Система автоматичного розпізнавання та оцінювання тестів

Abstract

Актуальність роботи зумовлена необхідністю спрощення та прискорення процесу перевірки друкованих тестів, які заповнюються вручну у вигляді табличних бланків. Такий підхід широко застосовується у навчальних закладах, однак оцінювання вимагає значних людських ресурсів. Запропонована система забезпечує автоматизоване розпізнавання відповідей без необхідності ручного введення, що значно підвищує ефективність і точність перевірки. Метою роботи стало створення програмного забезпечення, здатного зчитувати, інтерпретувати й оцінювати відповіді, нанесені друкованими літерами у структурованих бланках тестів. Для цього реалізовано механізм обробки зображень, детекції табличної структури та ідентифікації заповнених клітинок. У процесі розробки проаналізовано сучасні методи комп’ютерного зору та бібліотеки Python, зокрема OpenAI. Система протестована на реальних бланках, заповнених студентами. Експериментально доведено, що точність розпізнавання перевищує 92%, а час обробки одного тесту не перевищує 6 секунд. Для об'єктивної оцінки результатів також реалізовано модуль звітування. Новизна роботи полягає в застосуванні адаптованого до табличного вводу алгоритму, який не залежить від рукописного тексту, а працює з чітко структурованим друкованим вводом. Це дозволяє значно знизити вимоги до

4

якості зображення та уникнути складнощів, пов’язаних із розпізнаванням почерку. Результати роботи можуть бути застосовані у навчальних закладах для перевірки вступних або поточних тестів, а також у системах масового оцінювання знань. Перспективи розвитку включають розширення підтримки нестандартних форматів бланків та інтеграцію з освітніми платформами.оцінювання, OpenAI, OCR.The relevance of this work arises from the need to simplify and accelerate the process of checking printed tests manually filled out in grid-based forms. This approach is widely used in educational institutions, yet the evaluation process remains labor-intensive. The proposed system enables automated answer recognition without manual input, significantly improving both the efficiency and accuracy of assessment. The objective of this work was to develop software capable of reading, interpreting, and evaluating answers marked with printed letters in structured test forms. To achieve this, mechanisms for image processing, table structure detection, and filled-cell identification were implemented. During development, modern computer vision methods and Python libraries, including OpenAI tools, were analyzed. The system was tested on real test forms filled out by students. Experiments confirmed that recognition accuracy exceeds 92%, and the processing time for a single test does not exceed 6 seconds. A reporting module was also implemented to ensure objective evaluation of results. The novelty of the project lies in the use of an algorithm adapted to tabular input, independent of handwritten text, and tailored to work with clearly structured printed input. This reduces the requirements for image quality and avoids the challenges associated with handwriting recognition. The system can be applied in educational institutions for entrance or ongoing assessments, as well as in mass testing systems. Future development may include support for non-standard form layouts and integration with 6

educational platforms.