这是Oxagile的技术作家Oksana Mikhalchuk的来宾帖子。
虽然许多学位的学生（从小学到博士学位）正在转移到在线和远程考试中，但普罗克特提供者面临两个挑战。首先是提高考试能力，其次是保持高质量的质量标准。
为了克服两者，直播相机还不够。在船上成千上万的学生中，没有审查员可以同时有效地解决身份，作弊和隐私问题。在人工智能和机器学习的时代，生物识别解决方案似乎是最合适的，并且有充分的理由。
面部识别
面部识别是在ML驱动的生物识别方面的基础上，可以实现多种目的 - 从注册学生到考试，并确认其身份到在考试期间确保其存在。
得益于机器学习，面部识别可以做出的不仅仅是验证考试参与者并确保他们是人类。该技术对任何类型的身份恶作剧具有抵抗力，很快就可以区分面部表情。眼镜，新发型和图片而不是人类不会混淆系统。这切断了一些流行的作弊方法，例如要求另一个人参加考试。
学生身份证明
由于使用脸部识别人会引起隐私问题，并且在某些文化中可能被认为是不可接受的，因此教育提供者正在寻找其他方式，例如行为生物识别技术。
不如老式的“ ID-To-to-to-pamera”和减少努力的行为生物识别技术分析独特的人类活动（如打字和击键模式），而不是侵入性的。 AI支持的识别将简短的短语（书面或键入）与可靠的样本进行了比较，并在考试的每个阶段确认了学生的身份。
视觉和行为方法的需求将增长，因为它们是可以互换的并且可以满足特殊需求：残疾和有限的流动性学生可能喜欢面部识别而不是打字。在决赛或认证等基本考试中，可以合并几种方法以确保双重安全性。最后，与ID扫描相比，行为生物识别技术更容易提交，并且感觉不那么侵入性。
动作监视
一个支持AI的Proctor将选手视为一组行为方案 - 身体位置，眼睛和头部运动，语音等。危险信号是与“正常”模式的偏差：不寻常的姿势，手下的手，桌子下方的眼睛，敏感的眼睛。 sOME学生认为这种方法是直接进攻- 由于它将一个人减少到许多算法。
生物识别因子使计算机视觉以跟踪反应和环境而不是运动而不是运动（例如，照明的变化）使计算机视觉以机械性和适应性更高。
计算机视觉已经可以扫描学生的隐藏设备，例如在按钮中的相机镜头或任何传输设备中的无线电波。每个异常行为事件都意味着一个惩罚点，而无需重新观看整个录音 - 但最终审查取决于Proctor。
可穿戴技术
试图使监督考试成为一个不那么令人生畏的体验，生物特征识别杠杆可穿戴硬件。智能手表和健身手镯可以跟踪运动，脉搏和温度以表明异常，而机器学习支持的实时分析。学生可以在考试期间自由保持身体舒适。
可穿戴生物特征识别技术与动作跟踪相结合可以解决一个问题。它为监督员和学生节省了时间，消除了通过网络摄像头进行视觉检查和房间的视觉检查的必要性。
但是，有了所有的自动化，仍然有一个人的观点。没有比确切解释将要发生什么的“侵入性”的压力更好的方法来减轻“侵入性”的压力 - 将如何检查其身份，以及将监视哪些参数。
关键要点
启用生物特征识别的过程可以覆盖更多的学生，而涉及的人类努力和存在较少，并确保所有参与者感到舒适并带来最佳结果。
通过AI和生物识别技术增强，Proctoring不会干扰学生的体验，并且变得无缝。特别是，它消除了身份确认的斗争，减少了假作弊警报的数量，并使远程和现场的原始考试压力减轻，更容易获得。
关于作者
Oksana Mikhalchuk是一位技术作家你很累，围绕AI，计算机视觉，生物识别技术等的下一代软件工程解决方案的提供商。 Oksana创建了有关医疗保健，教育，娱乐等方面的最先进技术机会的内容。
免责声明：Biometricupdate.com博客已提交内容。此博客中表达的观点是作者的观点，不一定反映了Biometricupdate.com的观点。
