【技术实现步骤摘要】
本公开总体上涉及监考考试(proctored examination)领域，并且更具体地涉及用于在线监考中异常行为的基于回归的预测的方法和系统。
技术介绍
1、考试用于识别候选人在特定科目或技能集是否有足够的熟练程度。现在许多标准化考试是通过计算机而不是纸笔形式进行的。监考在线考试具有挑战性，因为监考人与候选人之间没有直接的面对面联系，进行舞弊的可能性更大。因此，在线考试的价值值得怀疑。克服上述挑战的一种解决方案是使用机器学习(ml)方法预测候选人的行为。基于机器学习的系统会自动从经验中学习和改进，而无需明确编程。此外，数据分析技术可以用于连续比较输入数据与原始数据，并分析未来事件，据此做出决策。
2、大多数常规的基于ml的方法将预限定参数与提取的用户参数进行比较，并确定其是否违反评估准则。一些其他ml模型专注于对一些有限的参数进行比较，并且没有提供考虑所有可能参数的全面分析来预测在在线监考期间候选人的异常行为。
技术实现思路
1、本公开的实施方式提出了技术改进，作为专利技术人在常规系统中认识到的一个或多个上述技术问题的解决方案。例如，在一个实施方式中，提供了一种用于在线监考中异常行为的基于回归的预测的方法。该方法包括由一个或多个硬件处理器从多个本地实例接收与多个用户中的每个用户有关的监考数据。此外，该方法包括：由一个或多个硬件处理器使用分类技术，基于与监考数据相关联的信息类型，对与多个用户中的每个用户有关的监考数据进行分类。此外，该方法包括：由一个或多个硬件处理器使用
2、在另一方面，提供了一种用于在线监考中异常行为的基于回归的预测的系统。该系统包括存储编程指令的至少一个存储器、一个或多个输入/输出(i/o)接口、以及可操作地耦接到该至少一个存储器的一个或多个硬件处理器，其中，该一个或多个硬件处理器由编程指令配置为从多个本地实例接收与多个用户中的每个用户有关的监考数据。此外，该一个或多个硬件处理器由编程指令配置为：使用分类技术，基于与监考数据相关联的信息类型，对与多个用户中的每个用户有关的监考数据进行分类。此外，该一个或多个硬件处理器由编程指令配置为：使用树构造技术，基于对应的经分类的监考数据，生成与多个用户中的每个用户对应的加权事件树，其中加权事件树的每个节点表示事件和相关联的动态权重，并且其中连接两个相邻节点的边指示两个相邻节点之间的关系。此外，该一个或多个硬件处理器由编程指令配置为通过添加与加权事件树相关联的多个权重来计算加权和(x)。此外，该一个或多个硬件处理器由编程指令配置为基于加权事件树的长度、确认百分比和评估常数，计算动态路径分数(y)。此外，该一个或多个硬件处理器由编程指令配置为基于加权事件树与存储在命令中心中的多个历史加权事件树之间的比较，计算事件路径匹配值(b)，其中事件路径匹配值是基于以下之一计算的：a)完整路径匹配，和b)部分路径匹配。此外，该一个或多个硬件处理器由编程指令配置为：使用基于事件树的回归技术，基于加权和(x)、动态路径分数(y)、评估类型值(a)和事件路径匹配值(b)，预测多个用户中的每个用户的最终分数。最后，该一个或多个硬件处理器由编程指令配置为基于相关联的最终分数与多个预限定阈值之间的比较，预测多个用户中的每个用户的异常行为。
3、在又一方面，提供了一种包括非暂时性计算机可读介质的计算机程序产品，该非暂时性计算机可读介质中体现有计算机程序，该计算机程序用于对在线监考中异常行为的基于回归的预测。当在计算设备上执行时，计算机可读程序使得该计算设备从多个本地实例接收与多个用户中的每个用户有关的监考数据。此外，当在计算设备上执行时，计算机可读程序使得该计算设备使用分类技术，基于与监考数据相关联的信息类型，对与多个用户中的每个用户有关的监考数据进行分类。此外，当在计算设备上执行时，计算机可读程序使得该计算设备使用树构造技术，基于对应的经分类的监考数据，生成与多个用户中的每个用户对应的加权事件树，其中加权事件树的每个节点表示事件和相关联的动态权重，并且其中连接两个相邻节点的边指示两个相邻节点之间的关系。此外，当在计算设备上执行时，计算机可读程序使得该计算设备通过添加与加权事件树相关联的多个权重来计算加权和(x)。此外，当在计算设备上执行时，计算机可读程序使得该计算设备基于加权事件树的长度、确认百分比和评估常数，计算动态路径分数(y)。此外，当在计算设备上执行时，计算机可读程序使得该计算设备基于加权事件树与存储在命令中心中的多个历史加权事件树之间的比较，计算事件路径匹配值(b)，其中事件路径匹配值是基于以下之一计算的：a)完整路径匹配，和b)部分路径匹配。此外，当在计算设备上执行时，计算机可读程序使得该计算设备使用基于事件树的回归技术，基于加权和(x)、动态路径分数(y)、评估类型值(a)和事件路径匹配值(b)，预测多个用户中的每个用户的最终分数。最后，当在计算设备上执行时，计算机可读程序使得该计算设备基于相关联的最终分数与多个预限定阈值之间的比较，预测多个用户中的每个用户的异常行为。
4、应当理解，前面的一般描述和下面的详细描述都仅是示例性和解释性的，而不是对所要求保护的本专利技术的限制。
本文档来自技高网...【技术保护点】
1.一种处理器实现的方法(400)，所述方法包括：
2.根据权利要求1所述的处理器实现的方法，其中，所述监考数据包括基于视频片段获得的多个事件、包括射频和蓝牙的多个信号信息、多个候选人的响应行为、关于包括键盘、屏幕行为等的多个外部设备的信息和不寻常的系统重新分配。
3.根据权利要求1所述的处理器实现的方法，其中，基于所述多个预限定阈值中的对应阈值，将所述多个用户中的每个用户的所述异常行为分类为高严重性、低严重性和中等严重性中的一者。
4.根据权利要求1所述的处理器实现的方法，其中，所述中央服务器的预测由所述命令中心验证，并且其中，由所述命令中心使用对应的颜色编码，将所述多个用户中的每个用户的异常行为的严重性作为警报消息给到相关联的在线监考人。
5.根据权利要求1所述的处理器实现的方法，其中，基于所述加权和(X)、所述动态路径分数(Y)、评估类型值(a)、事件路径偏差值和预限定阈值来计算所述确认百分比。
6.根据权利要求1所述的处理器实现的方法，其中，所述评估类型值指示高风险考试和低风险考试中的一者，并且其中，所述评估常数
7.根据权利要求1所述的处理器实现的方法，其中，所述动态权重与所述异常行为的准确度成比例，并且被周期性地更新。
8.一种系统(100)，包括：
9.根据权利要求8所述的系统，其中，所述监考数据包括基于视频片段获得的多个事件、包括射频和蓝牙的多个信号信息、多个候选人的响应行为、关于包括键盘、屏幕行为等的多个外部设备的信息和不寻常的系统重新分配。
10.根据权利要求8所述的系统，其中，基于所述多个预限定阈值中的对应阈值，将所述多个用户中的每个用户的所述异常行为分类为高严重性、低严重性和中等严重性中的一者。
11.根据权利要求8所述的系统，其中，所述中央服务器的预测由所述命令中心验证，并且其中，由所述命令中心使用对应的颜色编码，将所述多个用户中的每个用户的异常行为的严重性作为警报消息给到相关联的在线监考人。
12.根据权利要求8所述的系统，其中，基于所述加权和(X)、所述动态路径分数(Y)、评估类型值(a)、事件路径偏差值和预限定阈值来计算所述确认百分比。
13.根据权利要求8所述的系统，其中，所述评估类型值指示高风险考试和低风险考试中的一者，并且其中，所述评估常数是给予每个评估类型的值。
14.根据权利要求8所述的系统，其中，所述动态权重与所述异常行为的准确度成比例，并且被周期性地更新。
15.一个或多个非暂时性机器可读信息存储介质，包括一个或多个指令，所述一个或多个指令在执行时使得：
...【技术特征摘要】
1.一种处理器实现的方法(400)，所述方法包括：
2.根据权利要求1所述的处理器实现的方法，其中，所述监考数据包括基于视频片段获得的多个事件、包括射频和蓝牙的多个信号信息、多个候选人的响应行为、关于包括键盘、屏幕行为等的多个外部设备的信息和不寻常的系统重新分配。
3.根据权利要求1所述的处理器实现的方法，其中，基于所述多个预限定阈值中的对应阈值，将所述多个用户中的每个用户的所述异常行为分类为高严重性、低严重性和中等严重性中的一者。
4.根据权利要求1所述的处理器实现的方法，其中，所述中央服务器的预测由所述命令中心验证，并且其中，由所述命令中心使用对应的颜色编码，将所述多个用户中的每个用户的异常行为的严重性作为警报消息给到相关联的在线监考人。
5.根据权利要求1所述的处理器实现的方法，其中，基于所述加权和(x)、所述动态路径分数(y)、评估类型值(a)、事件路径偏差值和预限定阈值来计算所述确认百分比。
6.根据权利要求1所述的处理器实现的方法，其中，所述评估类型值指示高风险考试和低风险考试中的一者，并且其中，所述评估常数是给予每个评估类型的值。
7.根据权利要求1所述的处理器实现的方法，其中，所述动态权重与所述异常行为的准确度成比例，并且被周期性地更新。
8.一种...
【专利技术属性】
技术研发人员：维拉·普拉卡什·尚，马尼什·拉瓦特，法丁·可汗，里希·塞蒂亚，纳文·瓦伊什纳夫，
申请(专利权)人：塔塔顾问服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。