JP7293658B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents
情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP7293658B2 JP7293658B2 JP2019006326A JP2019006326A JP7293658B2 JP 7293658 B2 JP7293658 B2 JP 7293658B2 JP 2019006326 A JP2019006326 A JP 2019006326A JP 2019006326 A JP2019006326 A JP 2019006326A JP 7293658 B2 JP7293658 B2 JP 7293658B2
- Authority
- JP
- Japan
- Prior art keywords
- answer
- handwriting
- learner
- question
- scribbled
- 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
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Character Discrimination (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Description
(実施の形態1)
図1は、学習状況推定システムの構成例を示す模式図である。本実施の形態では、学習者に問題を提示し、提示した問題に対して学習者が手書きで記入した解答の筆跡に基づき、学習状況を推定する学習状況推定システムについて説明する。学習状況推定システムは、情報処理装置1、端末2を含む。各装置は、インターネット等のネットワークNを介して通信接続されている。
制御部11は、一又は複数のCPU(Central Processing Unit)、MPU(Micro-Processing Unit)、GPU(Graphics Processing Unit)等の演算処理装置を有し、補助記憶部14に記憶されたプログラムPを読み出して実行することにより、種々の情報処理、制御処理等を行う。主記憶部12は、SRAM(Static Random Access Memory)、DRAM(Dynamic Random Access Memory)、フラッシュメモリ等の一時記憶領域であり、制御部11が演算処理を実行するために必要なデータを一時的に記憶する。通信部13は、通信に関する処理を行うための通信モジュールであり、外部と情報の送受信を行う。
学習者DB142は、学習者ID列、氏名列、所属列、年齢列を含む。学習者ID列は、各学習者を識別するための学習者IDを記憶している。氏名列、所属列、及び年齢列はそれぞれ、学習者IDと対応付けて、学習者の氏名、所属、及び年齢を記憶している。
サーバ1の制御部11は、人間が手書きで記入した解答例を示す解答情報群と、各解答情報の筆跡を分類した分類結果の正解値とを対応付けた教師データを取得する(ステップS11)。解答情報は、例えば人間が解答を手書きで記入した紙媒体(問題用紙)を光学的に読み取った画像データである。正解値は、例えば走り書きであるか否かを示すパラメータである。
サーバ1の制御部11は、学習者に出題した問題に対し、学習者が手書きで記入した解答を示す解答情報を端末2から取得する(ステップS31)。解答情報は、例えば学習者が解答を手書きで記入した紙媒体(問題用紙)を光学的に読み取った画像データである。制御部11は、取得した画像データを白紙の問題用紙の画像データと比較し、学習者が記入した解答に相当する画像領域を抽出する(ステップS32)。
本実施の形態では、半教師あり学習で分類器141を生成する形態について述べる。なお、実施の形態1と重複する内容については同一の符号を付して説明を省略する。
図9は、実施の形態2に係る分類器141の生成処理に関する説明図である。図9に基づき、本実施の形態の概要を説明する。
サーバ1の制御部11は、複数の解答例を示す解答情報群の教師データを取得する(ステップS201)。本実施の形態に係る教師データは、複数の解答例のうち、一部の解答例に対して筆跡の分類結果の正解値が対応付けられた教師ありデータと、正解値が対応付けられていない教師なしデータとを含む。
本実施の形態では、ルールベースで解答の筆跡を分類する形態について説明する。
図11は、実施の形態3に係る筆跡分類処理に関する説明図である。図11に基づき、本実施の形態の概要について説明する。
制御部11は、解答領域の画像から解答の筆跡を分類する処理を行う(ステップS301)。具体的には、制御部11は、解答領域に対する文字認識を行って文字単位で画像を分割し、分割した各画像から、各文字が走り書きに該当するか否かを所定のルールに基づいて分類する。当該ルールは特に限定されないが、例えば制御部11は、文字の線、傾き、中心軸等に応じて分類を行う。制御部11は、各文字の分類結果に基づいて学習効率が高い筆跡であるか否かを判定し(ステップS302)、処理をステップS36に移行する。
図13は、上述した形態のサーバ1の動作を示す機能ブロック図である。制御部11がプログラムPを実行することにより、サーバ1は以下のように動作する。
取得部131は、学習者が問題に対して手書きで記入した解答を示す解答情報を取得する。分類部132は、前記解答情報が示す前記解答の筆跡を分類する。
11 制御部
12 主記憶部
13 通信部
14 補助記憶部
P プログラム
141 分類器
142 学習者DB
143 解答DB
Claims (11)
- 学習者が問題に対して手書きで記入した解答を示す解答情報を取得する取得部と、
前記解答情報が示す前記解答の筆跡を走り書きか否かで分類する分類部と
を備え、
前記解答情報は、前記解答が記入された紙媒体を光学的に読み取った画像データであり、
前記分類部は、前記画像データに基づき前記筆跡を走り書きか否かで分類する
ことを特徴とする情報処理装置。 - 前記分類部は、人間が手書きで記入した解答例の筆跡の特徴量を学習済みの分類器を用いて、前記筆跡を分類する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記分類器は、複数の前記解答例夫々に対して前記筆跡の分類結果の正解値を対応付けた教師データを用いて生成された学習済みモデルである
ことを特徴とする請求項2に記載の情報処理装置。 - 前記分類器は、複数の前記解答例のうち、一部の前記解答例に対して前記筆跡の分類結果の正解値が対応付けられた教師ありデータと、前記複数の解答例のうち前記一部の解答例以外の前記解答例から成る教師なしデータとを用いて生成された学習済みモデルである ことを特徴とする請求項2に記載の情報処理装置。
- 学習者が問題に対して手書きで記入した解答を示す解答情報を取得する取得部と、
前記解答情報が示す前記解答の筆跡を走り書きか否かで分類する分類部と
前記筆跡の分類結果と、該筆跡に対応する前記解答の正誤とを関連付けて記憶する記憶部と、
前記分類部が前記筆跡を分類した場合、前記記憶部を参照して、該筆跡と分類結果が同一又は類似する前記筆跡に関連付けられた前記解答の正誤に基づき、学習効率の高い筆跡であるか否かを判定する判定部と
を備えることを特徴とする情報処理装置。 - 前記記憶部は、前記学習者が前記問題に解答した解答時期、又は該問題の分野毎に前記筆跡の分類結果及び前記解答の正誤を記憶し、
前記分類部が前記筆跡を分類した場合、前記判定部は、該筆跡に対応する前記解答と前記解答時期又は分野が共通する前記筆跡の分類結果を参照して、学習効率の高い筆跡であるか否かを判定する
ことを特徴とする請求項5に記載の情報処理装置。 - 前記判定部による判定結果に応じて、前記学習者に再学習させる問題を出力する出力部を備える
ことを特徴とする請求項5又は6に記載の情報処理装置。 - 学習者が問題に対して手書きで記入した解答を示す解答情報を取得し、
前記解答情報が示す前記解答の筆跡を走り書きか否かで分類する処理であって、
前記解答情報は、前記解答が記入された紙媒体を光学的に読み取った画像データであり、
前記画像データに基づき前記筆跡を走り書きか否かで分類する
処理をコンピュータが実行することを特徴とする情報処理方法。 - 学習者が問題に対して手書きで記入した解答を示す解答情報を取得し、
前記解答情報が示す前記解答の筆跡を走り書きか否かで分類する処理であって、
前記解答情報は、前記解答が記入された紙媒体を光学的に読み取った画像データであり、
前記画像データに基づき前記筆跡を走り書きか否かで分類する
処理をコンピュータに実行させることを特徴とするプログラム。 - 学習者が問題に対して手書きで記入した解答を示す解答情報を取得し、
前記解答情報が示す前記解答の筆跡を走り書きか否かで分類し、
前記筆跡の分類結果と、該筆跡に対応する前記解答の正誤とを関連付けて記憶部に記憶し、
前記筆跡を分類した場合、前記記憶部を参照して、該筆跡と分類結果が同一又は類似する前記筆跡に関連付けられた前記解答の正誤に基づき、学習効率の高い筆跡であるか否かを判定する
処理をコンピュータが実行することを特徴とする情報処理方法。 - 学習者が問題に対して手書きで記入した解答を示す解答情報を取得し、
前記解答情報が示す前記解答の筆跡を走り書きか否かで分類し、
前記筆跡の分類結果と、該筆跡に対応する前記解答の正誤とを関連付けて記憶部に記憶し、
前記筆跡を分類した場合、前記記憶部を参照して、該筆跡と分類結果が同一又は類似する前記筆跡に関連付けられた前記解答の正誤に基づき、学習効率の高い筆跡であるか否かを判定する
処理をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019006326A JP7293658B2 (ja) | 2019-01-17 | 2019-01-17 | 情報処理装置、情報処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019006326A JP7293658B2 (ja) | 2019-01-17 | 2019-01-17 | 情報処理装置、情報処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020115175A JP2020115175A (ja) | 2020-07-30 |
JP7293658B2 true JP7293658B2 (ja) | 2023-06-20 |
Family
ID=71778517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019006326A Active JP7293658B2 (ja) | 2019-01-17 | 2019-01-17 | 情報処理装置、情報処理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7293658B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7176157B1 (ja) * | 2021-06-30 | 2022-11-21 | 楽天グループ株式会社 | 学習モデル作成システム、学習モデル作成方法、及びプログラム |
WO2023276073A1 (ja) * | 2021-06-30 | 2023-01-05 | 楽天グループ株式会社 | 学習モデル評価システム、学習モデル評価方法、及びプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014032320A (ja) | 2012-08-03 | 2014-02-20 | Waseda Univ | 記憶度推定装置および記憶度推定プログラム |
JP2018120109A (ja) | 2017-01-26 | 2018-08-02 | 株式会社ジャストシステム | 学習支援プログラム、学習支援方法および学習支援装置 |
-
2019
- 2019-01-17 JP JP2019006326A patent/JP7293658B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014032320A (ja) | 2012-08-03 | 2014-02-20 | Waseda Univ | 記憶度推定装置および記憶度推定プログラム |
JP2018120109A (ja) | 2017-01-26 | 2018-08-02 | 株式会社ジャストシステム | 学習支援プログラム、学習支援方法および学習支援装置 |
Non-Patent Citations (2)
Title |
---|
でかいチーズをベーグルする ,半教師あり学習のモデル仮定[online],2014年12月12日,https://yamaguchiyuto.hatenablog.com/entry/machine-learning-advent-calendar-2014 |
高橋 真奈茄、小出 洋,機械学習を用いたパターン認識による筆者識別,第57回プログラミング・シンポジウム予稿集,2016年01月08日,133-142,https://ipsj.ixsq.nii.ac.jp/ej/index.php?active_action=repository_view_main_item_detail&page_id=13&block_id=8&item_id=176517&item_no=1 |
Also Published As
Publication number | Publication date |
---|---|
JP2020115175A (ja) | 2020-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11138899B2 (en) | Cheating detection in remote assessment environments | |
CN110674410B (zh) | 用户画像构建、内容推荐方法、装置及设备 | |
KR20190142288A (ko) | 학습 컨텐츠 생성 방법 | |
US11508173B2 (en) | Machine learning prediction and document rendering improvement based on content order | |
CN110503000B (zh) | 一种基于人脸识别技术的教学抬头率测量方法 | |
CN113722474A (zh) | 文本分类方法、装置、设备及存储介质 | |
CN113851020A (zh) | 一种基于知识图谱的自适应学习平台 | |
JP7293658B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN112347997A (zh) | 一种试题检测识别方法、装置、电子设备及介质 | |
Geetha et al. | Prediction of the academic performance of slow learners using efficient machine learning algorithm | |
Jiang et al. | Preference cognitive diagnosis for student performance prediction | |
CN115546692A (zh) | 一种远程教育数据采集分析方法、设备及计算机存储介质 | |
CN113762274B (zh) | 一种答题卡目标区域检测方法、系统、存储介质及设备 | |
Desai et al. | ASL citizen: a community-sourced dataset for advancing isolated sign language recognition | |
CN113283488A (zh) | 一种基于学习行为的认知诊断方法及系统 | |
CN109101984A (zh) | 一种基于卷积神经网络的图像识别方法及装置 | |
Muhdalifah | Pooling comparison in CNN architecture for Javanese script classification | |
CN111783473B (zh) | 医疗问答中最佳答案的识别方法、装置和计算机设备 | |
CN113569112A (zh) | 基于题目的辅导策略提供方法、系统、装置及介质 | |
Sharmila et al. | An automated system for the early detection of dysgraphia using deep learning algorithms | |
CN113610080A (zh) | 基于跨模态感知的敏感图像识别方法、装置、设备及介质 | |
Durak et al. | Classification and prediction‐based machine learning algorithms to predict students’ low and high programming performance | |
CN113743275A (zh) | 一种微表情类型的确定方法、装置、电子设备及存储介质 | |
CN113065757A (zh) | 线上课程授课质量的评价方法及装置 | |
Maddu et al. | Online learners’ engagement detection via facial emotion recognition in online learning context using hybrid classification model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220930 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221219 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230328 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230426 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230522 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7293658 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |