一种基于AI大模型的纸质答题卡与电子试卷统一阅卷方法与流程
本发明涉及智能阅卷,特别是涉及一种基于ai大模型的纸质答题卡与电子试卷统一阅卷方法。
背景技术:
1、纸质答题卡的网络阅卷通常需要先对扫描得到的答题卡图像进行版面定位,再按照预先确定的题目区域提取不同题目的作答内容。答题卡模板中可以预先记录题目与答题区域之间的对应关系,扫描后通过定位标识完成图像校正,并按照模板位置对各题答题区域进行分割。中国发明专利申请cn116524507a公开了一种答题卡答案区域采集方法,根据试卷题目生成答题卡模板,在答题卡中设置不同题目的答题区域和标识符,取得答题卡图像后根据标识符进行倾斜矫正,使答题卡图像与答题卡模板对应,再对各答案区域进行分割和文字识别。
2、现有智能阅卷技术已经能够进一步处理不同载体形成的考试作答数据。中国发明专利申请cn122242910a公开了一种基于多模态识别与人机协作的智能阅卷系统,能够采集纸质试卷扫描件、电子文档、图像以及在线答题数据,并对纸质作答区域进行分割,对不同形式的作答内容进行识别后形成结构化答题数据,再进入评分处理。因此,在纸质答题卡和电子试卷共同参与阅卷的场景下,可以分别从纸质答题卡的题目作答区域以及电子试卷的答题字段取得考生作答内容,并按照对应题目进行后续评分。
3、但是,现有按照预设答题区域提取纸质作答内容的方式,对于书写内容越出对应答题区域边界的答卷,按照原答题区域截取时可能遗漏属于当前题目的部分作答内容;扩大答题区域进行截取时,又可能同时取得相邻题目的作答内容。由此,在纸质答题卡与电子试卷统一进入题目级评分处理时,纸质答题卡中部分题目的作答内容存在提取不完整或者与相邻题目作答内容混入的可能,影响纸质作答内容与对应题目之间的准确关联。
技术实现思路
1、本发明的目的是提供一种基于ai大模型的纸质答题卡与电子试卷统一阅卷方法,可解决纸质答题卡中作答内容越出预设作答区域时容易发生作答内容遗漏或混入相邻题目作答内容的问题,实现越界作答内容的受限补全,并完成纸质作答内容和电子作答内容的题目级统一评分。
2、为实现上述目的,本发明提供了如下方案:
3、一种基于ai大模型的纸质答题卡与电子试卷统一阅卷方法,包括:
4、获取目标考试的题目基准数据,题目基准数据包括题目标识和与题目标识对应的评分基准;
5、基于空白答题卡模板确定各题目标识对应的预设作答区域,并在各预设作答区域的边界外确定不与其他预设作答区域重叠的缓冲区域;
6、获取纸质答题卡扫描图像,基于空白答题卡模板确定纸质答题卡扫描图像中的新增作答内容;
7、按照各预设作答区域,从新增作答内容中取得对应题目标识的纸质作答内容;
8、针对任一题目标识,当新增作答内容跨越对应的预设作答区域边界时,沿新增作答内容跨越边界的延伸方向,从对应的缓冲区域中确定越界作答内容;
9、将越界作答内容并入对应题目标识的纸质作答内容;
10、获取电子试卷,建立各题目标识与电子试卷中的答题字段之间的对应关系;
11、根据对应关系取得各题目标识对应的电子作答内容;
12、将纸质作答内容和电子作答内容分别关联至对应的题目标识,形成题目级作答记录;
13、根据题目级作答记录中的题目标识取得对应的评分基准,调用ai大模型依据评分基准对题目级作答记录进行评分,形成统一阅卷结果。
14、优选地,基于空白答题卡模板确定各题目标识对应的预设作答区域,并在各预设作答区域的边界外确定不与其他预设作答区域重叠的缓冲区域,包括:
15、根据空白答题卡模板中的题号位置和答题区域边界,确定各题目标识对应的预设作答区域;
16、根据相邻预设作答区域之间的位置关系,确定各预设作答区域边界外不与其他预设作答区域重叠的候选区域;
17、将候选区域中与对应预设作答区域相邻的区域确定为缓冲区域。
18、优选地,基于空白答题卡模板确定纸质答题卡扫描图像中的新增作答内容,包括:
19、根据空白答题卡模板的版面位置对纸质答题卡扫描图像进行版面校正,使纸质答题卡扫描图像与空白答题卡模板中的对应版面位置一致;
20、比较版面校正后的纸质答题卡扫描图像与空白答题卡模板,确定二者之间的差异图像区域;
21、从差异图像区域中确定相对于空白答题卡模板新增的新增作答内容。
22、优选地,针对任一题目标识,当新增作答内容跨越对应的预设作答区域边界时,沿新增作答内容跨越边界的延伸方向,从对应的缓冲区域中确定越界作答内容,包括:
23、检测新增作答内容与对应预设作答区域边界的相交位置;
24、当相交位置两侧分别存在位于预设作答区域内和对应缓冲区域内的新增作答内容时,将相交位置确定为跨越位置;
25、根据新增作答内容由预设作答区域内经过跨越位置向对应缓冲区域延伸的空间方向,确定延伸方向。
26、优选地,沿新增作答内容跨越边界的延伸方向,从对应的缓冲区域中确定越界作答内容,包括:
27、对位于缓冲区域内的新增作答内容进行连通域分析,得到多个候选连通域;
28、将与跨越位置相邻的候选连通域确定为起始候选连通域;
29、沿延伸方向依次确定与已确定候选连通域相邻的待选候选连通域,当待选候选连通域与已确定候选连通域之间的最小间距不大于预设间距时,将待选候选连通域确定为与起始候选连通域连续的候选连通域;
30、直至沿延伸方向不存在满足预设间距的待选候选连通域,将已确定的各候选连通域对应的新增作答内容确定为越界作答内容。
31、优选地,当沿延伸方向确定越界作答内容的过程中,新增作答内容到达其他预设作答区域的边界时,终止沿延伸方向对新增作答内容的确定,并将终止前位于缓冲区域内的新增作答内容确定为越界作答内容。
32、优选地,建立各题目标识与电子试卷中的答题字段之间的对应关系,包括:
33、获取记录各题目标识与答题字段标识之间对应关系的字段映射数据;
34、读取电子试卷中的答题字段标识;
35、根据字段映射数据,将各答题字段标识对应的答题字段与对应的题目标识关联,建立各题目标识与答题字段之间的对应关系。
36、优选地,将纸质作答内容和电子作答内容分别关联至对应的题目标识,形成题目级作答记录,包括:
37、针对各题目标识分别建立对应的题目级作答记录;
38、将对应题目标识的纸质作答内容或者电子作答内容记录于对应的题目级作答记录;
39、在题目级作答记录中记录纸质作答内容或者电子作答内容对应的作答来源类型。
40、优选地,题目基准数据还包括与各题目标识对应的题目内容,评分基准包括满分值、参考答案和评分细则;根据题目级作答记录中的题目标识取得对应的评分基准,调用ai大模型依据评分基准对题目级作答记录进行评分,包括:
41、根据题目级作答记录中的题目标识,取得对应的题目内容、满分值、参考答案和评分细则;
42、将题目内容、题目级作答记录中的作答内容、满分值、参考答案和评分细则提供给ai大模型;
43、调用ai大模型依据题目内容、满分值、参考答案和评分细则对作答内容进行评判,确定对应题目标识的评分结果。
44、优选地,调用ai大模型依据题目内容、满分值、参考答案和评分细则对作答内容进行评判,包括:
45、调用ai大模型的第一评分实例和第二评分实例,分别对同一作答内容进行独立评分,取得第一评分结果和第二评分结果;
46、确定第一评分结果与第二评分结果之间的分值差;
47、当分值差未达到预设分差阈值时,结束对作答内容的复评判定;
48、当分值差达到预设分差阈值时,调用ai大模型的第三评分实例依据同一题目内容、满分值、参考答案和评分细则对同一作答内容进行复评,取得第三评分结果,并将第三评分结果确定为对应题目标识的复评结果。
49、本发明公开了以下有益效果:
50、(1)本发明基于空白答题卡模板确定各题目标识对应的预设作答区域,并在预设作答区域边界外设置不与其他预设作答区域重叠的缓冲区域。当新增作答内容跨越预设作答区域边界时,沿跨越边界的延伸方向从缓冲区域中确定越界作答内容,并将越界作答内容并入对应题目标识的纸质作答内容。由此,在保留原有题目区域划分关系的条件下,能够补入超出预设作答区域的作答内容,同时限制补入范围进入其他题目的预设作答区域,减小固定区域截取造成的作答内容遗漏以及直接扩大截取范围造成的相邻题目内容混入。
51、(2)本发明基于空白答题卡模板确定纸质答题卡扫描图像中的新增作答内容,再按照预设作答区域取得对应题目标识的纸质作答内容,并仅在新增作答内容跨越预设作答区域边界时进行越界作答内容处理。因此,对于未发生越界的题目,仍按照预设作答区域取得纸质作答内容;对于发生越界的题目,仅补入对应缓冲区域中的越界作答内容,避免对全部题目统一扩大作答区域。以单个题目存在一处越界作答内容为例,固定区域截取至少会遗漏该处内容,而本发明能够将该处越界作答内容并入对应的纸质作答内容。
52、(3)本发明建立各题目标识与电子试卷中答题字段之间的对应关系,并将纸质作答内容和电子作答内容分别关联至对应的题目标识,形成题目级作答记录。纸质答题卡按照预设作答区域取得作答内容,电子试卷按照答题字段取得作答内容,两类作答内容在题目标识层面进行归集,减少纸质答题区域位置与电子答题字段的数据组织差异对题目对应关系的影响。
53、(4)本发明根据题目级作答记录中的题目标识取得对应的评分基准,并调用ai大模型依据所述评分基准进行评分。由于纸质作答内容和电子作答内容均通过题目标识关联对应的评分基准,同一题目的不同载体作答数据能够采用对应的评分基准进行处理,从而减少因纸质答题卡和电子试卷采用不同答案定位方式而产生的评分基准匹配偏差。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com