CN109697274B - 一种判卷方法及判卷*** - Google Patents
一种判卷方法及判卷*** Download PDFInfo
- Publication number
- CN109697274B CN109697274B CN201710981922.9A CN201710981922A CN109697274B CN 109697274 B CN109697274 B CN 109697274B CN 201710981922 A CN201710981922 A CN 201710981922A CN 109697274 B CN109697274 B CN 109697274B
- Authority
- CN
- China
- Prior art keywords
- word
- scoring
- cloud
- phrase
- answers
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000014509 gene expression Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/106—Display of layout of documents; Previewing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供一种判卷方法及判卷***,其中,所述判卷方法中,将电子答案与云端评分词库内预存的标准答案相对比,如果某词或词组被预存在云端评分词库中,那么这个词或词组将被高亮显示出来。所述判卷***具有判卷云端和多个判卷终端,判卷云端包括云端评分词库,阅卷人利用判卷终端对主观题进行阅卷,判卷终端执行所述的判卷方法。有助于阅卷人在电子答案中找到这些得分关键词,极大提高了判卷效率。如果遇到某些词也是正确的,但没有被记录在标准答案中,或者难以用标准答案作为依据给出分数,本发明允许阅卷人维护标准答案,阅卷人容易发现这个词在屏幕上没有高亮显示,则可以将这个词选中并加入到云端评分词库中,供其他阅卷人参考,从而使标准答案得以持续更新。
Description
技术领域
本发明涉及多媒体教学技术领域,具体而言,涉及一种用于基于互联网教学平台的多媒体教学的判卷方法及判卷***。
背景技术
在培训、考试、教育等***中,为了对学员的学习情况进行考核,通常需要对学员进行考试,并针对考试结果评分,以了解学员对学习的知识的掌握程度。通常情况下,为了对学员进行有效地测评,测试考试的考题可以分为主观题和客观题。其中客观题多采用选择题的方式,由于客观题的答案是固定的,非常便于采用计算机对客观题进行评分,从而避免采用老旧的人工阅卷的方式,能够缩短阅卷时间,节省阅卷的人力成本,提高阅卷效率。而对于主观题,学员通常采用论述的方式解答考题中的问题,主观题的解答过程中,通常需要学员自我发挥,按照自己的思维方式去解答考题中的问题。因此主观题的答案仅仅是参考,不是绝对的标准,因此,现在技术中,主观题一般是由人工来阅卷。人工阅卷有很多缺陷和不足,主要有两点,一是人工阅卷效率比较低,二是人工阅卷的阅卷标准难以统一,因为阅卷的人员人数较多,而且考生在答题过程中表达是多样的,而主观题的答案及判分标准相对单一,因此,主观题的阅卷人判分尺度难以统一,自由裁量权过大。
随着计算机应用的发展,人工阅卷也更多的使用计算机技术。一种是将主观题直接扫描后以图片的形式收录到***中,阅卷人在电脑前看主观题的图片,这和直接阅卷没什么区别,仅是便于试卷的收录和统计;另一种是更多的技术人员希望用计算机阅卷来替代人工阅卷。
现在技术中提出过一种智能评分方法及装置、计算机设备及计算机可读介质。其中所述方法包括:获取考题对应的用户答案;根据所述用户答案,生成所述用户答案对应的用户分词库;根据所述用户分词库、预先生成的标准答案对应的标准分词库以及所述标准分词库中的各标准分词的权重,为所述用户答案进行评分。该方案可以对类型为主观题的考题的用户答案进行智能化地评分,能够克服现有技术中采用人工阅卷的方式,导致评分时间较长,人力成本较高的缺陷,从而能够有效地缩短对考题的评分时间,还能够有效地节约人力成本,进而大大地提高对类型为主观题的用户答案的评分效率。
现有技术还提出了一种基于语义相似度区间的主观题自动评分***及方法,该基于语义相似度区间的主观题自动评分方法包括以下步骤:初始化待评分题目分值Stotal;定义字块长度L;将参***切分成若干个长度不大于L的字块,形成参***字块集R;将待评答案切分成若干个长度不大于L的字块,形成待评答案字块集T;比较集合R、T,计算二者语义的相似度SRT;将SRT映射到相似度区间,记录评分为Sfinal,评分结束;该基于语义相似度区间的主观题自动评分***包括:答题终端、主观题阅卷模块、考试成绩生成模块。该方案对主观题的自动阅卷、评分环节,可实现按语义相似度阈值对主观题答案进行等级划分,进而通过分值约束以及各等级相似度分值化给出最终评分。
上述两种阅卷方式基本不需要人参与,但这种阅卷方式或方法仅适用于普通的测试和练习,不能适用于大型的重要考试。另外,在设置预先生成的标准答案时,设置尺度难以把握,在之后的阅卷中也无法调整标准答案。
还有现有技术认为,对于几乎所有高校都开设的C程序设计课程,既不可能只考选择题和判断题,也不宜将学生编写的程序因结果与参***不完全一致而直接判为零分。鉴于同一问题用程序实现可能有多种算法或书写方式,使得完全用计算机实现自动阅卷非常困难,因此需要将自动阅卷与人工阅卷相结合,在提高阅卷效率的同时兼顾合理性。因此在判主观题时,若输入的答案与参***相同,返回评分;若输入的答案与参***不相同,对输入的答案进行测试,这里的测试为对于阅读程序题可根据考生提交的答案种类设定分值后自动评阅;对于程序填空、改错等答案可能不唯一的题型通过语句比对、代码代入程序运行等方式进行自动评阅,对于一种答案只进行一次评阅,自动完成其他相同答案的评阅;对于编程题则按对于不同的输入,运行结果与预期答案是否一致(自动评阅)、能否编译运行(人工干预评阅)、源代码逻辑分析(人工干预评阅)给予不同的分值。这种现有技术一定程度的引入了对主观题的智能评价,但这个现有技术只能用在计算机领域的主观题判断,其他领域的主观题无法通过代入计算的方式进行验证,另外也没有关于终端用户维护评分数据库的内容。
现有技术中还有一种对主观题的判分方法,对于非制图类题型区域的图像,也就是主观题区域的图像,进行图像模式识别,提取答案关键字,将关键字与关键字数据进行匹配,根据匹配结果进行非制图类题型初步给分;不同科目的老师根据课程代码接入数据库的对应文件夹进行评阅,进行非制图类题型补充给分;将非制图类题型初步给分和非制图类题型补充给分进行合并,得到非制图类题型分数。这个现有技术提出机器评分和人工评分终合的评分,其中人工的补充评分很主观题的评分更加客观。但这篇文献也没有公开终端用户维护评分数据库的内容。各门课的教师在补充给分时,和现有的主观题评分方式没什么区别,只是机器评分和人工评分的简单拼凑,各评分教师之间没有任何的借鉴。
还有一种现有技术,其使用了批注方法,包括:扫描纸质文件,以获取第一图像;根据所述第一图像,获取多个题目的文本内容和多个答案的多个第二图像;根据多个第二图像获取多个检索词;根据多个检索词检索批注数据库;针对未检索到的检索词,新增批注内容,并将新增批注内容存储至批注数据库中;针对检索到的检索词,修改批注内容,并将修改的批注内容存储至批注数据库中;针对全部检索词,建立批注列表,所述批注列表包括检索词和相应的批注内容;根据批注列表,生成包括多个题目和相应批注内容的文本内容并自动发送电子邮件。该方法通过记录和汇总批注信息,建立批注数据库,通过检索词检索批注,提高了批注使用效率。这种方法有效的提高了教师的工作效率。但其还只是机器评分和人工评分的简单拼凑,各评分教师之间没有任何的借鉴。特别是这种技术中明确的认为在该批注方法中,批注内容文字不受篇幅限制。其优势在于:批注内容文字内容具有很大的灵活性。针对相同的问题,不同的教师可以独立给出自己的批注内容。教师能够通过作业的批阅,展现其教学工作特色,并且将自己对教育教学工作的认识、体会转达给学生。这明确的给出教师之间独立做出的批注的启示,认为个性化的批注有利于教学。这相当于否定了批阅标准一致的必要性,从中本领域技术人员难以获得联机批卷的启示。
如何利用计算机既能高效的完成人工阅卷,又能标准一致的保证阅卷的质量是本领域长期希望解决的技术问题,有鉴于此,提出本发明。
发明内容
本发明的目的在于提供一种判卷方法及***,以解决上述问题。
为了实现所述发明目的,本发明采用如下技术方案:
一种判卷方法,其特征在于,包括以下步骤:
S1:开始;
S2:获取主观题答案,并得到电子答案;
S3:调用云端评分词库信息;
S4:将电子答案中出现在云端评分词库中的词或词组高亮;
S5:判断是否从当前电子答案取词或词组并加入到云端评分词库,如果是,执行S6;如果否,执行S7;
S6:获取被选中的词或词组,并将其加入云端评分词库,并返回S3;
S7:获取阅卷人录入的分值;
S8:结束。
优选为,S4具体为:
S401:将电子答案中出现在云端评分词库中的词或词组按不同类别高亮显示;
S402:判断高亮的词或词组是否被选中;如果是,执行S403;如果否,执行S5;
S403:从云端评分词库调用该词或词组的相关信息并在屏幕上显示。
优选为,在步骤S6中,选中答案中的词或词组的方式为,在评分终端的显示屏幕上双击或更多次的点击某个词或词组所在的位置,在该位置自动生成前选定符和后选定符,前、后选定符之间的字符或字将被选中,词或词组具体内容的选择可以通过对前、后选定符的位置调整来确定,同时在屏幕的预定区域或靠近选定符的区域弹出菜单,菜单至少包括向云端上传的命令选项。
优选为,如果是触屏式的操作,使用预定义的手势或单独的选项来触发生成前、后选定符。
本申请还提出一种判卷方法,包括以下步骤:
S1′:开始;
S2′:获取主观题答案,并得到电子答案;
S3′:选中电子答案中的部分文字区域,并调用云端评分词库信息;
S4′:将电子答案中出现在云端评分词库中的词或词组高亮,并将所述部分文字区域的高亮词或词组作为词条,显示该词条的相关信息;
S5′:判断是否将该词条加入到云端评分词库,如果是,执行S6′;如果否,执行S7′;
S6′:获取被选中的词条,并将其加入云端评分词库,并返回S3′;
S7′:获取阅卷人录入的分值;
S8′:结束。
优选为,步骤S4′具体为:
S4′:将电子答案中出现在云端评分词库中的词或词组按不同类别高亮显示;将在划定的答案文字区域存在有多个高亮的词或词组作为词条;
优选为,在步骤S6′中,选中答案中的词或词组的方式为,在评分终端的显示屏幕上双击或更多次的点击某个词或词组所在的位置,在该位置自动生成前选定符和后选定符,前、后选定符之间的字符或字将被选中,词或词组具体内容的选择可以通过对前、后选定符的位置调整来确定,同时在屏幕的预定区域或靠近选定符的区域弹出菜单,菜单至少包括向云端上传的命令选项。
优选为,S4′中,评分终端对词条内包含的关键词的数量及关键词类别数量进行限制,当阅卷人划取的文字区域中关键词出现的过多或类别数量超过预定值,S3′中部分文字区域将被认为是一个无效的文字区域。
优选为,在步骤S4′中,如果选中的答案文字区域包含的关键词数和类别没有发生变化,仅是答案文字区域的字数总量变化,这时判卷终端会认为词条并没有变化。
本申请还提出一种判卷***,其具有一个判卷云端和连接在云端的多个判卷终端,判卷云端包括云端评分词库,阅卷人利用判卷终端对主观题进行阅卷,其特征在于:判卷终端使用前述的判卷方法。
有益效果:
1.本申请的判卷方法是介于现有技术中的人工阅卷和完全计算机判卷之间的判卷方法,有阅卷人的参与使判卷更加客观,而在判卷方法中,使用计算机来辅助判卷,具体为,判卷终端将得到的电子答案与云端评分词库内预存的判卷标准相对比,如果某词或词组被预存在云端评分词库中,那么这个词或词组将被高亮显示出来。阅卷人非常容易地在电子答案中找到这此得分关键词,极大的提高了工作的效率。
2.关键词高亮还有一个重要的技术效果,如果遇到某些词也是基本正确的,但没有被记录在标准答案中,或者难以用标准答案作为依据给出分数。本发明提出了阅卷人维护标准答案的技术构思,阅卷人容易发现这个词在屏幕上没有被高亮,则可以将这个词选中并加入到云端评分词库中,从而使标准答案的内容更全面,这一点明确的将本申请的技术方案与现有技术区分开。
3.在主观题的判断过程中,往往不仅需要对单个词或词组进行评价,更多的时候是将多个关键词作为一个整体来考虑其答案的有效性和正确性。因此,词条的提出就解决了这个问题。词条的使用极大的提高了评分标准的一致性。首先,阅卷人首先划定一个有效的文字区域,也就是说,多个不同类别的关键词集中的出现在一个有效的文字区域,这避免了考生希望分散的罗列关键词期望得分的情况;其次,对于有争议的、疑难的答案可以及时的提出,并得到快速的分析和解决,而这些有争议的、疑难的答案在定立答案之初一般无法预测到。
4.本发明进一步提出,评分终端会对词条内包含的关键词的数量及类别进行限制,当阅卷人划取的文字区域过大,或关键词出现的过多将被认为是一个无效的文字区域,这是因为如果文字区域过大或者包含的关键词过多,无法与考生罗列关键词的行为区分开,而且对于一个常规的表达形式来说,一个具有独立表义功能的语句不会包含过多的关键词。所以,判卷终端进一步判断选中的答案文字区域包含的字数是否大于预先设置的第一阈值,包含的关键词数是否大于预先设置的第二阈值,如果均不超过,才能进行词条的创建或读取。当阅卷人移动光标过程中,如果答案文字区域包含的关键词数和类别没有发生变化,仅是答案文字区域的字数总量变化,这时判卷终端会认为词条并没有变化。这样会大大减少词条的总量,防止词条创建过多,反而影响阅卷人的判断。当阅卷人移动光标过程中,关键词的数量或种类发生的变化,判卷终端所认别的词条也会发生变化,使得用户在移动光标过程中时,可以快速看到不同的词条的解释,快速了解对于不同词条的评分标准,实质上也是快速了解不同的关键词组合后的评分标准。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,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,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1为本发明的第一种判卷方法的流程图;
图2为本发明的电子答案高亮显示方法的流程图;和
图3为本发明的第二种判卷方法的流程图。
具体实施方式
下面将结合附图对本发明的具体实施方式进行详细说明。应当理解,此处所描述的实施例仅仅是用于解释本发明,并不是用于限制本发明。有关领域的普通技术人员在不背离本发明精神的情况下所做的各种变化和变形,都在本发明所附的独立权利要求和从属权利要求的范围内。
根据本发明的实施例,判卷***具有一个判卷云端和连接在云端的多个终端,阅卷人利用终端对主观题进行阅卷。
实施例1:
如图1所示,一种判卷方法,包括以下步骤:
S1:开始;
S2:获取主观题答案,并得到电子答案。在对某考题的用户答案进行评分时,获取该考题对应的用户答案。例如,当考题的用户答案为电子形式时,直接读取该考题的用户答案。当该考题的用户答案为纸件形式时,可以采用文字识别技术对纸件上的用户答案中的文字进行识别,得到电子形式的用户答案。获取主观题答案的方法并不局限于上述两种方法,只需要能够得到电子答案即可。
S3:调用云端评分词库信息。云端评分词库设在判卷***的云端,在云端评分词库中预设了主观题的评分标准,与传统的人工阅卷相同,对于主观题的评分标准主要是看答案中是否出现了关键的词或词组,也就是通常所谓的得分点,根据主观题对得分点的覆盖情况及其他考量因素给出分数。在云端评分词库也预设了主观题的答案的关键词,并与关键词一起,还收录了对关键词的解释、关键词的同义词等可能出现的相关表达。
S4:将电子答案中出现在云端评分词库中的词或词组高亮。判卷终端将得到的电子答案与云端评分词库内预存的评分标准相对比,如果某词或词组属于云端评分词库中预存的关键词或其相关表达,那么这个词或词组将被高亮显示出来。阅卷人非常容易地在电子答案中找到这些得分关键词,极大的提高了工作的效率。
S5:判断是否需要从当前电子答案中获取相关词或词组加入到云端评分词库,如果是,执行S6;如果否,执行S7。在主观题的阅卷过程中,经常会遇到某些答案也是基本正确的,但没有被记录在标准答案中,或者难以用标准答案作为依据给出分数。一般来说,阅卷人将根据自己的经验直接给出分数,那么这个评分就带有十分强的主观判断,而且可能其他阅卷人也会遇到同样的问题,大家的尺度难以统一。本发明提出了阅卷人维护标准答案的技术构思,如果阅卷人在步骤S4中显示的电子答案中,发现了其中某个词也可以作为得分项,但没有被记录在云端评分词库中,其最直观的表现就是这个词在屏幕上没有被高亮,则可以将这个词或词组选中并加入到云端评分词库中,从而使标准答案的内容更全面。
S6:获取被选中的词或词组,并将其加入云端评分词库,并返回S3。当云端评分词库增加了某个词或词组后,终端会重新的将电子答案与云端评分词库进行对比,经过对比,这个词也将会被高亮。重要的是,如果其他的电子答案中如果也出现这个词时,这个词也将在其他的终端上被高亮。
S7:获取阅卷人录入的分值。阅卷人根据电子答案中出现关键词的全面呈度及其他评分因素给出最终的得分并录入到终端。
S8:结束。
作为一种优选,步骤S4具体为:
S401:将电子答案中出现在云端评分词库中的词或词组按不同类别高亮;这将更有利于阅卷人直观的了解电子答案中的得分情况。比如按不同的颜色来区别不同类别的关键词。
S402:判断高亮的词或词组是否被选中;如果是,执行S403;如果否,执行S5;
S403:从云端评分词库调用该词或词组的相关信息并在屏幕上显示,然后执行S5。
步骤S402及S403主要是方便阅卷人更好的了解关键词相关的信息,或者相关的评分标准。在S402中。在步骤S6或S402中,选中答案的方式可以为多种,比如,在评分终端的显示屏幕上双击或更多次的点击某个词或词组所在的位置,在该位置自动生成前选定符和后选定符,前、后选定符之间的字符或字将被选中,词或词组具体内容的选择可以通过对前、后选定符的位置调整来确定,同时在屏幕的预定区域或靠近选定符的区域弹出菜单,菜单至少包括向云端上传的命令选项。在菜单项被触发之后,还至少包括对词或词组添加解释内容或标注,用来说明为什么要将该词加入云端评分词库。选中词或词组的方法也可以仅是光标停留在屏幕上的词或词组所在的位置。
如果是触屏式的操作,可以使用预定义的手势或单独的选项来触发生成前、后选定符。例如是多次点击屏幕某一区域、长按屏幕,这些操作方式是本领域的常规手段,不再列举。
实施例2:
本实施例中,与实施例1的区别在于:
一种判卷方法,包括以下步骤:
S1′:开始;
S2′:获取主观题答案,并得到电子答案;
S3′:选中电子答案中的部分文字区域,并调用云端评分词库信息;
S4′:将电子答案中出现在云端评分词库中的词或词组高亮,并将所述部分文字区域的高亮词或词组作为词条,显示该词条的相关信息;
S5′:判断是否将该词条加入到云端评分词库,如果是,执行S6′;如果否,执行S7′;
S6′:获取被选中的词条,并将其加入云端评分词库,并返回S3′;
S7′:获取阅卷人录入的分值;
S8′:结束。
这里提出词条的概念,在主观题的判断过程中,往往不仅需要对单个词或词组进行评价,更多的时候是将多个关键词作为一个整体来考虑其答案的有效性和正确性。往往多个关键词是正确的或相关的,但最终的答案却是不准确的或不相关的。通常有一种情况是,答题人会提出超出必要限度篇幅的答案,以期望阅卷人能够在这些答案里找到得分点,并给出较高的分数。一方面,这种将对答案的提取工作交给阅卷人是不恰当的,另一面,可能许多关键词分散在答案中,其并没有组合起来的特定含义,仅仅是因为篇幅过长而被包含在答案中。提出词条的概念还有一个原因是,标准答案无法穷举出所有的不同种类的关键词组合在一起的评分标准,有些组合是正确的,被列在标准答案中,有些则是不正确的,但还有一些是不够准确的答案,这些分数应在标准答案的基础上酌减。因此,词条的出现就解决了这个问题。
在步骤S4′中,判卷终端首先检测阅卷人选中的答案文字区域,并根据关键词的高亮情况来判断这个区域里出现了多少个、多少种不同的关键词。阅卷人这时可以根据答案的实际情况来划分选中的区域,比如一个完整的表达段落,比如一个针对题目中具体问题的答复,这些具有比较完整表义形式的答案区域将被阅卷人主观的划分出来。然后答案文字区域的关键词信息将被提取出来,比如包括第一关键词和第二关键词,这两个关键词将作为第一词条被识别。从云端评分词库调用该词条相对应的信息并在屏幕上显示,然后执行S5′。即如果在云端评分词库收录了该第一词条,那么关于第一词条具体评价将被显示。比如评分人将对这种特定关键词组合给出具体的评价,包括但不限于词条的正确性、准确性、相关性、建议的评分等等一系列的信息,这些信息与该第一词条形成映射关系。
传统的阅卷方式中,一般认为只要考生将关键词写在答案中就会给分,但正如前面分析所述,关键词在答案中没有逻辑的罗列并不意味着可以得分,关键词有逻辑的排列才能体现答案的正确性。与现有技术相比,词条的使用极大的提高了评分标准的一致性。首先,阅卷人首先划定一个有效的文字区域,也就是说,多个不同类别的关键词集中的出现在一个有效的文字区域,这避免了考生希望分散的罗列关键词期望得分的情况;其次,对于有争议的、疑难的答案可以及时的提出,并得到快速的分析和解决,而这些有争议的、疑难的答案在定立答案之初一般无法预测到。
但如果云端评分词库没有收录该第一词条,那么屏幕上并不会显示相关的信息。这时,就需要执行S5′,S5′:判断是否将当前的词条加入到云端评分词库。此时第一词条已经被标引,但如果不被阅卷人发送云端的话将不被云端评分词库所记录,阅卷人按自己的主观判断来决定该第一词条是否应被加入到标准答案中,其是否应成为该次阅卷普适的标准答案。
优选的是,评分终端会对词条内包含的关键词的数量及类别进行限制,当阅卷人划取的文字区域过大,或关键词出现的过多将被认为是一个无效的文字区域,这是因为如果文字区域过大或者包含的关键词过多,无法与考生罗列关键词的行为区分开,而且对于一个常规的表达形式来说,一个具有独立表义功能的语句不会包含过多的关键词。所以,判卷终端进一步判断选中的答案文字区域包含的字数是否大于预先设置的第一阈值,包含的关键词数是否大于预先设置的第二阈值,如果均不超过,才能进行词条的创建或读取。
在阅卷人移动光标过程中,如果答案文字区域包含的关键词数和类别没有发生变化,仅是答案文字区域的字数总量变化,这时判卷终端会认为词条并没有变化。这样会大大减少词条的总量,防止词条创建过多,反而影响阅卷人的判断。在阅卷人移动光标过程中,关键词的数量或种类发生的变化,判卷终端所识别的词条也会发生变化,使得用户在移动光标过程中时,可以快速看到不同的词条的解释,快速了解对于不同词条的评分标准,实质上也是快速了解不同的关键词组合后的评分标准。
在一个较佳的实施例中,阅卷人上传到云端评分词库的词或词组或词条在经过高级用户的确认后才被收录到云端评分词库中。
下面通过一个例题来更好的理解本发明的内容。
例题:小弗郎士为什么感到韩麦尔先生“从来没有这么高大”?
标准答案:小弗郎士从韩麦尔先生惨白的脸色感到他对祖国的热爱和失去祖国的悲愤、痛苦的心情。韩麦尔先生的爱国精神,使小弗郎士觉得他不仅是一位法语老师,而且是一位爱国志士,所以觉得他的形象高大。
评分标准:考生只需回答出韩麦尔先生对祖国的热爱、对失去祖国的悲愤及小弗郎士对韩麦尔先生敬仰即可得满分。
基于该评分标准,在云端评分词库首先预设标准答案:第一类关键词:热爱;第二类关键词:悲伤、痛苦;第三类关键词:祖国、国家;第四类关键词:高大、伟大、敬仰;第五类关键词:小弗郎士;第六类关键词:韩麦尔。
在判卷终端显示考生的电子答案。
答案一:小弗郎士感受到韩麦尔先生失去祖国的悲愤、难过的心情。小弗郎士觉得他很高大。
答案一相对于标准答案来说有较大区别,但得分点抓得很好,写上很多得分点关键词。首先,在判卷终端的屏幕上,“祖国”、“悲愤”、“小弗郎士”、“韩麦尔”和“高大”这几个词将被高亮,阅卷人可迅速发现考生没有把第一类关键词的“热爱”这个得分点写入答案,因此将酌情减分。同时,阅卷人发现“难过”这个词也可以表达出第二类关键词的悲伤、痛苦的含义,这时,阅卷人用光标将这个词选中,发送到云端评分词库中。此时,第二类关键词包括了悲伤、痛苦和难过。当第二个阅卷人再次遇到答案一时,在其终端屏幕上“难过”这个词将被高亮。这样就丰富了云端评分词库答案内容,便于统一评分标准。
答案二:小弗郎士从韩麦尔先生惨白的脸色感到他很悲痛。这体现了小弗郎士对祖国的热爱,他认为韩麦尔先生的形象高大。
这个答案中,虽然也出现了大部分的关键词,但从题目所给的材料中无法直接得出“小弗郎士对祖国的热爱”这个信息,对祖国热爱的主语应该是韩麦尔,因此,尽管答案中出现了“小弗郎士”、“祖国”和“热爱”这几个关键词,但答案仍然是不正确的。可见仅用关键词来判断还不够客观,这种情况就要使用词条的判断。
首先,只有当几个关键词同时在答案的某一选中的区域内同时出现时才将作为一个词条,判卷终端将选中区域的“小弗郎士”、“祖国”、“热爱”三个关键词作为一个词条,如果同时这个词条也曾被收录到云端评分词库时,判卷终端才会显示词条辅助信息,在答案二中,由于“小弗郎士”与“祖国”和“热爱”搭配的这个词条是错误的答案,并没有记载在云端评分词库,在判卷终端,这个答案也不会显任何与该词条相关的信息。因此,词条的使用有助于对试卷的客观判断。但“韩麦尔”、“祖国”、“热爱”三个关键词作为一个词条是正确的答案,如果阅卷人选定的文字的区域有这个词条,判卷终端将从云端评分词库调取该词条的相关辅助信息,如果这个词条没有被创建,阅卷人可以主动创建这个词条并发送到云端评分词库,从而加入对这个词条的评分建议或是其他的评分标准。
在对答案二评分时,当阅卷人移动光标过程中,如果答案文字区域包含的“小弗郎士”、“祖国”、“热爱”三个关键的词数和类别没有发生变化,仅是选中的文字区域的字数总量变化,这时判卷终端会认为词条并没有变化。
比如“这体现了小弗郎士对祖国的热爱,他认为韩麦尔先生的形”与“这体现了小弗郎士对祖国的热爱,他认为韩麦尔先生的”这两种取词的方式中包括的关键词都没有变化,所以答案文字区域的词条就没有变化,这对判卷***是一个重大的改进。将词条的判断设计为与选中区域的文字总量无关,这样会大大减少词条的总量,防止词条创建过多,反而影响阅卷人的判断。正如前文所述,评分终端应对词条内包含的关键词的数量及类别进行限制,当阅卷人划取的文字区关键词出现的过多或关键词的类别太多将被认为是一个无效的文字区域,这是因为如果文字区域包含的关键词过多,无法将其与考生罗列关键词的行为区分开,比如阅卷人将答案二中的“小弗郎士”、“韩麦尔”、“祖国”、“热爱”四个关键词都选中,这种词条如果被创建可能会不利于评分的进行,因为四个词的组合的可能性太多,同时包含了大量的正确的和错误的组合。
对于上述案例的分析可知,本申请的判卷方法首先能够通过关键词高亮显示来提高阅卷人的工作效率,进一步,其可以根据关键词组成的词条的情况来提供相应词条的相关信息,不论是关键词还是词条,阅卷人都能够在评卷过程中对云端的数据进行修改和丰富,从而使整个的评分过程越来越统一,越来越科学。
下面作为可选的实施例来给出实现本发明的硬件,作为判卷终端,其可以为计算机设备,比如以通用计算设备的形式表现。计算机设备的组件包括但不限于一个或者多个处理器,***存储器,连接不同***组件(包括***存储器和处理器)的总线。
上述的总线在本领域中一般表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备也可以与一个或多个外部设备(例如键盘、指向设备、显示器等)通信,还可与一个或者多个使得用户能与该计算机设备交互的设备通信,和/或与使得该计算机设备能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,计算机设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器通过总线与计算机设备的其它模块通信。
计算机设备典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)和/或高速缓存存储器。计算机设备可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。***存储器可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明上述判卷的功能。还具有一组(至少一个)程序模块的程序/实用工具,可以存储在例如***存储器中,这样的程序模块包括操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中包括网络环境的实现。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
对于判卷云端,其主要的功能为数据存储功能,现有技术已经有很多可以使用,在这里不再赘述。
以上介绍了本发明的较佳实施方式,旨在使得本发明的精神更加清楚和便于理解,并不是为了限制本发明,凡在本发明的精神和原则之内,所做的更新、替换、改进,均应包含在本发明所附的权利要求概况的保护范围之内。
Claims (8)
1.一种判卷方法,其特征在于,包括以下步骤:
S1:开始;
S2:获取主观题答案,并得到电子答案;
S3:调用云端评分词库信息;云端评分词库设在判卷***的云端,在云端评分词库中预设了主观题的评分标准;
S4:将电子答案中出现在云端评分词库中的词或词组高亮;判卷终端将得到的电子答案与云端评分词库内预存的评分标准相对比,如果某词或词组属于云端评分词库中预存的关键词或其相关表达,那么这个词或词组将被高亮显示出来;
S5:判断是否从当前电子答案取词或词组并加入到云端评分词库,如果是,执行S6;如果否,执行S7;
S6:获取被选中的词或词组,并将其加入云端评分词库,并返回S3;
S7:获取阅卷人录入的分值;
S8:结束;
其中,步骤S4进一步包括:
S401:将电子答案中出现在云端评分词库中的词或词组按不同类别高亮显示;
S402:判断高亮的词或词组是否被选中;如果是,执行S403;如果否,执行S5;
S403:从云端评分词库调用该词或词组的相关信息并在屏幕上显示;
步骤S6中,选中答案中的词或词组的方式为,在评分终端的显示屏幕上双击或更多次的点击某个词或词组所在的位置,在该位置自动生成前选定符和后选定符,前、后选定符之间的字符或字将被选中,词或词组具体内容的选择可以通过对前、后选定符的位置调整来确定,同时在屏幕的预定区域或靠近选定符的区域弹出菜单,菜单至少包括向云端上传的命令选项。
2.根据权利要求1所述的判卷方法,其特征在于,
如果是触屏式的操作,使用预定义的手势或单独的选项来触发生成前、后选定符。
3.一种判卷方法,其特征在于,包括以下步骤:
S1′:开始;
S2′:获取主观题答案,并得到电子答案;
S3′:选中电子答案中的部分文字区域,并调用云端评分词库信息;云端评分词库设在判卷***的云端,在云端评分词库中预设了主观题的评分标准;
S4′:将电子答案中出现在云端评分词库中的词或词组高亮,并将所述部分文字区域的高亮词或词组作为词条,显示该词条的相关信息;判卷终端将得到的电子答案与云端评分词库内预存的评分标准相对比,如果某词或词组属于云端评分词库中预存的关键词或其相关表达,那么这个词或词组将被高亮显示出来;
S5′:判断是否将该词条加入到云端评分词库,如果是,执行S6′;如果否,执行S7′;
S6′:获取被选中的词条,并将其加入云端评分词库,并返回S3′;
S7′:获取阅卷人录入的分值;
S8′:结束;
其中,步骤S4′具体为:
将电子答案中出现在云端评分词库中的词或词组按不同类别高亮显示;
将在划定的答案文字区域存在的多个高亮词或词组作为词条;
在步骤S6′中,选中答案中的词或词组的方式为,在评分终端的显示屏幕上双击或更多次的点击某个词或词组所在的位置,在该位置自动生成前选定符和后选定符,前、后选定符之间的字符或字将被选中,词或词组具体内容的选择可以通过对前、后选定符的位置调整来确定,同时在屏幕的预定区域或靠近选定符的区域弹出菜单,菜单至少包括向云端上传的命令选项。
4.根据权利要求3所述的判卷方法,其特征在于,
在步骤S4′中,评分终端对词条内包含的关键词的数量及关键词类别数量进行限制,
当阅卷人划取的文字区域中关键词数量超过预定值或类别数量超过预定值,步骤S3′中部分文字区域将被认为是一个无效的文字区域。
5.根据权利要求3所述的判卷方法,其特征在于,
在步骤S4′中,如果选中的答案文字区域包含的关键词数和类别没有发生变化,仅是答案文字区域的字数总量变化,这时判卷终端判断词条并没有变化。
6.一种判卷***,其具有一个判卷云端和连接在云端的多个判卷终端,判卷云端包括云端评分词库,阅卷人利用判卷终端对主观题进行阅卷,其特征在于:
判卷终端执行如权利要求1-5任一项所述的判卷方法。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时可以实现如权利要求1-5中任一项的方法步骤。
8.一种计算机存储介质,其存储了可以被计算机执行的程序,执行所述程序时可以实现如权利要求1-5中任一项的方法步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710981922.9A CN109697274B (zh) | 2017-10-20 | 2017-10-20 | 一种判卷方法及判卷*** |
PCT/CN2017/111809 WO2019075819A1 (zh) | 2017-10-20 | 2017-11-20 | 一种判卷方法及判卷*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710981922.9A CN109697274B (zh) | 2017-10-20 | 2017-10-20 | 一种判卷方法及判卷*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109697274A CN109697274A (zh) | 2019-04-30 |
CN109697274B true CN109697274B (zh) | 2020-10-02 |
Family
ID=66172993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710981922.9A Active CN109697274B (zh) | 2017-10-20 | 2017-10-20 | 一种判卷方法及判卷*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109697274B (zh) |
WO (1) | WO2019075819A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263651B (zh) * | 2019-05-23 | 2023-06-16 | 五邑大学 | 一种辅助在线批阅试题的方法、装置和存储介质 |
CN110609953A (zh) * | 2019-08-28 | 2019-12-24 | 苏州承儒信息科技有限公司 | 一种用于互联网教育的批阅方法及其*** |
CN110750694A (zh) * | 2019-09-29 | 2020-02-04 | 支付宝(杭州)信息技术有限公司 | 数据标注实现方法及装置、电子设备、存储介质 |
CN110705905B (zh) * | 2019-10-15 | 2022-02-08 | 李晚华 | 一种高准确率的智能网上阅卷方法 |
CN112270295A (zh) * | 2020-11-13 | 2021-01-26 | 广东小天才科技有限公司 | 学生作业场景下的框题方法及装置、终端设备及存储介质 |
CN114580375B (zh) * | 2022-05-09 | 2022-08-12 | 南京赛宁信息技术有限公司 | 一种分布式在线比赛主观题阅卷及评分方法与*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593233A (zh) * | 2008-05-26 | 2009-12-02 | 北京智慧东方信息技术有限公司 | 一种Word操作题的考评*** |
CN103942994A (zh) * | 2014-04-22 | 2014-07-23 | 济南大学 | 一种主观性试题的计算机考核方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150348433A1 (en) * | 2014-05-29 | 2015-12-03 | Carnegie Mellon University | Systems, Methods, and Software for Enabling Automated, Interactive Assessment |
CN104463101B (zh) * | 2014-11-06 | 2017-08-25 | 科大讯飞股份有限公司 | 用于文字性试题的答案识别方法及*** |
CN104504023B (zh) * | 2014-12-12 | 2017-08-04 | 广西师范大学 | 一种基于领域本体的高准确率主观题计算机自动阅卷方法 |
CN106844296A (zh) * | 2016-12-01 | 2017-06-13 | 网易(杭州)网络有限公司 | 一种通信方法和装置 |
-
2017
- 2017-10-20 CN CN201710981922.9A patent/CN109697274B/zh active Active
- 2017-11-20 WO PCT/CN2017/111809 patent/WO2019075819A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593233A (zh) * | 2008-05-26 | 2009-12-02 | 北京智慧东方信息技术有限公司 | 一种Word操作题的考评*** |
CN103942994A (zh) * | 2014-04-22 | 2014-07-23 | 济南大学 | 一种主观性试题的计算机考核方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109697274A (zh) | 2019-04-30 |
WO2019075819A1 (zh) | 2019-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697274B (zh) | 一种判卷方法及判卷*** | |
Cobos et al. | A content analysis system that supports sentiment analysis for subjectivity and polarity detection in online courses | |
Shima et al. | Overview of NTCIR-9 RITE: Recognizing Inference in TExt. | |
CN112631997B (zh) | 数据处理方法、装置、终端及存储介质 | |
Oelke et al. | Visual readability analysis: How to make your writings easier to read | |
Wyatt-Smith et al. | Multimodal reading and comprehension in online environments | |
Kalpokas et al. | Bridging the gap between methodology and qualitative data analysis software: A practical guide for educators and qualitative researchers | |
Gough | The patterns of interaction between professional translators and online resources | |
Chen | The process of note-taking<? br?> in consecutive interpreting: A digital pen recording approach | |
JP7147185B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Liu et al. | Effects of digital dictionary format on incidental acquisition of spelling knowledge and cognitive load during second language learning: Click-on vs. key-in dictionaries | |
Yen et al. | WriteAhead: Mining grammar patterns in corpora for assisted writing | |
Rothstein | Accessing relevant literature. | |
Goulart | Register variation in L1 and L2 student writing: A multidimensional analysis | |
Lee | An editable learner model for text recommendation for language learning | |
Cheng et al. | Automated tracking of student revisions in response to teacher feedback in EFL writing: technological feasibility and teachers' perspectives | |
Henkin et al. | Words of estimative correlation: Studying verbalizations of scatterplots | |
JP2008090117A (ja) | 学習システム、類似問題検索方法、プログラム | |
Susilana et al. | Pedagogia Dictionary: Web Application Development | |
CN115860998A (zh) | 基于实操业务的学习配置方法、装置、设备及存储介质 | |
Shaw | Essay marking on-screen: Implications for assessment validity | |
Kong et al. | Evaluating a bilingual text-mining system with a taxonomy of key words and hierarchical visualization for understanding learner-generated text | |
Liou et al. | A corpus-based study of phrasal verbs with key meanings in TED Talks | |
Alos | Explicating the implicit: an empirical investigation into pragmatic competence in translator training | |
Zhang | A study of the effects of user characteristics on mental models of information retrieval systems |
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 |