防作弊方法及系统 - Google Patents
职业教育数字化教学的沉浸式考试防作弊方法及系统 Download PDFInfo
- Publication number
- CN115082271B CN115082271B CN202211009438.7A CN202211009438A CN115082271B CN 115082271 B CN115082271 B CN 115082271B CN 202211009438 A CN202211009438 A CN 202211009438A CN 115082271 B CN115082271 B CN 115082271B
- Authority
- CN
- China
- Prior art keywords
- data
- virtual
- examinee
- characteristic
- examination
- 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
- 230000001755 vocal effect Effects 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012360 testing method Methods 0.000 claims abstract description 109
- 238000012549 training Methods 0.000 claims abstract description 62
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims description 33
- 230000000877 morphologic effect Effects 0.000 claims description 26
- 230000037237 body shape Effects 0.000 claims description 21
- 230000001815 facial effect Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000011156 evaluation Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010057040 Temperature intolerance Diseases 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008543 heat sensitivity Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000004088 simulation 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
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- 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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- 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
- G09B9/00—Simulators for teaching or training purposes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请实施例提供了职业教育数字化教学的沉浸式考试防作弊方法及系统。该方法包括：通过采集职业教育的实操考试信息提取实操考试题库数据集，获取虚拟实操考试地点的地理标识数据和场地布局信息生成虚拟实操作训场再生成虚拟沉浸式实操考场模型进行虚拟沉浸式实操考试提取考生的虚拟实操动态特征数据集，再根据获得数据的拟合度计算判断结果以及根据虚拟实操评估模型对考生的作业成果特征数据阈值对比判断情况对考生虚拟实操纪律情况进行评估；从而实现基于虚拟沉浸式实操考试的平台技术实现虚拟考试并通过处理考生定位特征数据以及成绩数据的对比判断考生在虚拟实操考试中的纪律情况，实现通过数字化虚拟技术实现对考生的监考和考核技术手段。
Description
技术领域
本申请涉及数字化教育和沉浸式虚拟技术领域，具体而言，涉及职业教育数字化教学的沉浸式考试防作弊方法及系统。
背景技术
目前职业教育培训机构对学员进行职业教育培训的虚拟技术应用通常采用VR技术和系统进行场景化模拟以增加学员的直观感觉和沉浸体验，或者采用计算机仿真技术借助信息技术和多媒体手段对数据进行程序计算获得教案或实操课题的虚拟演示，而对数字化虚拟场景应用技术特别是数字化沉浸式虚拟场景考核的技术应用较为浅显。
职业培训机构的VR技术应用通常限于根据实操课程生成某些特定环境的虚拟沉浸式环境，以方便学员获得直观感受或加深对实操项目的理解，仅限于对场景或环境的虚拟演示手段，而不具备对学员的实操课题进行虚拟场景化融合生成并动态操作考核以及监考的计算手段，更不具备根据生成的虚拟沉浸式实操场景对沉浸式虚拟实操的学员考生进行个人特征信息收集和动态数据处理并根据特征数据和成绩数据实施虚拟沉浸式实操考试监考评估的技术。
针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供职业教育数字化教学的沉浸式考试防作弊方法及系统，可以实现通过数字化虚拟沉浸式实操考试收集考生定位特征数据以及成绩数据并进行数据对比判断考生的考场纪律情况，实现通过数字化虚拟技术实现对考生的监考和考核技术手段。
本申请实施例还提供了职业教育数字化教学的沉浸式考试防作弊方法，包括以下步骤：
采集职业教育的实操考试信息并提取实操考试题库数据集，包括科目试题数据、试题目标数据、试题流程数据以及实操道具数据；
获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据；
根据所述科目试题数据、实操道具数据结合所述虚拟实操作训场输入职业教育数字化教学平台中进行数据融合生成虚拟沉浸式实操考场模型；
获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据；
根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况；
根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况；
根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊方法中，所述获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据，包括：
根据获取虚拟实操考试地点的场地布局信息提取场地环境数据，包括空间位置数据、采光度数据以及噪声音频数据；
根据所述地理标识数据与所述场地环境数据在所述职业教育数字化教学平台中进行融合生成虚拟实操作训场；
提取所述虚拟实操作训场的虚拟布局数据集包括场地布局数据、声像背景数据以及定位标记数据。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊方法中，所述获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，包括：
获取参加虚拟实操考试的考生的个人特征信息包括面部特征信息、身形姿态特征信息、指纹特征信息以及声音特征信息；
获取所述考生的虚拟实操动作特征信息包括操作姿态信息、手动频次信息以及头部定位信息；
根据所述考生的定位标识信息和所述个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并采集所述考生的虚拟实操动态特征信息；
根据所述虚拟实操动态特征信息进行动态数据提取，获取虚拟实操动态特征数据集；
所述虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊方法中，所述根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况，包括：
根据所述考生的个人特征信息提取面部特征值、身形姿态特征值、指纹特征值以及声音特征值；
根据所述面部特征值、身形姿态特征值、指纹特征值以及声音特征值计算获得考生个人特征值；
根据所述考生在虚拟实操中多个动态的形貌特征数据、声音热敏数据结合所述定位标识信息的定位标识数据与所述考生个人特征值、定位标记数据进行形位拟合度计算；
根据形位拟合度计算结果判断所述考生的动态特征标识情况。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊方法中，还包括：
根据所述形位拟合度与对应的预设动态标识阈值进行阈值对比，若所述形位拟合度小于预设动态标识阈值，则所述考生存在虚拟考试异常，对所述考生进行第一标记；
所述形位拟合度计算公式为：
其中，
为形位拟合度，
为多个形貌特征数据中的第i个数据，
为多个声音热敏数据中的第i个数据，
为第i次采集的定位标识数据，r为定位标记数据，
为考生个人特征值，n为虚拟实操中动态数据的采集次数，i为n次动态数据采集的第i次采集，U为面部特征值，V为身形姿态特征值，W为指纹特征值，T为声音特征值，
、
、
、
为特征值系数。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊方法中，所述根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况，包括：
根据实操科目类型在所述职业教育数字化教学平台中查询获取已训练好的虚拟实操评估模型；
根据所述考生的虚拟实操动作特征数据与所述试题目标数据以及试题流程数据输入训练好的虚拟实操评估模型中进行处理获得虚拟实操预测作品数据；
根据所述虚拟实操预测作品数据与所述作业成果特征数据进行阈值对比；
若所述虚拟实操预测作品数据小于所述作业成果特征数据的预设阈值，则所述考生的虚拟考试成果存在异常，对所述考生进行第二标记。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊方法中，所述根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估，包括：
若所述考生存在所述第一标记和所述第二标记，则所述考生的虚拟实操考试存在作弊情况；
若所述考生只存在所述第一标记或所述第二标记中的一种，则所述考生标记为待定考生，对所述待定考生进行进一步评估；
若所述考生未发生任何标记，则所述考生的虚拟实操考试正常，将所述作业成果特征数据作为所述考生的虚拟实操考试的最终成绩。
第二方面，本申请实施例提供了职业教育数字化教学的沉浸式考试防作弊系统，该系统包括：存储器及处理器，所述存储器中包括职业教育数字化教学的沉浸式考试防作弊方法的程序，所述职业教育数字化教学的沉浸式考试防作弊方法的程序被所述处理器执行时实现以下步骤：
采集职业教育的实操考试信息并提取实操考试题库数据集，包括科目试题数据、试题目标数据、试题流程数据以及实操道具数据；
获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据；
根据所述科目试题数据、实操道具数据结合所述虚拟实操作训场输入职业教育数字化教学平台中进行数据融合生成虚拟沉浸式实操考场模型；
获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据；
根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况；
根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况；
根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊系统中，所述获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据，包括：
根据获取虚拟实操考试地点的场地布局信息提取场地环境数据，包括空间位置数据、采光度数据以及噪声音频数据；
根据所述地理标识数据与所述场地环境数据在所述职业教育数字化教学平台中进行融合生成虚拟实操作训场；
提取所述虚拟实操作训场的虚拟布局数据集包括场地布局数据、声像背景数据以及定位标记数据。
可选地，在本申请实施例所述的职业教育数字化教学的沉浸式考试防作弊系统中，所述获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，包括：
获取参加虚拟实操考试的考生的个人特征信息包括面部特征信息、身形姿态特征信息、指纹特征信息以及声音特征信息；
获取所述考生的虚拟实操动作特征信息包括操作姿态信息、手动频次信息以及头部定位信息；
根据所述考生的定位标识信息和所述个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并采集所述考生的虚拟实操动态特征信息；
根据所述虚拟实操动态特征信息进行动态数据提取，获取虚拟实操动态特征数据集；
所述虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据。
由上可知，本申请实施例提供的职业教育数字化教学的沉浸式考试防作弊方法及系统通过采集职业教育的实操考试信息提取实操考试题库数据集，获取虚拟实操考试地点的地理标识数据和场地布局信息生成虚拟实操作训场再生成虚拟沉浸式实操考场模型进行虚拟沉浸式实操考试提取考生的虚拟实操动态特征数据集，再根据获得数据的拟合度计算判断结果以及根据虚拟实操评估模型对考生的作业成果特征数据阈值对比判断情况对考生虚拟实操纪律情况进行评估；从而实现基于虚拟沉浸式实操考试的平台技术实现虚拟考试并通过处理考生定位特征数据以及成绩数据的对比判断考生在虚拟实操考试中的纪律情况，实现通过数字化虚拟技术实现对考生的监考和考核技术手段。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的职业教育数字化教学的沉浸式考试防作弊方法的一种流程图；
图2为本申请实施例提供的职业教育数字化教学的沉浸式考试防作弊方法的另一种流程图；
图3为本申请实施例提供的职业教育数字化教学的沉浸式考试防作弊方法的又一种流程图；
图4为本申请实施例提供的职业教育数字化教学的沉浸式考试防作弊系统的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的职业教育数字化教学的沉浸式考试防作弊方法的一种流程图。该职业教育数字化教学的沉浸式考试防作弊方法用于终端设备中，例如电脑、手机终端等。该职业教育数字化教学的沉浸式考试防作弊方法，包括以下步骤：
S101、采集职业教育的实操考试信息并提取实操考试题库数据集，包括科目试题数据、试题目标数据、试题流程数据以及实操道具数据；
S102、获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据；
S103、根据所述科目试题数据、实操道具数据结合所述虚拟实操作训场输入职业教育数字化教学平台中进行数据融合生成虚拟沉浸式实操考场模型；
S104、获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据；
S105、根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况；
S106、根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况；
S107、根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估。
需要说明的是，为实现通过职业教育数字化教学平台进行数字化虚拟场景沉浸式实操考核并判断考生考试纪律有无作弊情况的技术，首先根据实操考试信息结合虚拟实操考试地点生成的虚拟实操作训场输入职业教育数字化教学平台中生成虚拟沉浸式实操考场模型，后将参加虚拟实操考试的考生信息、定位、动作输入虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并提取虚拟实操考试过程的动态数据，再根据动态数据进行特征定位的拟合度判断以及借助虚拟实操评估模型对虚拟实操作业成果进行判断，以综合判断考生在虚拟沉浸式实操考试中是否存在异常作弊情况，实现基于虚拟沉浸式实操考试的平台技术实现虚拟考试并通过处理考生定位特征数据以及成绩数据的对比判断考生在虚拟实操考试中的纪律情况，实现数字化虚拟实操考试的监考技术。
请参照图2，图2是本申请一些实施例中的职业教育数字化教学的沉浸式考试防作弊方法的一种流程图。根据本发明实施例，所述获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据，具体为：
S201、根据获取虚拟实操考试地点的场地布局信息提取场地环境数据，包括空间位置数据、采光度数据以及噪声音频数据；
S202、根据所述地理标识数据与所述场地环境数据在所述职业教育数字化教学平台中进行融合生成虚拟实操作训场；
S203、提取所述虚拟实操作训场的虚拟布局数据集包括场地布局数据、声像背景数据以及定位标记数据。
需要说明的是，为进行虚拟沉浸式实操考试，先获得虚拟沉浸式实操场景即虚拟实操作训场，将虚拟实操考试地点的场地环境与考试信息在职业教育数字化教学平台中进行融合生成虚拟实操作训场，根据提取虚拟实操场地的空间位置数据、采光度数据以及噪声音频数据与地理标识数据在平台中进行融合，即根据场地的空间、采光、噪音以及定位坐标通过平台融合生成一个可用于虚拟沉浸式实操考试的虚拟实操作训场，该虚拟实操作训场可根据考生、考题项目、实操物品对象以及具体实操方法、实操要求等各项实操考试信息数据进行融合形成的虚拟沉浸式实操考场，通过该虚拟考场可演绎出考生在实操场景中的实操过程以及实操成果，实现通过虚拟技术对考生的监考以及成果检验考核。
请参照图3，图3是本申请一些实施例中的职业教育数字化教学的沉浸式考试防作弊方法的一种流程图。根据本发明实施例，所述获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，具体为：
S301、获取参加虚拟实操考试的考生的个人特征信息包括面部特征信息、身形姿态特征信息、指纹特征信息以及声音特征信息；
S302、获取所述考生的虚拟实操动作特征信息包括操作姿态信息、手动频次信息以及头部定位信息；
S303、根据所述考生的定位标识信息和所述个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并采集所述考生的虚拟实操动态特征信息；
S304、根据所述虚拟实操动态特征信息进行动态数据提取，获取虚拟实操动态特征数据集；
S305、所述虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据。
需要说明的是，为实现考生虚拟实操考试的数字化虚拟监考和考核技术，需采集考生面容、指纹、身形姿态以及声音等特征信息，再将特征信息、作动信息和考生定位信息输入虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并采集考生的动态特征信息提取虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，再根据获得的虚拟实操的特征数据与采集的特征信息进行操作处理，从定位、面容指纹、声音、动作身形以及成果等进行多方面数据进行检验，以检验考生是否存在违纪作弊行为。
根据本发明实施例，所述根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况，具体为：
根据所述考生的个人特征信息提取面部特征值、身形姿态特征值、指纹特征值以及声音特征值；
根据所述面部特征值、身形姿态特征值、指纹特征值以及声音特征值计算获得考生个人特征值；
根据所述考生在虚拟实操中多个动态的形貌特征数据、声音热敏数据结合所述定位标识信息的定位标识数据与所述考生个人特征值、定位标记数据进行形位拟合度计算；
根据形位拟合度计算结果判断所述考生的动态特征标识情况。
需要说明的是，通过获取考生在虚拟实操考试中的形貌、声音、体温以及定位数据与预采集的个人特征数据的特征值结合场地的定位数据进行形位拟合度计算，若计算的拟合度满足要求，说明考生在虚拟实操考试中的个人特征数据和定位数据与预采集的特征信息符合一致性范围，则考生在虚拟实操考试中无异常，否则说明考生可能存在替考、离位等违规作弊情况，通过考生的个人特征信息和定位信息与虚拟实操考试中的特征数据和定位数据进行对比实现数字化虚拟技术对考生虚拟考试状态进行判断的虚拟场景数字化监考技术。
根据本发明实施例，还包括：
根据所述形位拟合度与对应的预设动态标识阈值进行阈值对比，若所述形位拟合度小于预设动态标识阈值，则所述考生存在虚拟考试异常，对所述考生进行第一标记；
所述形位拟合度计算公式为：
其中，
为形位拟合度，
为多个形貌特征数据中的第i个数据，
为多个声音热敏数据中的第i个数据，
为第i次采集的定位标识数据，r为定位标记数据，
为考生个人特征值，n为虚拟实操中动态数据的采集次数，i为n次动态数据采集的第i次采集，U为面部特征值，V为身形姿态特征值，W为指纹特征值，T为声音特征值，
、
、
、
为特征值系数。
需要说明的是，通过在虚拟沉浸式实操考试过程中获取的考生多个动态的形貌特征数据、声音热敏数据以及考生定位标识数据的数据平均值与采集的考场定位标记数据以及考生个人特征值进行形位拟合度计算，再与预设动态标识阈值进行阈值对比，若形位拟合度小于预设动态标识阈值则考生存在虚拟考试异常，对考生进行第一标记，本实施例中预设阈值选定为90%。
根据本发明实施例，所述根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况，具体为：
根据实操科目类型在所述职业教育数字化教学平台中查询获取已训练好的虚拟实操评估模型；
根据所述考生的虚拟实操动作特征数据与所述试题目标数据以及试题流程数据输入训练好的虚拟实操评估模型中进行处理获得虚拟实操预测作品数据；
根据所述虚拟实操预测作品数据与所述作业成果特征数据进行阈值对比；
若所述虚拟实操预测作品数据小于所述作业成果特征数据的预设阈值，则所述考生的虚拟考试成果存在异常，对所述考生进行第二标记。
需要说明的是，为全方位评估判断考生在虚拟实操考试中的纪律情况，还根据虚拟实操考试的考试成绩数据与预测的考生考试成绩进行对比，若预测成绩的数据小于考生在虚拟实操的成绩数据的预设阈值，则说明考生在虚拟实操考试中成绩超出预测成绩的偏差过大，疑考生存在替考或作弊的行为可能性，本方案中根据实操科目类型在职业教育数字化教学平台中查询获取已训练好的虚拟实操评估模型，该虚拟实操评估模型是根据大量历史实操科目的考生的虚拟实操动作特征数据、试题目标数据、试题流程数据以及虚拟实操作品数据进行训练获得的对考生虚拟实操考试的成绩作品数据的评估模型，通过大量历史数据的训练提高该模型的数据处理的准确率，本案中通过考生的相关数据在虚拟实操评估模型中进行处理获得虚拟实操预测作品数据，再与考生在虚拟实操考试中完成的作业成果特征数据进行预设阈值对比，若虚拟实操预测作品数据小于作业成果特征数据的预设阈值范围，说明该考生的作业成果超出预测成绩出现较大偏离，将考生进行第二标记，以进行进一步判断评估，本实施例中预设阈值选定为80%。
根据本发明实施例，所述根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估，具体为：
若所述考生存在所述第一标记和所述第二标记，则所述考生的虚拟实操考试存在作弊情况；
若所述考生只存在所述第一标记或所述第二标记中的一种，则所述考生标记为待定考生，对所述待定考生进行进一步评估；
若所述考生未发生任何标记，则所述考生的虚拟实操考试正常，将所述作业成果特征数据作为所述考生的虚拟实操考试的最终成绩。
需要说明的是，根据考生形位拟合度计算和作业成果特征数据预设阈值的判断结果判定考生是否属于第一标记或第二标记情况，根据是否存在第一标记或第二标记的情况类型对考生进行判定，可实现通过考生行为特征和成果的双重判断评估考生是否存在考试违规作弊情况，增加对考生虚拟实操考试的评估判断精准度，最终实现通过数字化虚拟技术实现对考生的监考和考核技术。
根据本发明实施例，还包括：
若考生被标记为待定考生；
根据所述科目试题数据与所述待定考生的考生档案信息在所述职业教育数字化教学平台中查询所述待定考生的科目试题同类型考生的历史实操成绩数据；
根据所述历史实操成绩数据与所述作业成果特征数据进行阈值对比，若所述作业成果特征数据不小于所述历史实操成绩数据预设阈值，则所述待定考生的虚拟实操考试成绩有效；
反之，则所述待定考生的虚拟实操考试存在作弊情况，虚拟实操考试成绩无效。
需要说明的是，本发明技术方案针对被标记为待定考生的可疑考生根据查询的科目试题同类型考生的历史实操成绩数据与作业成果特征数据进行阈值对比进一步判断待定考生在虚拟实操考试中的违纪作弊情况，首先根据科目试题数据与待定考生的考生档案信息在职业教育数字化教学平台中查询待定考生的科目试题同类型考生的历史实操成绩数据，再与得到的作业成果特征数据进行阈值对比，若作业成果特征数据不小于历史实操成绩数据预设阈值，则待定考生的虚拟实操考试成绩有效，反之则待定考生存在作弊情况，虚拟实操考试成绩无效，本实施例中预设阈值设置为90%。
如图4所示，本发明还公开了职业教育数字化教学的沉浸式考试防作弊系统，包括存储器41和处理器42，所述存储器中包括职业教育数字化教学的沉浸式考试防作弊方法程序，所述职业教育数字化教学的沉浸式考试防作弊方法程序被所述处理器执行时实现如下步骤：
采集职业教育的实操考试信息并提取实操考试题库数据集，包括科目试题数据、试题目标数据、试题流程数据以及实操道具数据；
获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据；
根据所述科目试题数据、实操道具数据结合所述虚拟实操作训场输入职业教育数字化教学平台中进行数据融合生成虚拟沉浸式实操考场模型；
获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据；
根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况；
根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况；
根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估。
需要说明的是，为实现通过职业教育数字化教学平台进行数字化虚拟场景沉浸式实操考核并判断考生考试纪律有无作弊情况的技术，首先根据实操考试信息结合虚拟实操考试地点生成的虚拟实操作训场输入职业教育数字化教学平台中生成虚拟沉浸式实操考场模型，后将参加虚拟实操考试的考生信息、定位、动作输入虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并提取虚拟实操考试过程的动态数据，再根据动态数据进行特征定位的拟合度判断以及借助虚拟实操评估模型对虚拟实操作业成果进行判断，以综合判断考生在虚拟沉浸式实操考试中是否存在异常作弊情况，实现基于虚拟沉浸式实操考试的平台技术实现虚拟考试并通过处理考生定位特征数据以及成绩数据的对比判断考生在虚拟实操考试中的纪律情况，实现数字化虚拟实操考试的监考技术。
根据本发明实施例，所述获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据，具体为：
根据获取虚拟实操考试地点的场地布局信息提取场地环境数据，包括空间位置数据、采光度数据以及噪声音频数据；
根据所述地理标识数据与所述场地环境数据在所述职业教育数字化教学平台中进行融合生成虚拟实操作训场；
提取所述虚拟实操作训场的虚拟布局数据集包括场地布局数据、声像背景数据以及定位标记数据。
需要说明的是，为进行虚拟沉浸式实操考试，先获得虚拟沉浸式实操场景即虚拟实操作训场，将虚拟实操考试地点的场地环境与考试信息在职业教育数字化教学平台中进行融合生成虚拟实操作训场，根据提取虚拟实操场地的空间位置数据、采光度数据以及噪声音频数据与地理标识数据在平台中进行融合，即根据场地的空间、采光、噪音以及定位坐标通过平台融合生成一个可用于虚拟沉浸式实操考试的虚拟实操作训场，该虚拟实操作训场可根据考生、考题项目、实操物品对象以及具体实操方法、实操要求等各项实操考试信息数据进行融合形成的虚拟沉浸式实操考场，通过该虚拟考场可演绎出考生在实操场景中的实操过程以及实操成果，实现通过虚拟技术对考生的监考以及成果检验考核。
根据本发明实施例，所述获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，具体为：
获取参加虚拟实操考试的考生的个人特征信息包括面部特征信息、身形姿态特征信息、指纹特征信息以及声音特征信息；
获取所述考生的虚拟实操动作特征信息包括操作姿态信息、手动频次信息以及头部定位信息；
根据所述考生的定位标识信息和所述个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并采集所述考生的虚拟实操动态特征信息；
根据所述虚拟实操动态特征信息进行动态数据提取，获取虚拟实操动态特征数据集；
所述虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据。
需要说明的是，为实现考生虚拟实操考试的数字化虚拟监考和考核技术，需采集考生面容、指纹、身形姿态以及声音等特征信息，再将特征信息、作动信息和考生定位信息输入虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并采集考生的动态特征信息提取虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，再根据获得的虚拟实操的特征数据与采集的特征信息进行操作处理，从定位、面容指纹、声音、动作身形以及成果等进行多方面数据进行检验，以检验考生是否存在违纪作弊行为。
根据本发明实施例，所述根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况，具体为：
根据所述考生的个人特征信息提取面部特征值、身形姿态特征值、指纹特征值以及声音特征值；
根据所述面部特征值、身形姿态特征值、指纹特征值以及声音特征值计算获得考生个人特征值；
根据所述考生在虚拟实操中多个动态的形貌特征数据、声音热敏数据结合所述定位标识信息的定位标识数据与所述考生个人特征值、定位标记数据进行形位拟合度计算；
根据形位拟合度计算结果判断所述考生的动态特征标识情况。
需要说明的是，通过获取考生在虚拟实操考试中的形貌、声音、体温以及定位数据与预采集的个人特征数据的特征值结合场地的定位数据进行形位拟合度计算，若计算的拟合度满足要求，说明考生在虚拟实操考试中的个人特征数据和定位数据与预采集的特征信息符合一致性范围，则考生在虚拟实操考试中无异常，否则说明考生可能存在替考、离位等违规作弊情况，通过考生的个人特征信息和定位信息与虚拟实操考试中的特征数据和定位数据进行对比实现数字化虚拟技术对考生虚拟考试状态进行判断的虚拟场景数字化监考技术。
根据本发明实施例，还包括：
根据所述形位拟合度与对应的预设动态标识阈值进行阈值对比，若所述形位拟合度小于预设动态标识阈值，则所述考生存在虚拟考试异常，对所述考生进行第一标记；
所述形位拟合度计算公式为：
其中，
为形位拟合度，
为多个形貌特征数据中的第i个数据，
为多个声音热敏数据中的第i个数据，
为第i次采集的定位标识数据，r为定位标记数据，
为考生个人特征值，n为虚拟实操中动态数据的采集次数，i为n次动态数据采集的第i次采集，U为面部特征值，V为身形姿态特征值，W为指纹特征值，T为声音特征值，
、
、
、
为特征值系数。
需要说明的是，通过在虚拟沉浸式实操考试过程中获取的考生多个动态的形貌特征数据、声音热敏数据以及考生定位标识数据的数据平均值与采集的考场定位标记数据以及考生个人特征值进行形位拟合度计算，再与预设动态标识阈值进行阈值对比，若形位拟合度小于预设动态标识阈值则考生存在虚拟考试异常，对考生进行第一标记，本实施例中预设阈值选定为90%。
根据本发明实施例，所述根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况，具体为：
根据实操科目类型在所述职业教育数字化教学平台中查询获取已训练好的虚拟实操评估模型；
根据所述考生的虚拟实操动作特征数据与所述试题目标数据以及试题流程数据输入训练好的虚拟实操评估模型中进行处理获得虚拟实操预测作品数据；
根据所述虚拟实操预测作品数据与所述作业成果特征数据进行阈值对比；
若所述虚拟实操预测作品数据小于所述作业成果特征数据的预设阈值，则所述考生的虚拟考试成果存在异常，对所述考生进行第二标记。
需要说明的是，为全方位评估判断考生在虚拟实操考试中的纪律情况，还根据虚拟实操考试的考试成绩数据与预测的考生考试成绩进行对比，若预测成绩的数据小于考生在虚拟实操的成绩数据的预设阈值，则说明考生在虚拟实操考试中成绩超出预测成绩的偏差过大，疑考生存在替考或作弊的行为可能性，本方案中根据实操科目类型在职业教育数字化教学平台中查询获取已训练好的虚拟实操评估模型，该虚拟实操评估模型是根据大量历史实操科目的考生的虚拟实操动作特征数据、试题目标数据、试题流程数据以及虚拟实操作品数据进行训练获得的对考生虚拟实操考试的成绩作品数据的评估模型，通过大量历史数据的训练提高该模型的数据处理的准确率，本案中通过考生的相关数据在虚拟实操评估模型中进行处理获得虚拟实操预测作品数据，再与考生在虚拟实操考试中完成的作业成果特征数据进行预设阈值对比，若虚拟实操预测作品数据小于作业成果特征数据的预设阈值范围，说明该考生的作业成果超出预测成绩出现较大偏离，将考生进行第二标记，以进行进一步判断评估，本实施例中预设阈值选定为80%。
根据本发明实施例，所述根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估，具体为：
若所述考生存在所述第一标记和所述第二标记，则所述考生的虚拟实操考试存在作弊情况；
若所述考生只存在所述第一标记或所述第二标记中的一种，则所述考生标记为待定考生，对所述待定考生进行进一步评估；
若所述考生未发生任何标记，则所述考生的虚拟实操考试正常，将所述作业成果特征数据作为所述考生的虚拟实操考试的最终成绩。
需要说明的是，根据考生形位拟合度计算和作业成果特征数据预设阈值的判断结果判定考生是否属于第一标记或第二标记情况，根据是否存在第一标记或第二标记的情况类型对考生进行判定，可实现通过考生行为特征和成果的双重判断评估考生是否存在考试违规作弊情况，增加对考生虚拟实操考试的评估判断精准度，最终实现通过数字化虚拟技术实现对考生的监考和考核技术。
根据本发明实施例，还包括：
若考生被标记为待定考生；
根据所述科目试题数据与所述待定考生的考生档案信息在所述职业教育数字化教学平台中查询所述待定考生的科目试题同类型考生的历史实操成绩数据；
根据所述历史实操成绩数据与所述作业成果特征数据进行阈值对比，若所述作业成果特征数据不小于所述历史实操成绩数据预设阈值，则所述待定考生的虚拟实操考试成绩有效；
反之，则所述待定考生的虚拟实操考试存在作弊情况，虚拟实操考试成绩无效。
需要说明的是，本发明技术方案针对被标记为待定考生的可疑考生根据查询的科目试题同类型考生的历史实操成绩数据与作业成果特征数据进行阈值对比进一步判断待定考生在虚拟实操考试中的违纪作弊情况，首先根据科目试题数据与待定考生的考生档案信息在职业教育数字化教学平台中查询待定考生的科目试题同类型考生的历史实操成绩数据，再与得到的作业成果特征数据进行阈值对比，若作业成果特征数据不小于历史实操成绩数据预设阈值，则待定考生的虚拟实操考试成绩有效，反之则待定考生存在作弊情况，虚拟实操考试成绩无效，本实施例中预设阈值设置为90%。
本发明公开的职业教育数字化教学的沉浸式考试防作弊方法及系统，通过采集职业教育的实操考试信息提取实操考试题库数据集，获取虚拟实操考试地点的地理标识数据和场地布局信息生成虚拟实操作训场再生成虚拟沉浸式实操考场模型进行虚拟沉浸式实操考试提取考生的虚拟实操动态特征数据集，再根据获得数据的拟合度计算判断结果以及根据虚拟实操评估模型对考生的作业成果特征数据阈值对比判断情况对考生虚拟实操纪律情况进行评估；从而实现基于虚拟沉浸式实操考试的平台技术实现虚拟考试并通过处理考生定位特征数据以及成绩数据的对比判断考生在虚拟实操考试中的纪律情况，实现通过数字化虚拟技术实现对考生的监考和考核技术手段。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的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，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (7)
1.职业教育数字化教学的沉浸式考试防作弊方法，其特征在于，包括以下步骤：
采集职业教育的实操考试信息并提取实操考试题库数据集，包括科目试题数据、试题目标数据、试题流程数据以及实操道具数据；
获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据；
根据所述科目试题数据、实操道具数据结合所述虚拟实操作训场输入职业教育数字化教学平台中进行数据融合生成虚拟沉浸式实操考场模型；
获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据；
根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况；
根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况；
根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估；
所述根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况，包括：
根据所述考生的个人特征信息提取面部特征值、身形姿态特征值、指纹特征值以及声音特征值；
根据所述面部特征值、身形姿态特征值、指纹特征值以及声音特征值计算获得考生个人特征值；
根据所述考生在虚拟实操中多个动态的形貌特征数据、声音热敏数据结合所述定位标识信息的定位标识数据与所述考生个人特征值、定位标记数据进行形位拟合度计算；
根据形位拟合度计算结果判断所述考生的动态特征标识情况；
还包括：
根据所述形位拟合度与对应的预设动态标识阈值进行阈值对比，若所述形 位拟合度小于预设动态标识阈值，则所述考生存在虚拟考试异常，对所述考生进行第一标记；
所述形位拟合度计算公式为：
其中，
为形位拟合度，
为多个形貌特征数据中的第i个数据，
为多个声音热敏数据中的第i个数据，
为第i次采集的定位标识数据，r为定位标记数据，
为考生个人特征值，n为虚拟实操中动态数据的采集次数，i为n次动态数据采集的第i次采集，U为面部特征值，V为身形姿态特征值，W为指纹特征值，T为声音特征值，
、
、
、
为特征值系数；
所述根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况，包括：
根据实操科目类型在所述职业教育数字化教学平台中查询获取已训练好的虚拟实操评估模型；
根据所述考生的虚拟实操动作特征数据与所述试题目标数据以及试题流程数据输入训练好的虚拟实操评估模型中进行处理获得虚拟实操预测作品数据；
根据所述虚拟实操预测作品数据与所述作业成果特征数据进行阈值对比；
若所述虚拟实操预测作品数据小于所述作业成果特征数据的预设阈值，则所述考生的虚拟考试成果存在异常，对所述考生进行第二标记。
2.根据权利要求1所述的职业教育数字化教学的沉浸式考试防作弊方法，其特征在于，所述获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据，包括：
根据获取虚拟实操考试地点的场地布局信息提取场地环境数据，包括空间位置数据、采光度数据以及噪声音频数据；
根据所述地理标识数据与所述场地环境数据在所述职业教育数字化教学平台中进行融合生成虚拟实操作训场；
提取所述虚拟实操作训场的虚拟布局数据集包括场地布局数据、声像背景数据以及定位标记数据。
3.根据权利要求1所述的职业教育数字化教学的沉浸式考试防作弊方法，其特征在于，所述获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，包括：
获取参加虚拟实操考试的考生的个人特征信息包括面部特征信息、身形姿态特征信息、指纹特征信息以及声音特征信息；
获取所述考生的虚拟实操动作特征信息包括操作姿态信息、手动频次信息以及头部定位信息；
根据所述考生的定位标识信息和所述个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并采集所述考生的虚拟实操动态特征信息；
根据所述虚拟实操动态特征信息进行动态数据提取，获取虚拟实操动态特征数据集；
所述虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据。
4.根据权利要求1所述的职业教育数字化教学的沉浸式考试防作弊方法，其特征在于，所述根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估，包括：
若所述考生存在所述第一标记和所述第二标记，则所述考生的虚拟实操考试存在作弊情况；
若所述考生只存在所述第一标记或所述第二标记中的一种，则所述考生标记为待定考生，对所述待定考生进行进一步评估；
若所述考生未发生任何标记，则所述考生的虚拟实操考试正常，将所述作业成果特征数据作为所述考生的虚拟实操考试的最终成绩。
5.职业教育数字化教学的沉浸式考试防作弊系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括职业教育数字化教学的沉浸式考试防作弊方法的程序，所述职业教育数字化教学的沉浸式考试防作弊方法的程序被所述处理器执行时实现以下步骤：
采集职业教育的实操考试信息并提取实操考试题库数据集，包括科目试题数据、试题目标数据、试题流程数据以及实操道具数据；
获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据；
根据所述科目试题数据、实操道具数据结合所述虚拟实操作训场输入职业教育数字化教学平台中进行数据融合生成虚拟沉浸式实操考场模型；
获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据；
根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况；
根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况；
根据所述动态特征标识情况与所述虚拟实操异常情况对所述考生的虚拟实操纪律情况进行评估；
所述根据所述考生的形貌特征数据以及声音热敏数据结合定位标识信息与所述个人特征信息以及定位标记数据进行数据跟踪拟合判断考生的动态特征标识情况，包括：
根据所述考生的个人特征信息提取面部特征值、身形姿态特征值、指纹特征值以及声音特征值；
根据所述面部特征值、身形姿态特征值、指纹特征值以及声音特征值计算获得考生个人特征值；
根据所述考生在虚拟实操中多个动态的形貌特征数据、声音热敏数据结合所述定位标识信息的定位标识数据与所述考生个人特征值、定位标记数据进行形位拟合度计算；
根据形位拟合度计算结果判断所述考生的动态特征标识情况；
还包括：
根据所述形位拟合度与对应的预设动态标识阈值进行阈值对比，若所述形 位拟合度小于预设动态标识阈值，则所述考生存在虚拟考试异常，对所述考生进行第一标记；
所述形位拟合度计算公式为：
其中，
为形位拟合度，
为多个形貌特征数据中的第i个数据，
为多个声音热敏数据中的第i个数据，
为第i次采集的定位标识数据，r为定位标记数据，
为考生个人特征值，n为虚拟实操中动态数据的采集次数，i为n次动态数据采集的第i次采集，U为面部特征值，V为身形姿态特征值，W为指纹特征值，T为声音特征值，
、
、
、
为特征值系数；
所述根据所述考生的虚拟实操动作特征数据结合所述试题目标数据和试题流程数据输入虚拟实操评估模型中获得虚拟实操预测作品数据，并与所述作业成果特征数据进行阈值对比，根据阈值对比结果判断所述考生的虚拟实操异常情况，包括：
根据实操科目类型在所述职业教育数字化教学平台中查询获取已训练好的虚拟实操评估模型；
根据所述考生的虚拟实操动作特征数据与所述试题目标数据以及试题流程数据输入训练好的虚拟实操评估模型中进行处理获得虚拟实操预测作品数据；
根据所述虚拟实操预测作品数据与所述作业成果特征数据进行阈值对比；
若所述虚拟实操预测作品数据小于所述作业成果特征数据的预设阈值，则所述考生的虚拟考试成果存在异常，对所述考生进行第二标记。
6.根据权利要求5所述的职业教育数字化教学的沉浸式考试防作弊系统，其特征在于，所述获取虚拟实操考试地点的地理标识数据和场地布局信息并生成虚拟实操作训场，提取所述虚拟实操作训场的虚拟布局数据集，包括场地布局数据、声像背景数据以及定位标记数据，还包括：
根据获取虚拟实操考试地点的场地布局信息提取场地环境数据，包括空间位置数据、采光度数据以及噪声音频数据；
根据所述地理标识数据与所述场地环境数据在所述职业教育数字化教学平台中进行融合生成虚拟实操作训场；
提取所述虚拟实操作训场的虚拟布局数据集包括场地布局数据、声像背景数据以及定位标记数据。
7.根据权利要求5所述的职业教育数字化教学的沉浸式考试防作弊系统，其特征在于，所述获取参加虚拟实操考试的考生的定位标识信息、个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试，并提取所述考生的虚拟实操动态特征数据集，其中包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据，还包括：
获取参加虚拟实操考试的考生的个人特征信息包括面部特征信息、身形姿态特征信息、指纹特征信息以及声音特征信息；
获取所述考生的虚拟实操动作特征信息包括操作姿态信息、手动频次信息以及头部定位信息；
根据所述考生的定位标识信息和所述个人特征信息以及虚拟实操动作特征信息并输入至所述虚拟沉浸式实操考场模型中进行虚拟沉浸式实操考试并采集所述考生的虚拟实操动态特征信息；
根据所述虚拟实操动态特征信息进行动态数据提取，获取虚拟实操动态特征数据集；
所述虚拟实操动态特征数据集包括形貌特征数据、虚拟实操动作特征数据、声音热敏数据以及作业成果特征数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211009438.7A CN115082271B (zh) | 2022-08-23 | 2022-08-23 | 职业教育数字化教学的沉浸式考试防作弊方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211009438.7A CN115082271B (zh) | 2022-08-23 | 2022-08-23 | 职业教育数字化教学的沉浸式考试防作弊方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115082271A CN115082271A (zh) | 2022-09-20 |
| CN115082271B true CN115082271B (zh) | 2022-11-08 |
Family
ID=83244457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211009438.7A Active CN115082271B (zh) | 2022-08-23 | 2022-08-23 | 职业教育数字化教学的沉浸式考试防作弊方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115082271B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660909B (zh) * | 2022-10-18 | 2023-07-04 | 广州远程教育中心有限公司 | 一种数字学校平台沉浸式数字化学习方法及系统 |
| CN117196899B (zh) * | 2023-07-13 | 2024-03-15 | 江苏企企通科技有限公司 | 一种基于职业教育的互联网信息智能在线管理系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105448158A (zh) * | 2015-11-30 | 2016-03-30 | 武汉华瑞密达虚拟现实技术研发有限公司 | 特种车辆的操作培训系统和方法 |
| CN107369352A (zh) * | 2017-09-11 | 2017-11-21 | 北京天蔚中医药发展促进中心 | 智能精准中医技能培训考核系统 |
| CN113284382A (zh) * | 2021-05-31 | 2021-08-20 | 成都威爱新经济技术研究院有限公司 | 一种基于虚拟现实的远程教育培训平台方法及系统 |
| CN113313168A (zh) * | 2021-05-28 | 2021-08-27 | 上海大学 | 无人监考的智能防作弊自助考试系统 |
| CN113706960A (zh) * | 2021-08-29 | 2021-11-26 | 华中科技大学同济医学院附属协和医院 | 一种基于vr技术的护理操作练习平台及使用方法 |
| CN113761796A (zh) * | 2021-08-24 | 2021-12-07 | 中国人民解放军总医院第一医学中心 | 基于虚拟现实的心脏出血与止血模型的仿真系统和方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2808366B1 (fr) * | 2000-04-26 | 2003-12-19 | Univ Paris Vii Denis Diderot | Procede et systeme d'apprentissage en realite virtuelle, et application en odontologie |
| CN108510824A (zh) * | 2018-03-25 | 2018-09-07 | 常熟市苏虞天然气输配有限公司 | 一种基于虚拟仿真的燃气行业教培考系统及其使用方法 |
| CN113487926A (zh) * | 2021-03-29 | 2021-10-08 | 苏州芯才科技有限公司 | 一种基于虚拟现实的半导体刻蚀技术教育培训和考核方法 |
| CN114023126A (zh) * | 2021-10-13 | 2022-02-08 | 徐州工程学院 | 一种苯胺生产的仿真教学工厂 |
| CN114664417A (zh) * | 2022-03-03 | 2022-06-24 | 国网浙江省电力有限公司舟山供电公司 | 一种基于高斯模型的虚拟急救智能培训方法 |
-
2022
- 2022-08-23 CN CN202211009438.7A patent/CN115082271B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105448158A (zh) * | 2015-11-30 | 2016-03-30 | 武汉华瑞密达虚拟现实技术研发有限公司 | 特种车辆的操作培训系统和方法 |
| CN107369352A (zh) * | 2017-09-11 | 2017-11-21 | 北京天蔚中医药发展促进中心 | 智能精准中医技能培训考核系统 |
| CN113313168A (zh) * | 2021-05-28 | 2021-08-27 | 上海大学 | 无人监考的智能防作弊自助考试系统 |
| CN113284382A (zh) * | 2021-05-31 | 2021-08-20 | 成都威爱新经济技术研究院有限公司 | 一种基于虚拟现实的远程教育培训平台方法及系统 |
| CN113761796A (zh) * | 2021-08-24 | 2021-12-07 | 中国人民解放军总医院第一医学中心 | 基于虚拟现实的心脏出血与止血模型的仿真系统和方法 |
| CN113706960A (zh) * | 2021-08-29 | 2021-11-26 | 华中科技大学同济医学院附属协和医院 | 一种基于vr技术的护理操作练习平台及使用方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115082271A (zh) | 2022-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115082271B (zh) | 职业教育数字化教学的沉浸式考试防作弊方法及系统 | |
| US7949295B2 (en) | Automated trainee monitoring and performance evaluation system | |
| US20120322037A1 (en) | Anomaly Detection Educational Process | |
| CN109045702A (zh) | 一种外挂检测方法、系统、装置、计算设备和介质 | |
| CN113111767A (zh) | 一种基于深度学习3d姿态评估的跌倒检测方法 | |
| Li et al. | Visual attention assessment for expert-in-the-loop training in a maritime operation simulator | |
| CN113537005A (zh) | 一种基于姿态估计的线上考试学生行为分析方法 | |
| CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
| CN111177396A (zh) | 结合知识图谱的篮球赛事投篮事件自动分析和可视化方法 | |
| Raymond et al. | Physics-informed machine learning improves detection of head impacts | |
| CN115331777A (zh) | 动作评估方法、装置、电子设备及计算机可读存储介质 | |
| CN113409651A (zh) | 直播健身方法、系统、电子设备、存储介质 | |
| CN113268626A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN112819174A (zh) | 基于人工智能算法改进的伦理虚拟仿真实验方法和机器人 | |
| CN113990452B (zh) | 一种基于心理素养的测评方法、系统和可读存储介质 | |
| Du | RETRACTED: Preventive monitoring of basketball players' knee pads based on IoT wearable devices | |
| Peng et al. | Single shot state detection in simulation-based laparoscopy training | |
| CN115116087A (zh) | 一种动作考核方法、系统、存储介质和电子设备 | |
| CN116824459B (zh) | 一种实操考试的智能监测考评方法、系统及存储介质 | |
| Chindaro et al. | Assessing visuo-spatial neglect through feature selection from shape drawing performance and sequence analysis | |
| Gill et al. | Sports Game Classification and Detection Using ResNet50 Model Through Machine Learning Techniques Using Artificial Intelligence | |
| Dziak et al. | Wireless Monitoring System for Fireman’s Competence Objective Assessment | |
| CN117789959B (zh) | 一种基于虚拟交互技术的远程医疗测控方法、系统及介质 | |
| CN118537928A (zh) | 一种应急演练评估系统 | |
| CN115578786A (zh) | 运动视频检测方法、装置、设备及存储介质 |
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 |