ITTeacherInfra 一个存储库，可让您连接成绩簿，应用程序以及任何您需要的老师。 它将帮助您导入有关学校在线学习平台的成绩报告。 它将帮助您自动安排日程并进行在线会议。 它将帮助您对所有手写的烦人论文进行评分，并为原始论文创建数字标记文件。 这将帮助您集成和同步您的组织可能未绑定到您的组织SSO的所有应用程序。 它将设置虚拟化功能，以帮助您存储密码，信息并逐个文件地保护您。 它可以帮助您轻松地从在线学习平台管理和存储文件，以便轻松传输。 它将帮助自动化和集成您作为学区管

自动化论文评分-使用LSTM 深度学习模型，可预测给定输入文章的分数。 数据集来自惠普基金会提供的Kaggle ASAP竞赛。 如果您要进行交互式演示，则mysite文件夹包含Django应用。 性能准确性由二次加权Kappa（QWK）计算，该度量用于衡量两个评估者之间的一致性。 六年前，这项竞赛的执行水平达到了0.82的QWK分数。 我的模型的QWK得分为0.961。 该模型体系结构由2个长期短期记忆（LSTM）层和一个密集输出层组成。 最后一层使用Relu激活功能。 QWK是通过使用5

自动化论文评分 数据集 使用由威廉和弗洛拉·休利特基金会（William and Flora Hewlett Foundation）获得的数据集，该数据集由其2012年的Kaggle竞赛公开提供。 使用的算法和技术 具有5倍交叉验证的线性回归模型二次加权Kappa得分作为评估指标前进特征选择Word2Vec模型 局限性 我们的大多数功能都基于论文写作的结构和复杂性，对于我们的项目而言，事实证明这非常有用。 但是，仅凭我们单独使用的功能来判断论文是不公平的。 大多数人类评分员也会着眼于论文的写作