CN115132228B - 一种语言能力分级方法及*** - Google Patents
一种语言能力分级方法及*** Download PDFInfo
- Publication number
- CN115132228B CN115132228B CN202210750547.8A CN202210750547A CN115132228B CN 115132228 B CN115132228 B CN 115132228B CN 202210750547 A CN202210750547 A CN 202210750547A CN 115132228 B CN115132228 B CN 115132228B
- Authority
- CN
- China
- Prior art keywords
- information
- grading
- subject
- test
- score
- 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 35
- 230000014509 gene expression Effects 0.000 claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims description 120
- 210000001508 eye Anatomy 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 17
- 230000036961 partial effect Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 208000028752 abnormal posture Diseases 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000000873 masking effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000012795 verification Methods 0.000 abstract description 2
- 238000013500 data storage Methods 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Psychiatry (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Social Psychology (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及一种语言能力分级方法及***,具体涉及语言评级技术领域,本发明通过建立语言能力分级***,其通过建立统一的标准数据库,使其通过结合传统考试与语言表达和人员状态多个方面综合评定的方式,结合***自动数据采集进行综合评定与人工后台配合校验评定的方式,使其获取最终评级,这种方式针对于个人语言能力而言,其多项相关能力均纳入考核范围内,依据分项能力评级、个人自述评级、个人理念评级、个人状态评级、个人技能评级进行综合判定,并依据上述分级的最低分级得出综合整体分级,配合***的高效判定与人工结合,使其完成语言能力的准确评价,同时,效率得到显著提升。
Description
技术领域
本发明涉及语言评级技术领域,更具体地说,本发明涉及一种语言能力分级方法及***。
背景技术
六十年代,以Lado为代表的语言能力模型,其理论基础完全是结构主义的,在模型中有意回避涉及认知因素,没有考虑语境以及人的认知能力对于语言能力的影响,只是对语言能力作纯静态的概括。受这个理论的影响,当时的语言测验测的是语言本身的各个结构要素,被称为心理结构主义测试,测验的信度比较高,因为测验缺乏真实性,以及对于语言能力的理解的局限性,测验的效度比较低。七十年代——八十年代初,出现了以Oller和Spolsky为代表的语言能力模式,在模式中,Oller提出了“语用期望语法”的理论,语用预期语法是一个具有心理现实性的***,包括全部与语言运用有关的认知与语言成分,这个理论强调超语言学情境的重要性,随着人们对语言测评的研究,目前针对于语言表述的语义识别及判定有着长足的进步。
在《中国英语能力等级量表》发布后,如何建立一个基于标准的语言能力评级方法具有重大意义,高效准确的测评方法为亟需解决的问题。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题,本发明提供了一种语言能力分级方法及***,本发明所要解决的技术问题是:如何聚焦高效准确的个人语言能力的标准测评方法为亟需解决的问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:一种语言能力分级方法,包括:
S1、基于预先收录的相关项目的测试试题,建立用于实现对负责所述项目的作业人员即受试者进行测评的标准测试数据库。
S2、接收到受试者基于测试客户端的测试界面展示的启动按钮的触发指令,则展示用于获取证书和/或获奖信息的第一界面。接收受试者借助于第一界面上传的证书和/或获奖信息。
S3、根据当前受试者的证书和/或获奖信息,获取与证书和/或获奖信息匹配的部分分项能力测试试题与部分随机试题,并向所述受试者展示所述分项能力测试试题,接收到所述受试者完成所述分项能力测试试题的完成提交指令后,展示获取受试者自由表述的第二界面,若所述受试者触发第二界面中的开始按钮,接收受试者自由表述的语音信息和姿态信息,根据语音信息和姿态信息获取自由表述的评分。
S4、根据所述受试者的分项能力测试的结果和自由表述的评分,获得所述受试者的语言能力分级结果,将所述语言能力分级结果向所述受试者展示。
作为本发明的进一步方案:所述分项能力测试试题包括:
用于测试受试者阅读理解能力的测试题,
用于测试受试者写作能力的测试题。
用于测试受试者听力能力的测试题。
用于测试受试者翻译能力的测试题。
作为本发明的进一步方案:所述S4中的根据所述受试者的分项能力测试的结果和自由表述的评分,获得所述受试者的语言能力分级结果,包括:
若分项能力测试的结果和自由表述的评分的差值大于第一预设阈值,则将所述分项能力测试的过程信息和自由表述的语音信息、姿态信息发送后台的人工查验数据库中。
所述后台根据人工查验数据库中存储的待查验的信息,采用盲选方式选择与当前分项能力测试关联的至少三位查验老师的信息,基于选择信息,将所述待查验的信息进行加密和遮盖式的预处理,并将预处理后的待查验信息发送查验老师。
接收查验老师的反馈结果信息,根据所有的反馈结果信息,加权计算获得所述受试者的语言能力分级结果。
作为本发明的进一步方案:所述S3中的接收受试者自由表述的语音信息和姿态信息,根据语音信息和姿态信息获取自由表述的评分,包括:
判断语音信息中各读音是否正确,根据读音正确信息,获得第一项分值。
将语音信息中语调与划分等级分值的语调进行自动匹配,计算每一等级的匹配度,选择匹配度最高的分值作为第二项分值。
将姿态信息进行预处理,去除重复姿态信息,将保留的各姿态信息与预先的异常姿态信息进行比对,判断是否存在异常姿态信息,根据判断结果获取姿态信息的第三项分值。
基于预先定义的权重系数,对第一项分值、第二项分值和第三项分值进行加权融合,获得自由表述的评分。
作为本发明的进一步方案:将保留的各姿态信息与预先的异常姿态信息进行比对,判断是否存在异常姿态信息,包括:
针对保留的每一姿态信息,将每一姿态信息进行提取,并形成指定大小的姿态图像。
对每一姿态图像进行划分N*N的子图,基于N*N的子图,获取姿态图像的特征向量,将该姿态图像的特征向量与预先的异常姿态信息对应的每一特征向量进行匹配,计算相似度,若相似度大于设定值,则认为存在异常姿态信息。
作为本发明的进一步方案:将姿态信息进行预处理,去除重复姿态信息之前,还包括:
判断姿态信息中人眼的关注点,若人眼的关注点不在指定区域内的累积时长超出预设时长,则将最低值作为第三项分值,且给出评分依据信息。
作为本发明的进一步方案:所述标准测试数据库为后台的数据库,或者位于云端的数据库。
作为本发明的进一步方案:将所述待查验的信息进行加密和遮盖式的预处理,包括:
待查验的信息中分项能力测试的过程信息包括:试题的结果信息和全程监控的视频流;待查验的信息中自由表述部分的过程信息包括:自由表述的语音信息、姿态信息;
所述遮盖式的预处理包括:
对所述试题的个人信息部分遮盖;
对视频流中的眼睛区域进行马赛克式处理;
对视频流中的面部区域进行部分马赛克式处理;
对姿态信息中的眼睛区域进行马赛克式处理;
对姿态信息中的面部区域进行部分马赛克是处理;
对处理后的所有信息采用非对称加密算法进行加密处理。
作为本发明的进一步方案:一种语言能力分级***,包括:后台服务器和多个客户端,所述多个客户端连接所述后台服务器,并执行上述第一方面任一所述的语言能力分级方法。
(三)有益效果
本发明的有益效果是:通过建立语言能力分级***,其通过建立统一的标准数据库,使其通过结合传统考试与语言表达和人员状态多个方面综合评定的方式,结合***自动数据采集进行综合评定与人工后台配合校验评定的方式,使其获取最终评级,这种方式针对于个人语言素质而言,其多项相关素质均纳入考核范围内,依据分项能力评级、个人自述评级、个人理念评级、个人状态评级、个人技能评级和经历心得评级进行综合判定,并依据上述分级的最低分级得出综合整体分级,配合***的高效判定与人工结合,使其完成准确评价语言能力的同时,其效率得到显著提升。
附图说明
图1为本发明语言能力分级方法的流程框图;
图2为本发明语言能力分级***的框图;
图3为本发明语言能力分级的评级表示意图。
【附图标记说明】
1、答题互动终端;
2、答题判定模块;
3、音调分析模块;
4、语音文字识别模块;
5、相似度匹配模块;
6、标准数据库;
7、数据存储模块;
8、后台展示模块;
9、多端评分模块;
10、综合评级模块;
11、听力播报模块;
12、面部捕捉模块;
13、姿态捕捉模块;
14、状态预估模块;
15、语速识别模块。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
如图1至图3所示,本发明提供一种技术方案:一种语言能力分级方法,该方法的执行过程是后台服务器和客户端的交互,其实质处理均在后台服务器中,客户端仅用于与客户交互,展示结果或接收用户的指令,所述方法包括:
S1、基于预先收录的相关项目的测试试题,建立用于实现对负责项目的作业人员即受试者进行测评的标准测试数据库。
本实施例的测试数据库中预先存储有多个类别和多种类的试题,其主要是客观题,或者包括一些需要自由陈述的主观题信息。
该标准测试数据库为后台服务器的标准测试数据库或者位于云端的标准测试数据库;标注测试数据库中的试题是预先通过爬虫方式在各测算***中抓取的,或者人工建立的,或者通过OCR识别方式建立的试题。
S2、接收到受试者基于测试客户端的测试界面展示的启动按钮的触发指令,则展示用于获取证书和/或获奖信息的第一界面。接收受试者借助于第一界面上传的证书和/或获奖信息。
本实施例的受试者均可为教师或者即将成为教师的人员,如语文老师或英语老师或数学老师等。
证书可包括语文通关测试结果,或者各科通关测试结果。
当然,若没有任何证书和获奖信息,则选择语文测试或数学测试、英语测试等与之匹配的试题按钮,触发该按钮执行下述的步骤S3中的展示分项能力测试试题的界面。
本实施例中的受试者还可以是英语老师,因为各老师在认证过程中均需要有自己的认证证书或者入门证书才可以上任,故本实施例中需要获取证书和获奖信息。当然,在实际应用中也可以没有证书或获奖信息,这属于特殊情况,需要后台特殊处理。
S3、根据当前受试者的证书和/或获奖信息,获取与证书和/或获奖信息匹配的部分分项能力测试试题与部分随机试题,并向受试者展示分项能力测试试题,接收到受试者完成分项能力测试试题的完成提交指令后,展示获取受试者自由表述的第二界面,若受试者触发第二界面中的开始按钮,接收受试者自由表述的语音信息和姿态信息,根据语音信息和姿态信息获取自由表述的评分。
通常,用户可基于展示的论知识测试试题进行人机交互式作答,其界面展示有完成提交按钮,在用户触发完成提交按钮即接收完成提交指令。
举例来说,分项能力测试试题包括:用于测试受试者阅读理解能力的测试题,用于测试受试者写作能力的测试题,用于测试受试者听力能力的测试题,用于测试受试者翻译能力的测试题。
本实施例中,综合的分项能力测试,能够获取较为准确的个人分项能力评级的评级分数。
S4、根据受试者的分项能力测试的结果和自由表述的评分,获得受试者的语言能力分级结果,将语言能力分级结果向受试者展示。
本实施例展示的测评结果可以是图3所示的结果,也可以是其他方式的展示结果,本实施例不对其限定。图3中的经历心得评级可以是分项能力部分需要填写的,或者在证书或获奖信息中匹配的。
在该步骤S4中的根据受试者的分项能力测试的结果和自由表述的评分,获得受试者的语言能力分级结果,可包括:
S41、若分项能力测试的结果和自由表述的评分的差值大于第一预设阈值,则将分项能力测试的过程信息和自由表述的语音信息、姿态信息发送后台的人工查验数据库中。
S42、后台即后台服务器根据人工查验数据库中存储的待查验的信息,采用盲选方式选择与当前分项能力测试关联的至少三位查验老师的信息,基于选择信息,将待查验的信息进行加密和遮盖式的预处理,并将预处理后的待查验信息发送查验老师。
通常,待查验的信息中分项能力测试的过程信息包括:试题的结果信息和全程监控的视频流、自由表述的语音信息、姿态信息。
举例来说,将待查验的信息进行加密和遮盖式的预处理可包括:
对试题的个人信息部分遮盖;
对视频流中的眼睛区域进行马赛克式处理;
对视频流中的面部区域进行部分马赛克式处理;
对姿态信息中的眼睛区域进行马赛克式处理;
对姿态信息中的面部区域进行部分马赛克是处理;
对处理后的所有信息采用非对称加密算法进行加密处理。
上述的预处理和加密方式其主要是防止查验老师的泄密或者查验老师的个人化识别,有效保证受试者信息的安全性。
S43、接收查验老师的反馈结果信息,根据所有的反馈结果信息,加权计算获得受试者的语言能力分级结果。
通过上述方式可有效保证分项能力测试和自由表述的评分是公平公正的,防止出现识别错误,其结合人工评价方式较好的保证了语言能力的正确结果。
为更好的理解上述步骤S3中获取自由表述的评分的过程,下述子步骤对上述过程进行进一步的说明。
S31、判断语音信息中各读音是否正确,根据读音正确信息,获得第一项分值。
S32、将语音信息中语调与划分等级分值的语调进行自动匹配,计算每一等级的匹配度,选择匹配度最高的分值作为第二项分值。
在其他实施例中还可以将音调进行自动匹配,本实施例不限定语调或音调,能够较好的分别读音且判断语速的均可。
S33、将姿态信息进行预处理,去除重复姿态信息,将保留的各姿态信息与预先的异常姿态信息进行比对,判断是否存在异常姿态信息,根据判断结果获取姿态信息的第三项分值。
举例来说,在该子步骤S33中,可将保留的各姿态信息与预先的异常姿态信息进行比对的具体过程为:
针对保留的每一姿态信息,将每一姿态信息进行提取,并形成指定大小的姿态图像。
对每一姿态图像进行划分N*N的子图,基于N*N(N为大于等于3 的自然数)的子图,获取姿态图像的特征向量,将该姿态图像的特征向量与预先的异常姿态信息对应的每一特征向量进行匹配,计算相似度,若相似度大于设定值,则认为存在异常姿态信息。
进一步地,在实际应用中,为了较好的保护每一受试者的个人信息,进而需要将姿态信息进行预处理,去除重复姿态信息。
另外,通常根据人眼的关注,实现交互或者表达是语言交流的关键因素,或者尊重的一种方式,故,本实施例中为后续姿态信息的比对之前,可预先判断姿态信息中人眼的关注点,若人眼的关注点不在指定区域内的累积时长超出预设时长,则将最低值作为第三项分值,且给出评分依据信息。
本实施例中可通过人眼黑眼球的中心的转动和角度确定人眼的关注点。实际测试中,该人眼关注点可预先设定一个区域,同时在自由表述的展示界面中提示受试者需要注意人眼关注的区域,以保证受试者的正确测试。
S34、基于预先定义的权重系数,对第一项分值、第二项分值和第三项分值进行加权融合,获得自由表述的评分。
例如,第一项分值*第一权重系数+第二项分值*第二权重系数+第三项分值*第三权重系数,获得自由表述的评分结果。
上述各自的权重系数为预先定义的数值,例如,第一权重系数为 0.35,第二权重系数为0.4,第三权重系数为0.25。
本实施例不限定上述三项的比对,根据实际需要选择三项以上的比对均可。
另外,本发明另一实施例还提供一种语言能力分级***,包括答题互动终端1,答题互动终端1的输出端与答题判定模块2的输入端电连接,答题判定模块的输出端与音调分析模块3的输入端电连接,音调分析模块3的输出端通过语音文字识别模块4与相似度匹配模块5的输入端电连接,相似度匹配模块5的输入端设置有标准数据库6和数据存储模块7,相似度匹配模块5的输出端与后台展示模块8的输入端通讯连接,后台展示模块8的输出端设置有多端评分模块9,语音文字识别模块 4的输出端设置有语速识别模块15。
答题互动终端1的输入端设置有面部捕捉模块12,面部捕捉模块12 电连接有姿态捕捉模块13,姿态捕捉模块13和语速识别模块15的输出端与同一状态预估模块14的输入端电连接。
通过采用面部捕捉模块12和姿态捕捉模块13,使其获取受试者考试整体的状态,通过状态预估模块14结合受试者的阅读、自述的语速和表情以及肢体重复动作数可一定程度预估该人员的语言素质信息,同时能够检测是否有肢体和面部的与语言的配合表达,达到语言表述更为多元化的评定。
状态预估模块14和多端评分模块9的输出端与同一个综合评级模块 10的输入端电连接。
通过采用综合评级模块10,综合评级模块10采用将人工评分与***评分综合的方式进行获取最终的评分。
综合评级模块10的输出端与标准数据库6和数据存储模块7的输入端电连接。
数据存储模块7为本地受试者评定信息统一存储,标准数据库6为云端数据库,存储有各项考试试题及答案外另存有语言类目中各单词的标准发音。
通过设置标准数据库6,标准数据库6采用云端存储的方式,使其实现在线的试题管控,以及汇编,能够依据收录的标准发音和答案及试题与数据存储模块7之间配合,使其相似度匹配模块5能够保持与标准匹配的同时,能够与数据存储模块7中检测出较高匹配度的读音,并获取其评定分数,并获取分数的平均值,使其得到较为准确的得分方式。
下面将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1:
S11、受试者提交个人技能证书及其相关获奖信息,以此建立用于受试者进行测评的标准测试数据库。
S12、获取与证书和获奖信息匹配的部分分项能力测试试题与部分随机试题,并向受试者展示分项能力测试试题,在分项能力测试完毕后依据经历心得以及个人理念进行个人自由自述。
S13、自述测试阶段判断语音信息中各读音是否正确、将语音信息中语调与划分等级分值的语调进行自动相似度匹配、对姿态信息预处理并去除重复项加以判断是否存在异常姿态信息,并以此获取三项分值进行加权融合得出自由表述评分。
S14、若论知识测试的结果和自由表述的评分的差值大于第一预设阈值。
S15、则人工查验数据库进行关联多位查验老师信息,进行人工综合评级,并依据多位监考老师人工的各项综合评级结合***评分进行加权计算获取受试者的最终语言能力分级得分
S16、评级获取后生成个人语言能力评级表,依据表中内容取最低值即为最终评级结果。
实施例2:
S10、建立用于受试者进行测评的标准测试数据库。
S20、获取随机试题,并向受试者展示分项能力测试试题,在分项能力测试完毕后依据经历心得以及个人理念进行个人自由自述。
S30、自述测试阶段判断语音信息中各读音是否正确、将语音信息中语调与划分等级分值的语调进行自动相似度匹配、对姿态信息预处理并去除重复项加以判断是否存在异常姿态信息,并以此获取三项分值进行加权融合得出自由表述评分。
S40、若论知识测试的结果和自由表述的评分的差值大于第一预设阈值。
S50、则人工查验数据库进行关联多位查验老师信息,进行人工综合评级,并依据多位监考老师人工的各项综合评级结合***评分进行加权计算获取受试者的最终语言能力分级得分
S60、评级获取后生成个人语言能力评级表,依据表中内容取最低值即为最终评级结果。
实施例3:
S1-1、受试者提交个人技能证书及其相关获奖信息,以此建立用于受试者进行测评的标准测试数据库。
S2-1、获取与证书和获奖信息匹配的部分分项能力测试试题与部分随机试题,并向受试者展示分项能力测试试题,在分项能力测试完毕后依据经历心得以及个人理念进行个人自由自述。
S3-1、自述测试阶段判断语音信息中各读音是否正确、将语音信息中语调与划分等级分值的语调进行自动相似度匹配、对姿态信息预处理并去除重复项加以判断是否存在异常姿态信息,并以此获取三项分值进行加权融合得出自由表述评分。
S4-1、依据自由表述评分和分项能力测试评分进行加权计算获取受试者的最终语言能力分级得分
S6、评级获取后生成个人语言能力评级表,依据表中内容取最低值即为最终评级结果。
综上可知,本发明:采用上述实施例为本发明的其中一个实施办法,其人工评定、提交的个人证书均是针对于评级有着一定程度的影响,作为最终的人工评定有着对最终数值校准的作用,使其该***能够在长时间的使用中分数判定愈加准确。
最后应说明的几点是:虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明的基础上,以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种语言能力分级方法,其特征在于,包括:
S1、基于预先收录的相关项目的测试试题,建立用于实现对负责所述项目的作业人员即受试者进行测评的标准测试数据库;
S2、接收到受试者基于测试客户端的测试界面展示的启动按钮的触发指令,则展示用于获取证书和/或获奖信息的第一界面;接收受试者借助于第一界面上传的证书和/或获奖信息;
S3、根据当前受试者的证书和/或获奖信息,获取与证书和/或获奖信息匹配的部分分项能力测试试题与部分随机试题,并向所述受试者展示所述分项能力测试试题,接收到所述受试者完成所述分项能力测试试题的完成提交指令后,展示获取受试者自由表述的第二界面,若所述受试者触发第二界面中的开始按钮,接收受试者自由表述的语音信息和姿态信息,根据语音信息和姿态信息获取自由表述的评分;
S4、根据所述受试者的分项能力测试的结果和自由表述的评分,获得所述受试者的语言能力分级结果,将所述语言能力分级结果向所述受试者展示;
所述S4中的根据所述受试者的分项能力测试的结果和自由表述的评分,获得所述受试者的语言能力分级结果,包括:
若分项能力测试的结果和自由表述的评分的差值大于第一预设阈值,则将所述分项能力测试的过程信息和自由表述的语音信息、姿态信息发送后台的人工查验数据库中;
所述后台根据人工查验数据库中存储的待查验的信息,采用盲选方式选择与当前分项能力测试关联的至少三位查验老师的信息,基于选择信息,将所述待查验的信息进行加密和遮盖式的预处理,并将预处理后的待查验信息发送查验老师;
接收查验老师的反馈结果信息,根据所有的反馈结果信息,加权计算获得所述受试者的语言能力分级结果;
将所述待查验的信息进行加密和遮盖式的预处理,包括:
待查验的信息中分项能力测试的过程信息包括:试题的结果信息和全程监控的视频流;待查验的信息中自由表述部分的过程信息包括:自由表述的语音信息、姿态信息;
所述遮盖式的预处理包括:
对所述试题的个人信息部分遮盖;
对视频流中的眼睛区域进行马赛克式处理;
对视频流中的面部区域进行部分马赛克式处理;
对姿态信息中的眼睛区域进行马赛克式处理;
对姿态信息中的面部区域进行部分马赛克是处理;
对处理后的所有信息采用非对称加密算法进行加密处理。
2.根据权利要求1所述的方法,其特征在于,所述分项能力测试试题包括:用于测试受试者阅读理解能力的测试题,
用于测试受试者写作能力的测试题;
用于测试受试者听力能力的测试题;
用于测试受试者翻译能力的测试题。
3.根据权利要求1所述的方法,其特征在于,所述S3中的接收受试者自由表述的语音信息和姿态信息,根据语音信息和姿态信息获取自由表述的评分,包括:
判断语音信息中各读音是否正确,根据读音正确信息,获得第一项分值;
将语音信息中语调与划分等级分值的语调进行自动匹配,计算每一等级的匹配度,选择匹配度最高的分值作为第二项分值;
将姿态信息进行预处理,去除重复姿态信息,将保留的各姿态信息与预先的异常姿态信息进行比对,判断是否存在异常姿态信息,根据判断结果获取姿态信息的第三项分值;
基于预先定义的权重系数,对第一项分值、第二项分值和第三项分值进行加权融合,获得自由表述的评分。
4.根据权利要求3所述的方法,其特征在于,将保留的各姿态信息与预先的异常姿态信息进行比对,判断是否存在异常姿态信息,包括:
针对保留的每一姿态信息,将每一姿态信息进行提取,并形成指定大小的姿态图像;
对每一姿态图像进行划分N*N的子图,基于N*N的子图,获取姿态图像的特征向量,将该姿态图像的特征向量与预先的异常姿态信息对应的每一特征向量进行匹配,计算相似度,若相似度大于设定值,则认为存在异常姿态信息。
5.根据权利要求3所述的方法,其特征在于,将姿态信息进行预处理,去除重复姿态信息之前,还包括:
判断姿态信息中人眼的关注点,若人眼的关注点不在指定区域内的累积时长超出预设时长,则将最低值作为第三项分值,且给出评分依据信息。
6.根据权利要求3所述的方法,其特征在于,
所述标准测试数据库为后台的数据库,或者位于云端的数据库。
7.一种语言能力分级***,其特征在于,包括:
后台服务器和多个客户端,所述多个客户端连接所述后台服务器,并执行上述权利要求1至6任一所述的语言能力分级方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210750547.8A CN115132228B (zh) | 2022-06-28 | 2022-06-28 | 一种语言能力分级方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210750547.8A CN115132228B (zh) | 2022-06-28 | 2022-06-28 | 一种语言能力分级方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115132228A CN115132228A (zh) | 2022-09-30 |
CN115132228B true CN115132228B (zh) | 2024-06-07 |
Family
ID=83379016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210750547.8A Active CN115132228B (zh) | 2022-06-28 | 2022-06-28 | 一种语言能力分级方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115132228B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7481995B2 (ja) * | 2020-10-28 | 2024-05-13 | 株式会社東芝 | 状態判定装置、方法およびプログラム |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060087821A (ko) * | 2005-01-31 | 2006-08-03 | 김영운 | 모국어 습득과정에 기초하는 언어 학습과정에서의언어능력 평가시스템 및 그 평가방법 |
CN101393695A (zh) * | 2008-10-29 | 2009-03-25 | 唐承甫 | 听说读写线上测试辅导及评分*** |
KR20090061534A (ko) * | 2007-12-11 | 2009-06-16 | 김동환 | 편리한 어학학습 평가 시스템 |
JP2014164187A (ja) * | 2013-02-26 | 2014-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 音声言語評価装置、パラメータ推定装置、方法、及びプログラム |
KR20160131752A (ko) * | 2015-05-08 | 2016-11-16 | 이종덕 | 수학 자격증 발급 방법 및 시스템 |
JP2018087920A (ja) * | 2016-11-29 | 2018-06-07 | 株式会社レアジョブ | 複数の講師の評価データを用いた語学力判定システム |
CN110223552A (zh) * | 2019-06-14 | 2019-09-10 | 大连海事大学 | 一种基于手机app的航海类船员考试培训教育*** |
CN110379221A (zh) * | 2019-08-09 | 2019-10-25 | 陕西学前师范学院 | 一种英语发音测试与评价*** |
WO2020090857A1 (ja) * | 2018-10-30 | 2020-05-07 | 株式会社プログリット | 語学力評価方法及び語学力評価システム |
KR20200048150A (ko) * | 2018-10-29 | 2020-05-08 | 오승연 | 어학 시험에 기초한 직무적성평가 방법 |
CN111382611A (zh) * | 2018-12-28 | 2020-07-07 | 广州盈可视电子科技有限公司 | 一种考试现场实时监考综合管理*** |
CN112348720A (zh) * | 2020-11-06 | 2021-02-09 | 贵州电网有限责任公司 | 一种在线学习考试信息管理*** |
CN113628079A (zh) * | 2021-07-28 | 2021-11-09 | 广州盈可视电子科技有限公司 | 评分方法、装置、电子设备及可读介质 |
CN113626768A (zh) * | 2021-08-12 | 2021-11-09 | 上海好学网络科技有限公司 | 口语考试的多评分多智能评分合分方法 |
CN114596858A (zh) * | 2022-03-04 | 2022-06-07 | 长沙医学院 | 一种虚拟现实场景的英语口语测评方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080153074A1 (en) * | 2006-12-20 | 2008-06-26 | Andrew Miziniak | Language evaluation and pronunciation systems and methods |
-
2022
- 2022-06-28 CN CN202210750547.8A patent/CN115132228B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060087821A (ko) * | 2005-01-31 | 2006-08-03 | 김영운 | 모국어 습득과정에 기초하는 언어 학습과정에서의언어능력 평가시스템 및 그 평가방법 |
KR20090061534A (ko) * | 2007-12-11 | 2009-06-16 | 김동환 | 편리한 어학학습 평가 시스템 |
CN101393695A (zh) * | 2008-10-29 | 2009-03-25 | 唐承甫 | 听说读写线上测试辅导及评分*** |
JP2014164187A (ja) * | 2013-02-26 | 2014-09-08 | Nippon Telegr & Teleph Corp <Ntt> | 音声言語評価装置、パラメータ推定装置、方法、及びプログラム |
KR20160131752A (ko) * | 2015-05-08 | 2016-11-16 | 이종덕 | 수학 자격증 발급 방법 및 시스템 |
JP2018087920A (ja) * | 2016-11-29 | 2018-06-07 | 株式会社レアジョブ | 複数の講師の評価データを用いた語学力判定システム |
KR20200048150A (ko) * | 2018-10-29 | 2020-05-08 | 오승연 | 어학 시험에 기초한 직무적성평가 방법 |
WO2020090857A1 (ja) * | 2018-10-30 | 2020-05-07 | 株式会社プログリット | 語学力評価方法及び語学力評価システム |
CN111382611A (zh) * | 2018-12-28 | 2020-07-07 | 广州盈可视电子科技有限公司 | 一种考试现场实时监考综合管理*** |
CN110223552A (zh) * | 2019-06-14 | 2019-09-10 | 大连海事大学 | 一种基于手机app的航海类船员考试培训教育*** |
CN110379221A (zh) * | 2019-08-09 | 2019-10-25 | 陕西学前师范学院 | 一种英语发音测试与评价*** |
CN112348720A (zh) * | 2020-11-06 | 2021-02-09 | 贵州电网有限责任公司 | 一种在线学习考试信息管理*** |
CN113628079A (zh) * | 2021-07-28 | 2021-11-09 | 广州盈可视电子科技有限公司 | 评分方法、装置、电子设备及可读介质 |
CN113626768A (zh) * | 2021-08-12 | 2021-11-09 | 上海好学网络科技有限公司 | 口语考试的多评分多智能评分合分方法 |
CN114596858A (zh) * | 2022-03-04 | 2022-06-07 | 长沙医学院 | 一种虚拟现实场景的英语口语测评方法 |
Non-Patent Citations (3)
Title |
---|
国外语言测试研究热点综述;周珊珊;《外语测试与教学》;20180430;全文 * |
基于虚拟现实的英语口语发音质量评分***设计;倪会琴;《高师理科学刊》;20191230;全文 * |
多模态视角下的大学英语网络测试;方贞;;学园;20140405(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115132228A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108281052B (zh) | 一种在线教学***及在线教学方法 | |
US20140240507A1 (en) | Online Examination Proctoring System | |
CN109919079A (zh) | 用于检测学习状态的方法和装置 | |
CN109462603A (zh) | 基于盲检测的声纹认证方法、设备、存储介质及装置 | |
CN112215700A (zh) | 信贷面审的审核方法及装置 | |
CN108764047A (zh) | 群体情绪行为分析方法和装置、电子设备、介质、产品 | |
CN112907054A (zh) | 一种基于ai与大数据分析的教学质量评估*** | |
CN113393347B (zh) | 一种在线考试防作弊的方法和装置 | |
CN105139317B (zh) | 兴趣取向值测验的认知指标分析方法 | |
CN115132228B (zh) | 一种语言能力分级方法及*** | |
CN114209324A (zh) | 基于图像视觉认知的心理测评数据获取方法及vr*** | |
CN115511329A (zh) | 一种电力作业合规监测***及方法 | |
KR20210054191A (ko) | 치매관리 자동화 방법, 치매관리 자동화 장치 및 치매관리 자동화 시스템 | |
CN113794759B (zh) | 一种基于区块链的考试云平台*** | |
JP2006230548A (ja) | 体調判定装置およびそのプログラム | |
CN113657509A (zh) | 教学训练提升方法、装置、终端和存储介质 | |
CN113408880A (zh) | 试卷生成方法、装置以及智能考试*** | |
Ivanova et al. | Enhancing trust in eassessment-the tesla system solution | |
CN114971658B (zh) | 一种反诈宣传方法、***、电子设备以及存储介质 | |
CN115776446A (zh) | 基于大数据的服务质量监控*** | |
CN112115479A (zh) | 一种基于移动终端行为的信息安全能力评测方法及*** | |
CN113542668A (zh) | 一种基于3d摄像头的监控***及方法 | |
CN215503045U (zh) | 一种基于视觉感受的认知心理感受器 | |
KR102434883B1 (ko) | 안구인식 데이터를 이용한 치매 진단 및 예방 시스템 및 방법 | |
CN111738216B (zh) | 一种行为检测方法、装置及设备 |
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 |