卷积循环神经网络在高考数学填空题评阅中的应用

在高利害型考试中(例如高考),阅卷是一项时间有限、条件有限的细致工作。当前,深度学习神经网络是人工智能领域中非常成功的算法,它能够模拟人来处理识别文字图片等数据。对于填空题这样的客观题型,利用深度学习技术,可以进一步提高阅卷效率和阅卷质量。文章将构建并训练可用于识别手写字符的神经网络模型,以实现高考数学中填空题的机器自动智能批阅。具体实现大致如下:首先对答题扫描图片进行预处理,然后用训练好的深度神经网络模型对答卷进行自动化批阅,最后对比人工阅卷结果进行差异化分析。结果表明,机器智能识别评分的准确率达到90%以上,对正确作答的召回达到甚至超过了预期水平。相比之前智能通过采样少量样本预测评分得分率,智能阅卷可以利用全部答卷(即总体),给出更加准确的得分率,这对评分细则的制定十分有益。此外,通过差异化分析,智能阅卷还能辅助阅卷质检人员,尽量避免可能存在疑问的答卷图片。