論文の概要: A Data Mining Approach for Detecting Collusion in Unproctored Online
Exams
- arxiv url: http://arxiv.org/abs/2302.07014v1
- Date: Tue, 14 Feb 2023 12:48:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 15:25:06.361411
- Title: A Data Mining Approach for Detecting Collusion in Unproctored Online
Exams
- Title(参考訳): 未取得オンライン試験における結束検出のためのデータマイニング手法
- Authors: Janine Langerbein, Till Massing, Jens Klenke, Natalie Reckmann,
Michael Striewe, Michael Goedicke, and Christoph Hanck
- Abstract要約: 新型コロナウイルスのパンデミックで予防措置が講じられたため、多くの大学が未熟な在宅試験を提供した。
本研究では,学生間の衝突の可能性を検出する手法を提案し,パンデミック時の在宅試験のイベントログデータに我々のアプローチを適用した。
- 参考スコア(独自算出の注目度): 0.5130440339897477
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to the precautionary measures during the COVID-19 pandemic many
universities offered unproctored take-home exams. We propose methods to detect
potential collusion between students and apply our approach on event log data
from take-home exams during the pandemic. We find groups of students with
suspiciously similar exams. In addition, we compare our findings to a proctored
control group. By this, we establish a rule of thumb for evaluating which cases
are "outstandingly similar", i.e., suspicious cases.
- Abstract(参考訳): 新型コロナウイルスのパンデミックで予防措置が講じられたため、多くの大学が未熟な在宅試験を提供した。
パンデミック時の家庭内受験のイベントログデータに対して,学生間の潜在的な結束を検知し,そのアプローチを適用する手法を提案する。
疑わしいほどよく似た試験を受けた学生のグループを見つけます。
また,本研究の結果をプロクター制御群と比較した。
これにより、どのケースが「明らかに類似している」か、すなわち疑わしいケースを評価するための親指の規則を確立する。
関連論文リスト
- On the Detection of Reviewer-Author Collusion Rings From Paper Bidding [71.43634536456844]
衝突リングは、コンピュータサイエンスカンファレンスのピアレビューシステムに大きな脅威をもたらす。
この問題を解決する1つのアプローチは、操作された入札から衝突するレビュアーを検出することである。
衝突環の検出が可能であるという研究はまだ確立されていない。
論文 参考訳(メタデータ) (2024-02-12T18:12:09Z) - On the Universal Adversarial Perturbations for Efficient Data-free
Adversarial Detection [55.73320979733527]
本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。
実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
論文 参考訳(メタデータ) (2023-06-27T02:54:07Z) - Hierarchical Semi-Supervised Contrastive Learning for
Contamination-Resistant Anomaly Detection [81.07346419422605]
異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。
コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。
汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
論文 参考訳(メタデータ) (2022-07-24T18:49:26Z) - Adversarial Contrastive Learning via Asymmetric InfoNCE [64.42740292752069]
非対称なInfoNCEの目的と対比した場合,非対称なサンプルを不等に扱うことを提案する。
非対称的な方法では、CLと対向学習の相反する目的の悪影響を効果的に軽減することができる。
実験の結果,提案手法は既存CL法より一貫して優れていることがわかった。
論文 参考訳(メタデータ) (2022-07-18T04:14:36Z) - A Dataset on Malicious Paper Bidding in Peer Review [84.68308372858755]
悪意あるレビュアーは、紙の割り当てを非倫理的に操作するために戦略的に入札した。
この問題を緩和するための方法の作成と評価への重要な障害は、悪意ある紙入札に関する公開データの欠如である。
我々は、参加者に正直に、悪意的に入札するよう指示されたモックカンファレンス活動から収集された、新しいデータセットをリリースする。
論文 参考訳(メタデータ) (2022-06-24T20:23:33Z) - Online Assessment Misconduct Detection using Internet Protocol and
Behavioural Classification [0.6445605125467573]
本稿では,オンラインアセスメント不正行為(e-cheating)の可能性について検討し,それに対する実践的対策を提案する。
インターネットプロトコル(IP)検出器と行動モニタとから構成される、電子商取引の知的エージェントの形式でオンライン不正行為を検出するメカニズムを提示する。
論文 参考訳(メタデータ) (2022-01-24T03:48:45Z) - E-cheating Prevention Measures: Detection of Cheating at Online
Examinations Using Deep Learning Approach -- A Case Study [1.0152838128195467]
この研究は、Covid-19パンデミック中に特に関連があるオンラインアセスメントの現在の問題に対処します。
我々は,オンライン不正行為を検知するメカニズムとして,eラーティング・インテリジェンス・エージェントを利用した。
論文 参考訳(メタデータ) (2021-01-25T01:09:54Z) - Catch Me if I Can: Detecting Strategic Behaviour in Peer Assessment [61.24399136715106]
我々は、試験やホームワークの査定や採用・昇進の査定など、様々な査定課題における戦略的行動の課題について考察する。
我々はこのような操作を検出する方法の設計に重点を置いている。
具体的には、エージェントがピアのサブセットを評価し、後に集約されたランキングを最終的な順序付けとして出力する設定について検討する。
論文 参考訳(メタデータ) (2020-10-08T15:08:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。