计算机智能辅助评分系统定标集选取和优化方法研究

在计算机智能评分研究中,选取定标样本对建立评分模型至关重要。通过对不同定标集人机评分的对比研究,提出“专家随机抽取+智能挑选样卷+聚类分段补充”的定标集选取方法。这种方法提升了评分模型对于各分数段的建模能力,符合高考等考试环境下考生成绩呈正态分布的特点,拓展了对专家评分和阅卷教师评分的综合学习能力,使得计算机智能辅助评分系统能够通过深度学习的方法,更加全面地理解和掌握评分标准。     

一对一数字化互动反馈智能课堂学习环境研究

为了实现课堂教学中及时全面的互动反馈,灵活开展各种模式的学习和评价分析管理,该文以互动反馈系统为基础,结合电子书包、一对一数字化学习、云桌面、知识库、基于大数据的学习分析、虚拟课堂等数字化学习相关技术进行改进后,构建了一种一对一数字化互动反馈智能课堂学习环境。形成的知识库,可进行基于大数据的学习分析、个性化学习资源推荐、启发式联想搜索知识、主观题的自动评分等。该文提出了一种主观题交叉评分的方法,并给出了主要流程方案,实现了复杂主观题也能进行互动并可当堂反馈。     

迁移评分模式的跨域学习资源推荐算法

传统单领域推荐算法存在数据稀疏和冷启动问题,且由于单领域推荐算法是在同一领域基于群体分类进行推荐,因此无法实现真正的个性化精准推荐.在网络环境下,学习资源呈现多种形态,而学习者在每一领域的评分数据更加稀疏.鉴于此,提出迁移评分模式的跨域学习资源推荐算法.该方法首先基于码本聚类思想从学习者的辅助领域评分数据中获取学习者的...     

基于深度学习的学生课堂行为识别

随着教育步入智能时代,智能化的学生课堂行为识别变得越来越重要。但由于学生的课堂行为复杂多变,使得智能化的学生课堂行为识别存在困难。为了提高智能化学生行为识别的精度,文章首先采集了300名学生的7种典型课堂行为图像,并进行了数据预处理。随后,文章将已在ImageNet数据集上训练好的经典深度网络模型——VGG16网络模型迁移到学生课堂行为识别任务中。最后,通过与其它深度学习模型进行实验对比,文章验证了VGG16网络模型对学生课堂行为具有较高的识别精度。上述研究表明,基于深度学习的学生课堂行为识别能及时、精准地反馈学生的课堂学习情况,有利于教师改进教学方法、优化课堂教学与管理,从而提高教与学的效率,助力教学改革。     

语言测试中主观题评分员效应研究综述

主观题是语言测试中的重要组成部分。主观题可以弥补标准化试题的不足,但又存在评分依赖于评分员主观印象的问题,这导致评分员自身的不稳定性和评分员之间的差异。借鉴、利用三大测量理论和计算机辅助评分,可以优化主观题评分质量,提高其精准性和有效性。     

融合深度学习的无人驾驶多目标检测算法

目标检测是目前计算机视觉领域非常热门的研究方向,是无人驾驶技术重要环节。为提高行车过程中目标检测精度并改善基于单发多目标检测器在训练时出现的正负样本失衡问题,基于车载视频,运用深度学习算法中具有强大性能的SSD模型,通过引入Focal Loss函数设计新的损失函数,解决样本失衡问题;同时在不降低检测速率的情况下,提高检测精度。基于自行采集的车载视频数据集进行实验,结果表明,改进后SSD模型的mAP相较于原始SSD模型提高了3%,达到74%。     

数字孪生：内涵、挑战及应用

数字孪生是智能制造领域具有重要发展前景的新兴热点技术。在总结数字孪生现状的基础上,系统地界定数字孪生内涵与特征,凝练数字孪生研究和应用在信息领域面临的主要技术挑战：异构模型精确构建与融合、虚拟模型自主更新与可靠评估、多维数据一致感知和基于语义的互理解保证等。提出基于模型池滑动窗口的计算进化分离自主进化机制以应对虚拟模型自主更新挑战,并在滚动轴承故障诊断场景进行初步应用。     

主观题网络评卷技术及应用

在主观题评卷过程中,保证评卷工作的公平公正,保证评分标准的一致性,以及保证评分过程的稳定性至关重要。近年来,人事部人事考试中心在多项专业人员资格考试中,主观题采用网络评卷的方式,有效地提高了主观题评卷的质量和效率。     

基于深度学习的高分遥感影像建筑物提取研究

传统的建筑物提取方法普遍存在过分依赖人工设计、自动化程度低、泛化能力弱等问题。随着深度学习算法在高分辨率卫星图像分类领域的应用,本文基于深度学习方法,以福建南安地区为研究区,以国产高分遥感影像为数据源,选取4?块典型区域制作建筑物数据集,搭建U-Net和Mask R-CNN深度学习模型在自建的南安数据集上训练,从定量和定性的角度对比两种模型对建筑物提取的效果,最终选定精度更高的U-Net方法作为最终的提取算法;再对数据集中正负样本的比例进行调整,进一步提高了模型分割的精度,实现了基于深度学习方法的南安地区建筑物的识别和提取。     

基于GAN的异常检测研究综述

深度学习中生成式对抗网络（GAN）具有强大拟合训练数据分布能力,在应用到异常检测领域时可有效准确识别异常图像．针对异常检测领域中传统有监督学习算法存在大量已知标记样本训练的局限性,以无监督学习GAN的异常检测模型为研究对象,阐明生成对抗网络的基本原理、网络结构及相关理论,详细介绍了近年来十种典型的基于GAN的异常检测模型,经过比较各衍生模型的异同,总结出各自的优势、局限性和应用场景,通过分析GAN在异常检测领域研究中所面临的问题及挑战,展望了未来的研究方向主要是解决模型的稳定性、计算效率、生成样本的精度、异常区域定位、异常评价机制等问题．     

多面Rasch模型在主观题评分培训中的应用

主观题的评分受到很多因素的影响,如评分者的知识水平、综合能力和个人偏好等。这些评分者偏差不仅会导致不同评分者之间存在主观差异,也会到导致同一评分者在不同的时间也具有主观不稳定性,最终导致主观题评分信度的降低。本研究将多面Rasch模型运用到某国家级考试论述题的评分培训中。通过分析6名有经验评分者对58份试卷的试评数据,鉴别出四种评分者偏差,然后据此对每个评分者进行个别反馈,从而提高评分的客观性和精确性。     

Maple T.A.在线作业与智能评分系统在数学课程教学中的作用分析

分析了海军航空工程学院数学课程教学的特点和传统课程教学评分办法的不足之处,提出运用现代化教学技术,将形成性评估贯穿于全教学过程。阐述了Maple T.A.——一个基于网络的在线作业与智能评分系统在数学课程教学中的作用。Maple T.A.是一个科学的评分系统,它突破了符号处理的技术难点,改变了传统数学考核模式,有助于提高学员的学习积极性和自主学习能力。     

人工智能评测技术在大规模中英文作文阅卷中的应用探索

本研究通过实验探索人工智能评测技术在人工网上评卷质量监控中的应用及其他相关应用。实验数据采集自2017年安徽省高考语文作文和英语作文共计841 610份试卷,对智能阅卷产生的机器评分、普通高考人工网上评卷产生的人工1评和人工2评以及报道分进行平均分、标准差、相关度、评分一致率等多个维度的数据分析,将智能阅卷产生的异常作答样本和大分差数据样本反馈给学科专家组进行质检评分。结果表明:智能阅卷基本上达到了与评卷教师相当的水平;智能阅卷始终采用统一的评分标准,更具客观公正性,能为人工网上评卷提供有效的质量监控。     

基于网络学习行为的学习风格挖掘

学习风格是个体相对稳定的信息组织和信息加工方式,极大地影响着学习进程。掌握学习者的学习风格,有利于教师提供有针对性指导,从而提高网络学习有效性。本文基于数据挖掘技术,应用混合方法测量网络学习者的学习风格。在显式获取用户学习风格的基础上,提出运用J48算法,挖掘不同风格学习者的网络学习行为特征,并构建学习风格模型。其中重点探讨了应用最近邻居法进行异常点挖掘,以减少受其他因素使得网络学习行为无法客观体现学习风格的样本的干扰。以及利用属性选择方法,评估网络学习行为与学习风格的关联关系。并结合相关教学原则对构建的学习风格模型开展教学反思。     

主观题评分教师评分效应研究

评分教师的评分效应和评分量表研究是研究主观题评分误差的核心问题。本论文以2006年高考政治(上海卷)第38题(论述题)为例,运用ACER Conquest的Raters Effect模型研究,结果显示该大题基本没有表现出模糊性、趋中性和等级限制等评分误差,评分教师能够比较好地区分考生不同行为特征,除个别评分教师的评分一致性还有待提高外,评分松紧度差异比较显著。为此,作者提出根据松紧度调整考试分数的方法。     

基于高效的动态网络垃圾图像分类模型研究

环境问题是一个非常严峻的全球性问题,而垃圾分类是一种保护环境的有效措施。针对现有的垃圾分类网络无法根据样本分类的难易程度动态平衡计算资源和识别准确率低等问题,提出了一种高效的动态垃圾分类网络DynamicGarbageNet。该网络基于MobileNetV2设计了一种动态的轻量化主干网络,并由三个深度依次递增的子网络组成。利用迁移学习技术优化模型参数,进一步提高精度。实验结果表明,DynamicGarbageNet在华为云垃圾分类数据集上的准确率为95.7%,速度为90FPS,均高于MobileNetV2。     

主观题评分质量的估计方法评述

在心理测量理论中,主观题的评分质量是一个值得研究的课题。本文分别介绍了三大测量理论(经典测量理论、概化理论、项目反应理论)对于主观题评分质量的估计方法,并对其优劣进行了比较。概化理论和项目反应理论在评价主观题评分质量上具有较明显的优势,如何结合使用三大理论,为主观题评分质量获取更多有价值的信息是值得深入探讨的问题。     

基于SVM和BP神经网络的作文自动评分效果比较

随着人工智能的发展,深度学习方法被广泛应用到图像、语音处理等领域。在教育考试领域,国内外众多机构和研究者对作文自动评分展开研究。基于汉语水平考试(HSK)作文语料库,对已标注作文文本进行特征提取和筛选,在此基础上,采用支持向量机(SVM)和BP神经网络两种深度学习方法对作文等级分类,比较两种方法不同训练函数在HSK作文预测结果上的差异。     

高考语文阅读主观题评分方法对题目参数分析的影响

针对目前高考语文阅读主观题评分方法的局限,提出基于SOLO理论的分类评价法和基于阅读认知过程的建构整合模型(CI)评分法。选择1019名学生高考语文阅读三道主观题的真实作答,采用三种评分法评分,采用项目反应理论对三道主观题进行测量学分析,结果表明:相对于原始评分法,SOLO评分法和CI评分法题目之间具有更高的相关,测验模型拟合更佳,题目区分度较高,题目得分的难度阈限和步长更合理,题目的信息量更大,而CI评分法又明显优于SOLO评分法。研究支持了将CI评方法作为高考语文阅读主观题评分方法的潜在优势。     

基于数字孪生的智能装配机械臂实验系统

依托智能工厂流水线实验装置,构建了智能装配机械臂数字孪生实验系统,包括机械臂物理装置、机械臂虚拟实体、虚实映射模块、数字孪生数据库及实验教学界面软件等组成部分,提出了一种基于多模型融合的数字孪生系统模型集成方法。该系统可应用于智能制造相关本科专业的实验教学,多个实验教学案例表明了数字孪生实验系统的有效性。