A Two-Stage, Object-Centric Deep Learning Framework for Robust Exam Cheating Detection

إليك ملخص تقني مفصل للورقة البحثية بعنوان "إطار عمل عميق التعلم ثنائي المرحلة، متمحور حول الكائنات، للكشف القوي عن الغش في الامتحانات."

1. بيان المشكلة

تواجه النزاهة الأكاديمية تهديداً متزايداً بسبب الغش في الامتحانات، لا سيما في بيئات التعلم عن بُعد والتعلم الهجين. وتعتبر المراقبة التقليدية غير فعالة، ومكلفة، وعرضة للخطأ البشري على نطاق واسع. وبينما توجد أنظمة مراقبة مدعومة بالذكاء الاصطناعي، إلا أنها تواجه ثلاث قيود حرجة:

• الضوضاء الخلفية: تتبع مناهج التصنيف "كاملة الإطار" الحالية التي تعامل الصورة بأكملها كمدخل واحد. وفي إعدادات الامتحانات متعددة الأشخاص، يشغل فعل الغش الفعلي جزءاً صغيراً من البكسلات، مما يجعل النماذج تتعلم ارتباطات زائفة من عناصر الخلفية غير ذات الصلة.
• الافتقار إلى الدقة التفصيلية: لا تستطيع النماذج الشمولية تحديد من يغش أو أين يحدث الفعل، مما يجعل المخرجات غير قابلة للتنفيذ من قبل المراقبين.
• ندرة البيانات: يفتقر المجال إلى مجموعات بيانات ضخمة ومتنوعة ومتاحة للعموم. وتعتمد معظم الدراسات على مجموعات بيانات صغيرة، خاصة أو مُعدة مسبقاً، مما يؤدي إلى الإفراط في التخصيص (overfitting) وعدم القدرة على قياس أداء النماذج بشكل عادل.

2. المنهجية

يقترح المؤلفون إطار عمل ثنائي المرحلة، متمحور حول الكائنات، يقوم بفصل فهم المشهد إلى مرحلتين: التحديد (Localization) والتصنيف (Classification).

المرحلة الأولى: تحديد الكائنات (الرصد)

• النموذج: YOLOv8n (نسخة Nano).
• الوظيفة: معالجة صورة غرفة الامتحان لكشف الكائنات الشبيهة بالبشر.
• التصفية: يحتفظ النظام فقط بمربعات الإحاطة (bounding boxes) المصنفة كـ "شخص" ويستبعد الكائنات الأخرى.
• المعالجة المسبقة: يتم قص المناطق المكتشفة لإنشاء مناطق الاهتمام (ROIs). هذه الخطوة تعزل الطالب عن الخلفية، مما يقلل الضوضاء بشكل كبير.
• المبرر: تم اختيار YOLOv8n نظراً لتوازنه الأمثل بين الدقة والكفاءة الحسابية (زمن انتقال منخفض)، مما يجعله مناسباً للنشر عند الحافة (edge deployment) في المؤسسات التعليمية.

المرحلة الثانية: تحليل السلوك (التصنيف)

• النموذج: RexNet-150 (وهو نوع من أنواع ResNet).
• المدخلات: يتم تغيير حجم مناطق الاهتمام (ROIs) المقصوصة من المرحلة الأولى لتصبح 224×224 بكسل.
• استراتيجية التدريب:
  • التعلم بنقل الخبرة (Transfer Learning): تم البدء بأوزان مدربة مسبقاً على مجموعة بيانات ImageNet.
  • الضبط الدقيق (Fine-tuning): يتم ضبط النموذج بدقة على مجموعة البيانات المنسقة للتمييز بين "الغش" و"عدم الغش".
  • المعلمات الفائقة (Hyperparameters): مُحسن Adam، معدل تعلم قدره 3e-4، حجم دفعة (batch size) قدره 16، تم التدريب لمدة 10 حقبات (epochs).
• المخرج: تسمية تصنيف ثنائية لكل طالب.

بناء مجموعة البيانات

لمعالجة ندرة البيانات، قام المؤلفون بتوحيد وتوحيد المعايير لملصقات (labels) من 10 مصادر عامة مستقلة (مثل مجموعات بيانات Roboflow).

• إجمالي العينات: 273,897 صورة.
• توحيد المعايير: تم تعيين الملصقات إلى فئة ثنائية: 1 (غش) و 0 (عدم غش).
• التقسيم: 80% تدريب (219,117)، 10% تحقق (27,389)، 10% اختبار (27,391).

3. المساهمات الرئيسية

1. إطار عمل مبتكر ثنائي المرحلة: تحول من تحليل المشهد الشمولي إلى نهج متمحور حول الكائنات. ومن خلال عزل الطلاب قبل التصنيف، يقضي النظام على ضوضاء الخلفية ويسمح بتقييم دقيق لكل شخص على حدة.
2. مجموعة بيانات موحدة واسعة النطاق: إنشاء مجموعة بيانات مرجعية موحدة من 10 مصادر متنوعة، مما يسهل التدريب القوي والتقييم القابل لإعادة الإنتاج لمجتمع البحث.
3. التحقق الشامل: إجراء تجارب تحقق واسعة النطاق، بما في ذلك دراسات الاستئصال (ablation studies) ومقارنات الهياكل الأساسية (backbone comparisons)، مما أثبت أداءً جديداً هو الأفضل في فئته (state-of-the-art).
4. الاعتبارات الأخلاقية: تم تصميم النظام لتقديم النتائج بخصوصية (على سبيل المثال عبر البريد الإلكتروني) لمنع التشهير العلني، مما يسمح للطلاب بالتفكير في سلوكهم.

4. النتائج التجريبية

تم تقييم إطار العمل على مجموعة اختبار مكونة من 6,895 عينة (5,057 طبيعية، 1,838 غش).

• مقاييس الأداء:

  • الدقة (Accuracy): 95.16%
  • الدقة (Precision - للغش): 0.91
  • الاستدعاء (Recall - للغش): 0.91
  • مقياس F1 (للغش): 0.91
  • زمن الاستدلال (Inference Time): 13.9 مللي ثانية لكل عينة (مما يظهر قابلية التوسع).

• دراسة الاستئصال (ثنائي المرحلة مقابل كامل الإطار):

  • حقق نموذج أساسي يستخدم نفس بنية RexNet-150 ولكن تم تدريبه على صور كاملة غير مقصوصة دقة بلغت 78.52% ومقياس F1 قدره 0.63.
  • التحسن: حققت الطريقة المقترحة ثنائية المرحلة زيادة مطلقة قدرها 16.64% في الدقة وزيادة قدرها 28% في مقياس F1، مما يثبت أن عزل الموضوعات أمر بالغ الأهمية للأداء.

• مقارنة الهياكل الأساسية (Backbone Comparison):

  • تفوق RexNet-150 على ResNet-18 (دقة 93.81%) و EfficientNet-B0 (دقة 94.55%)، مما يبرر اختيار النموذج الأكبر لهذه المهمة الدقيقة.

• تحليل الخطأ:

  • الإيجابيات الكاذبة (False Positives): غالباً ما كانت ناتجة عن إيماءات غامضة (مثل وضع الذقن على اليد) تفتقر إلى السياق الزمني.
  • السلبيات الكاذبة (False Negatives): حدثت عندما سقط دليل الغش (مثل هاتف على المكتب) خارج مربع الإحاطة الضيق الخاص بـ "الشخص"، مما يعني أن المصنف رأى فقط وجه أو رأس الطالب.

5. الأهمية والعمل المستقبلي

• الأهمية: تثبت هذه الدراسة أن التركيز على موارد الحوسسة على موضوعات محددة بدلاً من المشهد بأكمله يحسن بشكل كبير من موثوقية الكشف. وهي توفر أساساً مفتوح المصدر وقابلاً للتوسع لأنظمة مراقبة أخلاقية تعمل في الوقت الفعلي توازن بين الدقة العالية والخصوصية.
• الاتجاهات المستقبلية:
  • التحليل الزمني: دمج الإطارات المتتالية للتمييز بين الإيماءات البريئة (مثل حك الرأس) والإيماءات المشبوهة (مثل الهمس).
  • توسيع منطقة الاهتمام (ROI): توسيع مربع الإحاطة ليشمل اليدين ومناطق المكتب لالتقاط الأدلة المحيطة (مثل الهواتف على المكتب).
  • التصنيف متعدد الفئات: الانتقال لما وراء الملصقات الثنائية لتصنيف أنواع محددة من الغش (مثل استخدام الهاتف مقابل التعاون مع الأقران).
  • دمج الصوت: إضافة البيانات الصوتية للكشف عن الهمس أو التواصل غير المصرح به.

في الختام، تقدم الورقة حلاً قوياً وعالي الدقة للغش في الامتحانات يتغلب على قيود المناهج الشمولية السابقة من خلال خط معالجة استراتيجي متمحور حول الكائنات.