A Data Mining Approach for Detecting Collusion in Unproctored Online Exams

要約

新型コロナウイルス感染症（COVID-19）のパンデミック中の予防措置のため、多くの大学が監督なしの持ち帰り試験を実施した。
私たちは、学生間の潜在的な共謀を検出し、パンデミック中の持ち帰り試験からのイベント ログ データにアプローチを適用する方法を提案します。
疑わしいほど似た試験を受けた学生のグループが見つかりました。
さらに、調査結果を監督付きの対照群と比較します。
これにより、どのケースが「著しく類似している」、つまり疑わしいケースを評価するための経験則が確立されます。

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, Google