The general flowchart of OMR for te

The general flowchart of OMR for test scoring found in
almost all reviewed papers [5]–[8] are shown in Fig. 3.
Answer sheet image acquisition is photoelectric
conversion consisting of lens and sensor as presented in [5].
In general, it comes in form of scanners and cameras. For fast
acquisition, auto-document feeder is also employed. There
exist auto-feed scanners, whereas camera solution proposed
in [6] needs to afford this device. Step 2 in Fig. 3 consists of
optimizing the input image to be ready for scoring in the next
step. General pre-processes, as found in [6], [8], [9], involves
image binarization, skew correction and offset adjustment.
For scoring the answers, it is no doubt that the most common
method has always been counting the number of black pixels
in the given segments as chosen in [5]–[10].
The segments that must be detected in test scoring are
segments for each question and segments for each choice in a
given question. The segmentation and test grading are done
by projecting the image vertically and horizontally, which is
called image projection. The algorithms in [5]–[7] used the
markers at the border of the answer sheet to help determining
question and choice coordinates in the sheet. By comparing
ON or black pixels among all choices in the same question,
the choice with the maximum ON pixels is determined as the
response of that question as proposed in [7], [9]. That is the
reason why general OMRs cannot detect two-response
answer or even reject the input image when no choice is
selected for a given question. This does not make sense for
the assessors who are the end users since the score for such a
question in those cases should be zero if single correct choice
is allowed. The performance measured is certainly accuracy
and some also give importance to processing time. Item
analysis, done in [3] and [11], completes full-path assessment.
This last step is important for helping the instructors evaluate
their students and the quality of the tests. However, the
researches focusing on OMR usually ignore this as in [5]-[7],

ผลลัพธ์ (ไทย) 1:

ทั่วไปแผนผังลำดับงานของ OMR สำหรับทดสอบการให้คะแนนในเกือบทั้งหมดตรวจทานเอกสาร [5] – [8] ใน Fig. 3ตอบแผ่นภาพซื้อเป็น photoelectricแปลงที่ประกอบด้วยเลนส์และเซ็นเซอร์นำเสนอใน [5]ทั่วไป มันมาในรูปแบบของสแกนเนอร์และกล้อง สำหรับอย่างรวดเร็วนอกจากนี้ยังมีการจ้างงานซื้อ ถาดป้อนเอกสารอัตโนมัติ มีมีตัวดึงข้อมูลอัตโนมัติสแกนเนอร์ ในขณะที่กล้องโซลูชั่นที่นำเสนอใน [6] ต้องซื้ออุปกรณ์นี้ ขั้นตอนที่ 2 ใน 3 ของ Fig. ประกอบด้วยปรับภาพเข้าให้พร้อมสำหรับการให้คะแนนในขั้นตอนการ ทั่วไปก่อนกระบวนการ เป็นที่พบใน [6], [8], [9], เกี่ยวข้องกับ binarization ภาพ การแก้ไขต้นฉบับเอียงอัตโนมัติ และการปรับปรุงที่ตรงข้ามสำหรับการให้คะแนนคำตอบ จะไม่มีข้อสงสัยทั่วไปมากที่สุดวิธีได้เสมอการนับจำนวนของพิกเซลสีดำในส่วนที่กำหนดเป็นเลือกใน [5] - [10]มีส่วนที่ต้องพบในการทดสอบให้คะแนนส่วนสำหรับคำถามแต่ละเซ็กเมนต์ในแต่ละทางเลือกในการคำถามที่กำหนด การแบ่งและจัดเกรดทดสอบเสร็จโดย projecting ภาพแนวตั้ง และแนวนอน ซึ่งเป็นเรียกว่าภาพฉาย อัลกอริทึมใน [5] - [7] ใช้ในเครื่องหมายที่เส้นขอบของแผ่นคำตอบเพื่อช่วยกำหนดคำถามและเลือกพิกัดในแผ่น โดยการเปรียบเทียบในหรือพิกเซลสีดำในตัวเลือกทั้งหมดในคำถามเดียวกันทางเลือกที่ มีในสูงสุด พิกเซลจะถูกกำหนดเป็นการตอบคำถามตามที่เสนอใน [7], [9] นั่นคือการเหตุผลที่ทำไม OMRs ทั่วไปไม่สามารถตรวจพบการตอบสนอง 2ตอบ หรือแม้แต่ปฏิเสธภาพอินพุตเมื่อไม่ทางเลือกเลือกสำหรับคำถามที่กำหนด นอกจากนี้นี้ไม่เหมาะสมสำหรับประเมินที่ผู้ใช้ตั้งแต่คะแนนสำหรับเช่น การคำถามในกรณีดังกล่าวควรเลือกศูนย์ถ้าเดียวถูกต้องได้รับอนุญาต วัดประสิทธิภาพการทำงานเป็นความถูกต้องและบางส่วนยังให้ความสำคัญกับเวลา สินค้าการวิเคราะห์ ใน [3] และ [11], เสร็จสิ้นการประเมินเส้นทางแบบเต็มขั้นตอนสุดท้ายนี้เป็นสิ่งสำคัญช่วยให้ผู้สอนประเมินนักศึกษาและคุณภาพของการทดสอบ อย่างไรก็ตาม การงานวิจัยที่เน้น OMR มักจะละเว้นนี้ใน [5] - [7],

ผลลัพธ์ (ไทย) 2:

ผังทั่วไปของ OMR
สำหรับการให้คะแนนการทดสอบพบได้ในเกือบทุกการตรวจสอบเอกสาร[5] - [8] จะแสดงในรูป 3.
แผ่นคำตอบคือการควบรวมภาพตาแมวแปลงประกอบด้วยเลนส์และเซ็นเซอร์ที่แสดงใน [5]. โดยทั่วไปจะมาในรูปแบบของสแกนเนอร์และกล้อง อย่างรวดเร็วได้มาป้อนเอกสารอัตโนมัติยังเป็นลูกจ้าง มีสแกนเนอร์อัตโนมัติฟีดที่มีอยู่ในขณะที่การแก้ปัญหากล้องที่นำเสนอใน[6] ความต้องการที่จะซื้ออุปกรณ์นี้ ขั้นตอนที่ 2 ในรูป 3 ประกอบด้วยการเพิ่มประสิทธิภาพของภาพที่นำเข้าจะมีความพร้อมสำหรับการให้คะแนนในครั้งต่อไปขั้นตอน ทั่วไปกระบวนการก่อนที่พบใน [6] [8] [9] เกี่ยวข้องกับฐานสองภาพแก้ภาพเอียงและการปรับชดเชย. สำหรับการให้คะแนนคำตอบก็คือไม่ต้องสงสัยเลยว่าที่พบมากที่สุดวิธีการได้เสมอนับจำนวนพิกเซลสีดำในส่วนที่ได้รับเลือกให้เป็นใน [5] - [10]. ส่วนที่จะต้องถูกตรวจพบในการให้คะแนนการทดสอบเป็นส่วนสำหรับแต่ละคำถามและกลุ่มสำหรับทางเลือกในแต่ละคำถามที่ได้รับ แบ่งส่วนและการให้คะแนนการทดสอบจะทำโดยการฉายภาพในแนวตั้งและแนวนอนซึ่งจะเรียกว่าการฉายภาพ อัลกอริทึมใน [5] - [7] ใช้เครื่องหมายที่ชายแดนของกระดาษคำตอบที่จะช่วยให้การกำหนดคำถามและทางเลือกในพิกัดแผ่น โดยการเปรียบเทียบเปิดหรือพิกเซลสีดำในหมู่ทุกทางเลือกในคำถามเดียวกันทางเลือกสูงสุดบนพิกเซลจะถูกกำหนดเป็นตอบสนองของคำถามที่ตามที่เสนอใน[7] [9] นั่นคือเหตุผลที่ว่าทำไม OMRs ทั่วไปไม่สามารถตรวจสอบทั้งสองตอบสนองคำตอบหรือแม้กระทั่งการปฏิเสธภาพที่นำเข้าเมื่อไม่มีทางเลือกที่ถูกเลือกให้เป็นคำถามที่ได้รับ นี้ไม่ได้ทำให้ความรู้สึกของผู้ประเมินที่มีผู้ใช้ตั้งแต่คะแนนสำหรับการดังกล่าวเป็นคำถามในกรณีดังกล่าวควรจะเป็นศูนย์ถ้าเลือกที่ถูกต้องเดียวที่ได้รับอนุญาต ผลการดำเนินงานวัดอย่างแน่นอนความถูกต้องและบางส่วนยังให้ความสำคัญกับเวลาการประมวลผล รายการวิเคราะห์ทำใน [3] และ [11], เสร็จสิ้นการประเมินเส้นทาง. ขั้นตอนสุดท้ายนี้เป็นสิ่งสำคัญในการช่วยให้ผู้สอนประเมินนักเรียนของพวกเขาและคุณภาพของการทดสอบ อย่างไรก็ตามงานวิจัยที่มุ่งเน้นไปที่มักจะไม่สนใจ OMR นี้เป็น [5] - [7]

ผลลัพธ์ (ไทย) 3:

ทั่วไปผังงานของ OMR สำหรับการทดสอบการให้คะแนนที่พบในเกือบทุกการตรวจทานเอกสาร
[ 5 ] - [ 8 ] จะแสดงในรูปที่ 3 .
ตอบแผ่นการควบรวมภาพ คือการแปลงตาแมว
ประกอบด้วยเลนส์และเซ็นเซอร์ที่นำเสนอใน [ 5 ] .
ทั่วไป ที่มาในรูปแบบของสแกนเนอร์และกล้อง เข้าเร็ว
, ป้อนเอกสารอัตโนมัติยังเป็นลูกจ้าง มี
มีอยู่รถยนต์อาหารสแกนเนอร์ในขณะที่โซลูชั่นกล้องเสนอ
ใน [ 6 ] ต้องการซื้ออุปกรณ์นี้ ขั้นตอนที่ 2 ในรูปที่ 3 ประกอบด้วย ประสิทธิภาพการรับภาพ
ให้พร้อมสำหรับการให้คะแนนในขั้นตอนต่อไป

ก่อนกระบวนการทั่วไปที่พบใน [ 6 ] , [ 8 ] , [ 9 ] , เกี่ยวข้องกับ
ภาพภาพ , การแก้ไขบิดเบือนและปรับชดเชย .
สำหรับคำตอบ คะแนน มันเป็นข้อสงสัยที่พบบ่อยที่สุด
วิธีการได้รับการนับจำนวนของพิกเซลสีดำ
ในกลุ่มให้เลือก [ 5 ] - [ 10 ] .
ส่วนที่ต้องตรวจให้คะแนนการทดสอบ
ส่วนสำหรับกลุ่มแต่ละคำถามและแต่ละทางเลือกใน
ให้ถาม การแบ่งส่วนและทดสอบคะแนนเสร็จแล้ว
โดยฉายภาพในแนวตั้งและแนวนอน ซึ่ง
เรียกว่าภาพฉายขั้นตอนวิธีใน [ 5 ] - [ 7 ] ใช้
เครื่องหมายที่เส้นขอบของกระดาษคำตอบ เพื่อช่วยกำหนดพิกัด
คำถามและตัวเลือกในแผ่น โดยเปรียบเทียบ
หรือพิกเซลสีดำระหว่างตัวเลือกทั้งหมดในคำถามเดียวกัน
ทางเลือกกับสูงสุดในพิกเซลจะถูกกำหนดเป็นคำตอบของคำถามที่
ตามที่เสนอใน [ 7 ] , [ 9 ] นั่นคือเหตุผลที่ omrs ทั่วไปไม่สามารถตรวจพบ

สองการตอบสนองตอบ หรือแม้แต่ปฏิเสธการรับข้อมูลภาพ เมื่อไม่มีทางเลือกคือ
เลือกให้ถาม นี้ไม่ได้ให้ความรู้สึก
ผู้ประเมินที่มีผู้ใช้ตั้งแต่คะแนนเช่น
คำถามในกรณีดังกล่าวควรจะเป็นศูนย์ ถ้าเลือกถูก
เดียวที่ได้รับอนุญาต ประสิทธิภาพวัดแน่นอนความถูกต้อง
และบางส่วนยังให้ความสำคัญกับเวลาในการประมวลผล การวิเคราะห์ข้อสอบ
, เสร็จ [ 3 ] และ [ 11 ]เสร็จสิ้นการประเมินเส้นทางเต็ม
นี้ขั้นตอนสุดท้ายเป็นสิ่งสำคัญที่ช่วยอาจารย์ประเมิน
นักเรียนและคุณภาพของแบบทดสอบ อย่างไรก็ตาม งานวิจัยเน้น
OMR มักจะละเว้นนี้ใน [ 5 ] - [ 7 ]