一種數(shù)字化閱卷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種數(shù)字化閱卷方法，屬于計算機領(lǐng)域。
【背景技術(shù)】
[0002]數(shù)字化閱卷技術(shù)已經(jīng)應用于很多行業(yè)的考試領(lǐng)域。數(shù)字化閱卷的流程一般是將紙質(zhì)答卷掃描為圖片，再把圖片按不同類型的題目進行區(qū)塊劃分分發(fā)給閱卷教師，由閱卷教師在計算機上進行評閱。但是網(wǎng)絡教育的考試在規(guī)模和要求上與其他考試有較大的差別，網(wǎng)絡教育考試課程科目非常多，效率要求高，成本投入有限。
[0003]現(xiàn)有技術(shù)多是單一科目答卷掃描，沒有辦法將多科目答卷進行混合掃描和自動分揀；其他考試中一般不同科目需要使用不同的答卷，每科答卷掃描圖片的區(qū)塊劃分也不相同，而網(wǎng)絡教育考試中由于科目眾多這種方式無法適用。

【發(fā)明內(nèi)容】

[0004]為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種數(shù)字化閱卷方法，將不同課程的答卷進行分類，利用模式識別方法對主觀題進行預判分，能夠顯著提高網(wǎng)絡教育考試的閱卷效率，也能夠應用于一般的大型統(tǒng)考中。
[0005]本發(fā)明為解決其技術(shù)問題所采用的技術(shù)方案是:提供了一種數(shù)字化閱卷方法，用于評閱答卷，所述答卷包括課程代碼區(qū)域、學號區(qū)域、客觀題答題區(qū)域、制圖類題型區(qū)域和非制圖類題型區(qū)域；每張答卷的課程代碼區(qū)域和學號區(qū)域在答卷上的格式和位置相同，具有相同課程代碼的答卷，客觀題答題區(qū)域、主觀題答題區(qū)域的位置和格式均相同；所述數(shù)字化閱卷方法按照以下步驟進行:
[0006](I)將選課數(shù)據(jù)和答案數(shù)據(jù)導入數(shù)據(jù)庫，所述選課數(shù)據(jù)包括學號以及學號對應的課程代碼，所述答案數(shù)據(jù)包括關(guān)鍵字數(shù)據(jù)和圖形特征數(shù)據(jù)；
[0007](2)利用掃描儀掃描答卷，生成圖片，利用D-OMR技術(shù)識別圖片上的課程代碼和學號并與數(shù)據(jù)庫中的選課數(shù)據(jù)進行匹配，匹配成功則將圖片存儲在以課程代碼命名的文件夾中，匹配失敗則存儲在糾錯文件夾中；
[0008](3)針對不同課程代碼對應的文件夾，對圖片進行圖像裁切，得到客觀題答題區(qū)域、非制圖類題型區(qū)域以及制圖類題型區(qū)域的圖像；
[0009](4)試卷評閱:
[0010](a)對客觀題答題區(qū)域的圖像，利用D-OMR技術(shù)識別并評閱，得到客觀題分數(shù)；
[0011](b)對于非制圖類題型區(qū)域的圖像，進行圖像模式識別，提取答案關(guān)鍵字，將關(guān)鍵字與關(guān)鍵字數(shù)據(jù)進行匹配，根據(jù)匹配結(jié)果進行非制圖類題型初步給分；不同科目的老師根據(jù)課程代碼接入數(shù)據(jù)庫的對應文件夾進行評閱，進行非制圖類題型補充給分；將非制圖類題型初步給分和非制圖類題型補充給分進行合并，得到非制圖類題型分數(shù)；
[0012](c)對于制圖類題型區(qū)域的圖像，進行圖像模式識別，提取特征圖像，將特征圖像與圖形特征數(shù)據(jù)進行匹配，根據(jù)匹配結(jié)果進行制圖類題型初步給分；不同科目的老師根據(jù)課程代碼接入數(shù)據(jù)庫的對應文件夾進行評閱，進行制圖類題型補充給分；將制圖類題型初步給分和圖類題型補充給分進行合并，得到非制圖類題型分數(shù)；
[0013](5)對于每個學號對應的答卷，整合客觀題分數(shù)、非制圖類題型分數(shù)和制圖類題型分數(shù)，導出成績表。
[0014]步驟(2)中匹配失敗圖片存儲在糾錯文件夾中后，按照以下步驟進行糾錯:在數(shù)據(jù)庫中建立以課程代碼命名的文件夾，將圖片存儲入該文件夾中。
[0015]本發(fā)明基于其技術(shù)方案所具有的有益效果在于:
[0016](I)本發(fā)明將答卷根據(jù)課程的不同存儲在不同的文件夾，針對不同的文件夾進行裁切和評閱，實現(xiàn)按科目分揀圖像，使得不同科目的老師登陸后能夠快速評閱相關(guān)科目的試卷，提高閱卷效率；
[0017](2)本發(fā)明利用D-OMR技術(shù)識別并評閱客觀題答題區(qū)域的圖像，以自動化代替人工評閱，提尚了閱卷效率；
[0018](3)本發(fā)明對于主觀題的一部分題型，主要針對非制圖類題型，利用模式識別和特征提取技術(shù)，將答案關(guān)鍵字提取出來，并與答案文字庫進行比對，能夠初步對主觀題進行評分，之后老師評閱主觀題型可以針對其他部分進行補充評閱，盡可能提高自動化程度，使閱卷效率大大提尚;
[0019](4)本發(fā)明利用糾錯文件夾，對匹配失敗的答卷圖片進一步處理，避免了答卷遺失或匹配錯誤等后果。
【附圖說明】
[0020]圖1是本發(fā)明的數(shù)字化閱卷方法的流程示意圖。
[0021]圖2是課程代碼區(qū)域和學號區(qū)域示意圖。
[0022]圖3是制圖類題型區(qū)域。
[0023]圖4是非制圖類題型區(qū)域。
【具體實施方式】
[0024]下面結(jié)合附圖和實施例對本發(fā)明作進一步說明。
[0025]本發(fā)明提供了一種數(shù)字化閱卷方法，用于評閱答卷，所述答卷包括課程代碼區(qū)域、學號區(qū)域、客觀題答題區(qū)域、制圖類題型區(qū)域和非制圖類題型區(qū)域海張答卷的課程代碼區(qū)域和學號區(qū)域在答卷上的格式和位置相同，具有相同課程代碼的答卷，客觀題答題區(qū)域、主觀題答題區(qū)域的位置和格式均相同；參照圖1，所述數(shù)字化閱卷方法按照以下步驟進行:
[0026](I)將選課數(shù)據(jù)和答案數(shù)據(jù)導入數(shù)據(jù)庫，所述選課數(shù)據(jù)包括學號以及學號對應的課程代碼；
[0027](2)利用松下3065C掃描儀掃描答卷，生成圖片，利用D-OMR技術(shù)識別圖片上的課程代碼和學號并與數(shù)據(jù)庫中的選課數(shù)據(jù)進行匹配，匹配成功則將圖片存儲在以課程代碼命名的文件夾中，匹配失敗則存儲在糾錯文件夾中；圖2所示為課程代碼區(qū)域和學號區(qū)域；
[0028]對于糾錯文件夾中匹配失敗的答卷，在數(shù)據(jù)庫中建立以答卷對應的課程代碼命名的文件夾，將圖片存儲入該文件夾中；
[0029](3)針對不同課程代碼對應的文件夾，對圖片進行圖像裁切，得到客觀題答題區(qū)域、非制圖類題型區(qū)域以及制圖類題型區(qū)域的圖像；
[0030](4)試卷評閱:
[0031](a)對客觀題答題區(qū)域的圖像，利用D-OMR技術(shù)識別并評閱，得到客觀題分數(shù)；
[0032](b)對于非制圖類題型區(qū)域的圖像，參照圖4，答案中涉及大量文字敘述，其中會包涵標準答案中涉及的關(guān)鍵字，這部分關(guān)鍵字可以通過自動化方式提取:進行圖像模式識別，提取答案關(guān)鍵字，將關(guān)鍵字與關(guān)鍵字數(shù)據(jù)進行匹配，根據(jù)匹配結(jié)果進行非制圖類題型初步給分；不同科目的老師根據(jù)課程代碼接入數(shù)據(jù)庫的對應文件夾進行評閱，進行非制圖類題型補充給分；將非制圖類題型初步給分和非制圖類題型補充給分進行合并，得到非制圖類題型分數(shù)；
[0033](c)對于制圖類題型區(qū)域的圖像，參照圖3，正確答案具有一定的確定性，但是與客觀題在答題卡的響應框內(nèi)填涂不同，圖形具有一定的復雜性，D-OMR技術(shù)無法完全滿足識別目的，因此可以進行圖像模式識別，提取特征圖像，將特征圖像與圖形特征數(shù)據(jù)進行匹配，根據(jù)匹配結(jié)果進行制圖類題型初步給分；由于不同學生繪圖習慣略有不同，為避免學生作答的圖形與標準答案圖像略有差異，可以讓不同科目的老師根據(jù)課程代碼接入數(shù)據(jù)庫的對應文件夾進行評閱，進行制圖類題型補充給分；將制圖類題型初步給分和圖類題型補充給分進行合并，得到非制圖類題型分數(shù)；
[0034](5)對于每個學號對應的答卷，整合客觀題分數(shù)、非制圖類題型分數(shù)和制圖類題型分數(shù)，導出成績表。
[0035]本發(fā)明將答卷根據(jù)課程的不同存儲在不同的文件夾，針對不同的文件夾進行裁切和評閱，實現(xiàn)按科目分揀圖像，使得不同科目的老師登陸后能夠快速評閱相關(guān)科目的試卷，提高閱卷效率；同時利用D-OMR技術(shù)識別并評閱客觀題答題區(qū)域的圖像，以自動化代替人工評閱，提高了閱卷效率；對于主觀題的一部分題型，主要針對非制圖類題型，利用模式識別和特征提取技術(shù)，將答案關(guān)鍵字提取出來，并與答案文字庫進行比對，能夠初步對主觀題進行評分，之后老師評閱主觀題型可以針對其他部分進行補充評閱，盡可能提高自動化程度，使閱卷效率大大提高；本發(fā)明利用糾錯文件夾，對匹配失敗的答卷圖片進一步處理，避免了答卷遺失或匹配錯誤等后果。
[0036]本發(fā)明的數(shù)字化閱卷方法尤其適合課程科目繁多、評閱效率要求高、人工成本投入有限的網(wǎng)絡教育考試場景，也同樣適用于平常的大型考試當中。
【主權(quán)項】
1.一種數(shù)字化閱卷方法，用于評閱答卷，其特征在于:所述答卷包括課程代碼區(qū)域、學號區(qū)域、客觀題答題區(qū)域、制圖類題型區(qū)域和非制圖類題型區(qū)域海張答卷的課程代碼區(qū)域和學號區(qū)域在答卷上的格式和位置相同，具有相同課程代碼的答卷，客觀題答題區(qū)域、主觀題答題區(qū)域的位置和格式均相同；所述數(shù)字化閱卷方法按照以下步驟進行: (1)將選課數(shù)據(jù)和答案數(shù)據(jù)導入數(shù)據(jù)庫，所述選課數(shù)據(jù)包括學號以及學號對應的課程代碼，所述答案數(shù)據(jù)包括關(guān)鍵字數(shù)據(jù)和圖形特征數(shù)據(jù)； (2)利用掃描儀掃描答卷，生成圖片，利用D-OMR技術(shù)識別圖片上的課程代碼和學號并與數(shù)據(jù)庫中的選課數(shù)據(jù)進行匹配，匹配成功則將圖片存儲在以課程代碼命名的文件夾中，匹配失敗則存儲在糾錯文件夾中； (3)針對不同課程代碼對應的文件夾，對圖片進行圖像裁切，得到客觀題答題區(qū)域、非制圖類題型區(qū)域以及制圖類題型區(qū)域的圖像； (4)試卷評閱: (a)對客觀題答題區(qū)域的圖像，利用D-OMR技術(shù)識別并評閱，得到客觀題分數(shù)； (b)對于非制圖類題型區(qū)域的圖像，進行圖像模式識別，提取答案關(guān)鍵字，將關(guān)鍵字與關(guān)鍵字數(shù)據(jù)進行匹配，根據(jù)匹配結(jié)果進行非制圖類題型初步給分；不同科目的老師根據(jù)課程代碼接入數(shù)據(jù)庫的對應文件夾進行評閱，進行非制圖類題型補充給分；將非制圖類題型初步給分和非制圖類題型補充給分進行合并，得到非制圖類題型分數(shù)； (c)對于制圖類題型區(qū)域的圖像，進行圖像模式識別，提取特征圖像，將特征圖像與圖形特征數(shù)據(jù)進行匹配，根據(jù)匹配結(jié)果進行制圖類題型初步給分；不同科目的老師根據(jù)課程代碼接入數(shù)據(jù)庫的對應文件夾進行評閱，進行制圖類題型補充給分；將制圖類題型初步給分和圖類題型補充給分進行合并，得到非制圖類題型分數(shù)； (5)對于每個學號對應的答卷，整合客觀題分數(shù)、非制圖類題型分數(shù)和制圖類題型分數(shù)，導出成績表。2.根據(jù)權(quán)利要求1所述的數(shù)字化閱卷方法，其特征在于:步驟(2)中匹配失敗圖片存儲在糾錯文件夾中后，按照以下步驟進行糾錯:在數(shù)據(jù)庫中建立以課程代碼命名的文件夾，將圖片存儲入該文件夾中。
【專利摘要】本發(fā)明提供了一種數(shù)字化閱卷方法，將答卷劃分為客觀題答題區(qū)域、制圖類題型區(qū)域和非制圖類題型區(qū)域，首先將選課數(shù)據(jù)和答案文字庫數(shù)據(jù)導入數(shù)據(jù)庫，然后掃描答卷，按課程代碼對答卷分類存儲，針對不同課程分別進行圖像裁切和評閱，評閱時分為客觀題答題區(qū)域、非制圖類型答題區(qū)域和制圖類型答題區(qū)域分別處理，最后整合分數(shù)，導出成績表。本發(fā)明的數(shù)字化閱卷方法自動化程度高，尤其適合課程科目繁多、評閱效率要求高、人工成本投入有限的網(wǎng)絡教育考試場景，也同樣適用于平常的大型考試當中。
【IPC分類】G06F21/32, G09B7/00, G06K9/00, G06Q50/20
【公開號】CN105069412
【申請?zhí)枴緾N201510444343
【發(fā)明人】賀亞鋒, 成中梅, 陳燕, 朱琳, 劉曉平, 袁婷, 朱翠云, 唐漢香
【申請人】中國地質(zhì)大學（武漢）
【公開日】2015年11月18日
【申請日】2015年7月27日