A Data Mining Approach for Detecting Collusion in Unproctored Online Exams

要約

【タイトル】非監視型オンライン試験における共謀の検出に向けたデータマイニング手法

【要約】
– COVID-19流行期間中、多くの大学が非監視型のテイクホーム試験を実施した。
– 本研究は、学生間の潜在的な共謀を検出する方法を提案し、COVID-19流行期間中のテイクホーム試験のイベントログデータに適用した。
– 怪しいに似た試験を受けた学生グループを発見し、監視されたコントロールグループと比較して、どのようなケースが「非常に似ている」、すなわち疑わしいケースかを評価するための簡易なルールを確立した。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI