Тип публикации: статья из журнала
Год издания: 2024
Идентификатор DOI: 10.17587/it.30.474-479
Ключевые слова: image recognition, neural networks, information technology in education, admissions campaign, online testing, assessment of applicants' knowledge, распознавание изображений, нейронные сети, информационные технологии в образовании, приемная кампания, онлайн-тестирование, оценка знаний поступающих
Аннотация: Рассматривается задача построения модели оценивания самостоятельности прохождения поступающим вступительного онлайн-тестирования на основе анализа направления его взгляда с помощью методов ней росетевого распознавания изображений. В качестве метрики оценки самостоятельности прохождения поступающим вступительного онлайн-тестированияПоказать полностьюпо математике была взята приведенная разница между рейтингами этого лица до зачисления (балл, полученный по итогам онлайн-тестирования) и после зачисления (средняя оценка по математическим дисциплинам, посчитанная на основе результатов первой и второй экзаменационных сессий). Все эксперименты проведены на реальных данных. В роли детектора изображения головы поступающего и в качестве метода определения направления его взгляда использовалась сверточная нейронная сеть RealHePoNet. Точность детектирования изображения головы поступающих на кадрах коллекции составила 82,89 %. Посредством анализа площади и соотношения сторон прямоугольников, ограничивающих изображение головы поступающего, удалось повысить точность детектирования до 97,81 %. При превышении среднего значения угла поворота головы поступающего порога в 6,8 ° средняя приведенная разница между рейтингами до и после зачисления становится отрицательной, а при превышении 10,2 ° эта величина оказывается меньше -2 баллов, что свидетельствует о повышенной вероятности привлечения к сдаче экзамена посторонних лиц. Средний угол наклона головы поступающего свыше 46 °, ровно как и подъем головы свыше 18 °, также может свидетельствовать о мошеннических действиях со стороны сдающего экзамен. The work is devoted to the construction of a model for assessing the independence of applicants in passing an online entrance test based on an analysis of the direction of their gaze using neural network image recognition methods. The normalized deviation in the rating of this person before and after enrollment was taken as a metric for assessing the applicant's independence in passing the online entrance test in mathematics. All experiments presented in the work were carried out on real data. Our collection of images was an array of frames from web cameras of553 applicants while they were taking an online entrance exam in mathematics. As part of data preprocessing, images with poor quality were removed from the collection, as well as images where there were two or more people in the frame, or the applicant's head did not fit completely into the frame (less than 90 %). The final size of the collection was 3828 examples. The RealHePoNet convolutional neural network (CNN), proposed by Spanish researchers, was used as a detector of the incoming person's head and a method for determining the direction of his gaze. The accuracy of detecting the head of incoming images from our collection was 82.89 %. By analyzing the area and aspect ratio of the rectangles that, according to the RealHePoNet CNN, limit the incoming head, we managed to increase the detection accuracy to 97.81 %. When the average value of the incoming head rotation angle exceeds the threshold of 6.8°, the average normalized deviation in the rating before and after enrollment becomes negative, and when it exceeds 10.2°, this deviation is less than -2 points, which indicates an increased likelihood of being recruited to take the exam strangers. The average angle of the applicant's head tilt is over 46°, just like the head lift over 18°, may also indicate fraudulent actions on the part of the person taking the exam.
Журнал: Информационные технологии
Выпуск журнала: Т.30, №9
Номера страниц: 474-479
ISSN журнала: 16846400
Место издания: Москва
Издатель: ООО "Издательство "Новые технологии"