Дипломная работа на тему "ТЮМГУ | Разработка подсистемы формирования контрольно измерительных материалов срезовых работ для регионального центра обработки информации "

Работа на тему: Разработка подсистемы формирования контрольно измерительных материалов срезовых работ для регионального центра обработки информации
Оценка: отлично.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программного обеспечения ·

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
РАЗРАБОТКА ПОДСИСТЕМЫ ФОРМИРОВАНИЯ КОНТРОЛЬНО ИЗМЕРИТЕЛЬНЫХ МАТЕРИАЛОВ СРЕЗОВЫХ РАБОТ ДЛЯ РЕГИОНАЛЬНОГО ЦЕНТРА ОБРАБОТКИ ИНФОРМАЦИИ

02.03.03 Математическое обеспечение и администрирование информационных систем
Профиль «Технологии программирования и анализа больших данных»

Тюмень 2023

СОДЕРЖАНИЕ
ВВЕДЕНИЕ 3
ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 5
1.1 ОБЗОР МЕТОДОВ И АЛГОРИТМОВ 5
1.2 ОБЗОР АНАЛОГИЧНЫХ ПРОЕКТОВ 16
1.3 ПОСТАНОВКА ЗАДАЧИ 17
ГЛАВА 2. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ 20
2.1 ИСПОЛЬЗУЕМЫЕ БИБЛИОТЕКИ И ТЕХНОЛОГИИ 20
2.2 ОПИСАНИЕ БАЗЫ ДАННЫХ 21
2.3 АРХИТЕКТУРА СЕРВИСА 31
2.4 РЕАЛИЗАЦИЯ АЛГОРИТМА ОБРЕЗКИ ЗАДАНИЙ И ОТВЕТОВ 32
2.5 РЕАЛИЗАЦИЯ ПО ДЛЯ СКАНИРОВАНИЯ БЛАНКОВ С ОТПРАВКОЙ НА СЕРВИС 36
ГЛАВА 3. РЕЗУЛЬТАТЫ РАБОТЫ 38
ЗАКЛЮЧЕНИЕ 45
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 46
ПРИЛОЖЕНИЕ 1. ФУНКЦИИ ГЕНЕРАЦИИ И НАНЕСЕНИЯ ИДЕНТИФИКАТОРОВ 48
ПРИЛОЖЕНИЕ 2. ФУНКЦИЯ ОБРЕЗКИ ЗАМКНУТЫХ КОНТУРОВ 49

ВВЕДЕНИЕ
Различные органы управления образованием, на Федеральном, региональном и муниципальном уровнях проводят тестирование для определения уровня знаний учащихся образовательных учреждений.
Существуют различные подходы к тестированию, один из которых заключается в проведении тестирования на основе ОГЭ и ЕГЭ. Тестирование предполагает решение задания по одному из предметов и запись ответов на специальном бланке. Данный вид тестирования предназначен для учащихся старших классов.
Однако существует вид тестирования, который отличается от ОГЭ и ЕГЭ. Основное отличие заключается в том, что тестирование не является бланковым, иначе говоря, учащимся необходимо вносить ответы на задания непосредственно в бланке с заданием. Данный вариант тестирования схож с методиками тестирования, используемыми как для оценки межпредметных компетенций в рамках одной, так и между различными дисциплинами. Описанный вид тестирования можно проводить не только в старших, но и для учащихся младших классов.
Организация тестирования включает несколько этапов, таких как:
• Формирование нумерование комплектов;
• Сбор и отправка работ для проверки;
• Обработка работ учащихся (ксерокопирование, проверка и обработка результатов).
Однако возникает проблема, требующая затраты времени, человеческих ресурсов и материальных затрат на каждый из указанных этапов. Тем не менее, предоставляется возможным автоматизация каждого из приведённых этапов для уменьшения затрат. Следует отметить, что проверка компетенции в различных предметах усложняется из-за различий в предметных областях заданий, что требует привлечения нескольких экспертов для проверки одной работы.
Целью выпускной квалификационной работы является разработка Web- сервиса, который позволяет формировать шаблоны с разметкой КИМ, планировать мероприятия срезовых работ и осуществлять предобработку отсканированных работ учащихся. Сформированные и обработанные ответы учащихся будут переданы в следующую часть Web-сервиса, для организации проверки экспертами.
Для достижения цели были поставлены следующие задачи:
? Изучить технологию и особенности проведения срезовых работ;
? Реализовать базу данных для хранения информации об мероприятиях, экспертах и проверочных работах;
? Реализовать веб-сервис для проведения проверочных работ;
? Реализовать ПО для сканирования бланков с дальнейшей отправкой на сервис.
Для успешной подготовки и защиты выпускной квалификационной работы использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающие высокую умственную и физическую работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защиты выпускной квалификационной работы авторами созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Абромович В.В. Одномерные (Линейные) графические коды: анализ способов генерации, традиционных и новых направлений / В.В. Абромович, Ю.М. Брумштейн // Управление и высокие технологии. 2018. № 3.
2. Абромович В.В. Двумерные графические коды: анализ информационной емкости, способов генерации, направлений применения / В.В. Абромович, Ю.М. Брумштейн, О.В. Шипилова // Управление и высокие технологии. 2019. № 1 (45).
3. Глория Буэно, Оскар Дениз Суарес. Обработка изображений с помощью OpenCV. Изд – ДМК-пресс. 2016, 210с.
4. Горячкин Б. С. Компьютерное зрение / Б. С. Горячкин, М. А. Китов // Информационные технологии. 2018.
5. Документация OpenCV Python [сайт].
6. Ивлиев Е. А. Применение глубоких нейронных сетей для задачи идентификации цифро буквенной информации с багажных бирок / Е. А. Ивлев, П. С. Обухов // Современные технологии управления. 2020. № 3.
7. Михалевич Ю. А. Использование сверточных нейронных сетей для распознавания автомобильных номеров. Преимущества и недостатки по
сравнению с шаблонным методом / Ю. А. Михалевич, В. В. Ткаченко // Технические науки. 2017.
8. Рейнхард Клетте. Компьютерное зрение. Теория и алгоритмы. Изд – ДМК- Пресс, 506с.
9. Созыкин А. В. Обзор методов обучения глубоких нейронных сетей / А. В. Созыкин // Вестник ЮУрГУ. 2017. Т. 6. № 3. С. 28-59.
10. Чтение штрих и QR-кодов на Python [сайт].
11. Штрихкоды на изображениях с помощью Python и OpenCV [сайт].
12. Эдуард Шакирьянов. Компьютерное зрение на Python. Первые шаги. Изд
– Лаборатория знаний. 2021, 162с.
13. Ян Эрик Солем. Программирование компьютерного зрения на языке Python. Изд – Питер. 2016, 312с.