电子作弊防范措施：基于深度学习方法检测在线考试作弊的个案研究
人机交互
2021-01-26 v1 密码学与安全
计算机与社会
机器学习
摘要
本研究探讨了在线评估中当前存在的问题，这些问题在 Covid-19 大流行期间尤为突出。我们的关注点在于与在线评估相关的学术不端行为。我们通过一个案例研究调查了潜在电子作弊的普遍程度，并提出了可实施的防范措施。我们利用了一个电子作弊智能代理作为检测在线作弊行为的机制，该代理由两个主要模块组成：网际协议（IP）检测器和行为检测器。该智能代理监控学生行为，并能够预防和检测任何恶意行为。它可用于在课程考试中分配随机化的多项选择题，并可与在线学习程序集成以监控学生行为。所提方法在各种数据集上进行了测试，证实了其有效性。结果显示深度神经网络（DNN）准确率为 68%；长短期记忆网络（LSTM）为 92%；DenseLSTM 为 95%；循环神经网络（RNN）为 86%。
引用
@article{arxiv.2101.09841,
title = {E-cheating Prevention Measures: Detection of Cheating at Online Examinations Using Deep Learning Approach -- A Case Study},
author = {Leslie Ching Ow Tiong and HeeJeong Jasmine Lee},
journal= {arXiv preprint arXiv:2101.09841},
year = {2021}
}