Automatisiertes Proctoring digitaler Prüfungen mit Machine Learning

Aufgabenstellung
Das Ziel dieser Arbeit bestand darin, ein Tool oder eine Methode zu entwickeln, die es ermöglicht,
mittels spezialisierter Software zu erkennen, ob ein Prüfungsteilnehmer oder eine Prüfungsteilnehmerin
während einer Online-Prüfung betrügerische Handlungen begeht. Der Einsatz einer solchen Soft-
ware bietet den Vorteil, dass Online-Prüfungen effektiv durchgeführt werden können. Zudem
ermöglicht es, dass Programmierprüfungen nicht mehr manuell, sondern in einem kontrollierten
und überwachten Umfeld absolviert werden können. Der Fokus dieser Arbeit lag speziell auf
der Überwachung der Offline-Aktivitäten der Prüfungsteilnehmenden. Dies umfasst die Beob-
achtung von auffälligen Körperbewegungen und Sprachaktivitäten.

Vorgehen / Technologien
Unser Ansatz zielte darauf ab, die Benutzerfreundlichkeit unserer Software sowohl für Studie-
rende als auch für Lehrende zu maximieren und einen strukturierten Prozess zu etablieren.
Der Ablauf beginnt damit, dass der Studierende die Software aktiviert, die mittels einer Web-
cam ein Video aufzeichnet und über ein ausgewähltes Mikrofon den Ton erfasst. Nachdem die
Prüfungsaufgaben gelöst wurden, wird die Software beendet. Der Studierende erhält dadurch
eine Video- und Audiodatei, die er eigenständig an einen schulischen Server übermitteln kann.
Nachdem der Schulserver alle Audio und Videodateien erhalten hat. Kann der Professor mittels
einer Webseite die Video und Audiodateien analysieren. Während der Analyse wird bei jedem
Prüfungsteilnehmer die Video und Audiodatei analysiert. Dabei wurden bestimmte Kriterien
von uns ausgewählt auf welche sich die Videoanalyse stützen soll.

Gesichtserkennung: In jedem Frame des Videos soll überprüft werden, ob genau eine Person
anwesend ist. Dies ist wichtig, da Pr ̈ufungen in der Regel Einzelarbeiten sind. Sollte keine oder
mehr als eine Person erkannt werden, wird dies als Betrugsversuch gewertet.

Munderkennung: Das System muss ständig den Mund erkennen können. Dies dient dazu,
heimliche Gespräche aufzudecken, auch wenn das Mikrofon während der Prüfung absichtlich
ausgeschaltet ist. Ein Betrugsversuch wird deklariert, sobald der Mund sich öffnet, um die
Spracherkennung zu schützen.
Kopfneigungserkennung: Die Kopfposition wird kontinuierlich überwacht, um auffällige Be-
wegungen, die auf einen zweiten Bildschirm oder ein externes Gerät hinweisen könnten, als
Betrugsversuche zu identifizieren.

Iriserkennung: Diese Technik dient dazu, ungewöhnliches Augenschillen zu erkennen. Sie
soll Prüflinge identifizieren, die zwar ihren Kopf nicht bewegen, aber dennoch nicht auf die
Prüfungsaufgaben schauen.

Resultat
Derzeit ist eine vollständig automatisierte Proctoring-Lösung noch nicht realisierbar. Mensch-
liches Eingreifen bleibt notwendig, um zu entscheiden, ob in bestimmten Situationen Betrug
vorliegt. Unsere Software hat jedoch den Analyseprozess von Audio- und Videodateien erheblich
effizienter gestaltet. Als nächsten Schritt zur Verbesserung der Software könnte die Erfassung
von Online-Aktivitäten in Betracht gezogen werden.