نظارت بر امتحان با استفاده از يادگيري عميق

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

استفاده از آموزش‌هاي برخط در سال‌هاي اخير افزايش چشمگيري داشته است. شرايط پاندمي كرونا نيز يكي از مهم‌ترين عوامل موثر بر اين گسترش روزافزون است. به منظور ارزيابي سطح دانش و عملكرد مشاركت‌كنندگان در اين نوع آموزش از آزمون‌هاي الكترونيكي استفاده مي‌شود. يكي از مسائل مطرح ومهم در اين حوزه جلوگيري از بروز تقلب است. به منظور دست‌يابي به اين مهم، روش‌هاي مختلفي از جمله طراحي روند آزمون به منظور پيش‌گيري از تقلب و يا نظارت بر آزمون توسط ناظر انساني از طريق برنامه‌هاي تماس صوتي مورد استفاده قرار مي‌گيرند. نظارت توسط يك عامل انساني علاوه بر طاقت‌فرسا بودن امري هزينه‌بر است، دسته‌اي از روش‌ها با بهره‌گيري از بينايي ماشين و روش‌هاي يادگيري عميق سعي در استفاده از ماشين به منظور نظارت بر آزمون دارند. در اين تحقيق 5 روش يادگيري عميق پيشنهاد شده است.اين روش‌ها تنها با بررسي محتواي ثبت شده توسط وب‌كم مقابل چهره و ميكروفن فرد آزمون‌دهنده توانايي تشخيص رفتار‌هاي مشكوك را دارا مي‌باشند. روش اول با استفاده از تكنيك تشخيص ناهنجاري بدون نظارت بر روي نقاط نگاه فرد، رفتار‌هاي نامعمول را تشخيص مي‌دهد. روش دوم اما با استفاده از دسته‌بندي نقاط نگاه آزمون‌دهنده احتمال وجود تقلب را تعيين مي‌كند. در روش سوم با استفاده از شبكه I3D به عنوان استخراج‌گر ويژگي، ويديوي وب‌كم از نظر محتوايي بررسي مي‌شود. به منظور بررسي صحبت كردن فرد با شخص ثالث روش چهارم ارائه شده است. اين روش با تحليل فايل صوتي در حوزه فركانس، وجود صحبت را تشخيص مي‌دهد. روش پنجم با استفاده از روش تركيب خبره‌ها و وزن‌دهي به خروجي هر يك از مدل‌هاي روش‌هاي دو، سه و چهار و در نهايت تجميع آن‌ها، تقلب يا عدم تقلب را به ازاي هر ورودي تشخيص مي‌دهد. نتايج بر روي داده‌هاي واقعي نشان مي‌دهد كه روش‌هاي ارائه شده توانايي تشخيص تقلب در امتحان را به ميزان زيادي دارند.

214405

هوش مصنوعي و رباتيكز

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان

محمد حسين منشئي

نادر كريمي، عبدالرضا ميرزايي

مهران صفاياني