CN117372214A - 一种基于坐标信息对作业进行批改留痕的方法 - Google Patents
一种基于坐标信息对作业进行批改留痕的方法 Download PDFInfo
- Publication number
- CN117372214A CN117372214A CN202311323520.1A CN202311323520A CN117372214A CN 117372214 A CN117372214 A CN 117372214A CN 202311323520 A CN202311323520 A CN 202311323520A CN 117372214 A CN117372214 A CN 117372214A
- Authority
- CN
- China
- Prior art keywords
- job
- correcting
- questions
- coordinate information
- printing
- 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 36
- 238000012360 testing method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000004816 latex Substances 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000013519 translation Methods 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Animal Behavior & Ethology (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及智能教育领域技术领域，且公开了一种基于坐标信息对作业进行批改留痕的方法，包括作业打印和作业批改流程，所述作业批改流程包括：S1：电子题库处理、S2：作业扫描上传、S3：试卷图片处理、S4：自动批阅、S5：打印批阅结果，所述S1，电子题库处理是通过收集、存储、分析和挖掘海量的试卷数据，构建知识图谱和评分模型，所述S3，通过对试卷图片进行预处理、分割、校正、去噪等操作。本发明中，自动批阅系统可以避免人为的主观偏差、疲劳误差、漏判等问题，提高批阅的一致性和公正性，相比于人工批阅，自动批阅系统可以根据学生的作答情况，提供个性化的反馈、指导和建议，帮助学生找出问题并改进。
Description
技术领域
本发明涉及智能教育领域技术领域，尤其涉及一种基于坐标信息对作业进行批改留痕的方法。
背景技术
智能教育是一种利用人工智能技术赋能教育创新发展的教育，智能教学：利用人工智能技术辅助教师进行教学设计、教学实施、教学评价等环节，提高教学效果和效率，包括智能学习：利用人工智能技术为学生提供个性化、自适应、沉浸式的学习体验，促进学生的主动学习和深度学习；智能管理：利用人工智能技术对教育数据进行收集、分析、挖掘、可视化等操作，为教育决策和管理提供智能支持；智能服务：利用人工智能技术为教育相关的各方提供智能化的服务，如智能问答、智能辅导、智能推荐、智能翻译等。
批改作业的方法有很多种，关键是调动学生学习的积极性，把师生活动紧密结合为一个整体,传统作业留痕需要老师在学生作答纸上批改,而电子档作业也是老师在智能设备上进行批改。
目前电子档作业在批改时，无法与AI自动批阅结合，电子档作业批改后批阅痕迹在电子档上，一些同学直接使用智能设备接收时，可以了解批阅结果，但目前扫描设备无法将题目批阅结果及错误行，标识在学生作业扫描图片上，打印出带有批阅痕迹的作业纸，反馈给学生，因此不使用智能设备的同学无法从作业纸上清楚的了解批阅结果。
为此，我们提出一种基于坐标信息对作业进行批改留痕的方法。
发明内容
本发明主要是解决上述现有技术所存在的技术问题，提供一种基于坐标信息对作业进行批改留痕的方法。
为了实现上述目的，本发明采用了如下技术方案，一种基于坐标信息对作业进行批改留痕的方法，包括作业打印和作业批改流程，所述作业批改流程包括：S1：电子题库处理、S2：作业扫描上传、S3：试卷图片处理、S4：自动批阅、S5：打印批阅结果；
所述S1，电子题库处理是通过收集、存储、分析和挖掘海量的试卷数据，构建知识图谱和评分模型；
所述S3，通过对试卷图片进行预处理、分割、校正、去噪等操作，提取出试题区域和答案区域，为后续的识别和批改做准备；
所述S4，通过AI基于坐标信息完成切题和自动批阅。
作为优选，所述S1，对电子题库进行分类，将同一知识点题目进行收集分类，方便后期批改时自动锁定题目类别，电子题库处理还要对题库中题目进行标注，对题干、问题、子题、作答区域、配图坐标进行标记。
作为优选，所述S4，AI基于坐标信息完成切题和自动批阅的任务可以通过人工神经网络来实现，指根据一些已知的数据或条件，从一张图片上切出一个符合要求的区域并对照电子题库进行批阅。
作为优选，所述S4，将手写文字转换为电子文本，实现对客观题和主观题的自动识别，通过利用神经网络模型，对试题内容和答案进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分。
作为优选，所述S4，用于对数学、物理等科目的公式进行识别，将图片转化为LaTeX或MathML格式的公式。
作为优选，所述S4，针对语文、英语等科目的作文、阅读理解等题目进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分。
作为优选，所述S4，针对画图类题型，对学生画的图形进行内容理解，判断是否符合题目要求，是否有遗漏或错误的细节，是否有逻辑或美观上的问题，对学生画的图形和标准答案的图形进行相似度比较，根据一定的阈值或评分标准，给出分数或评语。
作为优选，所述S5，系统根据批改结果生成留痕PDF，通过打印设备将S4中自动批阅的结果打印出来，打印出来的结果中留有批改痕迹以及反馈内容。
作为优选，所述S2，通过智能扫描仪将纸质上完成作答的题目全面扫描并上传到服务器。
作为优选，所述S1，作业打印包括原纸打印和新纸打印，原纸打印可以节约纸张，但是需要打印纸按照扫描顺序放进打印机，新纸打印无需旧的扫描纸，通过作业打印将电子档作业打印成纸质作业并分发到每个同学手中。
有益效果
本发明提供了一种基于坐标信息对作业进行批改留痕的方法。具备以下
有益效果：
(1)、该一种基于坐标信息对作业进行批改留痕的方法，通过AI基于坐标信息完成切题和自动批阅相比于人工批阅，自动批阅系统可以大大缩短批阅时间，实现秒级出分，节省人力资源，相比于人工批阅，自动批阅系统可以避免人为的主观偏差、疲劳误差、漏判等问题，提高批阅的一致性和公正性，相比于人工批阅，自动批阅系统可以根据学生的作答情况，提供个性化的反馈、指导和建议，帮助学生找出问题并改进。
(2)、该一种基于坐标信息对作业进行批改留痕的方法，用于对数学、物理等科目的公式进行识别，将图片转化为LaTeX或MathML格式的公式，针对语文、英语等科目的作文、阅读理解等题目进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分，针对画图类题型，对学生画的图形进行内容理解，判断是否符合题目要求，是否有遗漏或错误的细节，是否有逻辑或美观上的问题，对学生画的图形和标准答案的图形进行相似度比较，根据一定的阈值或评分标准，给出分数或评语，达到了对多样化作业进行自动批阅的效果。
(3)、该一种基于坐标信息对作业进行批改留痕的方法，电子题库处理是通过收集、存储、分析和挖掘海量的试卷数据，构建知识图谱和评分模型，对电子题库进行分类，将同一知识点题目进行收集分类，方便后期批改时自动锁定题目类别，电子题库处理还要对题库中题目进行标注，对题干、问题、子题、作答区域、配图坐标进行标记，通过对试卷图片进行预处理、分割、校正、去噪等操作，提取出试题区域和答案区域，通过题库对作业中的题目进行快速锁定并批阅。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单的介绍。显而易见的，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其他的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明系统流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：一种基于坐标信息对作业进行批改留痕的方法，如图1所示，包括作业打印和作业批改流程，所述作业打印包括原纸打印和新纸打印，原纸打印可以节约纸张，但是需要打印纸按照扫描顺序放进打印机，新纸打印无需旧的扫描纸，操作简单，通过作业打印将电子档作业打印成纸质作业并分发到每个同学手中；
所述作业批改流程包括：S1：电子题库处理、S2：作业扫描上传、S3：试卷图片处理、S4：自动批阅、S5：打印批阅结果；
S1：电子题库处理，电子题库处理是通过收集、存储、分析和挖掘海量的试卷数据，构建知识图谱和评分模型，对电子题库进行分类，将同一知识点题目进行收集分类，方便后期批改时自动锁定题目类别，电子题库处理还要对题库中题目进行标注，对题干、问题、子题、作答区域、配图坐标进行标记；
S2：作业扫描上传，作业扫描上传是学生完成作来作答后，通过智能扫描仪将纸质上完成作答的题目全面扫描并上传到服务器；
S3：试卷图片处理，通过对试卷图片进行预处理、分割、校正、去噪等操作，提取出试题区域和答案区域，为后续的识别和批改做准备。
S4：自动批阅，通过AI基于坐标信息完成切题和自动批阅，I基于坐标信息完成切题和自动批阅的任务可以通过人工神经网络来实现，指根据一些已知的数据或条件，从一张图片上切出一个符合要求的区域并对照电子题库进行批阅，人工神经网络的基本单元是神经元，它接收一些输入数据，根据一些权重、偏差和激活函数来计算输出，神经元之间通过连接强度(权重)来传递信号，神经元按照层次结构组成神经网络，通常有一个输入层、一个或多个隐藏层和一个输出层，人工神经网络的学习过程是通过调整权重和偏差来减少预测误差的过程，常用的学习算法有反向传播算法，它利用梯度下降法来优化成本函数，并将误差从输出层反向传播到输入层，更新每个神经元的参数，人工神经网络有不同的类型，根据不同的结构、功能和应用场景进行分类，常见的类型有感知机、多层感知机、卷积神经网络、循环神经网络，自动批阅过程中，通过手对手写答案进行特征提取、分类、匹配等算法，将手写文字转换为电子文本，实现对客观题和主观题的自动识别，通过利用神经网络等模型，对试题内容和答案进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分；
用于对数学、物理等科目的公式进行识别，将图片转化为LaTeX或MathML格式的公式；
针对语文、英语等科目的作文、阅读理解等题目进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分；
针对画图类题型，对学生画的图形进行内容理解，判断是否符合题目要求，是否有遗漏或错误的细节，是否有逻辑或美观上的问题，对学生画的图形和标准答案的图形进行相似度比较，根据一定的阈值或评分标准，给出分数或评语；
通过AI基于坐标信息完成切题和自动批阅相比于人工批阅，自动批阅系统可以大大缩短批阅时间，实现秒级出分，节省人力资源，相比于人工批阅，自动批阅系统可以避免人为的主观偏差、疲劳误差、漏判等问题，提高批阅的一致性和公正性，相比于人工批阅，自动批阅系统可以根据学生的作答情况，提供个性化的反馈、指导和建议，帮助学生找出问题并改进。
S5：打印批阅结果，系统根据批改结果生成留痕PDF，通过打印设备将S4中自动批阅的结果打印出来，打印出来的结果中留有批改痕迹以及反馈内容。
通过AI基于坐标信息完成切题和自动批阅相比于人工批阅，自动批阅系统可以大大缩短批阅时间，实现秒级出分，节省人力资源，相比于人工批阅，自动批阅系统可以避免人为的主观偏差、疲劳误差、漏判等问题，提高批阅的一致性和公正性，相比于人工批阅，自动批阅系统可以根据学生的作答情况，提供个性化的反馈、指导和建议，帮助学生找出问题并改进。
用于对数学、物理等科目的公式进行识别，将图片转化为LaTeX或MathML格式的公式，针对语文、英语等科目的作文、阅读理解等题目进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分，针对画图类题型，对学生画的图形进行内容理解，判断是否符合题目要求，是否有遗漏或错误的细节，是否有逻辑或美观上的问题，对学生画的图形和标准答案的图形进行相似度比较，根据一定的阈值或评分标准，给出分数或评语，达到了对多样化作业进行自动批阅的效果。
电子题库处理是通过收集、存储、分析和挖掘海量的试卷数据，构建知识图谱和评分模型，对电子题库进行分类，将同一知识点题目进行收集分类，方便后期批改时自动锁定题目类别，电子题库处理还要对题库中题目进行标注，对题干、问题、子题、作答区域、配图坐标进行标记，通过对试卷图片进行预处理、分割、校正、去噪等操作，提取出试题区域和答案区域，通过题库对作业中的题目进行快速锁定并批阅。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于坐标信息对作业进行批改留痕的方法，其特征在于：包括作业打印和作业批改流程，所述作业批改流程包括：S1：电子题库处理、S2：作业扫描上传、S3：试卷图片处理、S4：自动批阅、S5：打印批阅结果；
所述S1，电子题库处理是通过收集、存储、分析和挖掘海量的试卷数据，构建知识图谱和评分模型；
所述S3，通过对试卷图片进行预处理、分割、校正、去噪等操作，提取出试题区域和答案区域，为后续的识别和批改做准备；
所述S4，通过AI基于坐标信息完成切题和自动批阅。
2.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S1，对电子题库进行分类，将同一知识点题目进行收集分类，方便后期批改时自动锁定题目类别，电子题库处理还要对题库中题目进行标注，对题干、问题、子题、作答区域、配图坐标进行标记。
3.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S4，AI基于坐标信息完成切题和自动批阅的任务可以通过人工神经网络来实现，指根据一些已知的数据或条件，从一张图片上切出一个符合要求的区域并对照电子题库进行批阅。
4.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S4，将手写文字转换为电子文本，实现对客观题和主观题的自动识别，通过利用神经网络模型，对试题内容和答案进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分。
5.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S4，用于对数学、物理等科目的公式进行识别，将图片转化为LaTeX或MathML格式的公式。
6.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S4，针对语文、英语等科目的作文、阅读理解等题目进行语义理解、逻辑推理、评分标准等方面的分析，实现对主观题的自动评分。
7.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S4，针对画图类题型，对学生画的图形进行内容理解，判断是否符合题目要求，是否有遗漏或错误的细节，是否有逻辑或美观上的问题，对学生画的图形和标准答案的图形进行相似度比较，根据一定的阈值或评分标准，给出分数或评语。
8.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S5，系统根据批改结果生成留痕PDF，通过打印设备将S4中自动批阅的结果打印出来，打印出来的结果中留有批改痕迹以及反馈内容。
9.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S2，通过智能扫描仪将纸质上完成作答的题目全面扫描并上传到服务器。
10.根据权利要求1所述的一种基于坐标信息对作业进行批改留痕的方法，其特征在于：所述S1，作业打印包括原纸打印和新纸打印，原纸打印可以节约纸张，但是需要打印纸按照扫描顺序放进打印机，新纸打印无需旧的扫描纸，通过作业打印将电子档作业打印成纸质作业并分发到每个同学手中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311323520.1A CN117372214A (zh) | 2023-10-13 | 2023-10-13 | 一种基于坐标信息对作业进行批改留痕的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311323520.1A CN117372214A (zh) | 2023-10-13 | 2023-10-13 | 一种基于坐标信息对作业进行批改留痕的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117372214A true CN117372214A (zh) | 2024-01-09 |
Family
ID=89392316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311323520.1A Pending CN117372214A (zh) | 2023-10-13 | 2023-10-13 | 一种基于坐标信息对作业进行批改留痕的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117372214A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118072334A (zh) * | 2024-04-24 | 2024-05-24 | 济南科明数码技术股份有限公司 | 一种尺规制图纸质作业自动批改系统及方法 |
-
2023
- 2023-10-13 CN CN202311323520.1A patent/CN117372214A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118072334A (zh) * | 2024-04-24 | 2024-05-24 | 济南科明数码技术股份有限公司 | 一种尺规制图纸质作业自动批改系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108932508B (zh) | 一种题目智能识别、批改的方法和系统 | |
| CN110110581B (zh) | 一种基于人工智能的试卷批改方法和系统 | |
| CN111597908A (zh) | 试卷批改方法和试卷批改装置 | |
| CN108121702B (zh) | 数学主观题评阅方法及系统 | |
| JP2017531262A (ja) | 記述式問題のための知的採点方法およびシステム | |
| CN108052504B (zh) | 数学主观题解答结果的结构分析方法及系统 | |
| CN107784264A (zh) | 基于图像处理的答卷分析方法及系统 | |
| CN104463101A (zh) | 用于文字性试题的答案识别方法及系统 | |
| CN111242024A (zh) | 基于机器学习识别图纸内图例及文字的方法及系统 | |
| CN110414563A (zh) | 考试成绩统计方法、系统及计算机可读存储介质 | |
| CN106846961A (zh) | 电子试卷的处理方法和装置 | |
| CN117372214A (zh) | 一种基于坐标信息对作业进行批改留痕的方法 | |
| CN110837793A (zh) | 一种智能识别手写数学公式批阅系统 | |
| US20230101354A1 (en) | Method, system, and storage medium for intelligent analysis of student's actual learning based on exam paper | |
| CN112527968A (zh) | 一种基于神经网络的作文评阅方法和系统 | |
| CN111242131B (zh) | 一种智能阅卷中图像识别的方法、存储介质及装置 | |
| CN111611854B (zh) | 一种基于模式识别的课堂情况评价方法 | |
| CN107220610A (zh) | 一种应用于阅卷系统的主观题分数识别方法 | |
| CN111738177B (zh) | 一种基于姿态信息提取的学生课堂行为识别方法 | |
| CN112966518A (zh) | 一种面向大规模在线学习平台的优质答案识别方法 | |
| CN108009537A (zh) | 一种识别问卷批改得分的方法 | |
| CN116777694A (zh) | 基于自适应学习的教学辅助系统及方法 | |
| CN116883208A (zh) | 一种基于图像的课堂质量评估系统 | |
| CN111428623A (zh) | 基于大数据和计算机视觉的中文板书风格分析系统 | |
| CN107992482B (zh) | 数学主观题解答步骤的规约方法及系统 |
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 |