CN115761741A - 一种教育教学测评管理系统及方法 - Google Patents
一种教育教学测评管理系统及方法 Download PDFInfo
- Publication number
- CN115761741A CN115761741A CN202211393546.9A CN202211393546A CN115761741A CN 115761741 A CN115761741 A CN 115761741A CN 202211393546 A CN202211393546 A CN 202211393546A CN 115761741 A CN115761741 A CN 115761741A
- Authority
- CN
- China
- Prior art keywords
- composition
- card
- question
- conformity
- examined
- 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
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及教学测评管理技术领域,具体公开一种教育教学测评管理系统及方法。该教育教学测评管理系统通过基于当前测评科目对应的阅卷信息以及各待审阅答题卡中作文区域对应的作文题目和作文文本信息,从作文内容、作文形式以及作文文体三个维度进行作文自动审阅分析,由此输出各待审阅答题卡对应的作文分值,一方面有效地解决了当前技术过于依赖人工的弊端,大幅度提升了主观题的阅卷效率,并且最大程度上的消除了人工阅卷方式中存在的主观差异性;另一方面,通过多个维度的自动审阅和分析保障了主观题自动阅卷的合理性和参考性,打破了当前主观题自动阅卷方式中的局限性,同时还确保了主观题自动阅卷的规范性。
Description
技术领域
本发明属于教学测评管理技术领域,涉及到一种教育教学测评管理系统及方法。
背景技术
随着社会教育制度的完善和考试制度的日益规范,考试的类型和方式也不断增多,但传统的纸质考试仍然是目前考试的主流。随之而来也增加了教师的阅卷工作量和阅卷工作压力。由此凸显了自动阅卷系统分析的重要性。
如今,在各类考试系统中,针对选择题以及填空题这类型的客观题阅卷技已经非常成熟,并且已经被广泛应用到各种考试系统中。但是主观题阅卷技术却一直进展缓慢,尤其像语文科目中作文这类的主观题由于没有标准答案,仍旧依赖于人工阅卷的方式,因此当前技术还存在以下几点不足:1、阅卷效率不高且过于依赖人工,而人工阅卷方式存在的主观差异性较大,并且需要多个教师进行对比阅卷来保障阅卷的公正性和公平性,从而延长了阅卷周期,使得主观题阅卷方式阅卷效率低下,同时人工阅卷方式的阅卷覆盖率不强,导致审阅误差性较大和精准性不足。
2、当前对作文这类的主观题进行自动阅卷时仅对考生的语义以及切题情况进行分析,维度比较单一,无法保障自动阅卷的合理性以及参考性,存在很大的局限性,同时当前也主要依赖于关键词技术,缺乏对其他层面的评估,如布局、错别字等,无法提高主观题自动阅卷的可靠性、参考性和规范性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种教育教学测评管理系统及方法;
本发明的目的可以通过以下技术方案实现:本发明第一方面提供一种教育教学测评管理系统,该系统包括:待评测试信息获取模块,用于获取当前测评科目对应的作文阅卷信息,其具体包括作文分值、作文主题以及作文规则。
答题信息采集模块,用于通过扫描相机对当前各待审阅答题卡进行扫描识别,并从中截选出各待审阅答题卡中作文区域对应的作文题目和作文文本信息,将当前各待审阅答题卡按照设定顺序依次编号为1,2,...i,...n。
作文内容审阅分析模块,用于基于各待审阅答题卡对应的作文题目和作文文本信息,对各待审阅答题卡对应的作文题意进行分析,得到各待审阅答题卡对应的作文题意符合度,并记为TYi,i表示为待审阅答题卡编号,i=1,2,......n。
作文形式审阅分析模块,用于基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文形式进行分析,得到各待审阅答题卡对应的作文形式符合度,并记为XSi。
作文文体审阅分析模块,用于基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文文体进行分析,得到各待审阅答题卡对应的作文文体符合度,记为WTi。
信息库,用于存储当前测评科目对应作文主题的各关联关键词。
作文分值解析确认模块,用于基于各待审阅答题卡对应的作文题意符合度、作文形式符合度、作文文体符合度以及当前测评科目对应的作文分值以及作文规则,综合解析得到各待审阅答题卡对应的作文分值,进而发送至当前测评科目对应测评教师进行作文分值确认。
优选地,所述作文文本信息包括文本内容、文本字数、错字数目和别字数目、各文字对应的长度、各文字对应的宽度、段落数目、各段落对应的字数和各段落对应的文本内容。
优选地,所述对各待审阅答题卡对应的作文题意进行分析,具体分析过程包括以下步骤:第一步、将各待审阅答题卡对应的作文题目进行分词,得到各待审阅答题卡对应的各作文分词,并作为各题目关键词,由此构建各待审阅答题卡对应的作文题目关键词集合。
第二步、基于当前测评科目对应的作文主题,从信息库中定位出该作文主题对应的各关联关键词,并构建作文主题关联关键词集合。
第三步、基于各待审阅答题卡对应的作文题目关键词集合和作文主题关联关键词集合,通过分析公式分析得到各待审阅答题卡对应的第一主题匹配度。
第四步、将各待审阅答题卡对应的第一主题匹配度与设定的许可作文匹配度进行对比,若某待审阅答题卡对应的第一主题匹配度小于许可作文匹配度,则将该待审阅答题卡对应的第一主题匹配度作为该待审核答题卡对应的作文题意符合度,并记为α,反之则执行第五步。
第五步、从该待审阅答题卡对应作文文本信息中定位出文本内容,通过关键词识别技术对该待审阅答题卡对应的文本内容进行识别,得到该待审阅答题卡对应的各文本关键词,由此构建该待审阅答题卡对应的文本关键词集合,进而分析得到该待审阅答题卡对应的第二主题匹配度,记为ε。
第六步、从该待审阅答题卡对应作文文本信息中定位出首段以及尾段对应的文本内容,通过关键词识别技术对该待审阅答题卡对应首段以及尾段的文本内容进行识别,得到该待审阅答题卡首段以及尾段对应的各文本关键词,并构建该待审阅答题卡首段文本关键词集合以及该待审阅答题卡尾段文本关键词集合,进而分析得到该待审阅答题卡对应的第三主题匹配度,记为μ。
第七步、基于该待审阅答题卡对应的第一主题匹配度α、第二主题匹配度ε和第三主题匹配度μ,分析得到该待审阅答题卡对应的作文题意符合度,并记为δ,进而以此方式分别得到各待审阅答题卡对应的作文题意符合度TYi,其中,TYi取值为α或者δ,δ>α。
优选地,所述对各待审阅答题卡对应的作文形式进行分析,具体分析过程包括以下步骤:A1、从各待审阅答题卡对应的作文文本信息中提取出文本字数,同时从当前测评科目对应的作文规则中提取规定作文字数区间,进而得到当前测评科目规定作文字数的上限值和下限值,通过分析公式分析得出各待审阅答题卡对应的作文字数符合度,并记为
A4、基于各待审阅答题卡对应的作文字数符合度作文段落符合度和作文分布符合度通过分析公式分析得到各待审阅答题卡对应的作文形式符合度XSi,τ1、τ2、τ3分别表示为设定的作文字数符合、作文段落符合、作文分布符合对应的占比权重因子,为设定的作文形式符合评估修正因子,e表示自然常数。
优选地,所述对各待审阅答题卡对应的作文文体进行分析,具体分析过程包括以下步骤:B1、从各待审阅答题卡对应的作文文本信息中提取各文字对应的长度和宽度,通过均值计算方式计算得出各待审阅答题卡对应的平均文字长度和平均文字宽度,由此依据分析公式分析得到各待审阅答题卡对应的文体书写符合度,记为χ1i。
B2、从各待审阅答题卡对应的作文文本信息中提取各待审阅答题卡对应的错字数目,同时从当前测评科目对应作文规则中提取许可错字数目。
B3、从各待审阅答题卡对应的的作文文本信息中提取各待审阅答题卡对应的别字数目,同时从当前测评科目对应作文规则中提取许可别字数目,由此通过分析公式分析得出各待审阅答题卡对应的文体错别符合度,记为χ2i。
B4、基于各待审阅答题卡对应的文体书写符合度χ1i和各待审阅答题卡对应的文体错别符合度χ2i,计算得出各待审阅答题卡对应的作文文体符合度WTi。
优选地,所述综合解析得到各待审阅答题卡对应的作文分值,具体解析过程包括以下步骤:C1、从当前测评科目对应的作文分值中提取出内容分值、形式分值以及文体分值,分别记为F0、F1以及F2。
C2、将各待审阅答题卡对应的作文题意符合度TYi、作文形式符合度XSi以及作文文体符合度WTi导入作文分值评估模型中,输出各待审阅答题卡对应的作文分值Fi,其中,TY′、XS′、WT′分别为设定的标准作文题意符合度、标准作文形式符合度、标准作文文体符合度,F′为设定的参考评估误差分值,表示为向上取整符号。
本发明第二方面提供一种教育教学测评管理方法,该方法包括以下步骤:步骤1、待评测试信息获取:获取当前测评科目对应的作文阅卷信息,其具体包括作文分值、作文主题以及作文规则。
步骤2、答题信息采集:通过扫描相机对当前各待审阅答题卡进行扫描识别,并从中截选出各待审阅答题卡中作文区域对应的作文题目和作文文本信息,将当前各待审阅答题卡按照设定顺序依次编号为1,2,...i,...n。
步骤3、作文内容审阅分析:基于各待审阅答题卡对应的作文题目和作文文本信息,对各待审阅答题卡对应的作文题意进行分析,得到各待审阅答题卡对应的作文题意符合度。
步骤4、作文形式审阅分析:基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文形式进行分析,得到各待审阅答题卡对应的作文形式符合度。
步骤5、作文文体审阅分析:基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文文体进行分析,得到各待审阅答题卡对应的作文文体符合度。
步骤6、作文分值解析与确认:基于各待审阅答题卡对应的作文题意符合度、作文形式符合度、作文文体符合度以及当前测评科目对应的作文分值以及作文规则,综合解析得到各待审阅答题卡对应的作文分值,进而发送至当前测评科目对应测评教师进行作文分值确认。
相较于现有技术,本发明的有益效果如下:本发明提供的一种教育教学测评管理系统通过基于当前测评科目对应的阅卷信息以及各待审阅答题卡中作文区域对应的作文题目和作文文本信息,从作文内容、作文形式以及作文文体三个维度进行作文自动审阅分析,由此输出各待审阅答题卡对应的作文分值,一方面有效地解决了当前技术过于依赖人工的弊端,大幅度提升了主观题的阅卷效率,降低了阅卷过程中对人员的依赖性,同时还有效的减少了阅卷教师的阅卷工作量和阅卷压力,并且最大程度上的消除了人工阅卷方式中存在的主观差异性;一方面,有效地保障了主观题阅卷的公平性以及公正性,极大的缩短了阅卷周期,并且还提高了主观题阅卷过程中的覆盖率和全面性,同时也有效的规避了人工审阅方式存在的误差性,使得主观题自动审阅的精准性得到了有力保障;另一方面,通过多个维度的自动审阅和分析,保障了主观题自动阅卷的合理性和参考性,打破了当前主观题自动阅卷方式中的局限性,同时还确保了主观题自动阅卷的可靠性、参考性和规范性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,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的附图。
图1为本发明系统各模块连接示意图。
图2为本发明方法实施步骤流程图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
请参阅图1所示,本发明提供了一种教育教学测评管理系统,包括待评测试信息获取模块、答题信息采集模块、作文内容审阅分析模块、作文形式审阅分析模块、作文文体审阅分析模块、信息库和作文分值解析确认模块。
上述中,待评测试信息获取模块分别与作文内容审阅分析模块、作文形式审阅分析模块、作文文体审阅分析模块和作文分值解析确认模块连接,答题信息采集模块分别与作文内容审阅分析模块、作文形式审阅分析模块、作文文体审阅分析模块连接,信息库与作文内容审阅分析模块连接。
所述待评测试信息获取模块,用于获取当前测评科目对应的作文阅卷信息,其具体包括作文分值、作文主题以及作文规则。
需要说明的是,作文分值包括内容分值、形式分值以及文体分值。
还需要说明的是,作文规则包括但不限于规定作文字数区间、规定最低段落数目、规定最高段落数目、许可段落最高字数、许可错字数目和许可别字数目。
所述答题信息采集模块,用于通过扫描相机对当前各待审阅答题卡进行扫描识别,并从中截选出各待审阅答题卡中作文区域对应的作文题目和作文文本信息,将当前各待审阅答题卡按照设定顺序依次编号为1,2,...i,...n。
需要说明的是,本发明针对的作文场景包括但不限于命题作文以及材料作文。
具体地,作文文本信息包括文本内容、文本字数、错字数目和别字数目、各文字对应的长度、各文字对应的宽度、段落数目、各段落对应的字数和各段落对应的文本内容。其中,错字和别字为现有较为成熟技术,其具体识别过程不进行赘述。
所述作文内容审阅分析模块,用于基于各待审阅答题卡对应的作文题目和作文文本信息,对各待审阅答题卡对应的作文题意进行分析,得到各待审阅答题卡对应的作文题意符合度,并记为TYi,i表示为待审阅答题卡编号,i=1,2,......n;
示例性地,对各待审阅答题卡对应的作文题意进行分析,具体分析过程包括以下步骤:第一步、将各待审阅答题卡对应的作文题目进行分词,得到各待审阅答题卡对应的各作文分词,并作为各题目关键词,由此构建各待审阅答题卡对应的作文题目关键词集合。
第二步、基于当前测评科目对应的作文主题,从信息库中定位出该作文主题对应的各关联关键词,并构建作文主题关联关键词集合。
第三步、基于各待审阅答题卡对应的作文题目关键词集合和作文主题关联关键词集合,通过分析公式分析得到各待审阅答题卡对应的第一主题匹配度。
需要说明的是,各待审阅答题卡对应的第一主题匹配度对应分析过程为:将各待审阅答题卡对应的作文题目关键词集合记为Ai,将作文主题关联关键词集合记为B,通过分析公式分析得到第i个待审阅答题卡对应的第一主题匹配度,γi表示第i个待审阅答题卡对应的第一主题匹配度。
第四步、将各待审阅答题卡对应的第一主题匹配度与设定的许可作文匹配度进行对比,若某待审阅答题卡对应的第一主题匹配度小于许可作文匹配度,则将该待审阅答题卡对应的第一主题匹配度作为该待审核答题卡对应的作文题意符合度,并记为α,反之则执行第五步。
第五步、从该待审阅答题卡对应作文文本信息中定位出文本内容,通过关键词识别技术对该待审阅答题卡对应的文本内容进行识别,得到该待审阅答题卡对应的各文本关键词,由此构建该待审阅答题卡对应的文本关键词集合,进而分析得到该待审阅答题卡对应的第二主题匹配度,记为ε。
第六步、从该待审阅答题卡对应作文文本信息中定位出首段以及尾段对应的文本内容,通过关键词识别技术对该待审阅答题卡对应首段以及尾段的文本内容进行识别,得到该待审阅答题卡首段以及尾段对应的各文本关键词,并构建该待审阅答题卡首段文本关键词集合以及该待审阅答题卡尾段文本关键词集合,进而分析得到该待审阅答题卡对应的第三主题匹配度,记为μ。
需要说明的是,关键词识别技术为现有较为成熟技术,在此不进行赘述,且该待审阅答题卡对应的第二主题匹配度以及第三主题匹配度的分析方式与各待审阅答题卡对应的第一主题匹配度的分析方式为同种分析方式,故不进行重复表述。
第七步、基于该待审阅答题卡对应的第一主题匹配度α、第二主题匹配度ε和第三主题匹配度μ,通过分析公式分析得到该待审阅答题卡对应的作文题意符合度δ,其中,η1、η2、η3分别表示为设定的第一主题匹配度、第二主题匹配度、第三匹配度对应的占比权重因子,σ为设定的修正系数,η1>η2>η3,进而以此方式分别得到各待审阅答题卡对应的作文题意符合度TYi,其中,TYi取值为α或者δ,δ>α。
可理解地,像作文这类主观题的切题分析一般包括题目切题、内容切题,同时还要保障首尾切题,仅通过文本内容的整体式分析方式难以精准的评估出作文题意的符合度,通过多个方面的题意分析能够更好的保障分析结果的说服力。
所述作文形式审阅分析模块,用于基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文形式进行分析,得到各待审阅答题卡对应的作文形式符合度,并记为XSi。
示例性地,对各待审阅答题卡对应的作文形式进行分析,具体分析过程包括以下步骤:A1、从各待审阅答题卡对应的作文文本信息中提取出文本字数,记为Si,同时从当前测评科目对应的作文规则中提取规定作文字数区间,进而得到当前测评科目规定作文字数的上限值和下限值,分别记为S上和S下,通过分析公式分析得出各待审阅答题卡对应的作文字数符合度其中,e表示为自然常数,a1、a2分别表示为设定的规定作文字数上限差、规定作文字数下限差对应的占比权重因子,ΔS为设定的许可字数差。
A2、从各待审阅答题卡对应的作文文本信息中提取出段落数目,记为Di,同时从当前测评科目对应的作文规则中提取规定最低段落数目和规定最高段落数目,分别记为Dmax和Dmin,通过分析公式分析得到各待审阅答题卡对应的作文段落符合度其中,a3、a4分别表示为设定的最低段落数目差、最高段落数目差对应的占比权重因子,ΔD0、ΔD1分别为为设定的许可上限段落数目差、许可下限段落数目差。
需要说明的是,作文段落太少会造成篇幅过大,影响作文的美观度,同时也不利于阐述要点的表述,导致作文主题不明显。而段落太多容易造成结构散漫,归纳性不强。因此作文段落需要维持在一定的区间内。
A3、从各待审阅答题卡对应的作文文本信息中提取各段落对应的字数,记为Zi t,t表示各段落对应的编号,t=1,2,......m,同时从当前测评科目对应作文规则中提取许可最高段落字数,并记为Zmax,通过分析公式分析得到各待审阅答题卡对应的作文分布符合度其中,a5、a6分别表示为设定的最高段落字数差、段落之间字数差对应的占比权重因子,ΔZ为设定的段落之前许可字数差,ΔZ′为设定的适宜最高段落字数差。
A4、基于各待审阅答题卡对应的作文字数符合度作文段落符合度和作文分布符合度通过分析公式分析得到各待审阅答题卡对应的作文形式符合度XSi,τ1、τ2、τ3分别表示为设定的作文字数符合、作文段落符合、作文分布符合对应的占比权重因子,为设定的作文形式符合评估修正因子。
作文文体审阅分析模块,用于基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应作文文体进行分析,得到各待审阅答题卡对应的作文文体符合度,记为WTi;
示例性地,对各待审阅答题卡对应的作文文体进行分析,具体分析过程包括以下步骤:B1、从各待审阅答题卡对应的作文文本信息中提取各文字对应的长度和宽度,分别记为hi d和wi d,d表示为文字编号,d=1,2,......q,通过均值计算方式计算得出各待审阅答题卡对应的平均文字长度和平均文字宽度,分别记为和由此依据分析公式分析得到各待审阅答题卡对应的文体书写符合度χ1i,其中,b1、b2分别表示为设定的字体长度差、字体宽度差对应的修正因子,Δh、Δw分别为设定的许可长度偏差、许可宽度偏差,q表示文字数目。
B2、从各待审阅答题卡对应的作文文本信息中提取各待审阅答题卡对应的错字数目,记为S错 i,同时从当前测评科目对应作文规则中提取许可错字数目,记为S错许。
B3、从各待审阅答题卡对应的的作文文本信息中提取各待审阅答题卡对应的别字数目,记为S别 i,同时从当前测评科目对应作文规则中提取许可别字数目,记为S别许,由此通过分析公式分析得出各待审阅答题卡对应的文体错别符合度χ2i,其中,b3、b4分别表示为设定的错字数目、别字数目对应的修正权重因子。
B4、基于各待审阅答题卡对应的文体书写符合度χ1i和各待审阅答题卡对应的文体错别符合度χ2i,通过计算公式计算得出各待审阅答题卡对应的作文文体符合度WTi,分别表示为设定的文体书写符合、文体别错别符合对应的占比权重因子。
需要说明的是,本发明参数的选取主要模拟人员阅卷的参考依据,如题意、段落布局和错别字等,通过模拟人员阅卷的方式进行自动阅卷,不仅还原了人工阅卷的流程,而且融入了多个阅卷要素。同时还最大程度上的保障了作文自动阅卷的可靠性和可行性,实用性和智能化水平高。
信息库,用于存储当前测评科目对应作文主题的各关联关键词。
作文分值解析确认模块,用于基于各待审阅答题卡对应的作文题意符合度、作文形式符合度、作文文体符合度以及当前测评科目对应的作文分值以及作文规则,综合解析得到各待审阅答题卡对应的作文分值,进而发送至当前测评科目对应测评教师进行作文分值确认。
具体地,综合解析得到各待审阅答题卡对应的作文分值,具体解析过程包括以下步骤:C1、从当前测评科目对应的作文分值中提取出内容分值、形式分值以及文体分值,分别记为F0、F1以及F2。
C2、将各待审阅答题卡对应的作文题意符合度TYi、作文形式符合度XSi以及作文文体符合度WTi导入作文分值评估模型中,输出各待审阅答题卡对应的作文分值Fi,其中,TY′、XS′、WT′分别为设定的标准作文题意符合度、标准作文形式符合度、标准作文文体符合度,F′为设定的参考评估误差分值,表示为向上取整符号。
本发明实施例通过基于当前测评科目对应的阅卷信息以及各待审阅答题卡中作文区域对应的作文题目和作文文本信息,从作文内容、作文形式以及作文文体三个维度进行作文自动审阅分析,由此输出各待审阅答题卡对应的作文分值,一方面有效地解决了当前技术过于依赖人工的弊端,大幅度提升了主观题的阅卷效率,降低了阅卷过程中对人员的依赖性,同时还有效的减少了阅卷教师的阅卷工作量和阅卷压力,并且最大程度上的消除了人工阅卷方式中存在的主观差异性;一方面,有效地保障了主观题阅卷的公平性以及公正性,极大的缩短了阅卷周期,并且还提高了主观题阅卷过程中的覆盖率和全面性,同时也有效的规避了人工审阅方式存在的误差性,使得主观题自动审阅的精准性得到了有力保障;另一方面,通过多个维度的自动审阅和分析,保障了主观题自动阅卷的合理性和参考性,打破了当前主观题自动阅卷方式中的局限性,同时还确保了主观题自动阅卷的可靠性、参考性和规范性。
请参阅图2所示,本发明提供了一种教育教学测评管理方法,该方法包括以下步骤:步骤1、待评测试信息获取:获取当前测评科目对应的作文阅卷信息,其具体包括作文分值、作文主题以及作文规则。
步骤2、答题信息采集:通过扫描相机对当前各待审阅答题卡进行扫描识别,并从中截选出各待审阅答题卡中作文区域对应的作文题目和作文文本信息,将当前各待审阅答题卡按照设定顺序依次编号为1,2,...i,...n。
步骤3、作文内容审阅分析:基于各待审阅答题卡对应的作文题目和作文文本信息,对各待审阅答题卡对应的作文题意进行分析,得到各待审阅答题卡对应的作文题意符合度。
步骤4、作文形式审阅分析:基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文形式进行分析,得到各待审阅答题卡对应的作文形式符合度。
步骤5、作文文体审阅分析:基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文文体进行分析,得到各待审阅答题卡对应的作文文体符合度。
步骤6、作文分值解析与确认:基于各待审阅答题卡对应的作文题意符合度、作文形式符合度、作文文体符合度以及当前测评科目对应的作文分值以及作文规则,综合解析得到各待审阅答题卡对应的作文分值,进而发送至当前测评科目对应测评教师进行作文分值确认。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种教育教学测评管理系统,其特征在于:该系统包括:
待评测试信息获取模块,用于获取当前测评科目对应的作文阅卷信息,其具体包括作文分值、作文主题以及作文规则;
答题信息采集模块,用于通过扫描相机对当前各待审阅答题卡进行扫描识别,并从中截选出各待审阅答题卡中作文区域对应的作文题目和作文文本信息,将当前各待审阅答题卡按照设定顺序依次编号为1,2,...i,...n;
作文内容审阅分析模块,用于基于各待审阅答题卡对应的作文题目和作文文本信息,对各待审阅答题卡对应的作文题意进行分析,得到各待审阅答题卡对应的作文题意符合度,并记为TYi,i表示为待审阅答题卡编号,i=1,2,......n;
作文形式审阅分析模块,用于基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文形式进行分析,得到各待审阅答题卡对应的作文形式符合度,并记为XSi;
作文文体审阅分析模块,用于基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文文体进行分析,得到各待审阅答题卡对应的作文文体符合度,记为WTi;
信息库,用于存储当前测评科目对应作文主题的各关联关键词;
作文分值解析确认模块,用于基于各待审阅答题卡对应的作文题意符合度、作文形式符合度、作文文体符合度以及当前测评科目对应的作文分值以及作文规则,综合解析得到各待审阅答题卡对应的作文分值,进而发送至当前测评科目对应测评教师进行作文分值确认。
2.根据权利要求1所述的一种教育教学测评管理系统,其特征在于:所述作文文本信息包括文本内容、文本字数、错字数目和别字数目、各文字对应的长度、各文字对应的宽度、段落数目、各段落对应的字数和各段落对应的文本内容。
3.根据权利要求1所述的一种教育教学测评管理系统,其特征在于:所述对各待审阅答题卡对应的作文题意进行分析,具体分析过程包括以下步骤:
第一步、将各待审阅答题卡对应的作文题目进行分词,得到各待审阅答题卡对应的各作文分词,并作为各题目关键词,由此构建各待审阅答题卡对应的作文题目关键词集合;
第二步、基于当前测评科目对应的作文主题,从信息库中定位出该作文主题对应的各关联关键词,并构建作文主题关联关键词集合;
第三步、基于各待审阅答题卡对应的作文题目关键词集合和作文主题关联关键词集合,通过分析公式分析得到各待审阅答题卡对应的第一主题匹配度;
第四步、将各待审阅答题卡对应的第一主题匹配度与设定的许可作文匹配度进行对比,若某待审阅答题卡对应的第一主题匹配度小于许可作文匹配度,则将该待审阅答题卡对应的第一主题匹配度作为该待审核答题卡对应的作文题意符合度,并记为α,反之则执行第五步;
第五步、从该待审阅答题卡对应作文文本信息中定位出文本内容,通过关键词识别技术对该待审阅答题卡对应的文本内容进行识别,得到该待审阅答题卡对应的各文本关键词,由此构建该待审阅答题卡对应的文本关键词集合,进而分析得到该待审阅答题卡对应的第二主题匹配度,记为ε;
第六步、从该待审阅答题卡对应作文文本信息中定位出首段以及尾段对应的文本内容,通过关键词识别技术对该待审阅答题卡对应首段以及尾段的文本内容进行识别,得到该待审阅答题卡首段以及尾段对应的各文本关键词,并构建该待审阅答题卡首段文本关键词集合以及该待审阅答题卡尾段文本关键词集合,进而分析得到该待审阅答题卡对应的第三主题匹配度,记为μ;
第七步、基于该待审阅答题卡对应的第一主题匹配度α、第二主题匹配度ε和第三主题匹配度μ,分析得到该待审阅答题卡对应的作文题意符合度,并记为δ,进而以此方式分别得到各待审阅答题卡对应的作文题意符合度TYi,其中,TYi取值为α或者δ,δ>α。
5.根据权利要求1所述的一种教育教学测评管理系统,其特征在于:所述对各待审阅答题卡对应的作文形式进行分析,具体分析过程包括以下步骤:
A1、从各待审阅答题卡对应的作文文本信息中提取出文本字数,同时从当前测评科目对应的作文规则中提取规定作文字数区间,进而得到当前测评科目规定作文字数的上限值和下限值,通过分析公式分析得出各待审阅答题卡对应的作文字数符合度,并记为
6.根据权利要求1所述的一种教育教学测评管理系统,其特征在于:所述对各待审阅答题卡对应的作文文体进行分析,具体分析过程包括以下步骤:
B1、从各待审阅答题卡对应的作文文本信息中提取各文字对应的长度和宽度,通过均值计算方式计算得出各待审阅答题卡对应的平均文字长度和平均文字宽度,由此依据分析公式分析得到各待审阅答题卡对应的文体书写符合度,记为χ1i;
B2、从各待审阅答题卡对应的作文文本信息中提取各待审阅答题卡对应的错字数目,同时从当前测评科目对应作文规则中提取许可错字数目;
B3、从各待审阅答题卡对应的的作文文本信息中提取各待审阅答题卡对应的别字数目,同时从当前测评科目对应作文规则中提取许可别字数目,由此通过分析公式分析得出各待审阅答题卡对应的文体错别符合度,记为χ2i;
B4、基于各待审阅答题卡对应的文体书写符合度χ1i和各待审阅答题卡对应的文体错别符合度χ2i,计算得出各待审阅答题卡对应的作文文体符合度WTi。
9.一种教育教学测评管理方法,其特征在于:该方法包括以下步骤:
步骤1、待评测试信息获取:获取当前测评科目对应的作文阅卷信息,其具体包括作文分值、作文主题以及作文规则;
步骤2、答题信息采集:通过扫描相机对当前各待审阅答题卡进行扫描识别,并从中截选出各待审阅答题卡中作文区域对应的作文题目和作文文本信息,将当前各待审阅答题卡按照设定顺序依次编号为1,2,...i,...n;
步骤3、作文内容审阅分析:基于各待审阅答题卡对应的作文题目和作文文本信息,对各待审阅答题卡对应的作文题意进行分析,得到各待审阅答题卡对应的作文题意符合度;
步骤4、作文形式审阅分析:基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文形式进行分析,得到各待审阅答题卡对应的作文形式符合度;
步骤5、作文文体审阅分析:基于各待审阅答题卡对应的作文文本信息,对各待审阅答题卡对应的作文文体进行分析,得到各待审阅答题卡对应的作文文体符合度;
步骤6、作文分值解析与确认:基于各待审阅答题卡对应的作文题意符合度、作文形式符合度、作文文体符合度以及当前测评科目对应的作文分值以及作文规则,综合解析得到各待审阅答题卡对应的作文分值,进而发送至当前测评科目对应测评教师进行作文分值确认。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393546.9A CN115761741A (zh) | 2022-11-08 | 2022-11-08 | 一种教育教学测评管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211393546.9A CN115761741A (zh) | 2022-11-08 | 2022-11-08 | 一种教育教学测评管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115761741A true CN115761741A (zh) | 2023-03-07 |
Family
ID=85368626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211393546.9A Pending CN115761741A (zh) | 2022-11-08 | 2022-11-08 | 一种教育教学测评管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115761741A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541999A (zh) * | 2024-01-10 | 2024-02-09 | 江苏汉丹云教育科技有限公司 | 一种书写教学与评价系统及方法 |
-
2022
- 2022-11-08 CN CN202211393546.9A patent/CN115761741A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541999A (zh) * | 2024-01-10 | 2024-02-09 | 江苏汉丹云教育科技有限公司 | 一种书写教学与评价系统及方法 |
CN117541999B (zh) * | 2024-01-10 | 2024-03-22 | 江苏汉丹云教育科技有限公司 | 一种书写教学与评价系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11508251B2 (en) | Method and system for intelligent identification and correction of questions | |
Meyers et al. | Applied multivariate research: Design and interpretation | |
CN107506762B (zh) | 一种基于图像分析的成绩自动录入方法 | |
Rumberger et al. | The impact of racial and ethnic segregation on the achievement gap in California high schools | |
CN107230174B (zh) | 一种基于网络的在线互动学习系统和方法 | |
Smith | Successful and unsuccessful problem solving in classical genetic pedigrees | |
CN106599887B (zh) | 试卷答题区域识别及试题评阅方法、系统 | |
Chase et al. | Verbal relations within instruction: Are there subclasses of the intraverbal? | |
Shehab et al. | A hybrid scheme for automated essay grading based on LVQ and NLP techniques | |
CN112381099A (zh) | 一种基于数字教育资源的录题系统 | |
CN115761741A (zh) | 一种教育教学测评管理系统及方法 | |
CN114048327A (zh) | 一种基于知识图谱的主观题自动评分方法及系统 | |
CN110363378A (zh) | 基于学生综合素质的测评系统 | |
CN109408803A (zh) | 一种针对主观题自然语言的语义理解及批改的方法 | |
CN114936265A (zh) | 一种文科解答题自动批改方法 | |
CN113806348A (zh) | 一种应用于k12教育的学生错题及个性化变试题的算法 | |
CN111008594A (zh) | 改错题评阅方法、相关设备及可读存储介质 | |
Piché et al. | Teachers' subjective evaluations of standard and black nonstandard English compositions: A study of written language and attitudes | |
Sainsbury et al. | Fallback in attainment on transfer at age 11: evidence from the Summer Literacy Schools evaluation | |
González‐López et al. | Lexical analysis of student research drafts in computing | |
CN115730038A (zh) | 一种试卷自动生成与考试方法、装置、电子设备及介质 | |
CN115080690A (zh) | 一种基于nlp的试卷文本自动化批改方法及系统 | |
Caulkins et al. | Using scenarios to construct models of identity in multiethnic settings | |
Amer et al. | The effect of EFL students' reading styles on their reading comprehension performance | |
CN114330943A (zh) | 一种面试辅助方法及装置 |
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 |