پديد آورنده :
ابراهيمي، عليرضا
عنوان :
نظارت بر امتحان با استفاده از يادگيري عميق
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
هوش مصنوعي و رباتيكز
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
دوازده، 82ص.: مصور (رنگي)، جدول، نمودار
استاد راهنما :
مهران صفاياني
استاد مشاور :
محمد حسين منشئي
توصيفگر ها :
آزمون برخط , نظارت بر آزمون , هوش مصنوعي , يادگيري عميق , نظارت ماشين , تحليل نقاط نگاه , دسته‌بندي ويديو , دسته‌بندي صوت
استاد داور :
نادر كريمي، عبدالرضا ميرزايي
تاريخ ورود اطلاعات :
1401/07/02
رشته تحصيلي :
مهندسي كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1401/07/02
چكيده فارسي :
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.
چكيده انگليسي :
The use of E-learning has drastically increased in recent years, with the COVID-19 pandemic being one of the main causes. Electronic exams are being used to assess the students, and one of the main concerns is cheating prevention. To this end, different methods are currently being used such as designing the exam procedure to prevent cheating, or human monitoring via video calls. Using human proctors is a laborious and expensive task. Some approaches take advantage of machine vision and deep learning to monitor the participants. In this research, five deep learning methods have been proposed. These methods only make use of the contents recorded by the front webcam and the microphone of examinee to detect suspicious behaviors. The first method uses an anomaly detection technique on examinee gaze points to find unusual activities. The second method classifies the gaze points of the subject to find the cheating probability. The third method uses the I3D network as a feature extractor to examine the content of the webcam video. Voice monitoring has been presented in the fourth method to prevent conversation with a third person. In this approach the voice file is analyzed in the frequency domain to detect speech. The fifth method applies a Mixture of Experts and weighting the outputs from the second, third and fourth models to decide whether the cheating is happening or not per each input. The results on real data show that the proposed methods are able to detect cheating in exams to great extend.
استاد راهنما :
مهران صفاياني
استاد مشاور :
محمد حسين منشئي
استاد داور :
نادر كريمي، عبدالرضا ميرزايي
