استفاده از يادگيري ماشين با هدف آشكارسازي تقلب در آزمون‌هاي آنلاين

كارشناسي ارشد مهندسي كامپيوتر

مهندسي كامپيوتر

تهران شمال

1403

تاريخ ثبت در تهران شمال چهارشنبه 1403/8/2

صحافي شده ندارد

فاطمه نوراني

د انشكگاه پيام نور مركز تهران شمال

امروزه در دنياي فناوري اطلاعات، آزمون‌هاي آنلاين به يكي از ابزارهاي حياتي در ارزيابي دانش و مهارت افراد تبديل شده‌اند. با گسترش استفاده از اين آزمون‌ها، چالش‌هاي جديدي از جمله تهديدهاي مربوط به تقلب پيش‌آمده است و اين موضوع باعث ايجاد نگراني‌ها در مورد صداقت و صحت نتايج آزمون‌ها شده است. يكي از راه‌ها براي آشكارسازي تقلب در آزمون‌هاي آنلاين كه انتظار مي‌رود به‌عنوان يك مانع در برابر تقلب عمل كند، استفاده از يادگيري ماشين است؛ در همين راستا اين پژوهش با بهره‌گيري از الگوريتم خوشه‌بندي KMeans++ بر روي مجموعه‌داده‌هاي آزمون‌هاي آنلاين و مقايسه عملكرد آن با خوشه‌بندي KMeans معمولي، توسط معيار Silhouette مورد ارزيابي قرار گرفته است. روش كار بر اساس انجام خوشه‌بندي و مراحل تكميلي جهت بررسي احتمال تقلب يادگيرندگان بر اساس امتيازدهي ارائه داده شده است كه احتمال متقلب بودن يادگيرنده را بين عدد 1 تا 7 نشان مي‌دهد. نتايج اين پژوهش نشان داد كه خوشه‌بندي KMeans++ توانست نسبت به KMeans معمولي تا 30% در معيار Silhouette عملكرد بهتري داشته باشد و اين روش همانند طبقه‌بندي به داده‌هاي برچسب‌گذاري شده نيازي ندارد. باتوجه‌به نتايج اين پژوهش، به‌كارگيري اين روش در تمامي مدارس، دانشگاه‌ها، مؤسسات و سازمان‌هايي كه به برگزاري آزمون‌هاي آنلاين مي‌پردازند، مي‌تواند جهت آشكارسازي تقلب مفيد واقع گردد.

76491