一、《计算机应用基础》上机考试——自动阅卷系统的开发与应用（论文文献综述）
蒋华锋,谢国技[1]（2021）在《计算机软考操作题自动阅卷技术实现路径的研究分析》文中提出针对上机操作题人工阅卷效率偏低,同时大量需要专业技术人员阅卷,致使无法大规模推广上机考试的问题,通过对目前具有代表性的机考操作题自动评分的方法的实例分析研究,评估在进一步在计算机软考中推广上机考试的可行性。
卓天天[2]（2021）在《基于深度学习的英语阅卷系统设计与实现》文中研究指明当代社会对教育的重视一方面丰富了教学内容,另一方面也加重了教师的工作负担。在保证阅卷质量的前提下将教师从繁重的批阅、统计工作中解放出来被视为现有条件下减轻教师负担的有效手段。目前大规模的英语考试阅卷大多采用光学标记识别技术的机器阅卷,它采用机读卡的形式,再以光电式阅卷机配合。一方面,这种阅卷方式虽在处理选择题上效率较高,精度较高,但填空题仍需人力配合。另一方面,由于考试练习频率高,大量机读卡的消耗会带来高额的成本问题。因此,利用更低的成本开发出针对日常英语考试练习的阅卷系统具有重要的意义。近年来,深度学习因其迅速的发展使人们认识到它在模式识别领域的优势:模型无需手动选取特征。本文利用深度学习与图像处理相关理论设计出一款轻量级的英语阅卷系统,研究的主要内容和创新如下:（1）提出了一种基于小卷积核堆叠结构的单字符识别算法。该方法考虑到过深的卷积神经网络无法作用于小尺寸字符图片的识别,但浅层特征的语义特征并不丰富。首先,对Le Net-5网络进行微调,使网络更贴合阅卷系统中单字符图片的输入特点,然后,利用多个3×3卷积核堆叠替代原网络中的5×5大尺寸卷积核。实验表明,该方法不仅提升了识别精度,更使得模型获得更好的收敛效果。（2）提出了一种基于加强型卷积块注意力模块和复合卷积结构的脱机手写英文单词识别算法。该方法考虑到不同人的脱机手写风格存在严重差异,传统网络提取出的特征表示力不足。首先,利用通道注意力模块与空间注意力模块的并联方式加以输入特征图的重利用构建了加强型卷积块注意力模块,然后,在深层卷积层中以双通道卷积提取特征结构实现复合卷积结构,最后,将加强型卷积块注意力模块与复合卷积加入特征提取网络实现对手写英文单词的识别。实验表明,该方法与当前其他主流的脱机文本识别算法相比具有一定的优势。（3）设计了一款针对英语全国卷题型的阅卷系统。该系统主要包含图像处理模块、字符识别模块以及单词识别模块。首先,对输入图片进行边缘提取、透视变换获取到答题纸主体,接着,再次对答题纸主体进行边缘提取,定位出学号区域和答案填写区域,然后,按题型裁剪出供模型识别区域,加载单字符识别模型或单词识别模型对其进行端到端的识别,判断答案正误,最后,统计得分、高频错题并绘制错题直方图,方便后续的教学。
杨心慕[3]（2020）在《基于深度学习的自动阅卷系统研究与实现》文中进行了进一步梳理笔试是考试中非常重要的知识和能力测定方式,然而纸质试卷的人工阅卷枯燥且易出错,自动阅卷与之相比更加的公平、准确、高效率。随着人工智能和图像处理技术的发展,通过图像识别的自动阅卷逐渐成为当今可实现的并且非常有前景的一项技术。自动阅卷可以分为主观题阅卷和客观题阅卷,客观题阅卷又可以分为光学划记符号辨识和文字识别。本文的研究目的是设计一个文字识别的客观题自动试卷阅卷系统。文字识别采用深度学习的方法和技术,对试卷上的手写数字和字符进行识别。与光学符号识别相比,有不需要单独答题卡,不限制答题笔,不需要在答题后单独涂划标记的优点。由于主观题语义识别系统复杂,准确性差,广泛性差,所以没有对主观题进行处理,但能够对主观题的人工评分进行识别和统计。本系统主要对手写字符进行识别,采用深度学习中的卷积神经网络VGG16对手写文字进行识别,并对模型进行了相应的优化与改进,模型实现采用Python+Tensor Flow进行训练和实现,将模型效果与Let Net-5进行对比,整个系统实现使用Java编程。本文研究的内容还包括图像的预处理与矫正,图像分割与提取,文字图像的标准化,手写文字的自动识别。本论文使用的算法高效可靠,最终整个试卷处理在识别模块上加入分数统计模块、数据管理模块等,整合为一个基于C/S架构的自动阅卷系统。
唐云婷[4]（2020）在《《计算机应用基础》考试系统自动阅卷分析》文中进行了进一步梳理《计算机应用基础》课程是面向高校学生所设计的一项专业基础性质的课程,对于学生而言是学习计算机其他知识的入门课程,主要要求学生掌握计算机基础知识,能够熟练使用常用的办公软件,并具备计算机操作的基本能力。由于其主要以计算机考试的形式为主,所以在考试中使用自动阅卷系统能在很大程度上降低阅卷教师的工作难度,在保证考试公平的同时,使考生可以更加灵活、方便地掌握考试技巧,非常有利于提高教学质量。基于此,本文主要针对《计算机应用基础》考试系统自动阅卷进行分析,希望可以为完善自动阅卷系统提供参考。
黎青霞[5]（2020）在《智能评分算法在《C程序设计》课程考核中的应用研究》文中研究说明中职学校教学注重教学的过程性,中职学校开设的课程《C程序设计》更加注重教与学的过程性。《C程序设计》是一门操作性极强的学科,在教学过程中注重上机练习。传统的编程题评分算法采取的评分依据只有运行结果,这样的评分算法忽略了编程题的过程性,评分结果要么为零要么为满分。由于传统的编程题评分算法中评分结果的两极性降低了编程题得分率,中职学校未将上机考试作为期中或期末的考试方式而是采取纸质考试作为考试方式。《C程序设计》更多的在于培养学生的编程能力,这样的需求下如何将纸质考试转变为纸质考试+上机考试显得极为重要。要实现这样的结合就得提升编程题评分算法的合理性。为了增强编程题评分算法的合理性,需要在评分中考虑编程题的过程性。涉及编码过程性的属性有语法报错个数、语句类型、代码相似度等。本文研究下的编程题评分算法采取的评分依据有语法报错个数、运行结果、语句类型、代码相似度,这四个属性不仅凸显了编程题的结果性,还凸显了编程题的过程性,而且这四个属性也是人工阅卷中主要的评分依据。这种既考虑结果又考虑过程的评分算法更适合于编程题的评分,也更有利于中职学校《C程序设计》课程考核中实现纸质考试+上机考试的结合。笔者将本文研究的编程题智能评分算法应用于中职《C程序设计》课程考核。在中职一年级计算机专业2019年上学期进行了四次编程题上机考试并将本文研究的评分算法用于其中。每次考试都会反馈出学生考试中各部分得分信息。教师通过该信息可以了解到每个学生在编程中存在的问题再进行教学调整,学生通过该信息可以知道自己编程中存在的问题再进行学习改进。四次编程题上机考试中学生编程中存在的问题呈逐渐减少的趋势。与传统评分算法相比,该评分算法下学生编程题得分呈增加的趋势。
汪颖[6]（2020）在《新高考背景下主观题智能阅卷的问题研究》文中研究指明新高考改革对改进主观题智能阅卷方式的要求日益迫切,《国务院关于深化考试招生制度改革的实施意见》中明确提出“改进评分方式,加强评卷管理,完善成绩报告”目标。然而,主观题网上人工阅卷在阅卷过程和公平性等方面问题突出,无法满足新高考改革需求。人工智能技术快速发展为主观题智能阅卷带来机遇,智能阅卷在日常教学中的应用逐渐常态化。智能阅卷技术以其高效率、高准确度和高可靠性的特点能够有效改善和解决网上人工阅卷存在的问题。但是,主观题智能阅卷在技术、流程、功能和安全方面仍存在诸多问题,亟待完善。本研究从主观题智能阅卷相关技术、高考网上阅卷的应用以及新高考背景下主观题智能阅卷应用三个方面对国内外相关文献进行梳理,对OM网上阅卷系统和QM智能阅卷系统做个案研究,对阅卷系统的开发人员、参与高考阅卷的教师等进行深入的访谈调查。从而分析得出网上人工评阅主观题还存在过程繁复、效率低,阅卷员主观性大、稳定性低,“人—机对抗”等问题,而智能阅卷在保障公平、提高效率以及特殊异常卷检测方面优势突出。然而,对主观题智能阅卷的进一步研究中,笔者发现计算机智能评阅主观题在技术、流程、功能以及安全上还存在明显的不足,具体内容如下:一是缺乏高效、准确检测和校正图像倾斜的方法;二是主观题区域分割方式“粗暴”,分割模板智能不足;三是文本识别精准度不足,识别模型训练流程复杂;四是词义不确定性放大误差,分层抽象不明显;五是多科目、多题型的精准评分尚未成型;六是综合性、复杂性情境处理模式存在争议;七是定标评分存在“宽严”规范性问题;八是智能评分模型单一,缺少复核机制;九是智能化算法逻辑难以“逾越”,数据存在不可追溯性;十是智能阅卷系统提供“安全屏障”,但“威胁”依旧存在。基于以上问题,笔者针对计算机智能评阅主观题存在的不足提出以下四点改进建议:一是去模板化智能分割主观题区域;二是基于检测—识别校正机制的文本识别模型;三是基于文本聚类分析的智能化样选机制;四是基于融合人工阅卷与机器阅卷的新型智能阅卷模式。同时,笔者对主观题智能阅卷在高考中的应用提出了以下三点建议:一是提升智能化,实现复杂性和综合性情境的妥善处理;二是增强“拟人化”,促成阅卷主客体质检情感的联通;三是构建“双保险”打造人机双评的智能阅卷模式。本研究对智能阅卷相关案例和人员进行深入的挖掘和调查,在获取主观题智能阅卷的第一手资料的同时,结合具体的问题提出相应的策略和建议。这些研究成果不仅丰富了计算机智能评阅在主观题上的研究,也为新高考背景下主观题智能阅卷的完善和应用提供了一定的理论指导和借鉴意义。
张沐阳[7]（2020）在《试卷答题卡模板信息提取关键技术研究》文中进行了进一步梳理考试在现代教育中扮演着极其重要的角色,它是衡量学生学习成果的一种数值化工具,对学生的能力、知识的掌握程度提供有效的参考信息,是现在的教学中不可缺少的一环。传统的纸质批阅方式效率低下,并且对于掌握学生学习能力的状况较差,因此越来越多的学校在中小型考试中使用电子阅卷系统,电子阅卷在未来将会成为各种教育环境下的主流阅卷方式。电子阅卷虽然已经成熟,但仍然存在着一些需要解决的问题:不同答题卡采用不同的模板来识别、不同生产商和软件开发者使用不同的模板生成方式、不断增加的试卷需求需要答题卡生成的简化等。（1）不同答题卡采用不同的模板来识别现有的试卷答题卡电子阅卷中,依赖通过模板识别试卷信息的方式,借助定位特征与模板的位置偏移量,能够高效地扫描、分割不同题目和识别题目答案。该种工作方式能够让试卷的不同题目能够分发给不同系统模块和阅卷老师处理,但在使用新版式的试卷答题卡时,就需要使用新的模板。（2）不同生产商和软件开发者使用不同的模板生成方式试卷答题卡没有规定的标准,因此不同的软件开发者在制作应用时,存储模板文档的格式或语法不相同,从而导致即使能够获取一张试卷答题卡的模板,也不一定能在其它的阅卷系统上使用,而需要根据该系统制作对应的模板。（3）不断增加的试卷需求随着教育现代化的演变,将试卷作业化和即时化的模式加大了试卷答题卡的需求。教师制作新的试卷模板时,需要制作时间和相关应用的学习成本。本文针对现在试卷答题卡模板缺乏的问题,利用数字图像处理技术,对采集的试卷答题卡信息进行识别和定位,提出了一种提取试卷答题卡的模板信息的流程与方法。重要的研究工作包括如下方面:（1）试卷答题卡到模板的工作流程研究现有的阅卷系统,现在的阅卷系统仅有“模板->试卷答题卡”的单向工作方式,而不具备“试卷答题卡->模板->试卷答题卡”的双向工作模式,据此提出现有答题卡系统的不足,提出答题卡阅卷系统需要“试卷答题卡->模板”的方向实现更高程度的自动化。提出了模板自动提取的系统的结构以及整个系统的功能分块,将整个系统分为预处理、特征分析和题目分类等功能模块,分析了整个系统的工作流程。对试卷答题卡模板需要的信息类别进行分类。（2）提取模板信息使用的技术性方法对试卷答题卡的不同信息进行提取。特征信息通过轮廓提取、数学图像形态学、图像像素投影对试卷答题卡表格结构进行分析,轮廓提取将表格分为多部分矩形,图像形态学将图像重新分割为点、线结构,图像像素投影分析表格内的内容的分布状。之后基于特征提取的数据,结合不同试卷答题卡的组成结构,分别提取出题目信息,用户信息和页码信息。（3）创建试卷答题卡模板信息提取系统创建试卷答题卡的模板,通过三步模块预处理,倾斜校正和信息提取,实现一个对试卷答题卡模板信息提取的系统。
寸待宏[8]（2019）在《云南边疆地区中学教育信息化建设个案研究》文中提出为了促进云南省边疆地区与城市中学间教育信息化建设同步发展,云南边疆地区中学教育信息化建设工作在国家《教育信息化十年发展规划（2011-2020年）》的层层深化下正逐步推进,取得了一定的成效。本论文以陇川县A中学为例,从教育信息化的硬件建设现状、软件建设现状和人员培训方式三个方面进行了调查。在此基础上,通过调查问卷和访谈的方式调查陇川县A中学教育信息化建设的效果,并收集相关资料及统计数据,分析教育信息化建设在学校建设与运用的具体情况,以此来了解云南省边疆地区中学教育信息化建设中存在的问题及深层原因。另一方面,应用净现值法及年限折旧法,对陇川县A中学的教育信息化建设进行了投资效益评估。最后基于问题,从学校教育信息化规章制度、教育信息化建设软硬件运行能力保障机制、教师信息化培训及考核等方面提出了对策和建议。
李超[9]（2019）在《高考英语模拟平台开发与智能阅卷系统研究》文中提出人工智能的发展使人们的生活和工作更加轻松有效,基于计算机的在线考试和阅卷不仅提高了学生的学习效率,也减轻了教师评阅工作的压力。对于客观题的评阅经历了从人工评阅到光标阅读机评阅再到计算机的字符匹配,评阅的正确率一路飙升达到100%;而对于主观题的评阅,国外经历了PEG、E-rater等系统,国内有使用英语大语料库相似性比对的系统、基于自然语言理解使用智能算法批阅的系统等。这些系统大都基于规则和LSA等一些浅层语言特征来评分的,对于英语的语感并没有深度感知。虽然目前的智能阅卷系统取得了很多的成就,但是它们没有从根本上解决主观题智能评阅的合理性问题。为了更好地深度感知英语作文中的语感,提升智能评阅的合理性问题,本文提出了基于关联分析的N元语感值量化和基于合理性提升的英语作文评分拟合算法。语感值量化通过获取作文的N元组,计算其在语料库中的支持度。若支持度低于阈值,则对出现语感问题的部分进行分析,并判别语感问题类型以供学生对作文修改提供帮助。除此之外,本文还提取作文中的单词特征、句子特征和篇章结构特征来对英语作文分数拟合。由于并非所有学生都能根据题目要求来完成作文,因此采用分流评分模型将正常作文与低分作文分开评阅。低分作文使用k最近邻算法评分,正常作文则使用支持向量回归算法来拟合考生的分数。通过统计发现,作文分数也呈现一定的正态分布。标准的支持向量回归算法容易产生数据偏斜问题,因此本文针对此问题采用合理性提升的方法,根据数据集的分布情况给予相应的惩罚因子。最后通过使用某高中往年的高考模拟试题数据进行了训练,产生一个高考作文模拟智能评分模型。通过对测试集进行测试,实验表明通过对考生英语作文的语感特征的提取,不仅能够判断考生的语感是否存在问题,而且对于作文整体的评判提供依据。本文提出的英语作文评分拟合算法能够很好地提升部分数据的预测准确率,解决了分数呈现正态分布的数据偏斜问题。本文设计并实现了在线模拟考试系统,融合作文智能评分系统,使之能够满足师生的在线考试与智能评阅需求。
张姗姗[10]（2019）在《分阶段反馈教学法的实施及效果评价 ——以石河子某中学《信息技术》课程为例》文中研究说明《信息技术》课程对高中学生综合素质的提升起着至关重要的作用。由于升学压力的存在,通过加大课时量提高该课程教学效果的方法并不可行。如何在保持现有课时量的同时,尽可能地提高教学效果是一个急需解决的问题。斯金纳程序教学理论和桑代克练习律均认为在学习过程中按照一定的步骤开展练习,根据练习情况进行及时的反馈和强化,能够促使学生巩固所学知识,并培养学生的学习积极性。根据上述理论,及时通过测试掌握学生的学习情况并对易错知识点进行强化教学显现出必要性。由于批改并分析测试试卷需要耗费的巨大工作量和师资短缺现实的情况之间存在矛盾,石河子某中学在过往的教学中,通常采用综合反馈教学法完成教学时间为2个学期的《信息技术》课程教学任务,该方法仅在第2学期开学初进行一次综合测验,通过综合测验反馈的情况,在第2学期学习新课程的同时复习第1学期的易错知识点,达到提升教学效果,提高学生该课程学业水平考试成绩的目的。现代教育技术的发展,特别是网上阅卷及试卷分析系统的投入使用,为分阶段反馈教学法的实施提供了技术上的解决方案。该方法的特征在于,将一段时间的教学任务细分为若干阶段,在每阶段结束时进行阶段测试,通过阶段测试整理出该阶段的易错知识点,在此基础上通过反馈教学集中讲解易错知识点,并在下一阶段的测试中加入对上一阶段易错知识点的考核。本文将分阶段反馈教学法运用于石河子某中学2018级卓越班、自强班和平行班3类学生第1学期《信息技术》课程的教学实践中。通过易错知识点的得分的变化情况、调查问卷及综合测试的得分情况评价该方法的教学效果。对卓越班、自强班和平行班的研究结果均表明:（1）分阶段反馈教学法加深了学生对易错知识点的掌握程度;（2）学生对分阶段反馈教学法持正面评价;（3）与综合反馈教学法相比,分阶段教学法提高了学生的学习成绩。由此可知,将分阶段教学法运用于高中《信息技术》课程教学,在不增加课时量的同时,提升了教学效果,具有推广价值。
二、《计算机应用基础》上机考试——自动阅卷系统的开发与应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、《计算机应用基础》上机考试——自动阅卷系统的开发与应用（论文提纲范文）
（1）计算机软考操作题自动阅卷技术实现路径的研究分析（论文提纲范文）
| 一、自动阅卷评分设计思想 |
| 二、自动阅卷技术 |
| （一）基于Office软件的阅卷技术 |
| （二）其它类型的自动阅卷技术 |
| 1. 虚拟仿真技术 |
| 2. 全程跟踪评测技术 |
| 3. 基于文本文件的分析技术 |
| 4. 基于二进制文件的扫描技术 |
| （三）几种自动阅卷技术的对比 |
| 三、自动阅卷评分流程 |
| （一）形成电子试题 |
| （二）考生作答 |
| （三）自动阅卷 |
| （四）编制试题 |
| （五）制定评分标准 |
| （六）试题入库 |
| （七）机器训练 |
| （八）考生作答 |
| （九）阅卷过程 |
| 1. 打开考生作答文件 |
| 2. 读取阅卷参数 |
| 3. 元素属性取值 |
| 4. 参数对比 |
| 5. 关闭考生作答文件 |
| （十）人工复核和机器学习 |
| 四、结束语 |
（2）基于深度学习的英语阅卷系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外智能阅卷与手写体识别研究现状 |
| 1.2.2 国内智能阅卷与手写体识别研究现状 |
| 1.3 主要内容以及组织结构 |
| 第二章 阅卷系统相关技术理论概述 |
| 2.1 深度学习基本理论 |
| 2.1.1 卷积神经网络 |
| 2.1.2 长短期记忆网络 |
| 2.2 图像数据集 |
| 2.2.1 字符识别数据集 |
| 2.2.2 IAM脱机手写英文数据集 |
| 2.3 评价标准 |
| 2.3.1 字符识别算法评价标准 |
| 2.3.2 脱机手写英文识别算法评价标准 |
| 2.4 实验环境 |
| 2.5 本章小结 |
| 第三章 图像预处理与基于Le Net-3 的字符识别算法 |
| 3.1 答题纸布局设计 |
| 3.2 图像预处理 |
| 3.2.1 轮廓边缘检测 |
| 3.2.2 透视变换 |
| 3.2.3 各区域的截取 |
| 3.2.4 单字符与单张单词图像的截取 |
| 3.3 基于Le Net-3 的字符识别网络 |
| 3.3.1 卷积神经网络模型的选择与微调 |
| 3.3.2 3×3 卷积核堆叠结构 |
| 3.3.3 Le Net-3 网络结构 |
| 3.4 实验过程 |
| 3.4.1 实验数据集、实验环境与评价指标 |
| 3.4.2 网络的权重更新 |
| 3.4.3 网络参数设置与训练 |
| 3.5 实验结果与分析 |
| 3.5.1 主流识别网络性能比较 |
| 3.5.2 3×3 卷积核堆叠结构的性能实验 |
| 3.6 本章小结 |
| 第四章 基于注意力机制与复合卷积的脱机手写英文识别算法 |
| 4.1 基于加强型卷积块注意力模块和复合卷积的手写文本识别网络 |
| 4.1.1 CTC损失函数 |
| 4.1.2 加强型卷积块注意力模块 |
| 4.1.3 复合卷积 |
| 4.1.4 网络结构 |
| 4.2 实验过程 |
| 4.2.1 实验数据集、实验环境与评价指标 |
| 4.2.2 网络参数设置与训练 |
| 4.3 实验结果与分析 |
| 4.3.1 CBAM~+消融实验 |
| 4.3.2 不同注意力机制对比实验及参数分析 |
| 4.3.3 CBAM~+的效果可视化 |
| 4.3.4 复合卷积消融实验 |
| 4.3.5 复合卷积参数分析 |
| 4.3.6 网络深度对比实验及与其他算法对比实验 |
| 4.4 本章小结 |
| 第五章 英语阅卷系统的设计与实现 |
| 5.1 系统需求分析和可行性分析 |
| 5.1.1 系统需求分析 |
| 5.1.2 系统可行性分析 |
| 5.2 系统设计流程 |
| 5.3 阅卷系统整体流程简介 |
| 5.4 阅卷系统相关模块的实现与界面展示 |
| 5.4.1 系统主界面 |
| 5.4.2 答案录入子窗口 |
| 5.4.3 试卷照片预处理与批改进度显示 |
| 5.4.4 答题纸背面题型的人工辅助批阅子窗口 |
| 5.4.5 批改留痕与打印 |
| 5.4.6 成绩统计与成绩查看子窗口 |
| 5.5 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（3）基于深度学习的自动阅卷系统研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的背景与研究意义 |
| 1.2 国内外现状与趋势 |
| 1.3 研究的目标与意义 |
| 1.4 主要研究内容与方法 |
| 1.5 小结 |
| 第二章 相关理论与技术基础 |
| 2.1 图形图像处理 |
| 2.1.1 图像灰度化 |
| 2.1.2 图像降噪 |
| 2.1.3 图像二值化 |
| 2.2 人工神经网络 |
| 2.2.1 机器学习 |
| 2.2.2 深度学习 |
| 2.2.3 卷积神经网络 |
| 2.2.4 VGG16网络模型 |
| 2.2.5 Tensor Flow |
| 2.3 手写字符识别 |
| 2.3.1 图像边缘检测 |
| 2.3.2 直线检测 |
| 2.3.3 透视变换校正 |
| 2.3.4 字符分割 |
| 2.4 小结 |
| 第三章 试卷的图像预处理和手写字符识别模型的建立 |
| 3.1 试卷图像预处理 |
| 3.1.1 试卷图像采集 |
| 3.1.2 试卷图像校正 |
| 3.1.3 试卷图像分割 |
| 3.1.4 试卷字符提取 |
| 3.2 基于VGG16的手写字符识别模型 |
| 3.2.1 数据集的选取与预处理 |
| 3.2.2 网络结构 |
| 3.2.3 卷积层 |
| 3.2.4 池化层 |
| 3.2.5 Softmax回归 |
| 3.3 模型的改进与优化 |
| 3.3.1 注意力机制 |
| 3.3.2 加入残差块 |
| 3.3.3 使用Adam优化器 |
| 3.4 小结 |
| 第四章 识别模型的训练与实验结果分析 |
| 4.1 模型的训练 |
| 4.1.1 总体训练过程 |
| 4.1.2 训练参数的选择 |
| 4.2 实验结果分析 |
| 4.2.1 评价指标 |
| 4.2.2 实验结果分析与对比 |
| 4.3 小结 |
| 第五章 系统平台需求分析与概要设计 |
| 5.1 系统平台需求分析 |
| 5.2 系统平台功能设计 |
| 5.3 系统平台数据库设计 |
| 5.4 小结 |
| 第六章 系统设计实现与测试 |
| 6.1 界面设计 |
| 6.2 界面设计和代码实现 |
| 6.3 白盒测试 |
| 6.4 黑盒测试 |
| 6.5 回归测试 |
| 6.6 小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
（4）《计算机应用基础》考试系统自动阅卷分析（论文提纲范文）
| 0 引言 |
| 1 VBA技术简介 |
| 2 《计算机应用基础》考试系统自动阅卷的方法 |
| 3 Word考试系统自动阅卷的分析 |
| 3.1 Word对象 |
| 3.2 Word属性 |
| (1)Word中的段落格式属性。 |
| (2)Word中的页面设置属性。 |
| (3)Word中图片格式属性。 |
| (4)Word中的表格属性。 |
| 3.3 Word考题自动阅卷评分的计算 |
| 4 Excel考试系统自动阅卷的分析 |
| 4.1 Excel对象与属性 |
| 4.2 Excel考题自动阅卷评分的计算 |
| 4.2.1 单元格格式、内容的阅卷评分 |
| 4.2.2 公式、函数的阅卷评分 |
| 4.2.3 图表、数据的阅卷评分 |
| 5 PowerPoint考试系统自动阅卷的分析 |
| 5.1 PowerPoint对象与属性 |
| 5.2 PowerPoint考题自动阅卷评分的计算 |
| 6 结 语 |
（5）智能评分算法在《C程序设计》课程考核中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 问题阐述 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 国内外普遍使用的在线评分方法以及相关研究总体评价 |
| 1.3.3.1 国内外普遍使用的在线评分方法 |
| 1.3.3.2 相关研究总体评价 |
| 2 研究概述 |
| 2.1 研究方法 |
| 2.1.1 文献研究法 |
| 2.1.2 调查法 |
| 2.1.3 实验法 |
| 2.2 编程题评分的主要依据简介 |
| 2.2.1 语法报错个数 |
| 2.2.2 代码运行结果 |
| 2.2.3 语句类型 |
| 2.2.4 代码相似度 |
| 2.3 可行性分析 |
| 2.3.1 理论上的可行性 |
| 2.3.2 技术上的可行性 |
| 2.3.3 经济上的可行性 |
| 3 基于智能评分算法的课程考核应用研究 |
| 3.1 编程题智能评分算法的研究 |
| 3.1.1 获得报错个数 |
| 3.1.2 获得运行结果 |
| 3.1.3 获得关键语句类型 |
| 3.1.4 获得代码相似度 |
| 3.2 利用评分结果反馈的信息调整教与学 |
| 3.2.1 调整教师的教 |
| 3.2.2 调整学生的学 |
| 4 基于智能评分算法课程考核应用分析 |
| 4.1 基于智能评分算法课程考核实施前期准备 |
| 4.1.1 培养学生上机编程基本操作能力 |
| 4.1.1.1 学生上机编程基本操作摸底 |
| 4.1.2 学生上机编程基本操作培养 |
| 4.2 基于智能评分算法课程考核实施过程分析 |
| 4.2.1 上机试题的编排 |
| 4.2.2 开展编程题上机考试 |
| 4.2.3 利用本研究的编程题评分算法进行评分 |
| 4.3 基于智能评分算法课程考核实施效果分析 |
| 4.3.1 呈现问题 |
| 4.3.2 分析问题 |
| 4.3.3 解决问题 |
| 4.3.3.1 对于教师的教 |
| 4.3.3.2 对于学生的学 |
| 4.3.4 评分算法实施效果分析 |
| 5 研究总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 附录 |
| 附录1 :中职一年级《C程序设计》第一次上机考试试题 |
| 附录2 :中职一年级《C程序设计》第二次上机考试试题 |
| 附录3 :中职一年级《C程序设计》第三次上机考试试题 |
| 附录4 :中职一年级《C程序设计》第四次上机考试试题 |
| 附录5 :实现获得报错个数功能的主要代码 |
| 附录6 :识别关键语句的主要代码 |
| 附录7 :获得代码相似度的主要代码 |
| 附录8 :部分源程序.c文件 |
| 后记 |
| 硕士期间发表论文 |
（6）新高考背景下主观题智能阅卷的问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 研究背景 |
| 一、新高考改革对改进主观题阅卷方式的要求日益迫切 |
| 二、人工智能技术快速发展为主观题智能阅卷带来机遇 |
| 三、智能阅卷在日常教学中的应用逐渐常态化 |
| 第二节 研究综述 |
| 一、主观题智能阅卷国内外相关研究综述 |
| 二、新高考背景下主观题智能阅卷相关研究综述 |
| 第三节 研究思路与方法 |
| 一、研究思路 |
| 二、研究方法 |
| 第四节 研究意义 |
| 一、丰富主观题智能阅卷的理论研究 |
| 二、促进智能阅卷系统的设计与改善 |
| 第二章 新高考背景下主观题人工阅卷的现实难点与智能阅卷的优点 |
| 第一节 主观题人工阅卷的现实难点 |
| 一、阅卷过程繁琐复杂、效率低 |
| 二、评卷主观性大、稳定性低 |
| 三、“人—机对抗”降低公平性 |
| 四、套作、宿构、作弊等问题难以发现 |
| 第二节 主观题智能阅卷的优点 |
| 一、高效阅卷、降低评卷组织成本 |
| 二、标准统一、保障阅卷公平公正 |
| 三、“机智”与“人智”的有效结合 |
| 四、智能质检、识别套作、宿构、作弊 |
| 第三章 新高考背景下主观题智能阅卷存在的问题 |
| 第一节 主观题智能阅卷技术层面的难题 |
| 一、缺乏高效、准确检测和校正图像倾斜的方法 |
| 二、主观题区域分割方式“粗暴”,分割模板智能不足 |
| 三、文本识别精准度不足,识别模型训练流程复杂 |
| 四、词义不确定性放大误差,分层抽象不明显 |
| 第二节 主观题智能阅卷功能上的不足 |
| 一、多科目、多题型的精准评分尚未成型 |
| 二、复杂性、综合性情境的处理模式存在争议 |
| 第三节 主观题智能阅卷流程上的问题 |
| 一、定标评分存在“宽”“严”规范性问题 |
| 二、智能评分模型单一,缺少复核机制 |
| 第四节 主观题智能阅卷安全上的风险 |
| 一、智能化算法逻辑难以“逾越”,数据存在不可追溯性 |
| 二、智能阅卷系统提供“安全屏障”,但“威胁”依旧存在 |
| 第四章 对新高考背景下主观题智能阅卷的建议 |
| 第一节 对主观题智能阅卷若干问题的改进策略 |
| 一、去模板化智能分割主观题区域 |
| 二、基于检测—识别校正机制的文本识别模型 |
| 三、基于文本聚类分析的智能化样选机制 |
| 四、基于融合人工阅卷与机器阅卷的新型智能阅卷模式 |
| 第二节 对主观题智能阅卷发展的建议 |
| 一、提升智能化,实现复杂性和综合性情境的妥善处理 |
| 二、增强“拟人化”,促成阅卷主客体之间情感的联通 |
| 三、构建“双保险”,打造人机双评的智能阅卷模式 |
| 第五章 研究结论与展望 |
| 第一节 研究结论 |
| 第二节 研究不足与展望 |
| 参考文献 |
| 附录 |
| 附录一:《国务院关于深化考试招生制度改革的实施意见》 |
| 附录二:《新一代人工智能发展规划》 |
| 附录三:《教育信息化2.0》 |
| 附录四:主观题智能评阅系统调研访谈提纲 |
| 附录五:QM智能阅卷系统研发及推广团队访谈记录节选 |
| 附录六:高考阅卷人员调研访谈提纲 |
| 附录七:高考阅卷人员调研访谈记录节选 |
| 致谢 |
| 附:本人读研期间科研成果及奖励情况 |
（7）试卷答题卡模板信息提取关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究目的与意义 |
| 1.4 论文的内容及章节安排 |
| 第二章 相关理论与技术 |
| 2.1 试卷答题卡相关概念 |
| 2.2 图像预处理相关技术 |
| 2.2.1 图像灰度化 |
| 2.2.2 图像二值化 |
| 2.2.3 图像去噪 |
| 第三章 试卷答题卡模板信息分析 |
| 3.1 试卷答题卡模板信息提取的整体流程 |
| 3.2 试卷答题卡模板信息分析 |
| 3.2.1 特征信息 |
| 3.2.2 题目信息 |
| 3.2.3 用户信息 |
| 3.2.4 页码信息 |
| 3.3 试卷答题卡模板信息的创建 |
| 第四章 试卷答题卡模板信息提取 |
| 4.1 特征的定位与信息提取 |
| 4.1.1 轮廓提取与角点检测 |
| 4.1.2 数学形态学 |
| 4.1.3 投影分析 |
| 4.1.4 文字识别 |
| 4.2 题目的定位与信息提取 |
| 4.2.1 客观题的提取和分类 |
| 4.2.2 主观题的提取和分类 |
| 4.2.3 打分栏区域 |
| 4.3 用户信息的定位与提取 |
| 4.3.1 图形码位置信息分类与提取 |
| 4.3.2 考号信息提取的分类与提取 |
| 4.4 页码定位与信息提取 |
| 4.4.1 基于文字识别的试卷答题卡页码信息提取 |
| 4.4.2 基于定位点形状的页码识别 |
| 第五章 试卷答题卡模板信息提取系统的实现 |
| 5.1 系统需求分析 |
| 5.2 系统主要模块 |
| 5.2.1 答题卡图像预处理 |
| 5.2.2 倾斜校正 |
| 5.2.3 信息提取与存储 |
| 5.3 实验测试结果 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 |
| 系统开发部分程序代码 |
| 致谢 |
（8）云南边疆地区中学教育信息化建设个案研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 教育信息化建设在边疆地区的蓬勃发展 |
| 1.1.2 边疆地区教育信息化建设的特殊现状 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容及方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 云南陇川县A中学教育信息化建设个案研究 |
| 2.1 云南边疆地区教育信息化整体建设情况 |
| 2.2 陇川县A中学教育信息化建设概况 |
| 2.2.1 陇川县A中学基本情况 |
| 2.2.2 陇川县A中学教育信息化建设概况 |
| 2.2.3 陇川县A中学教育信息化硬件建设概况 |
| 2.2.4 陇川县A中学教育信息化软件建设概况 |
| 2.2.5 陇川县A中学教育信息化教学资源建设概况 |
| 2.2.6 陇川县A中学教育信息化人员培训概况 |
| 2.2.7 陇川县A中学教育信息化数据交换与共享 |
| 第3章 陇川县A中学教育信息化个案建设调查分析 |
| 3.1 调查准备 |
| 3.2 基于访谈法的陇川县A中学信息化建设分析 |
| 3.2.1 访谈提纲 |
| 3.2.2 结果分析 |
| 3.3 基于问卷调查的陇川县A中学信息化建设效果分析 |
| 3.3.1 问卷的发放与回收 |
| 3.3.2 调查结果分析 |
| 3.4 陇川县A中学教育信息化建设中存在的问题分析 |
| 3.4.1 陇川县A中学教育信息化建设中存在的问题 |
| 3.4.2 陇川县A中学教育信息化建设问题的原因 |
| 第4章 陇川县A中学教育信息化建设投资效益评估 |
| 4.1 评价方法 |
| 4.1.1 净值法 |
| 4.1.2 年限折旧法 |
| 4.2 分析评价思路 |
| 4.3 分析过程 |
| 4.3.1 投入情况 |
| 4.3.2 陇川县A中学历年信息化投入的收益方面 |
| 4.3.3 陇川县A中学历年信息化投入的耗损方面 |
| 4.3.4 陇川县A中学净现金值估算方面 |
| 4.4 结果论述 |
| 第5章 陇川县A中学教育信息化建设的保障 |
| 5.1 健全学校教育信息化规章制度,提升信息化建设管理运营能力 |
| 5.1.1 健全信息化规章制度,扭转错误功利心态 |
| 5.1.2 提升信息化建设管理运营能力,确保投资比率合理化 |
| 5.2 完善教育信息化硬件设备,加大教学资源开发共享力度 |
| 5.2.1 提升信息化建设投资力度,丰富信息化建设资金吸纳渠道 |
| 5.2.2 加快配套设施更新力度,强化教学资源开发及共享 |
| 5.3 强化教师信息化培训及考核,加强教育信息化管理 |
| 5.3.1 选拔教师分层培训,厘清培训应用侧重点 |
| 5.3.2 强化教育信息化管理,健全教育信息化激励机制 |
| 5.4 深化信息化教学及课程改革,积极推进信息化工作 |
| 5.5 提升高端设备利用率,建立精品课程网站提升投资效益 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.1.1 结论总括 |
| 6.1.2 研究中存在的问题 |
| 6.2 未来展望 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 附录 C |
| 附录 D |
| 附录 F |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（9）高考英语模拟平台开发与智能阅卷系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外智能阅卷研究现状 |
| 1.2.2 国内智能阅卷研究现状 |
| 1.3 课题研究内容 |
| 1.4 论文组织结构 |
| 第二章 自然语言处理相关的理论与技术 |
| 2.1 自然语言处理技术 |
| 2.1.1 基于规则的方法 |
| 2.1.2 基于统计和人工智能的方法 |
| 2.2 基于语言要素的文本特征分析 |
| 2.2.1 单词特征 |
| 2.2.2 句子特征 |
| 2.2.3 篇章结构特征 |
| 2.3 本章小结 |
| 第三章 智能阅卷评分模型设计 |
| 3.1 数据集 |
| 3.1.1 数据采集 |
| 3.1.2 数据集分布 |
| 3.2 智能阅卷评分基本模型 |
| 3.2.1 相关系数 |
| 3.2.2 准确性 |
| 3.2.3 基本评分模型 |
| 3.2.4 决策树算法 |
| 3.2.5 分流评分 |
| 3.3 基于语感特征的深度模型 |
| 3.3.1 语感特征 |
| 3.3.2 语感模型N-LanSen的创建 |
| 3.4 本章小结 |
| 第四章 智能阅卷评分算法设计 |
| 4.1 k-最近邻算法 |
| 4.1.1 算法介绍 |
| 4.1.2 低分作文的评分 |
| 4.2 支持向量机算法 |
| 4.3 支持向量回归算法的改进 |
| 4.3.1 合理性提升 |
| 4.3.2 算法描述 |
| 4.3.3 正常作文的评分 |
| 4.4 反馈模型 |
| 4.5 本章小结 |
| 第五章 系统设计与实现 |
| 5.1 系统需求分析 |
| 5.2 总体设计 |
| 5.3 系统实现 |
| 5.3.1 教师功能实现 |
| 5.3.2 管理员功能实现 |
| 5.3.3 学生功能实现 |
| 5.3.4 智能阅卷实现 |
| 5.4 测试 |
| 5.4.1 单元测试 |
| 5.4.2 集成测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（10）分阶段反馈教学法的实施及效果评价 ——以石河子某中学《信息技术》课程为例（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究综述 |
| 1.3 研究内容 |
| 1.4 研究目的 |
| 第二章 分阶段反馈教学法理论基础 |
| 2.1 桑代克的练习律 |
| 2.2 斯金纳的强化理论 |
| 2.3 程序教学论 |
| 2.4 理论基础在研究中的应用 |
| 2.5 本章小结 |
| 第三章 分阶段反馈教学法研究设计 |
| 3.1 研究思路 |
| 3.2 研究方法 |
| 3.3 研究对象 |
| 3.4 研究创新点 |
| 3.5 研究工具 |
| 3.6 教学实施过程比较 |
| 3.7 本章小结 |
| 第四章 分阶段反馈教学法实施过程 |
| 4.1 阶段测试1实施及反馈 |
| 4.2 阶段测试2实施及反馈 |
| 4.3 阶段测试3实施及反馈 |
| 4.4 综合测试实施与反馈 |
| 4.5 本章小结 |
| 第五章 分阶段反馈训练教学效果评价 |
| 5.1 分阶段反馈教学效果评价方法 |
| 5.2 结果与分析 |
| 5.3 对策和建议 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究结论 |
| 6.2 研究的不足和可以改进之处 |
| 6.3 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
| 附件 |
四、《计算机应用基础》上机考试——自动阅卷系统的开发与应用（论文参考文献）
- [1]计算机软考操作题自动阅卷技术实现路径的研究分析[J]. 蒋华锋,谢国技. 武汉职业技术学院学报, 2021(05)
- [2]基于深度学习的英语阅卷系统设计与实现[D]. 卓天天. 江南大学, 2021(01)
- [3]基于深度学习的自动阅卷系统研究与实现[D]. 杨心慕. 东北师范大学, 2020(04)
- [4]《计算机应用基础》考试系统自动阅卷分析[J]. 唐云婷. 信息与电脑(理论版), 2020(16)
- [5]智能评分算法在《C程序设计》课程考核中的应用研究[D]. 黎青霞. 贵州师范大学, 2020(12)
- [6]新高考背景下主观题智能阅卷的问题研究[D]. 汪颖. 安徽师范大学, 2020(02)
- [7]试卷答题卡模板信息提取关键技术研究[D]. 张沐阳. 华中师范大学, 2020(01)
- [8]云南边疆地区中学教育信息化建设个案研究[D]. 寸待宏. 云南师范大学, 2019(06)
- [9]高考英语模拟平台开发与智能阅卷系统研究[D]. 李超. 济南大学, 2019(01)
- [10]分阶段反馈教学法的实施及效果评价 ——以石河子某中学《信息技术》课程为例[D]. 张姗姗. 石河子大学, 2019(01)