- 综合排序
- 最热优先
- 最新优先
- 来自专栏镁客网
不止会下棋，人工智能还能高考阅卷
孰不知，人工智能不仅会下棋，还能高考阅卷。 据日本文部科学省估算，在对问答题进行评分时，假设考生有53万人，但阅卷者只有800人的话，就算将培训中的阅卷者也包括在内，阅完所有试卷则需要20到60天。 这便意味着，从考试到公布分数这段时间，不仅阅卷者工作量庞大，等待分数结果的人们心理的负担会更大。而且，对这对于高中教学和考场安排都会造成一定的影响。因此，缩短阅卷时间是必须的。 目前，中国运用在考试阅卷中的技术，大多以机读卡（一种简单的光学字符识别（OCR）的技术）为主。但是，这只能减少选择题的阅卷工作量。 像以上提到的问答题，还有作文等，要在规定时间内完成人工阅卷，评分的准确性和稳定性都难以做到完全保障。
1.1K50发布于 2018-05-28 - 来自专栏北京马哥教育
皇上请阅卷！【2016运维高考-考卷汇总】
一年一度高考时，马帮小伙伴也没闲着，做了一套“运维高考题”，那么现在就由你，没错，就是你————最敬爱的大众评审来一起阅卷啦！ We want you！！！ 2、说说进程和线程的区别 3、查询file.txt以abc结尾的行 4、删除file.txt文件中的空行 5、打印file.txt文件中的第10行 6、对MySQL数据库test进行备份和恢复 备份：
1K90发布于 2018-05-07 - 来自专栏机器学习与统计学
利用Python开发智能阅卷系统（附源代码）
本文为“机器学习交流群”群友华兵同学投稿 随着现代图像处理和人工智能技术的快速发展，不少学者尝试讲CV应用到教学领域，能够代替老师去阅卷，将老师从繁杂劳累的阅卷中解放出来，从而进一步有效的推动教学质量上一个台阶 传统的人工阅卷，工作繁琐，效率低下，进度难以控制且容易出现试卷遗漏未改、登分失误等现象。 ? 现代的“机器阅卷”，工作便捷、效率高、易操作，只需要一个相机（手机），拍照即可获取成绩，可以导入Excel表格便于存档管理。 ? ("-i", "--image", default="test_01.png") args = vars(ap.parse_args()) # 正确答案 ANSWER_KEY = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1} # def order_points(pts): # 一共4个坐标点 rect = np.zeros((4, 2), dtype = "float32"
2.8K30发布于 2019-12-10 软考启用AI辅助阅卷，考试该如何写出让AI模型和阅卷专家都青睐的满分论文？
根据工业和信息化部教育与考试中心在2025年8月采购的“国家职业资格考试及公开招聘考试阅卷技术服务”项目中，明确包含了AI辅助阅卷功能（支持填空题、问答题、论文题等题型的AI评阅功能）。 这意味着，一篇软考论文将同时面对“阅卷专家”的审查与“AI阅卷”的扫描分析。阅卷专家基于丰富的专业经验，对论文的实践真实性、论述深度与评分细则进行综合评判。 真正的关键，在于读懂这场“人机协同”阅卷背后的新规则！ 因此，我大胆推断，AI阅卷在阅卷整个过程中可能扮演两个角色：一是作为“初筛器”，快速提取作答论文的结构要素、关键词和量化数据，为阅卷专家生成初步分析报告；二是作为“校准器”，在多评机制下，辅助识别不同阅卷专家评分间的异常偏差 4、真实性塑造：在合理范围内构建可信叙事 AI阅卷虽不能直接判断项目真伪，但能辅助检测论文叙述逻辑矛盾和常识异常，阅卷专家则通过AI模型给出的初步判断再结合人工经验，最终判断真伪。
12800编辑于 2026-07-08- 来自专栏程序IT圈
利用Python开发智能阅卷系统（附源代码）
随着现代图像处理和人工智能技术的快速发展，不少学者尝试讲CV应用到教学领域，能够代替老师去阅卷，将老师从繁杂劳累的阅卷中解放出来，从而进一步有效的推动教学质量上一个台阶。 传统的人工阅卷，工作繁琐，效率低下，进度难以控制且容易出现试卷遗漏未改、登分失误等现象。 ? 现代的“机器阅卷”，工作便捷、效率高、易操作，只需要一个相机（手机），拍照即可获取成绩，可以导入Excel表格便于存档管理。 ? ("-i", "--image", default="test_01.png") args = vars(ap.parse_args()) # 正确答案 ANSWER_KEY = {0: 1, 1: 4, 2: 0, 3: 3, 4: 1} # def order_points(pts): # 一共4个坐标点 rect = np.zeros((4, 2), dtype = "float32"
1.6K10发布于 2021-01-19 - 来自专栏新智元
高考&中考也AI，机器人阅卷技术曝光
人工智能技术为解决这一问题提供了一种可能性——让智能化的机器来阅卷。 机器阅卷可以保证过程的客观性和一致性，从某种程度上来说是保证高考公平公正的一个方法。 要想机器阅卷技术真正普及并为阅卷工作带来便利，无法回避的一个难关就是：批阅学生用母语写的作文。 机器阅卷技术的未来 未来，随着人工智能技术的发展，除了开放式作文、甚至政史地问答题等试题的批阅中，机器都可以自动阅卷。机器可以自动学习教师的阅卷方法。 如果全自动机器阅卷变成现实，“阅卷”这件需要教师们投入大量人力物力才能完成的事将变得轻松，教师们将会有更多的时间和精力被解放出来，投入到对教学方法、教学手段等创造性工作的研究中，相信学生们也会因此获得更好 目前，在国内机器智能阅卷技术发展中，科大讯飞已经在安庆、合肥等地成功试点应用。
4.1K60发布于 2018-03-26 - 来自专栏Lan小站
用Python快速阅卷选择、填空题等客观题目
使用说明： 将所有需要阅卷的答案按照以下格式放到一个target.txt文档中： 姓名+空格+答案1+答案2 多个学生请换行隔开 如： 学生1 A B B B C B B B BD C D C D B
85710编辑于 2022-07-14 WorkBuddy保姆级教程（廿六）｜教研组长的日常——从命题到阅卷分析
放在以前，这些事儿能让我从早忙到晚。但现在？三个小时内全部搞定。怎么做到的？往下看。
18710编辑于 2026-07-13阅卷老师给腾讯元宝的高考作文打了个分
如果你是阅卷老师，会给腾讯元宝的作文打多少分？
78110编辑于 2024-06-07- 来自专栏TEL18600524535
解码笔迹：手写体文字识别技术驱动阅卷系统智能化变革
传统人工阅卷方式受限于效率、成本与主观性，难以满足大规模、高时效的现代教育评估需求。基于深度学习的手写体文字识别技术，正在为这一痛点提供智能化解决方案，悄然改变着阅卷系统的运作模式。 传统阅卷面临多重挑战：教师需投入大量时间进行重复性劳动；人工评判难以完全避免主观差异；大规模考试后的分数统计与成绩分析工作繁琐且易出错；纸质试卷的存储、管理与调阅成本高昂。 早期基于简单图像处理的自动化阅卷技术，对手写体，尤其是书写潦草、布局复杂、有涂改痕迹的文本识别率低，难以实际应用。 将手写体文字识别术集成到阅卷系统中，催生了高效、精准、多维的智能化阅卷新范式：高效客观题判卷：对选择题、判断题、填空题等，系统可实现毫秒级自动识别与评分，效率提升数十倍，且结果绝对客观一致。 中科逸视的手写体文字识别技术，如同为传统的阅卷系统装上了“智慧之眼”和“分析大脑”，不仅提升了效率，更在悄然重塑教育评价的形态与内涵，助力教育领域在数字化浪潮中迈向更加公平、高效、个性化的未来。
69710编辑于 2025-12-09 已经确定了，软考从本次考试开始将启用AI辅助阅卷！
根据工业和信息化部教育与考试中心在2025年8月采购的“国家职业资格考试及公开招聘考试阅卷技术服务”项目中，明确包含了AI辅助阅卷功能（支持填空题、问答题、论文题等题型的AI评阅功能）。 对备考的影响：要更加注重答题的规范性和内容质量，因为阅卷过程高度标准化，减少了阅卷主观偏差的可能，在备考时需更扎实地掌握知识点，避免模糊表述或结构混乱，并针对常见错误进行针对性练习，避免侥幸心理，从而提升整体效果 系统对阅卷一致性和稳定性的监控意味着评分标准更统一，需严格遵循考试要求作答，而非依赖过去阅卷人员的个人偏好。 总结就是：该系统可提升阅卷质量，保障成绩的客观性，促进考试的公平性。 总结 现在各个行业都在为改变、提效引入AI，软考作为国内计算机专业等级最高级别考试，引入AI进行辅助阅卷也是非常合理的，个人认为引入AI辅助阅卷，不仅没有提高考试难度，反而让考试考试难度变得简单！
16400编辑于 2026-07-08- 来自专栏编程进阶实战
一款基于 .NET8 + Vue 开源、免费、跨平台的企业级在线考试系统
功能介绍 管理端功能丰富，包括发布考试、阅卷、考试管理、答题竞赛、问卷调查等。 发布考试 支持正式考试、模拟自测 等模式。 支持随机出题、手动选题、开考随机 等出题方式。 支持手动阅卷、自动阅卷 等判分方式。 支持证书绑定，考试通过即可获得证书。 阅卷 管理员可以分配多个答卷给不同的阅卷老师进行阅卷，阅卷老师通过该功能进行判分。
84010编辑于 2025-01-18 在线教育系统开发：AI阅卷+在线考试+学习分析功能设计
一套成熟的在线教育APP或小程序，更应该把考试、阅卷、学习记录和数据分析串联起来，让考试数据真正参与到后续教学过程中，而不是停留在"分数展示"这一层。 二、AI阅卷更适合与规则引擎配合客观题可以直接按照标准答案评分，但简答题、案例分析等开放题型，处理方式完全不同。不少项目会直接调用大模型完成评分，这种方式实现简单，却容易因为提示词变化导致结果波动。 无论是在线考试、AI阅卷还是学习分析，本质上都围绕同一套学习数据展开。前期把数据结构和服务架构规划好，后续增加AI助教、知识库问答、学习推荐等功能时，整体开发成本会更容易控制，系统维护也更加轻松。
15910编辑于 2026-07-032026年法律从业者竟无需再为案件材料的报告怎么写而烦恼？
一个案件动辄几百页PDF，既有电子件也有扫描件，手动翻阅提取关键信息耗时耗力，更别提还要撰写阅卷报告、分析银行流水。 3.阅卷报告撰写繁琐恢复执行案件需要系统性梳理当事人信息、判决主文、执行情况、财产线索，写成标准化的粤卷格式报告，每次从零开始写至少两三个小时。 我的方案是三个技能协同：技能功能输入输出阅卷OCR卷宗PDF批量文字提取PDF文件夹每份PDF对应的txt流水分析银行流水深度分析银行流水Excel/PDF财产线索分析报告（PDF）阅卷报告执行案件分析报告撰写卷宗 txt+案件信息阅卷格式报告（Word/PDF）下面逐步讲解每个环节的搭建方法。 步骤4：阅卷报告生成最后一步，用阅卷Skill自动生成符合法律标准的执行案件分析报告。
35511编辑于 2026-06-11- 来自专栏DotNet NB && CloudNative
强烈推荐一个 .NET8 + Vue 开源、免费、跨平台、企业级在线考试系统，同时支持手机端和管理端
在线阅卷，管理员可以分配多个答卷给不同的阅卷老师进行阅卷，阅卷老师通过该功能进行判分。 答题竞赛，持长连接，支持观战。
84700编辑于 2025-01-20 - 来自专栏DotNet NB && CloudNative
一款基于 .NET8 + Vue 开源、免费、跨平台的企业级在线考试系统
功能介绍 管理端功能丰富，包括发布考试、阅卷、考试管理、答题竞赛、问卷调查等。 发布考试 支持正式考试、模拟自测 等模式 支持随机出题、手动选题、开考随机 等出题方式 支持手动阅卷、自动阅卷 等判分方式 支持证书绑定，考试通过即可获得证书 阅卷 管理员可以分配多个答卷给不同的阅卷老师进行阅卷 ，阅卷老师通过该功能进行判分。
93210编辑于 2025-02-28 - 来自专栏用户8858632的专栏
人工智能在哪些方面对教育影响最大?
科大讯飞AI研究院北京分院副院长付瑞吉博士介绍说，“人工智能在考试阅卷上也有不俗的表现，引入智能阅卷技术，可对空白卷、疑似雷同等问题卷进行检测，节省20%的工作。 2017年上半年，智能阅卷技术在CET及全国25个地区的中考、高考、学考中使用，覆盖近700万名考生。” 当前，图像识别、语音识别、人机交互等人工智能应用技术在教育领域都有了应用。 比如，通过图像识别技术，人工智能可以将教师从繁重的批改作业和阅卷工作中解放出来；语音识别和语义分析技术，可以辅助教师进行英语口试测评，也可以纠正、改进学生的英语发音；而人机交互技术，可以协助教师为学生在线答疑解惑
77020编辑于 2022-01-11 以AI阅卷客观角度来分析“论软件静态测试及其应用（系分）”有哪些AI的喜好？
【公ZH：“程序员古德”，专注软考架构|系分领域】 AI在阅卷过程中主要扮演“初筛器”和“校准器”的角色，其核心是高效、精准地执行既有的官方评分规则。 因此，从AI阅卷的角度，一篇高分论文需要具备良好的机器可读性（清晰结构、规范术语、量化细节）和深刻的人工可理解性（真实可信、逻辑严密、体现专业深度）。 4、逻辑严密的结构 a）AI初筛关注点：“背景→问题→解决方案→效果→总结”的框架是否完整；段落是否有“问题-方法-效果”的闭环。 4、效果量化 a）正面例子（高分）：“通过静态测试，需求文档缺陷数降低40%，代码缺陷密度从1.2个/千行降至0.5个/千行，后期动态测试阶段缺陷修复成本减少35%。”
10100编辑于 2026-07-08十分钟教条与经验，轻松搞定系统分析师的案例分析
案例技巧 目的就是为了方便阅卷老师，让阅卷老师看到你的答案就感到舒服，那么你的分数自然就高了。 案例的技巧主要分为： 条理清晰：一定要让阅卷老师感受到你的条理清晰。 因为阅卷老师是按答案的点给分的，所以，条理清晰便于阅卷老师迅速找到答案的点。 合理选题：由于案例分析是1 + 2/4（即第一题必写，后面四道题选做两道），但是答案纸只有三题的空间，所以合理选择要做的题目是很重要的。我见到不少考试后，抱怨说自己选择题目的。 所以，如果答案分数是8分，那么单点分数可能是1,2,4点（单点分数一般不会超过4分。超过了说明你还需要进行拆分）。这样我们就知道答案一共有8,4,2个点。 4‘：层次架构：归属于调用/返回架构风格，其提供了一种隔离系统各层功能的模型。其优点是xxx。其缺点是xxx。我们通常使用层次架构风格，实现xxxx，从而确保xxx。
57210编辑于 2025-08-26以AI阅卷客观角度来分析“论无服务器架构（Serverless）”有哪些AI的喜好？
结合AI辅助阅卷的特点，针对“论无服务器架构（Serverless）”这题，AI模型在初筛和评分时会重点关注量化细节、结构逻辑、术语与关键词、真实性塑造这四个维度。 量化细节（对应题目要求3） 正面例子：“在用户上传图片处理场景中，原自建服务器需预置4台ECS（峰值利用率仅30%），采用AWS Lambda后，设置函数内存为1024MB，超时时间30秒。 4. 真实性塑造（对应题目要求1） 正面例子：“我作为架构师，主导了从单体架构向Serverless迁移的方案设计。 4. 真实性存疑 反面例子：“我负责的社交平台项目，用户量10亿，全部用Lambda处理消息，未遇到任何冷启动或超时问题。” 【公ZH：“程序员古德”，专注软考架构|系分领域】 4） AI阅卷的评分逻辑 1、初筛器角色：AI会快速提取论文中的量化数据、关键词频率、结构标记（如“问题”“解决方案”等小标题），若这些要素缺失或混乱
11400编辑于 2026-07-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号