[发明专利]一种作业评阅系统及方法在审

专利信息
申请号: 202110674243.3 申请日: 2021-06-17
公开(公告)号: CN113408253A 公开(公告)日: 2021-09-17
发明(设计)人: 沈静;梅汝焕;丁度奎;雷蔺 申请(专利权)人: 浙江大学;四川创实达科技有限公司
主分类号: G06F40/169 分类号: G06F40/169;G06F16/35;G06F16/958;G06F40/279;G06F40/30;G06Q50/20
代理公司: 北京高沃律师事务所 11569 代理人: 韩雪梅
地址: 310058 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 作业 评阅 系统 方法
【说明书】:

发明涉及一种作业评阅系统及方法。该评阅系统包括:作业提取模块,用于采用B/S架构、HTML5技术以及COM自动化技术提取文字陈述性作业;自动批阅分析模块,用于按照批阅库中的模糊语义,基于正则表达式的模糊语义定位识别算法以及深度学习语义向量相似度识别算法对所述文字陈述性作业进行模糊语义识别,确定分析结果;自动批注模块,用于基于正则表达式的模糊语义定位识别算法和Ajax异步通讯技术,根据所述分析结果对所述文字陈述性作业自动添加所述批阅库内的自动批注语句,并根据批注语句生成批注类别;自动总评模块,用于利用深度学习语义向量相似度识别算法,根据所述批注类别生成总评报告。本发明解决人工批阅,过程繁琐、统计困难的问题。

技术领域

本发明涉及人工智能领域,特别是涉及一种作业评阅系统及方法。

背景技术

课后作业或实验报告的批改是教师对学生课堂理论或实验学习情况的检查和评价,是重要的学习反馈过程。教师通过作业批改获得教学反馈信息,诊断课堂教学效果,了解学生学习情况,随时解决学生存在的问题,为后续的教学工作打好基础;学生可以从返还批改的作业或报告检查中及时纠正错误的思维方式或方法。因此,课后作业或实验报告的批改是学校教学工作的重要环节,但常规方法处理存在耗时多、统计难的普遍问题。

随着网络化教学进程的加速,越来越多的学校采用无纸化作业、无纸化实验报告。学生通过网络、邮箱等方式上交课后作业或实验报告,由教师下载报告、人工批改后返还学生,这虽提高了学生提交报告的便捷性,但并没有让教师从繁重的作业批改任务中解脱出来。尤其以文字陈述为主的作业,如简答、问答、实验报告等必须要人工批阅,过程繁琐、统计困难。

发明内容

本发明的目的是提供一种作业评阅系统及方法,以解决人工批阅过程繁琐、统计困难的问题。

为实现上述目的,本发明提供了如下方案:

一种作业评阅系统,包括:

作业提取模块,用于采用B/S架构、HTML5技术以及COM自动化技术提取文字陈述性作业;

自动批阅分析模块,用于按照批阅库中的模糊语义,基于正则表达式的模糊语义定位识别算法以及深度学习语义向量相似度识别算法对所述文字陈述性作业进行模糊语义识别,确定分析结果;所述批阅库包括多条模糊语义,每一条所述模糊语义对应一条或多条自动批注语句,若一条模糊语义对应多条自动批注语句,随机确定多条所述自动批注语句中的一条作为分析结果;所述分析结果包括所述文字陈述性作业中的错误、问题、优点以及缺点;

自动批注模块,用于基于正则表达式的模糊语义定位识别算法和Ajax异步通讯技术,根据所述分析结果对所述文字陈述性作业自动添加所述批阅库内的自动批注语句,并根据批注语句生成批注类别;所述批注类别包括每条批注语句对应的格式、内容、专业要求,如格式错误、内容缺失、内容错误以及不符合专业要求;

自动总评模块,用于利用深度学习语义向量相似度识别算法,根据所述批注类别生成总评报告;所述总评报告包括作业优缺点评价、分数、教师签名以及批阅日期。

可选的,所述自动批阅分析模块,具体包括:

批阅库信息获取单元,用于基于正则表达式的模糊语义定位识别算法,获取所述批阅库中每条模糊语义对应的区域及内容;

分析结果确定单元,用于基于深度学习语义向量相似度识别算法,按照所述批阅库中每条模糊语义对应的区域及内容对所述文字陈述性作业进行分词、过滤及语义对比,确定分析结果。

可选的,还包括:

自动查重模块,用于基于正则表达式的模糊语义定位识别算法,对比多份所述总评报告,筛选出文字重复率大于或者等于文字重复率阈值的文字陈述性作业。

可选的,还包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学;四川创实达科技有限公司,未经浙江大学;四川创实达科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110674243.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top