CN115936937A - 基于智能答题卡的作业处理的方法、装置及系统 - Google Patents
基于智能答题卡的作业处理的方法、装置及系统 Download PDFInfo
- Publication number
- CN115936937A CN115936937A CN202211565823.XA CN202211565823A CN115936937A CN 115936937 A CN115936937 A CN 115936937A CN 202211565823 A CN202211565823 A CN 202211565823A CN 115936937 A CN115936937 A CN 115936937A
- Authority
- CN
- China
- Prior art keywords
- track
- information
- area
- answer sheet
- job
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本公开提出了一种基于智能答题卡对作业进行处理的方法、装置、系统以及计算机可读存储介质,其中,所述智能答题卡上预先铺设了不可见的具有位置坐标的点阵图案并且印刷有对于所述作业的题目的作答区域和批改区域,该方法包括:接收与第一用户在智能答题卡的作答区域中书写的第一轨迹相关联的第一信息;接收与第二用户在所述智能答题卡上的批改区域中书写的第二轨迹相关联的第二信息;确定与所述第一轨迹相关联的题目信息,以及确定与所述第二轨迹相关联的题目信息;以及将所确定的与所述第一轨迹相关联的题目信息、与所述第二轨迹相关联的题目信息与数据库中存储的电子作业原件的相应题目相关联。
Description
技术领域
本公开涉及电子信息技术领域,具体涉及基于智能答题卡对作业进行处理的方法、装置、系统以及计算机可读存储介质。
背景技术
随着网络和计算机技术的发展,在教育领域开展了智慧教学,其中,学生可以依托智慧教学系统进行作业书写、作业提交,而教师可以依托智慧教学系统进行作业批改、教学辅导,并且还可以依托智慧教育系统来对学生的作业进行诊断、分析,并结合大数据平台,不但可以生成每个学生的学情诊断报告,还可以生成整个班级、年级、甚至是某一地区的学生的整体学习情况报告;而要实现作业诊断以及后续的学情分析,准确、迅速、方便地采集学生的作业数据以及教师相应的批改数据是基础。
发明内容
根据本公开的一方面,提出了一种基于智能答题卡对作业进行处理的方法,其中,所述智能答题卡上预先铺设了不可见的具有位置坐标的点阵图案并且印刷有对于所述作业的题目的作答区域和批改区域,所述方法包括在处理平台上进行如下操作:接收第一智能终端传输的与第一用户在智能答题卡的作答区域中书写的第一轨迹相关联的第一信息;接收第二智能终端传输的与第二用户在所述智能答题卡上的批改区域中书写的第二轨迹相关联的第二信息;基于对所述第一信息和第二信息的处理来分别确定与所述第一轨迹相关联的题目信息和与所述第二轨迹相关联的题目信息;以及将所确定的与所述第一轨迹相关联的题目信息、与所述第二轨迹相关联的题目信息与数据库中存储的电子作业原件的相应题目相关联。
可选地,在上述方法中,所述第一智能终端和所述第二智能终端是点阵笔;所述第一轨迹是所述第一用户利用第一智能终端在所述智能答题卡上针对所述作业的题目进行作答而书写的;所述第二轨迹是所述第二用户利用第二智能终端在所述智能答题卡上进行批改而书写的,其中所述电子模板文件是数据库中存储的对应于所述作业的题目的电子原件。
可选地,在上述方法中,第一信息包括关于所述第一轨迹的信息和关于所述第一轨迹在所述智能答题卡上的位置坐标的信息中的至少一项;所述第二信息包括关于所述第二轨迹的信息和关于所述第二轨迹在所述智能答题卡上位置坐标信息中的至少一项。
可选地,在上述方法中,所述作答区域包括作业编号区域、客观题作答区域、主观题作答区域中的至少一个;所述批改区域包括客观题批改区域和主观题批改区域中的至少一个;该方法还包括:基于关于所述第一轨迹/第二轨迹在所述智能答题卡上的位置坐标信息,识别与所述第一轨迹/第二轨迹相关联的所述作业的作业编号、与所述第一轨迹/第二轨迹相关联的所述作业的题目编号中的至少一项;基于对所述第一轨迹在所述客观题作答区域中的轨迹位置的识别,来确定与所述第一轨迹对应的作答信息;基于对所述第二轨迹在所述主观题批改区域中的轨迹形状的识别,来确定与所述第二轨迹对应的批改信息;以及基于所识别的所述作业的作业编号、所述作业的题目编号,将所确定的作答信息、批改信息与所述数据库中存储的电子作业原件中的相应题目相关联。
可选地,在上述方法中,所述智能答题卡上还设置有第一用户身份信息识别区域,该方法还包括:识别所述第二用户在所述第一用户身份信息识别区域中书写的第二轨迹,以便将所述第二用户书写的第二轨迹与所述第一用户书写的第一轨迹在所述数据库中进行关联。
可选地,在上述方法中,所述第一信息还包括关于第一智能终端的标识信息,所述关于第一智能终端的标识信息与所述第一用户相关联;所述第二信息还包括关于第二智能终端的标识信息,所述关于第二智能终端的标识信息与所述第二用户相关联,所述方法还包括:基于关于所述第一智能终端的标识信息,将所述第一轨迹与所述第一用户相关联;以及基于关于所述第二智能终端的标识信息,将所述第二轨迹与所述第二用户相关联。
可选地,上述方法还包括:采用所述预先训练的轨迹形状识别模型对所述第二轨迹在所述主观题批改区域中的轨迹形状进行识别;其中,所述轨迹识别模型包括以下至少一种:数字轨迹形状识别模型、字母轨迹形状识别模型、勾叉轨迹形状识别模型,以及特殊标记轨迹形状识别模型。
可选地,上述方法还包括:基于对题目信息、作答信息以及批改信息中的至少一项进行的分析统计,形成关于所述第一用户对所述题目进行作答的统计数据。
可选地,在上述方法中,所述第一信息是所述第一智能终端通过有线方式传输到智能笔盒,并且经由所述智能笔盒通过Wi-Fi方式传输到所述处理平台;以及所述第二信息是所述第二智能终端通过蓝牙方式传输到客户端,并且通过所述客户端传输到所述处理平台。
根据本公开的另一方面,提出了一种基于智能答题卡对作业进行处理的装置,该装置包括处理器以及与所述处理器耦合的存储器,其中,所述处理器被配置为在执行所述存储器中存储的程序指令时,使得所述装置实施根据上述对作业内容进行电子化处理的方法。
根据本公开的又一方面,提出了一种存储有程序指令的计算机可读存储介质,当所述程序指令在电子装置中的处理器运行时,使得所述电子装置实施根据上述基于智能答题卡对作业进行处理的方法。
根据本公开的再一方面,提出了一种基于智能答题卡对作业进行处理的系统,包括:第一智能终端,获取与第一用户在纸张上书写的第一轨迹相关联的第一信息;第二智能终端,获取与第二用户在所述纸张上书写的第二轨迹相关联的第二信息;以及根据上述基于智能答题卡对作业进行处理的装置。
根据本公开提出的基于智能答题卡对作业进行处理的方法、装置、系统以及计算机可读存储介质,可以利用智能答题卡收集学生对作业的作答数据以及教师的批改数据,可以不改变学生书写作业的习惯和教师批改作业的习惯,同时有利于对学生作业的作答情况和教师批改的批改情况进行分析、诊断、统计和汇总,从而便于对学生的学习情况进行诊断,也有利于教师及时掌握学生目前的学习状态,以便更有针对性地进行教学辅导和下一步的备课安排。
附图说明
图1示出了根据本公开提出的基于智能答题卡对作业处理的方法可应用场景;
图2示出了根据本公开提出的基于智能答题卡对作业处理的方法的示意性流程图;
图3示出了作为示例的可应用根据本公开实施例的基于智能答题卡对作业处理的方法的作业页面;
图4A-4D示出了根据本公开一实施例的智能答题卡的页面布局的示例;
图5A-5C示出了分别与图4A-4C智能答题卡的页面布局对应点码图案区域布局的示意性示例;
图6示出了根据本公开提出的基于智能答题卡对作业进行处理的系统的示意性示例;以及
图7示出了根据本公开提出的基于智能答题卡对作业进行处理的装置的示意性框图。
具体实施方式
现在参考图来描述主题,其中,全文中相似的参考标号用于指代相似的元件。在下面的描述中,出于解释的目的,阐述了许多具体细节以便提供对主题的透彻理解。然而,显然,在没有这些具体细节的情况下也可以实施本原理。
本说明书示出了本公开的原理。因此,可以理解的是,尽管本文未明确描述或示出,但是本领域技术人员能够设计出体现本公开原理的各种配置。
本原理自然不限于在此描述的实施例。
应注意,说明书中对“一个实施例”、“实施例”、“示例实施例”、“特定实施例”的引用表示所描述的实施例可以包括特定的特征、结构或特性,但是每个实施例不一定都包括该特定的特征、结构或特性。此外,这样的短语不一定指相同的实施例。进一步地,当结合实施例来描述该特定的特征、结构或特性时,可以认为结合其他实施例(无论是否明确描述)来实施这种特征、结构或特性是在本领域技术人员的知识范围内的。
传统的作业批改方式是学生在纸质材料上书写作业,然后将书写的纸质材料提交给教师,由教师在该纸质材料上针对学生的书写的作业进行批改,而后再将批改后的学生作业发放给各个学生,并且由教师人工统计各个学生的作业完成情况。这种传统的作业批改方式不利于对各个学生的作业情况进行分析、诊断,也不利于对学生的整体作业情况进行统计、汇总。
随着网络和计算机技术的长足进步,尤其是移动互联网的普及,出现了一种对传统的作业批改方式的改良方式。具体而言,学生在纸质材料上书写作业,而后通过手机等智能终端对作业进行拍照并上传到指定的后台,然后,教师通过PAD等智能终端登录该后台,并对学生上传的作业进行在线批改;然而,这种方式需要学生利用手机等智能终端对所书写的作业进行拍照并上传图片,而教师通过在线方式直接基于学生所上传的图片对作业进行批改,并且将标注了批改内容的图片通过该后台进一步返回给各个学生。然而,这种方式需要教师长时间在作为智能终端的电子设备前进行批改工作,而且,最终呈现的批改结果也是以电子方式呈现的,学生需要利用相应的电子设备来查看具体的批改情况,容易导致教师和/或学生的眼睛疲劳,不利于师生健康,且这种方式同样不利于对各个学生的作业情况进行分析、诊断,也不利于对学生的整体作业情况进行统计、汇总。
实际上,为了对各个学生的作业情况进行分析、诊断,从而实现对学生的整体作业情况进行统计、汇总,迅速、准确地收集学生的作答数据以及教师的批改数据是基础。
基于上述作业批改方式的缺陷,本公开提出了一种基于智能答题卡对作业进行处理的方法、装置、系统以及计算机可读存储介质,可以利用智能答题卡收集学生对作业的作答数据以及教师的批改数据,可以不改变学生书写作业的习惯和教师批改作业的习惯,同时有利于对学生作业的作答情况和教师批改的批改情况进行分析、诊断、统计和汇总,从而便于对学生的学习情况进行诊断,也有利于教师及时掌握学生目前的学习状态,以便更有针对性地进行教学辅导和下一步的备课安排。
图1示出了根据本公开提出的作业处理方法可应用场景。例如,教师可以将印刷/打印有题目内容的作业以及印刷/打印有相应的作答区域的智能答题卡发放给学生,其中智能答题卡上印刷/打印有不可见的点码图案。如图1所示,在学生侧,每个学生可以通过智能终端(例如,智能点阵笔)在智能答题卡上书写来完成作答,由于点码图案具有相应的位置坐标,智能终端可以将学生书写的作答笔迹以及相应的位置坐标通过网络实时传输给处理后台;在学生完成作答后,教师收取相应的智能答题卡;在教师侧,教师通过智能终端对学生在智能答题卡上书写的答案进行批改,而教师的智能终端可以将教师书写的批改笔迹以及相应的位置坐标通过网络实时传输给处理后台,处理后台通过对学生、教师的书写笔迹进行处理,例如,可以基于对学生针对客观题的书写轨迹以及对教师针对主观题的批改轨迹进行分析处理,可以对学生的作答情况进行统计、汇总,以便为之后的学情诊断提供基础数据。
示例性地,智能终端可以用于采集基于学生、教师的操作产生的数字化信息。这里,数字化信息是指可使用计算机存储、处理并可通过计算机网络传输的信息。作为示例,处理后台可以包括服务器、数据库等处理设备和资源。服务器可以是单个服务器,彼此联网的多个服务器、或者是云服务器。服务器基于对智能终端采集到的数字化信息进行处理,形成作业诊断数据,该作业诊断应用数据可以包括作答相关数据、批改相关数据等。
作为示例,处理后台还可以连接到教学服务处理系统,以便利用其存储的丰富的教学资源,例如题库、知识库等,并且基于对作业诊断数据的分析,获得相关教学辅导信息,例如,针对学生薄弱的知识点,进行教学辅导补充。
作为示例,在本公开的实施例中,智能终端可以包括点阵笔。可以理解,上述应用场景仅为示例性的,基于本公开实施例的技术原理,还可以在其他应用场景中实现本公开的技术构思。
图2示出了根据本公开提出的对作业内容进行电子化处理的方法的示意性流程图。其包括,S205,接收第一智能终端传输的与第一用户在智能答题卡的作答区域中书写的第一轨迹相关联的第一信息;S210,接收第二智能终端传输的与第二用户在所述智能答题卡上的批改区域中书写的第二轨迹相关联的第二信息;S215,基于对所述第一信息和第二信息的处理来分别确定与所述第一轨迹相关联的题目信息和与所述第二轨迹相关联的题目信息;以及S220,将所确定的与所述第一轨迹相关联的题目信息、与所述第二轨迹相关联的题目信息与数据库中存储的电子作业原件的相应题目相关联。
具体地,本公开的实施例涉及基于点阵码原理的智能答题卡。作为示例,教师可以将如图3所示的印刷/打印有题目的作业本/作业纸以及图4A-4D所示的智能答题卡发放给学生。根据本公开的实施例,可选地,可以在作业本/作业纸首页上印刷/打印有作业编号,以便将该份作业与相应的智能答题卡相关联。
图4A-4D示出了根据本公开的一实施例的智能答题卡的页面布局,看上去与普通的答题卡并无实质差异。与普通的答题卡的不同在于,根据本公开的实施例的智能答题卡上预先印刷或者打印有一层不可见的具有位置坐标的点阵图案,点阵图案包括按特定规律布设的许多点阵码,即编码排列在纸张页面上的码点,码点的形状不限,例如,可以为方形或圆形,边长或直径非常小,不影响使用者在纸张上进行正常书写;使用者借助于点阵笔在纸张上正常书写,所述点阵笔通过摄像头采集页面上的点阵码,来获取笔尖在页面上的书写轨迹等相关信息。相应地,学生配备有点阵笔,通过点阵笔在纸质智能答题卡上书写答案时,相应的作答数据通过网络同步地传输到处理后台。由于点阵笔在书写时与普通的笔(例如,签字笔、铅笔等)并无太大差异,也在智能答题卡上留下了可见的书写轨迹;之后,学生将作答完成的智能答题卡提交给教师,教师利用自己的点阵笔直接在学生提交的智能答题卡页面上进行批改,类似地,在教师进行批改时,相应的批改数据通过网络同步地传输到处理后台,而教师在学生作答的智能答题卡上留下了可见的批改笔迹。此外,在处理后台,基于对学生的作答笔迹和教师的批改笔迹进行识别,以确定学生的作答信息和教师的批改信息,从而可以将其分别与数据库中存储的作业的电子模板的相应题目进行关联。例如,将学生对客观题的作答信息与数据库中电子作业的相应题目,例如与数据库中电子作业的相应题目的答案进行比较,以确定学生的作答是否正确,并且针对教师关于学生对主观题的作答进行批改的批改信息与电子作业的相应题目进行关联,从而可以基于学生的作答信息和教师的批改信息,对学生作业情况进行分析、诊断、统计、汇总等学情诊断处理。
上述作业作答和批改方式不改变学生书写作业的习惯和教师批改作业的习惯,同时对学生作答的客观题进行自动批改,节省了教师的精力,并且有利于对学生作业的作答情况和教师批改的批改情况进行分析、诊断、统计和汇总,从而便于对学生的学习情况进行诊断,也有利于教师及时掌握学生目前的学习状态,以便更有针对性地进行教学辅导和下一步的备课安排。
根据本公开的实施例,教师可以将作业题目和相应的智能答题卡发放给学生。作为示例,图4A示出了该智能答题卡的示意性的页面布局。如图4A所示,在智能答题卡上打印/印刷的可见的学生身份信息识别区域、以及相应的作业批改编号识别区域,其中学生身份信息识别区域表明了该份作业属于哪一个学生,而作业批改编号识别区域供学生在对本次作业进行作答时,进行填涂,以便将将学生的作答笔迹与本次作业进行关联。例如,学生可以根据如图3所示的作业题目首页上打印/印刷的作业编号,在作业号填涂区域中填涂相应的作业编号。
图4A示意性图示了智能答题卡上展示的选择题的作答区域,图4B示意性图示了智能答题卡上展示的填空题的作答区域,图4C-4D示意性图示了智能答题卡上展示的主观题的作答区域。在本公开的实施例中,作为示例,对选择题的作答是由处理后台进行自动批改的,而对填空题和主观题的批改是由教师进行人工批改的。然而,本公开的原理不限于此,实际上,也可以将选择题、填空题和主观题的批改都交由处理后台进行自动批改,或者将选择题、填空题和主观题的批改都交由教师进行人工批改。
相应地,图5A-5C示出了分别与图4A-4C智能答题卡的页面布局对应点码图案区域布局的示意性示例。图5A示出了与图4A的可见区域对应的点阵图案布局区域,例如,学生身份信息识别区域、作业基本信息识别区域、客观题作答及批改区域等;图5B示出了与图4B的可见区域对应的点阵图案布局区域,例如,填空题作答区域以及相应的批改区域;图5C示出了与图4C的可见区域对应的点阵图案布局区域,例如,主观题作答区域以及相应的批改区域。
根据本公开的实施例,可选地,如图4A所示,学生身份信息识别区域供学生在作答每一份作业时在答题卡首页上粘贴自己的身份信息标签贴,而作业编号识别区域供学生在作答作业时,填涂本次作业的作业编号。作为示例,身份信息标签贴可以是编码有学生的姓名、班级、学号等信息的不干胶姓名贴,学生可以在作答每一份作业时,将其粘贴到学生身份信息识别区域;作业编号可以采用数字定义唯一作业编号。可替换地,学生身份信息识别区域可以供学生在作答每一份作业时书写自己的姓名、班级、学号等信息而不是供学生粘贴身份信息标签贴。
可选地,每个学生配备的智能点阵笔具有特定的标识信息,例如MAC信息,在将智能点阵笔发放给学生时,可以在处理后台中将点阵笔的标识信息与例如班级、姓名、学号等学生信息进行关联,使得在点阵笔开机书写时,可以将该点阵笔向处理后台传输的书写轨迹识别为该学生书写的轨迹。
如上所述,智能答题卡的页面上还预先印刷/打印有一层不可见的具有位置坐标的点阵图案,点阵图案包括按特定规律布设的许多点阵码,即编码排列在纸张页面上的码点,每个码点在页面上具有相应的位置坐标。当学生利用点阵笔在智能答题卡上书写时,一方面由于点阵笔与诸如签字笔、铅笔、圆珠笔等普通的笔的书写体验并无太大差异,同样会在页面上留下书写轨迹,另一方面,可以通过点阵笔来采集学生在页面上书写的轨迹信息以及相应的码点位置坐标信息。
作为示例,点阵笔配备有高速摄像头/高速扫描器,在学生利用点阵笔在智能答题卡的页面上书写时,可以启动高速摄像头/高速扫描器对书写时笔尖所处的点码位置坐标进行连续扫描记录,从而采集到学生在页面上书写的轨迹信息以及相应的码点位置坐标信息。
作为另一示例,点阵笔还配备有压力传感器,在学生利用点阵笔在智能答题卡的页面上书写时,压力传感器会检测到笔尖的压力,从而可以启动高速摄像头/高速扫描器对书写时笔尖所处的点码位置坐标进行连续扫描记录,从而采集到学生在页面上书写的轨迹信息以及相应的码点位置坐标信息。
与普通答题卡的页面布局类似,根据本公开的实施例的智能答题卡上印刷/打印有题目编号、作答区域供学生在作答时填涂/书写答案;与普通答题卡的不同在于,根据本公开实施例的智能答题卡的页面上预先印刷/打印有不可见的具有位置坐标的点阵图案。作为示例,页面上的点阵图案可以划分为多个区域,其中,每个区域可以与不同的作业内容属性相关联。例如,页面1上的点阵图案可以划分为区域1、区域2、区域3…等等,其中区域1对应于作业编号识别区域,区域2对应于学生身份信息识别区域、区域3对应于选择题作答笔迹识别区域,区域4对应于填空题批改笔迹识别区域,区域5对应于主观题批改笔迹识别区域,…等等。
作为示例,在学生进行作答时,可以先在学生身份信息识别区域粘贴自己的身份标签贴。可选地,教师可以预先将印制/打印好的学生身份标签贴一次性地发放给学生,供学生在书写作业时粘贴,其中每个学生的身份标签贴上不仅印制/打印了该学生的班级、姓名、学号等可见的信息,而且设置有可供点阵笔读取的反映该学生的班级、姓名、学号等信息的编码信息,从而使得教师可以在对学生的答题卡进行批改时,通过利用点阵笔在学生身份标签贴上进行标记(例如,进行勾选)而将教师的批改笔迹与该学生的作答笔迹相关联。
可选地,学生在书写作业时,可以利用点阵笔在作业编号识别区域填涂本次作业的编号,00005,表示这是本学年第5份作业。在利用点阵笔进行填涂时,点阵笔同步地对相应的填涂笔迹(例如,黑色的矩形块)所对应的不可见的点阵图案的码点位置坐标进行采集,例如通过高速摄像头/扫描器对书写笔迹进行拍照/扫描,并且将采集到轨迹信息以及相应的码点位置坐标信息其传输给处理后台。相应地,处理后台通过对填涂笔迹以及相应的位置坐标进行处理,可以获得填涂笔迹对应的作业编号,从而将学生此次完成的作业与数据库中存储的与该作业编号对应的电子作业进行关联。
在进行作答时,学生直接在纸质智能答题卡上书写答案。例如,如图4A所示,对于选择题,学生可以直接在作答区域填涂相应的选项,由于每个题目的作答区域与该题目相关联,当学生在该题目的作答区域进行填涂时,对应的填涂笔迹将被识别为针对该题目的作答笔迹。
根据本公开的实施例,针对客观题,学生可以利用点阵笔在作答区域进行填涂/书写,留下作答笔迹,相应地,点阵笔同步采集与该作答笔迹相对应的不可见的点阵图案的码点位置坐标,并且将作答笔迹以及相应的位置坐标传输给处理后台。相应地,处理后台通过对作答笔迹以及相应的位置坐标进行处理,可以获得作答笔迹对应的题目编号,以及学生书写的答案,并且通过与数据库中存储的关于该题目的正确答案进行比对,来判断学生书写的答案是否正确,从而实现了对客观题的自动批改,而无需由教师来对客观题进行批改,降低了教师的工作量,并且也便于对客观题的作答情况进行统计分析。
根据本公开的实施例,针对主观题(包括填空题)学生可以利用点阵笔在作答区域进行书写,留下作答笔迹。作为示例,由教师针对学生的主观题作答情况利用点阵笔进行批改,并在答题卡上留下批改笔迹。
实际上,考虑到主观题往往没有唯一的标准答案,一般不仅要求结果正确,而且要求写出具体的步骤过程,需要教师的经验来判断学生的作答情况。
作为示例,在学生利用点阵笔在主观题(包括填空题)的作答区域进行作答时,在相应的作答区域上留下了作答笔迹,由教师针对作答笔迹进行人工批改。
也就是说,从学生的角度,可以保持与书写普通作业相同的书写习惯,而处理后台针对客观题对学生书写的答案进行自动批改,并且将批改的结果与数据库中的电子作业原卷的相应区域(即,相应题目)相关联,便于后期的诊断分析。由此,根据本公开的实施例,可以使得学生保持目前的书写习惯,也就是,通过点阵笔在纸质智能答题卡上完成作业的过程与使用普通笔在普通答题卡上完成作业的过程并无差异,学生无需进行任何额外的操作,只是由于纸质智能答题卡上预先打印/印刷有不可见的点阵图案,当点阵笔在客观题区域书写的轨迹可以通过处理后台进行识别,从而确定识别出书写轨迹所对应的实际信息,例如,对应于哪一份作业、该份作业的哪一个题目,从而可以将该书写轨迹与数据库中存储电子作业的原卷相关联,并且便于后期的分析、诊断、统计、汇总等操作。
可选地,在学生通过点阵笔书写的同时,点阵笔通过拍照/扫描等方式同时采集学生书写的轨迹,并且将有关书写轨迹的信息以及码点位置坐标信息通过消息队列传输给处理后台。作为示例而非限制,可以通过MQTT消息队列将上述信息传输给处理后台。
可选地,页面上的点阵图案所包括的多个区域中至少一个区域可以对应于页面上用于输入学生的姓名、班级、学号等信息的区域,当学生在该区域中书写姓名、班级、学号等信息时,点阵笔同时采集相应的书写轨迹,并且将书写轨迹信息以及相应的码点位置坐标信息传输给处理后台,处理后台将识别这些信息,以便与数据库中相应的学生身份进行关联。与上述的通过点阵笔的标识信息来识别对应的学生身份不同,这种方式不要求将点阵笔的标识信息,例如MAC信息预先与处理后台的数据库中的学生身份进行关联,而是在学生书写自己的身份信息时,进行点阵笔书写轨迹和学生身份的动态关联。
当学生完成作业后,将智能答题卡提交给教师。然后,教师可以进行批改。具体地,教师可以配备有自己的点阵笔,然后借助于点阵笔在学生提交的智能答题卡上针对学生的作答情况进行批改。作为示例,教师配备的智能点阵笔具有特定的标识信息,例如MAC信息,在向教师配发智能点阵笔时,可以在处理后台中将点阵笔的标识信息与例如年级组、任教科目、姓名等教师信息进行关联,使得在点阵笔开机书写时,可以将该点阵笔向处理后台传输的书写轨迹识别为该教师书写的轨迹。
作为示例,在对学生提交的智能答题卡进行批改时,教师可以先在智能答题卡首页上显示学生信息的区域,例如,首页上显示学生的班级、姓名和学号等信息的区域中,即,学生身份信息识别区域进行确认,例如,利用点阵笔进行在智能答题卡上粘贴的学生身份信息的标签上进行勾选,以便将教师的批改笔迹与该生的本次作业的作答情况进行关联。
然后,教师可以开始对学生对主观题(包括填空题)的作答情况进行正常批改。例如,在每个题目对应的批改区域中,教师可以进行批改而书写批改笔迹。通常,学生使用点阵笔书写的笔迹是蓝色或黑色的,而教师利用点阵笔书写的笔迹是红色的。例如,如果学生的作答数据是正确的,教师可以打对钩,如果作答不正确,教师可以打叉,或者未进行作答,教师可以打上问号。此外,教师还可以书写相应的分值,例如,“-2”表示扣2分,等等,以便处理后台对教师的批改情况进行分析统计。
如上所述,智能答题卡的页面上还预先印刷/打印有一层不可见的具有位置坐标的点阵图案,点阵图案包括按特定规律布设的许多点阵码,即编码排列在纸张页面上的码点,每个码点在页面上具有相应的位置坐标。当教师利用点阵笔在智能答题卡上进行批改时,一方面由于点阵笔与诸如签字笔、铅笔、圆珠笔等普通的笔的书写体验并无太大差异,同样会在页面上留下批改轨迹,另一方面,可以通过点阵笔来采集教师在页面上对应的批改区域中书写的批改轨迹信息以及相应的码点位置坐标信息。
如上所述,点阵笔可以配备有高速摄像头/高速扫描器,在教师利用点阵笔在智能答题卡的页面上进行批改时,可以启动高速摄像头/高速扫描器对批改时笔尖所处的点码位置坐标进行连续扫描记录,从而采集到教师在页面上批改的轨迹信息以及相应的码点位置坐标信息。
作为另一示例,点阵笔还配备有压力传感器,在教师利用点阵笔在智能答题卡的页面上进行批改时,压力传感器会检测到笔尖的压力,从而可以启动高速摄像头/高速扫描器对批改时笔尖所处的点码位置坐标进行连续扫描记录,从而采集到教师在页面上批改轨迹信息以及相应的码点位置坐标信息。
根据本公开的实施例,在学生完成作业后,相应的作答区域会留下学生的作答笔迹。因此,在教师对学生提交的作业进行批改时,可以看到学生在相应的作答区域书写的作答笔迹。根据本公开的实施例,由于教师的批改笔迹位于答题卡页面上的相应的题目的批改区域中,使得点阵笔采集的批改笔迹与该批改区域的位置坐标相关联,从而便于处理后台识别教师的批改笔迹与具体哪一道题目相关联。例如,当教师对题目1的学生作答信息进行批改时,其批改轨迹位于题目1对应的批改区域范围内,与该批改区域对应的点阵图案的区域所关联的位置坐标可以表明与教师借助于点阵笔在该批改区域批改的批改轨迹属于对题目1的批改信息。实际上,如上所述,在教师利用点阵笔在作业页面上进行批改时,点阵笔采集到该教师在页面上的批改轨迹信息以及相应的码点位置坐标信息,并将其传输给处理后台。
也就是说,从教师的角度,可以保持与批改普通答题卡相同的批改习惯,而处理后台通过对接收到的教师点阵笔批改的批改笔迹所关联的位置坐标信息的分析,可以识别出该批改笔迹所对应的作答题目,从而可以将其与数据库中的电子作业原卷的相应区域(即,相应题目)相关联,并且还可以将该批改笔迹与该份作业的学生信息进行关联,以便于后期的诊断分析。
由此,根据本公开的实施例,不但可以使得学生保持目前的作业书写习惯,也可以使得教师保持目前的作业批改习惯,也就是,学生通过点阵笔在纸质智能答题卡上完成作业的过程与使用普通笔在普通答题卡上完成作业的过程并无差异,学生无需进行任何额外的操作,只是由于纸质智能答题卡上预先打印/印刷有不可见的具有位置坐标的点阵图案,处理后台通过分析点阵笔所传输的轨迹信息以及相应的位置坐标,可以识别出学生的作答笔迹是针对具体哪一道题目,并且对于客观题而言,可以识别出学生的作答答案,以便进行自动批改;同时,教师只是针对学生的作答笔迹进行批改,无需进行任何额外的操作,由于教师的批改笔迹位于相应题目的批改区域内,也就是可以将教师的批改笔迹所对应的位置坐标与相应题目进行关联,从而可以识别出教师的批改笔迹是针对哪一道题目的,从而便于处理后台识别出教师的批改轨迹所对应的实际信息。此外,通过教师在答题卡上的学生身份识别区域中进行确认,可以将教师的批改笔迹与具体哪一个学生的哪一份作业进行关联,从而将该批改轨迹与数据库中存储电子作业的原卷相关联,即,与具体的学生的电子作业本相关联,并且便于后期的分析、诊断、统计、汇总等操作。
可选地,在教师通过点阵笔书写的同时,点阵笔通过拍照/扫描等方式同时采集教师批改的轨迹,并且将有关批改轨迹的信息以及码点位置坐标信息通过消息队列传输给处理后台。作为示例而非限制,可以通过MQTT消息队列将上述信息传输给处理后台。
根据本公开的实施例,学生通过点阵笔书写的作答轨迹以及相应的码点坐标信息被传输给处理后台,处理后台可以通过与各个学生的身份绑定的点阵笔的标识信息,例如点阵笔的MAC信息,来识别接收到的作答轨迹是哪一个学生书写的。如上所述,作为示例,也可以根据学生在答题卡特定区域中,例如,学生信息输入区域中书写的学生信息,例如,班级、姓名、学号的轨迹信息来识别学生。
类似地,教师通过点阵笔书写的作答轨迹以及相应的码点坐标信息被传输给处理后台,处理后台可以通过与教师身份绑定的点阵笔的标识信息,例如点阵笔的MAC信息,来识别接收到的批改轨迹是哪一个教师书写的。
根据实施例,处理后台接收到的书写信息包括书写轨迹信息和码点坐标信息中的至少一项。如上所述,处理后台可以根据接收到的点阵笔的标识信息来识别所接收到的书写信息来识别所对应的学生和/或教师,并且然后在数据库中将随后接收的书写信息与所识别的学生/教师相关联。
此外,根据本公开提出的基于智能答题卡对作业进行处理的方法,可以对利用点阵笔获取的作答笔迹以及批改笔迹进行图像处理,基于点位坐标将图像区域进行结构化处理,将其划分为对应于不同的数据类型(例如,数字、字母、运算符号,批改标记等)的各个子区域,并且采用不同的AI模型来识别各个子区域,从而能够准确地识别出作答数据和相应的批改数据,并且将其与相应的题目编号相关联,最终完成基于智能答题卡对作业的处理。
例如,可以针对学生在客观题作答区域中填涂的笔迹进行笔迹识别,以便确定学生的作答的答案。作为示例,基于学生在客观题作答区域中填涂的笔迹所对应的位置坐标,确定该填涂笔迹所对应的题目编号以及对应于哪一个选项。可选地,可以采用预先训练的AI轨迹识别模型,例如,作为特殊标记轨迹形状识别模型的黑色矩形块识别模型来识别学生填涂的作答笔迹,例如,可以分析学生的填涂笔迹的灰度浓度及范围,识别填涂区域,并且判断填涂的选项。
作为示例,处理后台可以基于对接收到的书写信息的处理,生成重构的书写轨迹。具体地,处理后台将接收到的书写轨迹信息转换为图片,并且进行图像处理,以便生成重构的书写轨迹。
可选地,可以首先对图片进行灰度处理,并且进行二值化处理,以便进行随后的图片分割。图片的二值化有利于图片的进一步处理,使图片变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。为此,要进行二值图片的处理与分析,首先要把灰度图片二值化,得到二值化图片。二值化可以把灰度图片转换成二值图片,例如,把大于某个灰度阈值,例如临界灰度值的像素灰度设为灰度极大值,把小于这个值的像素灰度设为灰度极小值,从而实现二值化。例如,可以将图片的像素点二值化为0或255。这样有利于在对图片做进一步处理时,图片的集合性质只与像素值为0或255的点的位置有关,不再涉及像素的多级值,使处理变得简单,而且数据的处理和压缩量小。根据阈值选取的不同,二值化的算法可以基于固定阈值和自适应阈值。
根据实施例在对图片进行二值化之后,可以进行图片分割处理。图片分割是指的是将数字图片细分为多个图片子区域(像素的集合)的过程。图片分割的目的是简化或改变图片的表示形式,使得图片更容易理解和分析。图片分割通常用于定位图片中的物体和边界(线,曲线等)。更精确的,图片分割是对图片中的每个像素加标签的一个过程,这一过程使得具有相同标签的像素具有某种共同视觉特性。图片分割的结果是图片上子区域的集合(这些子区域的全体覆盖了整个图片),或是从图片中提取的轮廓线的集合(例如边缘检测)。一个子区域中的每个像素在某种特性的度量下或是由计算得出的特性都是相似的,例如颜色、亮度、纹理。邻接区域在某种特性的度量下有很大的不同。
这里,以智能答题卡的单个页面为例,来详细说明根据本公开的实施例基于接收的书写轨迹以及相应的位置坐标信息来生成重构的书写轨迹的过程。作为示例,处理后台可以基于接收到的教师的批改笔迹以及相应的位置坐标信息,生成包括重构的批改笔迹的数字图片,其中,基于所述相应的位置坐标信息,确定该重构的批改轨迹在该数字图片上的位置,由此,生成了包括该教师的重构的批改笔迹的数字图片,其中,该重构的批改笔迹在该数字图片上的位置与该批改笔迹在智能答题卡上的位置对应。
作为示例,可以采用预先设置的轨迹识别模型对所述多个区域中的每一个包含的轨迹内容进行AI轨迹识别;其中,轨迹识别模型可以包括以下至少一种:数字轨迹识别模型、字母轨迹识别模型、字符轨迹识别模型,以及特殊标记轨迹识别模型。
类似地,可以对包括重构的教师批改笔迹的上述数字图片进行灰度处理,然后进行二值化处理,获得进行图像预处理后的图片。然后,对经过了图像预处理的图片进行结构化处理。具体地,可以对该图片进行图片分割处理。作为示例,可以采用openCV投影方式来分割图片,从而可以将图片分割为分别包含不同内容的子区域图片,例如,学生信息识别区域图片、批改笔迹区域图片等。
例如,当教师利用点阵笔在学生信息识别区域进行标记后,处理后台可以对图像预处理后的重构的教师的笔迹进行识别,可以针对“学生信息识别区域”子区域图片对教师笔迹进行识别。
类似地,还可以对“批改笔迹”子区域中的笔迹进行轨迹识别,得到具体的批改信息。作为示例,对于简单的批改笔迹,例如,表示正确的对钩,表示错误的叉,等笔迹,可以利用预先训练的勾叉识别模型进行识别,例如与预先训练的对钩、叉等笔迹比对,从而快速地进行识别;或者,针对教师书写的诸如减分之类的笔迹,例如“-2”表示该题扣2分,可以利用预先训练的数字识别模型和特殊标记识别模型分别对数字和减号进行识别;而对于教师的一般批语,作为示例,可以利用预先训练的字符识别模型进行识别。例如,可以考虑利用CRNN(Convolutional Recurrent Neural Network,CRNN)+CTC(Connectionist TemporalClassification,CTC)算法来进行笔迹识别。可选地,可以首先定位批改笔迹子区域图片中的各个批改轨迹的位置,然后进行识别。由此,可以首先用框(box)标识出批改笔迹子区域图片中所包含的各个批改笔迹的位置,再采用CRNN+CTC算法来进行笔迹识别,具体地,可以用CNN提取图像卷积特征,然后用长短期记忆网络LSTM(Long Short Term Memory)进一步提取图像卷积特征中的序列特征,最后引入CTC解决训练时字符无法对齐的问题,从而生成重构的批改笔迹。
可选地,可以将识别出的反映教师批改情况的批改信息与数据库中该份作业的电子原卷中特定的题目进行关联,从而生成该份作业的批改统计情况,例如,每道题的得分、该份作业的总分,哪一道题答错等等。
如上所述,通过教师在学生信息识别区域进行标记,例如,在学生作业标签贴区域上进行标记,可以将教师的批改笔迹与学生作答的具体作业进行关联。作为一种替换方式,教师的批改笔迹与所批改的学生的具体作业的关联可以通过教师在学生提交的智能答题卡的特定区域(例如,学生信息确认区域)上书写相应学生的信息(例如班级-学号信息)的方式进行,从而可以将教师的批改笔迹与所批改的学生的该份作业在处理后台处进行关联。实际上,无论是学生作业标签贴区域还是学生信息确认区域,均可以与编码有相应信息的点阵图案相对应,使得处理后台将上述区域上书写的标记识别为与特定学生的特定作业相关联。
另外,基于学生的作答笔迹所对应的位置坐标信息和教师的批改笔迹所对应的位置坐标信息,可以将学生的作答笔迹与教师的批改笔迹分别与特定的题目进行关联。
可选地,利用学生的点阵笔获取学生在纸质智能答题卡上书写的作答笔迹以及相应的位置坐标信息,并且将作答笔迹以及相应的位置坐标信息通过数据线传送给智能笔盒,并且经由智能笔盒通过WiFi传输给处理后台,例如,服务器;利用教师的点阵笔获取教师在纸质智能答题卡上针对学生的作答情况书写的批改笔迹以及相应的位置坐标信息,并且将批改笔迹以及相应的位置坐标信息通过蓝牙传输给智能终端(例如,手机,路由器,网关等),并且经由该智能终端传输给处理后台,例如,服务器。其中,可以将作答笔迹/批改笔迹以及相应的位置坐标信息放入消息队列,例如MQTT消息队列,并且基于该消息队列,将作答笔迹/批改笔迹转换为图片。由于学生的作答笔迹以及相应的位置坐标信息是通过数据线这种有线方式传输给智能笔盒,然后由智能笔盒通过例如WiFi之类的无线网络传输到处理后台,与使用蓝牙方式来传输学生的作答笔迹相比,能够有效地减少丢笔、串笔等问题的发生,尤其是学生们在教室同时进行作业作答时。
可选地,如上所述,可以对上述图片进行图像处理,例如,灰度处理,再进行2值化处理,获得预处理后的图片。
可选地,如上所述,可以对预处理后的图片进行结构化处理,例如,利用opencv投影法将图片分割为多个区域,其中,可以根据位置坐标信息,将将其分割为分别包括例如以下至少一个区域的子图片:作答区域,其中包含学生书写的针对作业题目的作答笔迹;批改区域,教师针对学生的作答情况书写的批改笔迹。
可选地,可以基于AI识别模型,例如,数字识别模型、字母识别模型、勾叉识别模型等对上述子图片中的笔迹进行识别。例如,对作答区域子图片进行识别,识别出学生对每道题的作答笔迹,从而获得学生对每道题的作答情况信息,而对批改区域子图片进行识别,例如,识别出勾叉、减分等笔迹批改笔迹,从而可以获得教师对每道题的作答情况的批改信息。
上述仅针对一份作业的单个页面进行处理从而得到单个页面对应的题目的学生作答笔迹、教师批改笔迹的过程进行了示例性说明,而针对该份的其他页面进行处理的过程与之类似,在此不再赘述。
在完成了上述对智能答题卡的单张页面的分析处理后,可以得到相应页面的全部作答情况信息和批改情况信息,在对该份作业的其他页面进行类似的处理,即可得到该份作业的完整的作答和批改信息,从而可以将其与数据库中相应作业的各个题目相关联,便于随后的统计、分析和汇总。
当完成了针对该份作业的所有页面的处理之后,可以进行整合,例如,基于教师的批改数据,对学生的作答数据情况进行分析统计,形成该学生本次作业完成情况的汇总;以此为基础,还可以针对整个班级、整个年级进行数据统计、分析、生成相应的学情诊断报告。
图6示出了根据本公开提出的作业处理系统的示意性示例。如图6所示,该作业处理系统包括:教师侧/学生侧的智能终端610,获取教师/学生在智能答题卡上特定区域书写的笔迹相关联的信息,并将其通过通信网络620传输给处理后台;以及处理后台630,基于对教师/学生在智能答题卡上的特定区域书写的笔迹相关联的信息进行的处理,分别确定与学生书写的笔迹相关联的题目信息和与教师书写的笔迹相关联的题目信息;以及将所确定的与学生书写的笔迹相关联的题目信息、与教师书写的笔迹相关联的题目信息与数据库中存储的电子作业原件的相应题目相关联。
根据本公开的实施例,还提出了一种对作业内容进行电子化处理的电子装置。如图7所示,该装置包括处理器710、与所述处理器耦合的存储器720,以及通信接口730,其中,存储器720存储程序指令,通信接口730从各个智能终端接收有关书写笔迹以及相应位置坐标的信息,所述处理器被配置为在执行所述存储器中存储的程序指令时,使得所述装置实施根据上述对作业内容进行电子化处理的方法。
根据本公开的实施例,还提出了一种存储有程序指令的计算机可读存储介质,当所述程序指令在电子装置中的处理器运行时,使得所述电子装置实施根据上述对作业内容进行电子化处理的方法。
根据本公开提出的对作业进行电子化处理的方法、装置、系统以及计算机可读存储介质,可以不改变学生书写作业的习惯和教师批改作业的习惯,同时有利于对学生作业的作答情况和教师批改的批改情况进行分析、诊断、统计和汇总,从而便于对学生的学习情况进行诊断,也有利于教师及时掌握学生目前的学习状态,以便更有针对性地进行教学辅导和下一步的备课安排。
应当理解,本公开的各种实施例和实施例中使用的术语并不旨在将本公开中公开的技术特征限制于本文公开的特定实施例;相反,本公开应当被解释为覆盖本公开的实施例的各种修改、等同物或替代物。关于图的描述,相似或相关的部件可以用相似的图标记来表示。如在此所使用的,对应于一个项目的名词的单数形式可以包括一个或多个项目,除非上下文清楚地另外指示。在本文公开的内容中,本文使用的每个表述“A或B”、“A和B中的至少一个”、“A或B中的至少一个”、“A、B或C”、“A、B和C中的一个或多个”或“A、B或C中的一个或多个”等可以包括一个或多个相关列出项目的任何和所有组合。诸如“第一”、“第二”、“第一”或“第二”的表达可以仅用于将一个组件与其他组件区分开的目的,而不是在其他方面(例如,重要性或顺序)限制相应的组件。应当理解,如果一个元件(例如,第一元件)被称为“与另一个元件(例如,第二元件)耦合”、“耦合到”、“连接到”或“连接到”,无论是否使用术语“可操作地”或“通信地”,这意味着该元件可以直接(例如,有线地)、无线地或经由第三元件与另一个元件耦合。
本公开的各种实施例可以由软件(例如,程序)实现,该软件包括存储在机器(例如,电子设备)可读的机器可读存储介质(例如,内部存储器或外部存储器)中的指令。例如,机器(例如,电子设备)的处理器(例如,处理器)可以从机器可读存储介质调用指令,并执行如此调用的指令。这意味着机器可以基于所调用的至少一个指令来执行至少一个功能。一个或多个指令可以包括由编译器生成的或由解释器可执行的代码。机器可读存储介质可以以非暂时性存储介质的形式提供。这里,这里使用的术语“非暂时性”意味着存储介质是有形的,但是不包括信号(例如,电磁波)。术语“非暂时性”并不区分数据永久存储在存储介质中的情况和数据暂时存储在存储介质中的情况。例如,非暂时性存储介质可以包括其中临时存储数据的缓冲器。
根据实施例,根据本公开中公开的各种实施例的方法可以作为计算机程序产品的一部分来提供。计算机程序产品可以作为产品在卖方和买方之间交易。计算机程序产品可以以机器可读存储介质(例如,光盘只读存储器(CD-ROM))的形式分发,或者可以通过应用商店(例如,Play Store)直接在线分发(例如,下载或上传),或者在两个用户设备(例如,智能手机)之间分发。在在线分发的情况下,计算机程序产品的至少一部分(例如,可下载的app)可以临时存储或生成在机器可读存储介质中,例如制造商的服务器、应用商店的服务器或中继服务器的存储器中。
根据各种实施例,上述组件的每个组件(例如,模块或程序)可以包括一个或多个实体。根据各种实施例,可以省略上述组件或操作的至少一个或多个组件,或者可以添加一个或多个组件或操作。替代地或附加地,一些组件(例如,模块或程序)可以集成在一个组件中。在这种情况下,集成的组件可以执行由每个相应组件在集成之前执行的相同或相似的功能。根据各种实施例,由模块、程序或其他组件执行的操作可以顺序地、并行地、重复地或以启发式方法执行,或者至少一些操作可以以不同的顺序执行、被省略,或者可以添加其他操作。
以上所述仅表示本公开的可选实施方式,任何人在不脱离本公开的原理下而做出的结构变形、改进和润饰等,这些变形、改进和润饰等均视为在本公开的保护范围内。
已经描述了多个实现方式。然而,应当理解,可以进行各种修改。例如,可以组合、补充、修改或移除不同实现方式的要素,以产生其他实现方式。此外,本领域技术人员将理解的是,其他结构和处理可以代替所公开的那些结构和处理,所得到的实现方式将以与所公开的实现方式以至少基本相同的方式,执行与所公开的实现方式至少基本相同的功能,以实现与所公开的实现方式至少基本相同的效果。相应地,由本申请想到了这些以及其他实现方式。
Claims (12)
1.一种基于智能答题卡对作业进行处理的方法,其中,所述智能答题卡上预先铺设了不可见的具有位置坐标的点阵图案并且印刷有对于所述作业的题目的作答区域和批改区域,所述方法包括在处理平台上进行如下操作:
接收第一智能终端传输的与第一用户在智能答题卡的作答区域中书写的第一轨迹相关联的第一信息;
接收第二智能终端传输的与第二用户在所述智能答题卡上的批改区域中书写的第二轨迹相关联的第二信息;
基于对所述第一信息和第二信息的处理来分别确定与所述第一轨迹相关联的题目信息和与所述第二轨迹相关联的题目信息;以及
将所确定的与所述第一轨迹相关联的题目信息、与所述第二轨迹相关联的题目信息与数据库中存储的电子作业原件的相应题目相关联。
2.根据权利要求1所述的方法,其中,所述第一智能终端和所述第二智能终端是点阵笔;所述第一轨迹是所述第一用户利用第一智能终端在所述智能答题卡上针对所述作业的题目进行作答而书写的;所述第二轨迹是所述第二用户利用第二智能终端在所述智能答题卡上进行批改而书写的,其中所述电子模板文件是数据库中存储的对应于所述作业的题目的电子原件。
3.根据权利要求2所述的方法,其中,第一信息包括关于所述第一轨迹的信息和关于所述第一轨迹在所述智能答题卡上的位置坐标的信息中的至少一项;所述第二信息包括关于所述第二轨迹的信息和关于所述第二轨迹在所述智能答题卡上位置坐标信息中的至少一项。
4.根据权利要求3所述的方法,其中,所述作答区域包括作业编号区域、客观题作答区域、主观题作答区域中的至少一个;所述批改区域包括客观题批改区域和主观题批改区域中的至少一个;该方法还包括:
基于关于所述第一轨迹/第二轨迹在所述智能答题卡上的位置坐标信息,识别与所述第一轨迹/第二轨迹相关联的所述作业的作业编号、与所述第一轨迹/第二轨迹相关联的所述作业的题目编号中的至少一项;
基于对所述第一轨迹在所述客观题作答区域中的轨迹位置的识别,来确定与所述第一轨迹对应的作答信息;
基于对所述第二轨迹在所述主观题批改区域中的轨迹形状的识别,来确定与所述第二轨迹对应的批改信息;以及
基于所识别的所述作业的作业编号、所述作业的题目编号,将所确定的作答信息、批改信息与所述数据库中存储的电子作业原件中的相应题目相关联。
5.根据权利要求4所述的方法,其中,所述智能答题卡上还设置有第一用户身份信息识别区域,该方法还包括:
识别所述第二用户在所述第一用户身份信息识别区域中书写的第二轨迹,以便将所述第二用户书写的第二轨迹与所述第一用户书写的第一轨迹在所述数据库中进行关联。
6.根据权利要求4所述的方法,其中,所述第一信息还包括关于第一智能终端的标识信息,所述关于第一智能终端的标识信息与所述第一用户相关联;所述第二信息还包括关于第二智能终端的标识信息,所述关于第二智能终端的标识信息与所述第二用户相关联,所述方法还包括:
基于关于所述第一智能终端的标识信息,将所述第一轨迹与所述第一用户相关联;以及
基于关于所述第二智能终端的标识信息,将所述第二轨迹与所述第二用户相关联。
7.根据权利要求4所述的方法,还包括:
采用所述预先训练的轨迹形状识别模型对所述第二轨迹在所述主观题批改区域中的轨迹形状进行识别;
其中,所述轨迹识别模型包括以下至少一种:数字轨迹形状识别模型、字母轨迹形状识别模型、勾叉轨迹形状识别模型,以及特殊标记轨迹形状识别模型。
8.根据权利要求4-7任一项所述的方法,还包括:基于对题目信息、作答信息以及批改信息中的至少一项进行的分析统计,形成关于所述第一用户对所述题目进行作答的统计数据。
9.根据权利要求1-7任一项所述的方法,其中,
所述第一信息是所述第一智能终端通过有线方式传输到智能笔盒,并且经由所述智能笔盒通过Wi-Fi方式传输到所述处理平台;以及
所述第二信息是所述第二智能终端通过蓝牙方式传输到客户端,并且通过所述客户端传输到所述处理平台。
10.一种基于智能答题卡对作业进行处理的装置,该装置包括处理器以及与所述处理器耦合的存储器,其中,所述处理器被配置为在执行所述存储器中存储的程序指令时,使得所述装置实施根据权利要求1-9中任一项所述的方法。
11.一种存储有程序指令的计算机可读存储介质,当所述程序指令在电子装置中的处理器运行时,使得所述电子装置实施根据权利要求1-9任一项所述的方法。
12.一种基于智能答题卡对作业进行处理的系统,包括:
第一智能终端,获取与第一用户在智能答题卡上的第一区域书写的第一轨迹相关联的第一信息;
第二智能终端,获取与第二用户在所述智能答题卡上的第二区域书写的第二轨迹相关联的第二信息;以及
根据权利要求10所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211565823.XA CN115936937A (zh) | 2022-12-07 | 2022-12-07 | 基于智能答题卡的作业处理的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211565823.XA CN115936937A (zh) | 2022-12-07 | 2022-12-07 | 基于智能答题卡的作业处理的方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936937A true CN115936937A (zh) | 2023-04-07 |
Family
ID=86651820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211565823.XA Pending CN115936937A (zh) | 2022-12-07 | 2022-12-07 | 基于智能答题卡的作业处理的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936937A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363673A (zh) * | 2023-05-11 | 2023-06-30 | 深圳棒棒帮科技有限公司 | 基于智能笔的批改方法、装置、系统及存储介质 |
-
2022
- 2022-12-07 CN CN202211565823.XA patent/CN115936937A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363673A (zh) * | 2023-05-11 | 2023-06-30 | 深圳棒棒帮科技有限公司 | 基于智能笔的批改方法、装置、系统及存储介质 |
CN116363673B (zh) * | 2023-05-11 | 2024-04-16 | 深圳棒棒帮科技有限公司 | 基于智能笔的批改方法、装置、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008933B (zh) | 一种通用智能阅卷系统和方法 | |
CN110659612B (zh) | 基于纸笔改良的数字化阅卷方法及系统 | |
CN106781784A (zh) | 一种智能批改系统 | |
CN110597806A (zh) | 一种基于批阅识别的错题集生成与答题统计系统及方法 | |
CN107784264A (zh) | 基于图像处理的答卷分析方法及系统 | |
CN112534464A (zh) | 一种作业布置和批改方法、系统及服务器 | |
KR20190052410A (ko) | 답안 일체형 시험지 및 답안 일체형 교재를 이용하는 자동 채점 시스템 및 그 방법 | |
CN109871525A (zh) | 一种易于ocr识别的印刷排版的批阅系统及实现方法 | |
CN110659584A (zh) | 一种基于图像识别的智能留痕阅卷系统 | |
CN111460771A (zh) | 数据处理方法及装置、智能测验系统及存储介质 | |
CN112506360A (zh) | 一种常规纸质书写作业或试卷的智能识别及批改方法 | |
CN110826872A (zh) | 考试成绩分析报告生成方法、系统、装置 | |
CN106599887A (zh) | 试卷答题区域识别及试题评阅方法、系统 | |
CN112507758A (zh) | 答题卡字符串识别方法、装置、终端和计算机存储介质 | |
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 | |
CN110321838A (zh) | 一种阅卷方法、装置、终端及存储介质 | |
CN115936937A (zh) | 基于智能答题卡的作业处理的方法、装置及系统 | |
CN112183143A (zh) | 批阅方法及教学系统 | |
CN111008594B (zh) | 改错题评阅方法、相关设备及可读存储介质 | |
CN112699840A (zh) | 书写过程评价与反馈方法、及其系统、计算机存储介质 | |
CN114266328A (zh) | 一种数字化的作业批改方法、服务器、存储介质及系统 | |
CN113095312A (zh) | 一种基于标识码采集试卷中手写答案区域的方法 | |
CN112396897A (zh) | 一种教学系统 | |
CN115294573A (zh) | 作业批改方法、装置、设备及介质 | |
CN115984051A (zh) | 对作业进行电子化处理的方法、装置及系统 |
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 |