[发明专利]智能生成答题卡以及移动终端自动阅卷评分的考试系统

说明书

技术领域

本发明涉及的是智能考试信息管理领域，更具体地说是一种智能生成答题卡以及移动终端自动阅卷评分的考试系统。

背景技术

在传统的考试系统中，一般都是使用答题卡进行考试，使用答题卡不仅可以节省评分人员批判时间，提高判题的准确性，当前，大多数的答题卡在在使用时一般都要经过以下过程：首先是答题卡卷的制作，工作人员根据考试试卷的题型、格式、答题方式手动排版制作相对应的答题卡卷，然后应试人员在该答题卡上进行作答；评分过程中，该答题卡上的客观题都需要使用专用的仪器设备进行答案的读取，然后再与标准答案进行比对，获得该部分的成绩；而主观题则由评分老师进行数字评分，然后再进行人工统计成绩，最终得到考试的成绩。

传统的答题卡应试过程存在着非常大的局限和缺点，首先，需要人工完成答题卡的制作，以对应相应的试卷内容及格式，其次，答题卡客观题的读取设备和读取方式都比较原始，不仅局限在专用的设备，而且读取方式的效率及准确性比较差，第三，答题卡主观题的读取与统计还处在人工操作的水平，无法智能化、自动化地完成分数识别、计算和统计。

当今机器人智能技术领域中，AlphaGo即“阿尔法狗”是通过蒙特卡洛树搜索算法和两个深度神经网络合作来完成下棋，在与李世石对阵之前，谷歌公司首先用人类对弈的近3000万种走法来训练“阿尔法狗”的神经网络，让它学会预测人类专业棋手怎么落子，然后更进一步，让AlphaGo自己跟自己下棋，从而又产生规模庞大的全新的棋谱。

蒙特卡洛算法和深度神经网络的解释：假如篮子里有1000个苹果，让你每次闭着眼睛找一个最大的，可以不限制挑选次数。于是，你可以闭着眼随机拿了一个，然后再随机拿一个与第一个比，留下大的，再随机拿一个，与前次留下的比较，又可以留下大的。循环往复这样，拿的次数越多，挑出最大苹果的可能性也就越大，但除非你把1000个苹果都挑一遍，否则你无法肯定最终挑出来的就是最大的一个。蒙特卡洛算法和深度神经网络是样本越多，越能找到最佳的解决办法。

所以，将机器人的人工智能技术应用到考试系统中，使考试过程中使用的答题卡可以根据考试试卷进行智能解析和自动生成，不再需要人工排版和制作，同时，在答题卡扫描统分过程中，不仅不需要专用设备，普通的移动终端就可以实现对客观题、主观题的自动扫描，而且能够智能化地自动识别、生成、计算和统计，完全实现智能化、自动化地阅卷评分处理，提高阅卷效率以及考试结果的计算、统计的准确性。

发明内容

本发明公开的是一种智能生成答题卡以及移动终端自动阅卷评分的考试系统，其主要目的在于克服现有技术存在的上述不足和缺点。

本发明采用的技术方案如下：

智能生成答题卡以及移动终端自动阅卷评分的考试系统，所述考试系统包括：智能化生成答题卡模块和移动终端自动阅卷评分模块，所述智能化生成答题卡模块，用于将试卷文档进行智能识别，自动生成答题卡以及自动规划和布置答题卡区域；所述移动终端自动阅卷评分模块，用于自动识别答题卡区域中已作答的客观题以及已经过评分的主观题，并进行计算及统计。

更进一步，所述考试系统的实现方法包括以下具体步骤：

步骤一：试卷输入：上传考试的试卷文档；

步骤二：自动解析：所述智能化生成答题卡模块通过人工智能算法和深度学习构筑的神经网络系统，自动地将步骤一输入的试卷文档中的题目、选项、内容、答题方式进行分类、统计、解析；

步骤三：自动生成答题卡：根据步骤二得到的试题解析数据信息，所述智能化生成答题卡模块自动生成答题卡，同时自动规划和布置答题卡作答区域；

步骤四：考试作答及主观题的评分：应试人员在步骤三得到的答题卡上进行考试作答，评分人员对已经作答的答题卡主观题部分进行评分；

步骤五：答题卡数据扫描：移动终端通过摄像头将步骤四完成的答题卡进行扫描或拍摄，并通过移动终端自动阅卷评分模块对扫描内容进行识别、评分与统分；

步骤六：客观题的阅卷评分：所述移动终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已作答的客观题，并进行评分以及计算统计，得到客观题的统计结果；

步骤七：主观题的阅卷评分：所述移动终端自动阅卷评分模块根据步骤五中扫描的数据信息自动识别答题卡区域中已经过评分的主观题的评分结果，然后进行计算统计，得到主观题的统计结果；

步骤八：得到阅卷评分结果：自动统计步骤六与步骤七的结果，计算得出最终的阅卷评分结果，完成考试及评分统计。