當前，有一項技術正在改變遠程考試的實施方式，這項技術就是眼動追踪在線監考技術，借助它能實時分析考生的視線焦點、注視時長以及眼動軌跡，經由這種分析，它能夠有效識別潛在的作弊行為，進而提升考試的公平性與可信度，它不能簡單等同於只是“看攝像頭”，它在於對注意力模式以及異常行為進行深度解讀。
眼動追踪監考技術是如何工作的
監考借助眼動追踪的關鍵之處在於捕獲並且剖析人眼的細微運動，於考試之前，系統會憑藉校準構建每一位考生的基準眼動樣式，在考試進行期間，攝像頭會不間斷地記錄瞳孔所處位置以及角膜反射光點，進而計算出視線於屏幕之上的落點。
系統軟件會對這些數據展開實時分析，它能夠判斷考生的視線是不是長時間停留在並非考試的區域，像是第二塊屏幕、鍵盤下方或者房間角落，正常進行答題的時候，視線會於試題與作答區之間呈現出有規律的移動，然而偷看小抄或者外部設備就會產生急促、跳躍的異常眼動軌跡。
眼動追踪能識別哪些具體作弊行為
這項技術對於識別那種“偷看”類作弊最為擅長，比如說，考生的視線反复地、呈現出規律地朝著屏幕外特定位置瞥過去，這有可能就意味著在那個地方貼了便簽，視線長時間固定於屏幕上某個和當前題目沒有關聯的固定小區域，這也許是在閱讀隱藏起來的懸浮窗或者聊天信息。
它還能夠輔助進行替考檢測，每個人的閱讀習慣以及掃視速度存在著細微的差異，若是系統察覺到考試中途的眼動模式同父考前校準的基準模式存在統計學上面的顯著偏差，那麼就會觸發警報，以此提示監考員著重核查考生身份。
對比傳統監考軟件有何優勢
傳統的監考軟件，主要是依靠屏幕共享、音頻環境以及隨機抓拍這些方式的，然而，它對於好多作弊的方式，反應是比較滯後的。眼動追踪，它能夠提供行為層面的深層數據。考生，可以偽裝成在進行思考，然後看向別的地方，可是，卻沒辦法精準地去控制自己的眼動頻率，並且也無法使軌跡模式符合“自然閱讀”的狀態。
它達成了從“監控畫面”至“分析意圖”的跨越，系統已不再是被動性記錄，而是主動性去分析考生行為是不是偏離了正常的答題狀態，這種針對注意力焦點的量化評估，給判定可疑行為提供了更具客觀性的依據。
實施眼動追踪監考需要什麼硬件條件
對於考生來講，核心的那個設備乃是一台配有高清攝像頭的電腦或者筆記本電腦，而這個高清攝像頭通常是需要1080P及以上才行，內置的攝像頭常常能夠滿足基本的那些要求，然而外接了的高精度網絡攝像頭其效果會更好一些，穩定的網絡連接是十分關鍵重要的，以此來保證眼動數據能夠實時地、不間斷地向上傳送到那個分析服務器。
對於考試機構而言，需要去部署一個強大的後端分析平台，這個平台得能夠對海量的實時視頻流進行處理，還要運行複雜的眼動算法，並且要把分析出來的結果即刻呈現給在線監考員。與此同時，務必要保證所有的數據傳輸以及存儲都契合嚴格的隱私保護標準。
眼動追踪數據如何保障考生隱私
這項技術推廣的關鍵在於隱私，負責任的服務商會採用“本地預處理”技術，也就是先於考生設備把視頻流轉變為匿名的眼球運動坐標數據，然後將這串無法還原成人臉的數字坐標上傳去分析，原始視頻圖像或許根本不會離開考生電腦。
數據運用存在著嚴格的限定,一般而言,唯有引發警報的那部分片段以及與之相對應的匿名眼動數據才會被提交給人工監考員去進行複核,所有的數據在考試結束之後的一段固定的時間之內會被自動地刪除,機構不可以將其用於和考試公正性核查以外的任何其他目的。
未來眼動追踪監考的發展趨勢是什麼
今後，此項技術會更著重於“多模態”融合，眼動得到的數據將會跟鍵盤敲擊的那段節奏、鼠標移動的一些軌跡，乃至麥克風所捕捉到的環境裡的微小聲音聯合起來，去構建更為周全的考生行為那個模型，憑藉人工智能一直持續不停的學習狀態，系統針對“正常”以及“異常”的區別就會變得更加精確無誤，以此來減少錯誤的報告。
技術會朝著“無感化”以及“普惠化”的方向去發展，算法上的優化會使得對攝像頭精度的依賴得以降低，進而讓普通的設備能夠獲取到可靠的分析，與此同時，輔助功能會被予以加強，比如說針對有著特殊閱讀習慣的考生（像是有閱讀障礙的考生）來調整分析模型，以此來確保技術的公平。
就你針對眼動追踪監考技術而言，所抱持的最大顧慮究竟呈現為何種狀況呢，是對於技術有可能會出現誤判這一情形心懷擔憂，又或者是聚焦於個人隱私方面的相關問題呢，歡迎於評論這個區域之內分享你自身所擁有的看法，要是你感覺這篇文章具備協助你去理清認知的作用，那就請給予點贊這種支持方式，並且還要Share 給那些可能會對其產生興趣的朋友們。
發佈留言