CN110659584A - 一种基于图像识别的智能留痕阅卷*** - Google Patents
一种基于图像识别的智能留痕阅卷*** Download PDFInfo
- Publication number
- CN110659584A CN110659584A CN201910815582.1A CN201910815582A CN110659584A CN 110659584 A CN110659584 A CN 110659584A CN 201910815582 A CN201910815582 A CN 201910815582A CN 110659584 A CN110659584 A CN 110659584A
- Authority
- CN
- China
- Prior art keywords
- image
- test paper
- test
- question
- area
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 claims abstract description 108
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V30/413—Classification of content, e.g. text, photographs or tables
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提出了一种基于图像识别的智能留痕阅卷***,包括:定制答题卡模块用于生成答题卡信息;图像处理模块用于扫描所述二维码以获取所述试卷号,并根据所述试卷号获取对应的坐标信息描述表和试卷试题信息,对比扫描图像的标记点的实际坐标位置与定位信息表中记录的标记点坐标位置;所述数据处理模块用于获取所有参考学生的识别结果表,进而获取试题的答案信息,分别计算客观题和主观题的分数,得出每个学生的单张试卷的得分和排名,存储到计算结果表中。本发明通过报表快速知晓学生的知识掌握的情况,方便进行有针对性的讲解,简化了阅卷操作流程,大大降低了教师的学习成本。
Description
技术领域
本发明涉及计算机和图像识别技术领域,特别涉及一种基于图像识别的智能留痕阅卷***。
背景技术
随着计算机技术的发展,传统的采用人工方式客观题的阅卷方式已经被智能阅卷方式取代,大大提高了阅卷的准确度及阅卷效率。
然而,在现有的自动阅卷***中,大都是由计算机完成学号的读取,客观题的识别,再由老师进行集中批阅主观题,需要提前对老师进行培训,人力资源的消耗比较大,在应对测验类型的小型考试时候有些浪费人力,且无法提供针对每个学生的错误试题的收集,以及类似题目的强化练习。在快速测验的场景,传统阅卷***需要对老师进行培训,集中阅卷,使用起来不方便。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种基于图像识别的智能留痕阅卷***。
为了实现上述目的,本发明的实施例提供一种基于图像识别的智能留痕阅卷***,包括:定制答题卡模块、图像处理模块和数据处理模块,其中,
定制答题卡模块用于生成答题卡信息,包括:试卷号、与所述试卷号对应的二维码、定位标记、评分框、考生基本信息和总分栏的输入标签、客观题题号和填涂区域、用于描述整个答题卡信息的定位信息表;
所述图像处理模块用于扫描所述二维码以获取所述试卷号,并根据所述试卷号获取对应的坐标信息描述表和试卷试题信息,对比扫描图像的标记点的实际坐标位置与定位信息表中记录的标记点坐标位置,依此计算试卷扫描图像与排版生成的试卷版面之间的比例尺,进行变换,矫正到先前设计的尺寸;然后根据由答题卡定制模块生成的坐标信息表,将各个试题所对应的图像区域进行切割,分为隐私区域、客观题区域、主观题区域和手写评分框区域;对于客观题区域,根据选项个数以及坐标信息识别出学生所填涂的结果,将识别结果绘制到识别结果图像上,并将识别结果保存到识别结果表中;对于主观题区域,调用先前训练好的识别模型对评分框内教师的手写图像进行识别,将识别结果绘制到识别结果图像上,并将识别结果图像保存到识别结果表中;将识别结果图像以及识别结果表发送至数据处理模块进行处理分析;
所述数据处理模块用于获取所有参考学生的识别结果表,进而获取试题的答案信息,分别计算客观题和主观题的分数,得出每个学生的单张试卷的得分和排名,存储到计算结果表中。
进一步,所述定制答题卡模块用于生成位于卷面至少三个边角空白处的定位标记,所述定位标记用于确认实际印刷试卷尺寸与原始电子试卷尺寸之间的缩放比例以及电子试卷图像变形纠正处理;
所述定位信息表包括:定位区域、学号区域、每个试题对应的坐标信息。
进一步,所述坐标信息描述表包括:试卷定位点坐标、每个客观题的坐标、每个主观题的坐标、学号区域坐标、阅卷时想要遮盖的隐私区域坐标和每个主观题对应的教师评分框坐标。
进一步,所述试卷试题信息包括:每个客观题题目的总分、正确答案、选项个数、每个主观题题目的总分和整张试卷的总分。
进一步,所述图像处理模块进行矫正,包括如下步骤:首先在从坐标信息表中获取到定位点的坐标信息L1,将此坐标区域的面积放大m倍后得到L2,然后从扫描仪得到的原始图像中L2区域切割出来得到图像I1,在图像I1中查找到该定位点在实际图像的定位信息得到L3,得到一个定位点对应的实际坐标信息,重复此过程,找到答题卡中全部的定位点对应的坐标信息,通过仿射变换将原始图像矫正到答题卡设计模块指定的坐标。
进一步,所述图像处理模块进行手写图像识别,包括如下步骤:对手写图像的预处理:首先把图像转成灰度图,按照大津法进行二值化,然后再进行图像去噪和增强处理,最终将图像转化到识别模型可接受的数据。
进一步,所述识别模型可接受的数据,包括:将图像中的像素数据转换成一组长度为该图像面积的数字,每个数字表示图像指定区域的灰度。
进一步,所述数据处理模块还用于从计算结果中获取到每个学生未获得满分的题目,对学生的答题图像以及教师的评分,批阅图像进行收集,并将结果存储到学生错题表中,然后从所有学生单张试卷得分情况计算出该试卷的难度、区分度和每个试题的正答率。
进一步,所述数据处理模块还用于计算试卷难度系数:
对于客观题,难度P=k/N,其中,k为答对该题的人数,N为参加测验的总人数;
对于主观题目,难度P=X/M,其中,X为试题平均得分;M为试题满分。
进一步,所述数据处理模块还用于根据每个学生答错的试题情况,为每个学生生成强化练习试卷,其中,该试卷的所有试题的难度与知识点覆盖与该学生答错的题目保持一致。
根据本发明实施例的基于图像识别的智能留痕阅卷***,通过在答题卡上预置评分框,让教师可以在答题卡上手写分数,最终通过***扫描直接得到参与考试的全部学生的得分,排名等信息,简化了教师的操作流程,让学生可以知晓自己的错题,然后通过练习类似题目进行强化练习达到真正掌握知识的目的。本发明针对快速测验的场景,传统阅卷***需要对老师进行培训,集中阅卷,使用起来不方便的问题,通过在答题卡上预置评分框的方式,使得教师可以直接在答题卡上面对主观题进行评分和标记,然后通过本发明进行自动识别客观题,主观题分数,最终得以快速获得学生的得分,排名等信息。让教师可以通过报表快速知晓学生的知识掌握的情况,方便进行有针对性的讲解,简化了阅卷操作流程,大大降低了教师的学习成本。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的基于图像识别的智能留痕阅卷***的结构图;
图2为根据本发明实施例的基于图像识别的智能留痕阅卷***的示意图;
图3为根据本发明实施例的主观题的识别结果表的示意图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
如图1和图2所示,本发明实施例的基于图像识别的智能留痕阅卷***,包括:定制答题卡模块100、图像处理模块200和数据处理模块300。
具体的,定制答题卡模块100用于生成答题卡信息,包括:试卷号、与试卷号对应的二维码、定位标记、评分框、考生基本信息和总分栏的输入标签、客观题题号和填涂区域、用于描述整个答题卡信息的定位信息表。其中,定位信息表包括:定位区域、学号区域、每个试题对应的坐标信息。
在本发明的实施例中,定制答题卡模块100用于生成试卷号以及对应试卷号的二维码,并将二维码放置在答题卡的固定边角位置上,试卷号具有唯一性。定制答题卡模块100生成位于卷面至少三个边角空白处的定位标记,定位标记用于确认实际印刷试卷尺寸与原始电子试卷尺寸之间的缩放比例以及电子试卷图像变形纠正处理。
此外,定制答题卡模块100生成考生基本信息和总分栏的输入标签,并放置在试卷标题栏处;所述考生基本信息包括姓名、班级、年级、学号等。对于主观题,在题目合适位置(如题末尾处)添加手写分数评分框。
图像处理模块200用于扫描二维码以获取试卷号。具体的,在试卷扫描图像的四个角上寻找识别试卷二维码和试卷定位点,并将二维码转换为试卷号。然后图像处理模块200根据试卷号获取对应的坐标信息描述表和试卷试题信息。其中,坐标信息描述表包括:试卷定位点坐标、每个客观题的坐标、每个主观题的坐标、学号区域坐标、阅卷时想要遮盖的隐私区域坐标和每个主观题对应的教师评分框坐标。
试卷试题信息包括:每个客观题题目的总分、正确答案、选项个数、每个主观题题目的总分和整张试卷的总分。
图像处理模块200对比扫描图像的标记点的实际坐标位置与定位信息表中记录的标记点坐标位置,依此计算试卷扫描图像与排版生成的试卷版面之间的比例尺,进行变换,矫正到先前设计的尺寸。
具体的,图像处理模块200进行矫正,包括如下步骤:首先在从坐标信息表中获取到定位点的坐标信息L1,将此坐标区域的面积放大m倍后得到L2,然后从扫描仪得到的原始图像中L2区域切割出来得到图像I1。例如,m=4,其中,放大倍数m可以根据用户需要进行设置,上述仅是出于示例的目的。
图像处理模块200在图像I1中查找到该定位点在实际图像的定位信息得到L3,得到一个定位点对应的实际坐标信息,重复此过程,找到答题卡中全部的定位点对应的坐标信息,通过仿射变换将原始图像矫正到答题卡设计模块指定的坐标。
然后根据由答题卡定制模块生成的坐标信息表,将各个试题所对应的图像区域进行切割,分为隐私区域、客观题区域、主观题区域和手写评分框区域。
对于客观题区域,根据选项个数以及坐标信息识别出学生所填涂的结果,将识别结果绘制到识别结果图像上,并将识别结果保存到识别结果表中。训练模型为准备手写素材图像,采用caffe对手写素材进行训练,得到识别模型。
对于主观题,调用先前训练好的识别模型对评分框内教师的手写数字进行识别,将识别结果绘制到识别结果图像上,并将识别结果保存到识别结果表中,如图3所示。
图像处理模块200进行手写图像识别,包括如下步骤:对手写图像的预处理:首先把图像转成灰度图,按照大津法进行二值化,然后再进行图像去噪和增强处理,最终将图像转化到一组识别模型可接受的数据。
在本发明的实施例中,识别模型可接受的数据,包括:将图像中的像素数据转换成一组长度为该图像面积的数字,每个数字表示图像指定区域的灰度,便于在识别模型中进行匹配,找到最接近的一个数字。
对于主观题区域,调用先前训练好的识别模型对评分框内教师的手写图像进行识别,将识别结果绘制到识别结果图像上,并将识别结果图像保存到识别结果表中;将识别结果图像以及识别结果表发送至数据处理模块300进行处理分析。
数据处理模块300用于获取所有参考学生的识别结果表,进而从识别结果表中获取到试卷号,根据试卷号获取试题的答案信息,分别计算客观题和主观题的分数,得出每个学生的单张试卷的得分和排名,存储到计算结果表中。
具体的,对于客观题,将题目的答案信息与学生识别结果表中的实际填涂答案进行比较,按照设定的给分策略对该学生该试题进行评分。对于主观题,从学生识别结果表中取出该试题该学生的手阅得分,作为该学生该试题的分数。
对每个学生全部试题得分进行汇总,计算出单个学生单张试卷的得分情况。根据学生每张试卷的得分情况计算出学生的总分,以及在班级,年级内的排名信息以及学生单科在班级年级内的排名情况,并将计算结果存储到计算结果表中。
此外,数据处理模块300还用于从计算结果中获取到每个学生未获得满分的题目,对学生的答题图像以及教师的评分,批阅图像进行收集,并将结果存储到学生错题表中,然后从所有学生单张试卷得分情况计算出该试卷的难度、区分度和每个试题的正答率。
数据处理模块300还用于计算试卷难度系数:
对于客观题,难度P=k/N,其中,k为答对该题的人数,N为参加测验的总人数;
对于主观题目,难度P=X/M,其中,X为试题平均得分;M为试题满分。
试卷区分度系数计算方法:将参考学生按照试卷得分排序,取排名最前27%的学生作为高分组计算难度系数为PH,取排名最后27%的学生作为低分组计算难度系数为PL,则该试卷的区分度D=PH–PL。
题目正答率计算方法:正答率P=答对试题人数/总人数。
然后,数据处理模块300进一步根据以上数据,导出数据分析报表。
此外,本发明还可以为学生提供账号,登陆后可以查看历次考试答错的试题,可以打印试题进行复测。
数据处理模块300还用于根据每个学生答错的试题情况,为每个学生生成强化练习试卷,其中,该试卷的所有试题的难度与知识点覆盖与该学生答错的题目保持一致,以此达到强化练习的目的。
根据本发明实施例的基于图像识别的智能留痕阅卷***,通过在答题卡上预置评分框,让教师可以在答题卡上手写分数,最终通过***扫描直接得到参与考试的全部学生的得分,排名等信息,简化了教师的操作流程,让学生可以知晓自己的错题,然后通过练习类似题目进行强化练习达到真正掌握知识的目的。本发明针对快速测验的场景,传统阅卷***需要对老师进行培训,集中阅卷,使用起来不方便的问题,通过在答题卡上预置评分框的方式,使得教师可以直接在答题卡上面对主观题进行评分和标记,然后通过本发明进行自动识别客观题,主观题分数,最终得以快速获得学生的得分,排名等信息。让教师可以通过报表快速知晓学生的知识掌握的情况,方便进行有针对性的讲解,简化了阅卷操作流程,大大降低了教师的学习成本。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。
Claims (10)
1.一种基于图像识别的智能留痕阅卷***,其特征在于,包括:定制答题卡模块、图像处理模块和数据处理模块,其中,
定制答题卡模块用于生成答题卡信息,包括:试卷号、与所述试卷号对应的二维码、定位标记、评分框、考生基本信息和总分栏的输入标签、客观题题号和填涂区域、用于描述整个答题卡信息的定位信息表;
所述图像处理模块用于扫描所述二维码以获取所述试卷号,并根据所述试卷号获取对应的坐标信息描述表和试卷试题信息,对比扫描图像的标记点的实际坐标位置与定位信息表中记录的标记点坐标位置,依此计算试卷扫描图像与排版生成的试卷版面之间的比例尺,进行变换,矫正到先前设计的尺寸;然后根据由答题卡定制模块生成的坐标信息表,将各个试题所对应的图像区域进行切割,分为隐私区域、客观题区域、主观题区域和手写评分框区域;对于客观题区域,根据选项个数以及坐标信息识别出学生所填涂的结果,将识别结果绘制到识别结果图像上,并将识别结果保存到识别结果表中;对于主观题区域,调用先前训练好的识别模型对评分框内教师的手写图像进行识别,将识别结果绘制到识别结果图像上,并将识别结果图像保存到识别结果表中;将识别结果图像以及识别结果表发送至数据处理模块进行处理分析;
所述数据处理模块用于获取所有参考学生的识别结果表,进而获取试题的答案信息,分别计算客观题和主观题的分数,得出每个学生的单张试卷的得分和排名,存储到计算结果表中。
2.如权利要求1所述基于图像识别的智能留痕阅卷***,其特征在于,所述定制答题卡模块用于生成位于卷面至少三个边角空白处的定位标记,所述定位标记用于确认实际印刷试卷尺寸与原始电子试卷尺寸之间的缩放比例以及电子试卷图像变形纠正处理;
所述定位信息表包括:定位区域、学号区域、每个试题对应的坐标信息。
3.如权利要求1所述的基于图像识别的智能留痕阅卷***,其特征在于,所述坐标信息描述表包括:试卷定位点坐标、每个客观题的坐标、每个主观题的坐标、学号区域坐标、阅卷时想要遮盖的隐私区域坐标和每个主观题对应的教师评分框坐标。
4.如权利要求1所述的基于图像识别的智能留痕阅卷***,其特征在于,所述试卷试题信息包括:每个客观题题目的总分、正确答案、选项个数、每个主观题题目的总分和整张试卷的总分。
5.如权利要求1所述的基于图像识别的智能留痕阅卷***,其特征在于,所述图像处理模块进行矫正,包括如下步骤:首先在从坐标信息表中获取到定位点的坐标信息L1,将此坐标区域的面积放大m倍后得到L2,然后从扫描仪得到的原始图像中L2区域切割出来得到图像I1,在图像I1中查找到该定位点在实际图像的定位信息得到L3,得到一个定位点对应的实际坐标信息,重复此过程,找到答题卡中全部的定位点对应的坐标信息,通过仿射变换将原始图像矫正到答题卡设计模块指定的坐标。
6.如权利要求1所述的基于图像识别的智能留痕阅卷***,其特征在于,所述图像处理模块进行手写图像识别,包括如下步骤:对手写图像的预处理:首先把图像转成灰度图,按照大津法进行二值化,然后再进行图像去噪和增强处理,最终将图像转化到识别模型可接受的数据。
7.如权利要求6所述的基于图像识别的智能留痕阅卷***,其特征在于,所述识别模型可接受的数据,包括:将图像中的像素数据转换成一组长度为该图像面积的数字,每个数字表示图像指定区域的灰度。
8.如权利要求1所述的基于图像识别的智能留痕阅卷***,其特征在于,所述数据处理模块还用于从计算结果中获取到每个学生未获得满分的题目,对学生的答题图像以及教师的评分,批阅图像进行收集,并将结果存储到学生错题表中,然后从所有学生单张试卷得分情况计算出该试卷的难度、区分度和每个试题的正答率。
9.如权利要求1所述的基于图像识别的智能留痕阅卷***,其特征在于,所述数据处理模块还用于计算试卷难度系数:
对于客观题,难度P=k/N,其中,k为答对该题的人数,N为参加测验的总人数;
对于主观题目,难度P=X/M,其中,X为试题平均得分;M为试题满分。
10.如权利要求1所述的基于图像识别的智能留痕阅卷***,其特征在于,所述数据处理模块还用于根据每个学生答错的试题情况,为每个学生生成强化练习试卷,其中,该试卷的所有试题的难度与知识点覆盖与该学生答错的题目保持一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815582.1A CN110659584B (zh) | 2019-08-30 | 2019-08-30 | 一种基于图像识别的智能留痕阅卷*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910815582.1A CN110659584B (zh) | 2019-08-30 | 2019-08-30 | 一种基于图像识别的智能留痕阅卷*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110659584A true CN110659584A (zh) | 2020-01-07 |
CN110659584B CN110659584B (zh) | 2023-12-26 |
Family
ID=69037957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910815582.1A Active CN110659584B (zh) | 2019-08-30 | 2019-08-30 | 一种基于图像识别的智能留痕阅卷*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659584B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666864A (zh) * | 2020-06-01 | 2020-09-15 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
CN112163529A (zh) * | 2020-09-30 | 2021-01-01 | 珠海读书郎网络教育有限公司 | 一种试卷统分的***及方法 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的***及方法 |
CN112287154A (zh) * | 2020-10-30 | 2021-01-29 | 北京有竹居网络技术有限公司 | 一种信息统计方法、装置、计算机设备及存储介质 |
CN113065477A (zh) * | 2021-04-08 | 2021-07-02 | 读书郎教育科技有限公司 | 一种智慧课堂课本内容识别方法 |
CN113408520A (zh) * | 2021-07-16 | 2021-09-17 | 北京南昊科技股份有限公司 | 有痕阅卷方法、批阅装置及存储介质 |
CN117037187A (zh) * | 2023-10-10 | 2023-11-10 | 广东省科技基础条件平台中心 | 一种试卷图像提取方法、装置及终端设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120189999A1 (en) * | 2011-01-24 | 2012-07-26 | Xerox Corporation | System and method for using optical character recognition to evaluate student worksheets |
CN103871274A (zh) * | 2012-12-07 | 2014-06-18 | 大连联达科技有限公司 | 一种现场授课*** |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
WO2016030900A2 (en) * | 2014-08-27 | 2016-03-03 | Eyessessment Technologies Ltd. | Evaluating test taking |
US20160180733A1 (en) * | 2014-12-18 | 2016-06-23 | Christopher P. Foley, JR. | Systems and methods for testing, evaluating and providing feedback to students |
CN106780205A (zh) * | 2016-11-22 | 2017-05-31 | 江苏黄金屋教育发展股份有限公司 | 一种应用于考试批阅的大数据采集和分析方法 |
CN106781784A (zh) * | 2017-01-04 | 2017-05-31 | 王骁乾 | 一种智能批改*** |
CN107622463A (zh) * | 2017-09-27 | 2018-01-23 | 张鹏 | 一种出卷及自动阅卷***及方法 |
CN108229361A (zh) * | 2017-12-27 | 2018-06-29 | 北京摩数教育科技有限公司 | 一种电子阅卷方法 |
CN108573461A (zh) * | 2018-04-23 | 2018-09-25 | 温州市鹿城区中津先进科技研究院 | 一种云阅卷数据分析*** |
CN108805760A (zh) * | 2017-05-06 | 2018-11-13 | 南京多邦软件有限公司 | 一种智能阅卷*** |
CN110008933A (zh) * | 2019-04-18 | 2019-07-12 | 江苏曲速教育科技有限公司 | 一种通用智能阅卷***和方法 |
-
2019
- 2019-08-30 CN CN201910815582.1A patent/CN110659584B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120189999A1 (en) * | 2011-01-24 | 2012-07-26 | Xerox Corporation | System and method for using optical character recognition to evaluate student worksheets |
CN103871274A (zh) * | 2012-12-07 | 2014-06-18 | 大连联达科技有限公司 | 一种现场授课*** |
WO2016030900A2 (en) * | 2014-08-27 | 2016-03-03 | Eyessessment Technologies Ltd. | Evaluating test taking |
US20160180733A1 (en) * | 2014-12-18 | 2016-06-23 | Christopher P. Foley, JR. | Systems and methods for testing, evaluating and providing feedback to students |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
CN106780205A (zh) * | 2016-11-22 | 2017-05-31 | 江苏黄金屋教育发展股份有限公司 | 一种应用于考试批阅的大数据采集和分析方法 |
CN106781784A (zh) * | 2017-01-04 | 2017-05-31 | 王骁乾 | 一种智能批改*** |
CN108805760A (zh) * | 2017-05-06 | 2018-11-13 | 南京多邦软件有限公司 | 一种智能阅卷*** |
CN107622463A (zh) * | 2017-09-27 | 2018-01-23 | 张鹏 | 一种出卷及自动阅卷***及方法 |
CN108229361A (zh) * | 2017-12-27 | 2018-06-29 | 北京摩数教育科技有限公司 | 一种电子阅卷方法 |
CN108573461A (zh) * | 2018-04-23 | 2018-09-25 | 温州市鹿城区中津先进科技研究院 | 一种云阅卷数据分析*** |
CN110008933A (zh) * | 2019-04-18 | 2019-07-12 | 江苏曲速教育科技有限公司 | 一种通用智能阅卷***和方法 |
Non-Patent Citations (1)
Title |
---|
余胜泉, 李世亮, 谢晓林: "在线测试分析与数据挖掘***的设计", 开放教育研究, no. 05 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111666864A (zh) * | 2020-06-01 | 2020-09-15 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
CN111666864B (zh) * | 2020-06-01 | 2023-03-24 | 合肥工业大学 | 一种基于计算机视觉的自动阅卷方法 |
CN112163529A (zh) * | 2020-09-30 | 2021-01-01 | 珠海读书郎网络教育有限公司 | 一种试卷统分的***及方法 |
CN112200058A (zh) * | 2020-09-30 | 2021-01-08 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的***及方法 |
CN112200058B (zh) * | 2020-09-30 | 2021-07-06 | 珠海读书郎网络教育有限公司 | 一种教辅资料智能批改的***及方法 |
CN112287154A (zh) * | 2020-10-30 | 2021-01-29 | 北京有竹居网络技术有限公司 | 一种信息统计方法、装置、计算机设备及存储介质 |
CN113065477A (zh) * | 2021-04-08 | 2021-07-02 | 读书郎教育科技有限公司 | 一种智慧课堂课本内容识别方法 |
CN113408520A (zh) * | 2021-07-16 | 2021-09-17 | 北京南昊科技股份有限公司 | 有痕阅卷方法、批阅装置及存储介质 |
CN113408520B (zh) * | 2021-07-16 | 2023-12-12 | 北京南昊科技股份有限公司 | 有痕阅卷方法、批阅装置及存储介质 |
CN117037187A (zh) * | 2023-10-10 | 2023-11-10 | 广东省科技基础条件平台中心 | 一种试卷图像提取方法、装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110659584B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659584B (zh) | 一种基于图像识别的智能留痕阅卷*** | |
CN110008933B (zh) | 一种通用智能阅卷***和方法 | |
US11790641B2 (en) | Answer evaluation method, answer evaluation system, electronic device, and medium | |
CN110322379A (zh) | 试卷处理方法和试卷处理*** | |
CN107622463A (zh) | 一种出卷及自动阅卷***及方法 | |
CN109033046A (zh) | 结构化可视文档快速信息输入***及方法 | |
CN107784264A (zh) | 基于图像处理的答卷分析方法及*** | |
US20030180703A1 (en) | Student assessment system | |
CN110597806A (zh) | 一种基于批阅识别的错题集生成与答题统计***及方法 | |
CN103886302A (zh) | 试卷识别分析实现方法及装置 | |
CN106599887B (zh) | 试卷答题区域识别及试题评阅方法、*** | |
CN108388895A (zh) | 一种基于机器学习的试卷答题卡自动处理方法 | |
CN111144251A (zh) | 一种基于图像采集的自动化扫描识别*** | |
CN106407936A (zh) | 一种阅卷方法和*** | |
CN108537218A (zh) | 一种答题卡的识别处理方法及装置 | |
KR20190052410A (ko) | 답안 일체형 시험지 및 답안 일체형 교재를 이용하는 자동 채점 시스템 및 그 방법 | |
CN109242856A (zh) | 一种纸质作业电子化批阅方法及装置 | |
CN108876195A (zh) | 一种智能化的教师教学质量评测*** | |
CN109034590A (zh) | 一种智能化的教师教学质量评价管理*** | |
CN107067399A (zh) | 一种试卷图像分割处理方法 | |
CN113159014A (zh) | 基于手写题号的客观题批阅方法、装置、设备及存储介质 | |
CN108428073A (zh) | 一种用于教师教学质量的智能评价*** | |
CN111008594A (zh) | 改错题评阅方法、相关设备及可读存储介质 | |
CN108681713A (zh) | 一种用于教师教学质量评价的*** | |
CN211294357U (zh) | 一种网上阅卷结果打印装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |