Automatisierte Datenerfassungslösung zur Optimierung und Präzisierung der Bewertung von Schulprüfungen

Lösung

Automatisierte Datenerfassung mit mehrstufiger Qualitätskontrolle

Eine präzise Datenerfassung spielt eine entscheidende Rolle, um die tatsächliche Leistung der Schüler widerzuspiegeln. Um diesen Bedarf zu decken, hat DIGI-TEXX einen dreistufigen automatisierten Datenerfassungsprozess entwickelt, der manuelle Eingriffe überflüssig macht und die Zuverlässigkeit des automatisierten Bewertungsprozesses erheblich steigert.

1. Bildverarbeitung

Vor der Datenextraktion setzt DIGI-TEXX Technologien zur Verbesserung der Bildqualität ein,

Diese Technologie nutzt digitale Bildverarbeitungstechniken für folgende Zwecke:

• Entfernung von Hintergrundrauschen und unnötiger Unschärfe.
• Korrektur von Schieflagen und ordnungsgemäße Rotation des Prüfungspapiers.
• Zuschneiden überschüssiger oder irrelevanter Bereiche um den Antwortbogen herum.
• Anpassung von Helligkeit, Schärfe und Farbeinstellungen, um kritische Datenzonen hervorzuheben.

2. Automatisierte Datenerfassung

Nach dem Schritt der Bildvorverarbeitung werden die Tests von DIGI-XTRACT, verarbeitet, einer von dem DIGI-TEXX-Softwareteam entwickelten Plattform für die automatisierte Dokumentenverarbeitung.

DIGI-XTRACT nutzt Machine Learning (ML) und Deep Learning (DL) Modelle, um markierte Antwortbereiche (ausgefüllte Kreise) präzise zu erkennen – selbst in Fällen mit Radierungen oder Korrekturen.

Das System ist in der Lage:

• Die final ausgewählten Antworten zu identifizieren und zu extrahieren.
• Klar zwischen durchgestrichenen, korrigierten oder nur leicht schattierten Auswahlmöglichkeiten zu unterscheiden.
• Die Ausgabe in ein Format zu standardisieren, das bereit für die Übertragung in das automatisierte Bewertungssystem ist.

Die Daten werden mit einem Konfidenzniveau (Vertrauenswert) für jedes Feld extrahiert.

3. Mehrstufige automatische Qualitätskontrolle

Um sicherzustellen, dass die extrahierten Ergebnisse die Antworten der einzelnen Schüler genau widerspiegeln, implementiert DIGI-TEXX einen mehrstufigen automatischen Qualitätskontrollprozess (Auto QC), der aus zwei bis drei Ebenen besteht:

• Ebene 1 – Automatisierte Bewertung: Führt die Qualitätskontrolle basierend auf Konfidenzniveaus (Vertrauenswerten) durch und wendet eine komplexe Bewertungsmethode an, um die höchstmögliche automatisierte Ausgabequalität zu gewährleisten.
• Ebene 2- Stichprobenartige Verifizierung: Ein Prüfer führt stichprobenartige Qualitätskontrollen an den maschinell verifizierten Daten durch, um potenzielle algorithmische Versehen zu erkennen und eine konsistente Genauigkeit über den gesamten Datensatz sicherzustellen.
• Ebene 3 – Zielgerichtete Expertise (falls erforderlich): Diese Ebene ist speziellen Fällen gewidmet, die nicht automatisiert werden können, oder Daten, die von bestimmten Benutzern/Fragen stammen und eine tiefgehende manuelle Prüfung sowie eine spezialisierte Bearbeitung erfordern.

Als Teil des Auto-QC-Prozesses integrieren wir detaillierte Validierungskriterien, um die Genauigkeit und Konsistenz der Eingabedaten sicherzustellen, einschließlich:

• Formatprüfung: Stellt sicher, dass Felder wie Studierenden-ID, Testcode und Datum den erforderlichen Formaten entsprechen.
• Datenlogik-Prüfungen: Überprüft die logische Konsistenz zwischen den Feldern, um beispielsweise sicherzustellen, dass die Gesamtzahl der ausgewählten Antworten die Anzahl der Fragen nicht übersteigt.
• Erneute Bewertung der Bildqualität: Stellt sicher, dass Probleme wie Unschärfe, Schieflagen oder falsche Seitengrößen die Integrität der extrahierten Daten nicht beeinträchtigen.

Wir gewährleisten die Datenqualität und -genauigkeit durch eine mehrstufige Qualitätskontrolle

Dieser Prozess ist zudem mit detaillierten Validierungskriterien verknüpft, um die Genauigkeit und Konsistenz der Eingabedaten sicherzustellen, einschließlich:

• Formatprüfung: Stellt sicher, dass Felder wie Studierenden-ID, Testcode und Datum den erforderlichen Formaten entsprechen.
• Datenlogikprüfung: Überprüft die logische Konsistenz zwischen den Feldern, um beispielsweise sicherzustellen, dass die Gesamtzahl der ausgewählten Antworten die Anzahl der Fragen nicht übersteigt.

Neubewertung der Bildqualität: Gewährleistet, dass Probleme wie Unschärfe, Verzerrung oder falsche Seitengröße die Integrität der extrahierten Daten nicht beeinträchtigen.