一种基于AI批改的数据处理方法、系统和电子设备与流程

一种基于ai批改的数据处理方法、系统和电子设备
技术领域
1.本发明属于智慧教育技术领域，尤其涉及一种基于ai批改的数据处理方法、系统和电子设备。


背景技术：

2.随着科技的发展和智能教育的推进，在传统教育活动中加入大数据思维，已经是不可逆转的趋势，意思是，在针对学生平时作业、考试等做题情况所产生的海量信息数据，对其进行有效归纳和分析，以形成对学生、班级、学校等多个维度的教学质量评价，但是目前还没有一种有效的方法或者系统能全面地收集此类教学相关数据，也无法有效利用此类数据来指导学生、老师、学校等多个层面的活动。


技术实现要素：

3.本发明的目的在于克服上述现有技术存在的不足，提供一种基于ai批改的数据处理方法、系统和电子设备，解决了现有技术中无法便捷高效收集与教学相关的海量数据，更无法有效利用大数据来指导日常学习活动。
4.为了实现上述目的，第一方面，本发明提供一种基于ai批改的数据处理方法，包括以下步骤：
5.收集纸质答题载体，所述纸质答题载体上包含二维码信息，所述二维码信息至少包括学生身份信息、题目信息在内的信息；
6.对纸质答题载体进行扫描或者拍照，得到灰度jpg文件格式的上传图像，并将所述上传图像提交至云识别端；
7.识别二维码信息，确定学生身份信息和题目信息，在题目数据库中调取对应的题目模板数据，检测识别出上传图像中的手写作答区的内容，并与题目模板数据进行匹配校验，完成ai批改；
8.对ai批改结果进行人工校正，最终得到批改数据，结合学生、班级、年级的错题情况，生成对应的错题本，根据学生对错题的订正生成订正本，提供巩固练习，并生成学业评价报告。
9.在一些实施例中，对扫描或者拍照得到的若干张上传图像进行压缩，按最小压缩单位容量压缩成多个压缩包；
10.在云识别端将压缩包解压成多个独立资源数据包，将独立资源数据包随机放入若干个资源处理队列中，按先进先出的算法，在资源处理队列的出口端处，利用若干个识别线程逐个对出队的独立资源数据包进行扫描，以识别二维码信息。
11.在一些实施例中，根据批改数据，按学生、班级、年级三个维度进行错题分类，其中：
12.将每位学生的错题归纳为个人错题数据库；
13.统计整个班级所有学生对于每道题目的错误率，对大于班级平均设定错误率的题
目定义为班级共性错题，将所有班级共性错题归纳为班级错题数据库，并按错误率由高至低排序；
14.统计整个年级所有学生对于每道题目的错误率，对大于年级平均设定错误率的题目定义为年级共性错题，将所有年级共性错题归纳为年级错题数据库，并按错误率由高至低排序；
15.根据个人错题数据库、班级错题数据库、年级错题数据库内的错题，生成错题本。
16.在一些实施例中，班级平均设定错误率的数值大于年级平均设定错误率。
17.在一些实施例中，向学生绑定的移动终端、app端或小程序端推送错题本，学生线上完成错题订正，向教师的处理终端推送订正结果，教师对订正结果进行检查，并生成订正本。
18.在一些实施例中，综合错题本和订正本，对错题按章节、题型、难度、知识点、能力层次等维度进行分类，选定一个维度后，得到错题本和订正本在此维度下的推送题目组，结合其他学生的错题和订正情况，在推送题目组中选取若干道同维度题目组成巩固练习题组，并向学生绑定的移动终端、app端或小程序端推送巩固练习题组。
19.在一些实施例中，学生针对推送的错题本和巩固练习题组，对于客观题，直接在处理端作答；对于主观题，通过上传解题图像作答。
20.在一些实施例中，所述学业评价报告包括总体评语、数据概览、学习成长趋势图、学业等级、能力层次和学科均衡诊断。
21.在一些实施例中，在作答前，学生先扫描二维码进行打卡，记录开始作答时间；作答完成后，再扫描二维码打卡，记录完成时间，统计作答耗时；所述数据概览包括学生的作答耗时、提交率、练习次数。
22.在一些实施例中，以周、月、季度、学期或学年为时间单位，统计各科的综合成绩，分析得到学科得分率和学业等级，其中：
23.学科得分率＝∑各科得分
÷
∑各科满分
×
100％；
24.学业等级按以下标准分类：
25.学科得分率在[90％，100％]表示a等级，评价是优秀；
[0026]
学科得分率在[75％，90％)表示b等级，评价是良好；
[0027]
学科得分率在[60％，75％)表示c等级，评价是合格；
[0028]
学科得分率在[0％，60％)表示d等级，评价是需努力；
[0029]
根据时间单位拟合绘制学习成长趋势图。
[0030]
在一些实施例中，所述能力层次包括知道、理解、分析、应用、综合和拓展六个特定能力层次，将题目按以上六个特定能力层次进行分类，针对某个特定能力层次，确定其特定能力层次系数，以理解能力为例，关于理解能力的题目有n道题，其计算标准如下：
[0031]
班级理解能力系数通过班级理解题目的平均得分率计算，其公式如下：
[0032]
班级理解能力系数＝班级n道题目的得分之和
÷
(n道题满分之和
×
班级人数)；
[0033]
年级理解能力系数通过年级理解题目的平均得分率计算，其公式如下：
[0034]
年级理解能力系数＝年级n道题目的得分之和
÷
(n道题满分之和
×
年级人数)；
[0035]
其中，未提交或未批改的学生不纳入计算；如果本次成绩不属于某个特定能力层次指标，则该项特定能力层次指标默认按照平均得分率50％计算。
[0036]
在一些实施例中，在学科均衡诊断中，通过对学生和班级的学科平均得分率进行对比，得到学生的优势学科和待提高学科，其中：
[0037]
若学生的某一学科平均得分率高于班级的学科平均得分率，则定义该学科为优势学科；
[0038]
若学生的某一学科平均得分率低于或等于班级的学科平均得分率，则定义该学科为待提高学科。
[0039]
在一些实施例中，利用批改数据，生成校级报告、学校学情、班级学情和教学统计的教学评价数据，其中：
[0040]
校级报告包括综合成绩报表、综合成绩分析、学科分析、班级分析和校级分析，结合全市各学校的校级报告，分析学校等级。
[0041]
学校学情包括学情报告分析、提交情况分析、完成情况分析和正确率分析。
[0042]
班级学情包括提交情况分析、高频错题分析、成绩轨迹分析和能力诊断。
[0043]
教学统计包括年级统计、班级统计、教师统计和错题排行。
[0044]
第二方面，本发明提供一种应用于如上述基于ai批改的数据处理方法的系统，包括：
[0045]
收集上传模块，所述收集上传模块被配置为对所收集的纸质答题载体进行扫描或者拍照，得到灰度jpg文件格式的上传图像，并将所述上传图像提交至云识别端，所述所述纸质答题载体上包含二维码信息，所述二维码信息至少包括学生身份信息、题目信息在内的信息；
[0046]
识别批改模块，所述识别批改模块被配置为根据上传图像确定学生身份信息和题目信息，在题目数据库中调取对应的题目模板数据，检测识别出上传图像中的手写作答区的内容，并与题目模板数据进行匹配校验，完成ai批改；
[0047]
质量评价模块，所述质量评价模块被配置为对ai批改结果进行人工校正，最终得到批改数据，结合学生、班级、年级的错题情况，生成对应的错题本，根据学生对错题的订正生成订正本，提供巩固练习，并生成学业评价报告。
[0048]
第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如上述基于ai批改的数据处理方法。
[0049]
本发明的有益效果：
[0050]
因此，根据本公开的实施例，将纸质答题载体与学生身份通过二维码一一对应，此纸质答题载体可以是每天的作业，也可以是学校组织考试的试卷，可以通过学生个人进行扫描或者拍照上传，也可以通过老师收集班级所有学生的纸质答题载体后统一扫描或者拍照上传，利用云识别端的题目模板数据完成ai批改，得到批改数据，完成了海量教学数据的统计；
[0051]
再结合学生、班级、年级的错题情况，生成对应的错题本，根据学生对错题的订正生成订正本，提供巩固练习，并生成学业评价报告，进而生成校级报告、学校学情、班级学情和教学统计的教学评价数据，提供多种教学质量评价的方式，具有应用广泛性。
附图说明
[0052]
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0053]
图1是本发明提供的一种基于ai批改的数据处理方法的逻辑原理图。
[0054]
图2是在本发明提供的一种基于ai批改的数据处理方法的流程框架简要示意图。
[0055]
图3是本发明提供方法中质量评价的示意图。
[0056]
图4是本发明提供的一种基于ai批改的数据处理系统的示意图。
具体实施方式
[0057]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0058]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0059]
申请人研究发现：
[0060]
在针对学生平时作业、考试等做题情况所产生的海量信息数据，对其进行有效归纳和分析，以形成对学生、班级、学校等多个维度的教学质量评价的过程中，目前还没有一种有效的方法或者系统能全面地收集此类教学相关数据，也无法有效利用此类数据来指导学生、老师、学校等多个层面的活动。
[0061]
有鉴于此，第一方面，参照图1和图2，在本发明中提供一种基于ai批改的数据处理方法，包括以下步骤：
[0062]
收集纸质答题载体，此纸质答题载体可以是作业本，也可以是考试试卷，还可以是练习册，不限定其类型，学生在这个纸质答题载体上手工作答，在书写区域写上答案，所述纸质答题载体上包含二维码信息，这个二维码可以是本纸质答题载体上本身印有的，也可以是后续学生或者教师通过不干胶粘贴的二维码贴纸，所述二维码信息至少包括学生身份信息、题目信息在内的信息，其中学生身份信息包括姓名、班级、学号等，方便追踪到个人，而题目信息包括本纸质答题载体的相关信息，例如作业所属的章节、知识点，考试的名称、科目等，以方便定义本次纸质答题载体的各项属性；
[0063]
对纸质答题载体进行扫描或者拍照，在扫描时可用高速扫描仪扫描，得到灰度jpg文件格式的上传图像，图像必须灰度清晰，其dpi至少是150及以上，并将所述上传图像提交至云识别端；
[0064]
云识别端通过识别二维码信息，获得二维码内所包含的信息，以确定学生身份信息和题目信息，在云识别端存储着有一个题目数据库，题目数据库中包括了所有题目的题干和答案，形成了题目模板数据，由于二维码中包含有详细的题目信息，因此可在题目数据库中调取对应的题目模板数据，检测识别出上传图像中的手写作答区的内容，并与题目模
板数据进行匹配校验，进而实现对、错、存疑的自动批改，至此完成ai批改；
[0065]
在云识别端完成ai批改后，教师等检查人员可进入到与云识别端连接的校正端，对ai批改结果中存疑的部分进行人工校正，以确保批改的准确度，最终得到批改数据，结合学生、班级、年级的错题情况，生成对应的错题本，根据学生对错题的订正生成订正本，提供巩固练习，并生成学业评价报告。
[0066]
需要说明的是，本实施例将纸质答题载体与学生身份通过二维码一一对应，此纸质答题载体可以是每天的作业，也可以是学校组织考试的试卷，可以通过学生个人进行扫描或者拍照上传，也可以通过老师收集班级所有学生的纸质答题载体后统一扫描或者拍照上传，利用云识别端的题目模板数据完成ai批改，得到批改数据，完成了海量教学数据的统计；
[0067]
再结合学生、班级、年级的错题情况，生成对应的错题本，根据学生对错题的订正生成订正本，提供巩固练习，并生成学业评价报告，进而生成校级报告、学校学情、班级学情和教学统计的教学评价数据，提供多种教学质量评价的方式，具有应用广泛性。
[0068]
本方法中的收集和扫描动作，可以由学生本人完成，也可以由老师来完成，当学生在家完成每日作业后，可以在家通过本系统上传做完作业后的图像，而在云识别端即能完成ai批改，减轻老师批改作业的负担，老师只需第二天针对存疑的地方进行校正即可，有更多的时间来考虑如何根据所产生的的海量批改数据，进行因材施教，有针对性的辅导；当老师来负责收集整个班级的纸质答题载体，并扫描或拍照上传时，对扫描或者拍照得到的若干张上传图像进行压缩，按最小压缩单位容量压缩成多个压缩包；
[0069]
在云识别端将压缩包解压成多个独立资源数据包，将独立资源数据包随机放入若干个资源处理队列中，按先进先出的算法，在资源处理队列的出口端处，利用若干个识别线程逐个对出队的独立资源数据包进行扫描，以识别二维码信息。
[0070]
需要说明的是，在完成扫描或者拍照之后，对所得到的若干张上传图像进行压缩，其中最小压缩单位容量为200m，zip压缩包的容量不大于200m；在云识别端接收到zip压缩包后，调用解压功能，将zip压缩包解压成多个独立资源数据包，通过负载均衡的方式，将独立资源数据包随机放入5个资源处理队列中，进行排队处理，并采用先进先出的算法，使用10个识别线程，将独立资源数据包从5个资源处理队列中出队，每出来一个独立资源数据包，10个识别线程其中的一个识别线程就拿走，并进行扫描图像，获取二维码内所包含的信息，并继续进行下一步ai批改等步骤。
[0071]
在本实施例中，根据批改数据，在得到了海量数据后，按学生、班级、年级三个维度进行错题分类，其中：
[0072]
将每位学生的错题归纳为个人错题数据库，无论是日常作业，还是考试试题，但凡属于本人做错的题目，都归纳到个人错题数据库，节省了自己去整理的繁琐工作；
[0073]
统计整个班级所有学生对于每道题目的错误率，对大于班级平均设定错误率的题目定义为班级共性错题，将所有班级共性错题归纳为班级错题数据库，并按错误率由高至低排序，当一道题的错误率大于班级平均设定错误率时，证明这道题比较有难度，很多人都做错，以班级为单位汇总了共性错题，可以得知班级上其他人容易做错哪些题目，学生或者老师可以根据此班级错题数据库，针对性的提高学习发力点，提高对某知识点的教学力度；
[0074]
统计整个年级所有学生对于每道题目的错误率，对大于年级平均设定错误率的题
目定义为年级共性错题，将所有年级共性错题归纳为年级错题数据库，并按错误率由高至低排序，当一道题的错误率大于年级平均设定错误率时，证明这道题比较有难度，很多人都做错，以年级为单位汇总了共性错题，可以得知年级上其他人容易做错哪些题目，这一层面的数据更容易让校级的领导或老师利用，除了实现班级错题数据库的作用，还能让校级领导掌握不同班级不同老师的教学质量，针对某一科目或者某一知识点，各个班级之间掌握的不一样，针对掌握较差的班级进行特别的辅导，而不像传统的教学常态，只能等到大考才能看到不同班级之间的差距，而且往往这种差距只是最终分数的差距，而不是对于知识点分类的差距；
[0075]
根据个人错题数据库、班级错题数据库、年级错题数据库内的错题，生成错题本，最后落脚于学生个人，个人错题数据库中所有的错题，班级错题数据库、年级错题数据库中挑选错误率排序前5的错题，共同组成专属某一学生的错题本。
[0076]
优选地，班级平均设定错误率的数值大于年级平均设定错误率，其中班级平均设定错误率为40％，年级平均设定错误率为30％，避免整个错题数据库数量过大，对错误率进行筛选，同时为了提高采样的准确性和实用性，在班级中，要错误率更高才能进入错题数据库，而年级人数更多，更能反应数据的真实性，对错误率的要求就没这么高，也不会产生失真的情况。
[0077]
当然地，针对学生的水平，这个平均设定错误率也可以做相应的调整；如果学生成绩较好，本来就属于优等生，此时控制将平均设定错误率调高，并且设定为一个区间，例如在90～95％之间，在样本量够大的情况下，在这个区间范围内的错题难度非常高，绝大部分人都做错了，可能本次考试这位学生做对，但是未引起他足够的重视，通过错题本的推送能让其温故而知新。
[0078]
在本实施例中，建立好错题本后，向学生绑定的移动终端、app端或小程序端推送错题本，即通过手机、电脑、软件程序或者特定的电子设备推送给学生，学生在线上就完成错题订正，向教师的处理终端推送订正结果，教师对订正结果进行检查，并生成订正本，这个订正的动作，主要是让学生针对错题，自己再做一遍，对于订正的结果是否合适，则由教师进修检查把控和督促，教师也可以通过其处理终端向学生发送督促信息，使其及时完成错题订正。
[0079]
在本实施例中，综合错题本和订正本，在经过错题本和订正本的反复筛选后，剩下的都是一些学生的易错点，属于学生的弱势，对错题按章节、题型、难度、知识点、能力层次等维度进行分类，选定一个维度后，得到错题本和订正本在此维度下的推送题目组，结合其他学生的错题和订正情况，在推送题目组中选取若干道同维度题目组成巩固练习题组，并向学生绑定的移动终端、app端或小程序端推送巩固练习题组。
[0080]
需要说明的是，由于不同的维度学生都通用，包括知识点也是共性的，当选定一个学生的某一维度某一知识点后，可以参照其他学生的错题和订正情况，在选取题目组成巩固练习题组，可以参考下其他学生的易错题，这个巩固的过程不再是针对某一学生的学习情况，而是可以融合同班级或者同年级多位跟他水平相仿的学生，进行综合推送，例如一位常年在年级排名前10的学生，在做巩固练习时，由于他本身对知识点的掌握已经较牢固了，他本身的错题可能不会太多，此时可以参考年级排名前20的同学，参考他们的错题，资源共用，共同进步，同时老师或者学生还可设定这个参考的名单，即在数学学科上，选定某几位
同学作为参考目标，可共用他们的错题本和订正本，这样对学生的提升更高效。
[0081]
作为一种实施方式，学生针对推送的错题本和巩固练习题组，对于客观题，直接在处理端作答；对于主观题，通过上传解题图像作答，由于已经将批改数据信息化，所有数据都是在网上传输，不同于目前常常在手机上进行学习，本处理端可为独立专用的电子设备，学生在摆脱手机等容易受到其他诱惑干扰的设备后，用专用的电子设备进行答题，如果是选择题或者判断题，则直接在此处理端上作答，如果是解答题或填空题，则通过上传解题图像进行作答，当然地，教师的处理终端也可以主动向其发送督促信息，并进行结果的检查。
[0082]
在本实施例中，批改数据除了通过错题本、订正本和巩固练习的方式向学生反馈，还可以使教师对教学质量的评价更真实高效，因此生成的学业评价报告中可以包括总体评语、数据概览、学习成长趋势图、学业等级、能力层次和学科均衡诊断等多个维度。
[0083]
其中：
[0084]
总体评语包括全科或单科提交率、获得奖励的情况；学科学业等级分析和应对措施；优势学科和劣势学科分析；学科成长趋势情况分析；能力层次分析等。
[0085]
数据概览包括学生的作答耗时、提交率、练习次数。另外地，在作答前，学生先扫描二维码进行打卡，记录开始作答时间；作答完成后，再扫描二维码打卡，记录完成时间，统计作答耗时，通过此作答耗时，可以反馈学生做作业的快慢，也可以掌握学生在家里做作业的情况，对学习时间的把控有较大用处。
[0086]
在制作学习成长趋势图时，以周、月、季度、学期或学年为时间单位，统计各科的综合成绩，分析得到学科得分率和学业等级，其中：
[0087]
学科得分率＝∑各科得分
÷
∑各科满分
×
100％；
[0088]
学业等级按以下标准分类：
[0089]
学科得分率在[90％，100％]表示a等级，评价是优秀；
[0090]
学科得分率在[75％，90％)表示b等级，评价是良好；
[0091]
学科得分率在[60％，75％)表示c等级，评价是合格；
[0092]
学科得分率在[0％，60％)表示d等级，评价是需努力；
[0093]
根据时间单位拟合绘制学习成长趋势图，如果以周为时间单位，应对与每周的小考或者作业分数，算出每周对应的学科得分率和学业等级，可明显看出这名学生随着时间的推移深入，其学习趋势是往上走还是往下走，教师可相应对此进行奖励或者辅助。
[0094]
所述能力层次包括知道、理解、分析、应用、综合和拓展六个特定能力层次，对学生进行全面分析，将题目按以上六个特定能力层次进行分类，针对某个特定能力层次，确定其特定能力层次系数，以理解能力为例，关于理解能力的题目有n道题，其计算标准如下：
[0095]
班级理解能力系数通过班级理解题目的平均得分率计算，其公式如下：
[0096]
班级理解能力系数＝班级n道题目的得分之和
÷
(n道题满分之和
×
班级人数)；
[0097]
年级理解能力系数通过年级理解题目的平均得分率计算，其公式如下：
[0098]
年级理解能力系数＝年级n道题目的得分之和
÷
(n道题满分之和
×
年级人数)；
[0099]
班级理解能力系数和年级理解能力系数均小于1，数值越低证明掌握越差，数值越高证明掌握越好，进而知道班级或者年级在哪个特定能力层次上掌握不好，需要弥补；
[0100]
其中，未提交或未批改的学生不纳入计算；如果本次成绩不属于某个特定能力层次指标，则该项特定能力层次指标默认按照平均得分率50％计算。
[0101]
在学科均衡诊断中，通过对学生和班级的学科平均得分率进行对比，得到学生的优势学科和待提高学科，其中：
[0102]
若学生的某一学科平均得分率高于班级的学科平均得分率，则定义该学科为优势学科；
[0103]
若学生的某一学科平均得分率低于或等于班级的学科平均得分率，则定义该学科为待提高学科。
[0104]
学生和教师可以针对待提高学科进行补强。
[0105]
参照图3，在本实施例中，利用批改数据，生成校级报告、学校学情、班级学情和教学统计的教学评价数据，其中：
[0106]
校级报告包括综合成绩报表、综合成绩分析、学科分析、班级分析和校级分析，结合全市各学校的校级报告，分析学校等级。
[0107]
学校学情包括学情报告分析、提交情况分析、完成情况分析和正确率分析。
[0108]
班级学情包括提交情况分析、高频错题分析、成绩轨迹分析和能力诊断。
[0109]
教学统计包括年级统计、班级统计、教师统计和错题排行。
[0110]
需要说明的是，当有了大量的数据后，除了以提升学生成绩为目的的错题本、订正本和巩固练习外，还可以利用此类数据进行教师、班级、学校的综合评价，可以知道老师的教学质量，对于同一知识点，其他班级掌握程度较高，而这位老师对应所教班级的掌握程度较低；知道班级的水平强弱，例如作业递交率，成绩层次分布，高频错题知识点等；也可以站在市教育局的角度，得知不同学校之间的教学水平层次，评价其差距在增大还是缩小，以便对生源和师源进行对应调整。
[0111]
第二方面，参照图4，在本发明中还提供一种应用于上述基于ai批改的数据处理方法的系统，包括：
[0112]
收集上传模块，所述收集上传模块被配置为对所收集的纸质答题载体进行扫描或者拍照，得到灰度jpg文件格式的上传图像，并将所述上传图像提交至云识别端，所述所述纸质答题载体上包含二维码信息，所述二维码信息至少包括学生身份信息、题目信息在内的信息；
[0113]
识别批改模块，所述识别批改模块被配置为根据上传图像确定学生身份信息和题目信息，在题目数据库中调取对应的题目模板数据，检测识别出上传图像中的手写作答区的内容，并与题目模板数据进行匹配校验，完成ai批改；
[0114]
质量评价模块，所述质量评价模块被配置为对ai批改结果进行人工校正，最终得到批改数据，结合学生、班级、年级的错题情况，生成对应的错题本，根据学生对错题的订正生成订正本，提供巩固练习，并生成学业评价报告。
[0115]
需要说明的是，在本实施例中，收集上传模块为专用的设备，可以由学生购置，放在家中，每完成一次作业即放在收集上传模块上进行扫描或者拍照，完成上传动作，在此收集上传模块中具有扫描拍照和信息发送的功能；在识别批改模块中，包括上述的云识别端，用于对上传图像进行识别和批改，完成了ai批改的部分，这一部分可租用云处理器，在云端完成处理；质量评价模块由教师来负责，可进行人工校正，并且根据每个学生的情况，生产对应的错题本、订正本和巩固练习，并进行相应的检查和督促，还可布置作业，由此形成一个三方可持续优化反馈的系统。
[0116]
第三方面，在本发明中还提供一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现如上述基于ai批改的数据处理方法。
[0117]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
[0118]
在一个典型的配置中，计算机包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0119]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0120]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0121]
相对于现有技术，本发明提供的一种基于ai批改的数据处理方法、系统和电子设备，将纸质答题载体与学生身份通过二维码一一对应，此纸质答题载体可以是每天的作业，也可以是学校组织考试的试卷，可以通过学生个人进行扫描或者拍照上传，也可以通过老师收集班级所有学生的纸质答题载体后统一扫描或者拍照上传，利用云识别端的题目模板数据完成ai批改，得到批改数据，完成了海量教学数据的统计；
[0122]
再结合学生、班级、年级的错题情况，生成对应的错题本，根据学生对错题的订正生成订正本，提供巩固练习，并生成学业评价报告，进而生成校级报告、学校学情、班级学情和教学统计的教学评价数据，提供多种教学质量评价的方式，具有应用广泛性。
[0123]
最后需要强调的是，本发明不限于上述实施方式，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。