| Русский Русский | English English |
   
Главная Current Issue
28 | 03 | 2024
10.14489/vkit.2020.06.pp.022-030

DOI: 10.14489/vkit.2020.06.pp.022-030

Иванова С. М., Ильиченкова З. В., Антонова А. А.
АНАЛИЗ КЛАВИАТУРНОГО ПОЧЕРКА В ОБУЧАЮЩИХ СИСТЕМАХ
(c. 22-30)

Аннотация. Рассмотрен вопрос подтверждения личности пользователя, применяющего дистанционные образовательные технологии. В процессе обучения встречается подмена одного пользователя другим при обучении или выполнении аттестационных работ. Для исключения несанкционированной замены обучающегося предложено использовать его клавиатурный почерк не только при авторизации пользователя в системе, но и в процессе работы. В целях обеспечения корректности работы при формировании почерка вычислены характеристики почерка для всего используемого набора символов, который в дальнейшем задействуется при проведении аттестации. В зависимости от найденных характеристик, основанных на длительности нажатий на клавиши, символы объединяются в кластеры, согласно полученным значениям средних и среднеквадратичных отклонений. Приведены экспериментальные данные, используемые для формирования клавиатурного почерка. Показана работоспособность предложенного метода.

Ключевые слова:  клавиатурный почерк; обучающие системы; кластеризация символов; контроль обучающегося; подтверждение личности пользователя; длительность нажатия на клавиши.

 

Ivanova S. M., Ilyichenkova Z. V., Antonova A. A.
KEYBOARD HANDWRITING ANALYSIS IN THE LEARNING SYSTEMS
(pp. 22-30)

Abstract. The confirming the identity of a user working distance educational technologies problem is considered in the article. Now distance educational technologies don’t give confidence that the student works in the educational environment independently, without involving third parties in the process. In the learning process, there is a substitution of one user for another when learning or performing certification work. To eliminate the unauthorized replacement of the student, it is proposed to use his keyboard handwriting not only when authorizing the user in the system, but also in the process of his work. When working in an educational environment, a user can employ various keyboard characters when typing, so storing data based only on a passphrase is not enough. So, to ensure the correct operation of the handwriting, its characteristics are determined for the entire set of characters used, which will be involved in the certification process then. Depending on the characteristics found, based on the keystroke duration, the characters are combined into clusters according to the obtained mean and standard deviations. Combining occurs according to the principle of minimum distances between each pair of characters. Since the scales of these characteristics have a different numerical range, they are first converted to the range [0; 1]. This allows us to make their contribution to the formation of clusters equivalent. The obtained data can be employed during the entire time the user is in the educational environment to verify his identity. The experimental data used to form keyboard handwriting are presented in the paper. The process of cluster formation for a set of 8 characters is described in detail. For a complete set of letters, the initial data and the final result are given. Studies have shown the efficiency of the proposed method.

Keywords: Keyboard handwriting; Learning systems; Character clustering; Learner control; User Identification; Keystroke Duration.

Рус

С. М. Иванова, З. В. Ильиченкова, А. А. Антонова (МИРЭА – Российский технологический университет, Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Eng

S. M. Ivanova, Z. V. Ilyichenkova, A. A. Antonova (MIREA – Russian Technological University, Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Рус

1. Повышение качества электронного образования методами бенчмаркинга / И. И. Антонова и др. // Развитие современного образования: теория, методика и практика. 2017. № 1(11). С. 38 – 41.
2. Саркисова И. О. Использование специализированной ЭОС для повышения эффективности обучения мультиязычных групп // Ученые записки института социальных и гуманитарных знаний. 2019. № 1(17). С. 439 – 443.
3. Мотозов А. В., Иванова И. А. Проблемы реализации и работы с пиринговыми сетями // Телекоммуникации и информационные технологии. 2018. Т. 5, № 1. С. 122 – 125.
4. Соломяный Р. Н., Сосенушкин С. Е. Проблемы применения искусственного интеллекта в адаптивном обучении. // Наука. Информатизация. Технологии. Образование: материалы XII Междунар. науч.-практ. конф. Екатеринбург, 2019. С. 680 – 687.
5. Свириденко К. Прокторинг – надежный способ получить объективную оценку навыков кандидатов [Электронный ресурс]. 22.12.2017. URL: https://finassessment.net/blog/proktoring-nadezhnyj-sposob- poluchit-ob-ektivnuyu-otsenku-navykov-kandidatov (дата обращения: 27.04.2020).
6. Фотонная технология как способ совершенствования ключевых технических показателей устройств задержки радиосигналов / Т. Н. Бахвалова и др. // Российский технологический журнал. 2017. Т. 5, № 3(17). С. 4 – 21.
7. Иванова С. М., Ильиченкова З. В. Идентификация аттестационных работ при реализации электронного обучения с применением дистанционных образовательных технологий // Вестник МГТУ «Станкин». 2015. № 2 (33). С. 116 – 118.
8. Брюхомицкий Ю. А. Гистограммный метод распознавания клавиатурного почерка [Электронный ресурс] // Известия ЮФУ. Техн. науки. Темат. вып. С. 55 – 62. URL: https://cyberleninka.ru/article/v/gistogrammnyy-metod-raspoznavaniya-klaviaturnogo-pocherka (дата обращения: 27.04.2020).
9. Иванова С. М., Ильиченкова З. В. Аутентификация пользователей мобильных устройств по клавиатурному почерку // Вестник МГТУ «Станкин». 2018. № 2(45). С. 85 – 89.
10. Тоноян С. А., Селиверстова А. В., Мышенков К. С. Сравнительный анализ подходов биометрической идентификации // Теория и практика современной науки. 2017. № 10(28). С. 201 – 208.
11. Алешникова Е. А., Чадина Ю. А. Аксиологизация работы с текстом на уроках русского языка в старшей школе // Русский язык в школе. 2019. Т. 80, № 1. С. 46 – 49.

Eng

1. Antonova I. I. et al. (2017). Improving the quality of electronic education using benchmarking methods. Razvitie sovremennogo obrazovaniya: teoriya, metodika i praktika, 11(1), pp. 38 – 41. [in Russian lamguage]
2. Sarkisova I. O. (2019). Using specialized EOS to improve the learning efficiency of multilingual groups. Uchenye zapiski instituta sotsial'nyh i gumanitarnyh znaniy, 17(1), pp. 439 – 443. [in Russian language]
3. Motozov A. V., Ivanova I. A. (2018). Problems of implementation and work with peer-to-peer networks. Telekommunikatsii i informatsionnye tekhnologii, Vol. 5, (1), pp. 122 – 125. [in Russian language]
4. Solomyaniy R. N., Sosenushkin S. E. (2019). Problems of the use of artificial intelligence in adaptive learning. The science. Informatization. Technologies. Education: Materials of the XII International Scientific and Practical Conference, pp. 680 – 687. Ekaterinburg. [in Russian language]
5. Sviridenko K. (2017). Proctoring is a reliable way to get an objective assessment of candidate skills. Available at: https://finassessment.net/blog/proktoring-nadezhnyj-sposob-poluchit-ob-ektivnuyu-otsenku-navykov-kandidatov (Accessed: 27.04.2020). [in Russian language]
6. Bahvalova T. N. et al. (2017). Photon technology as a way to improve key technical parameters of radio signal delay devices. Rossiyskiy tekhnologicheskiy zhurnal, Vol. 5, 17(3), pp. 4 – 21. [in Russian language]
7. Ivanova S. M., Il'ichenkova Z. V. (2015). Identification of certification work in the implementation of elearning using distance learning technologies. Vestnik MGTU «Stankin», 33(2), pp. 116 – 118. [in Russian language]
8. Bryuhomitskiy Yu. A. Bar graph handwriting recognition method. Izvestiya YuFU. Tekhnicheskie nauki. Tematicheskiy vypusk, pp. 55 – 62. Available at: https://cyberleninka.ru/article/v/gistogrammnyy-metod-raspoznavaniya-klaviaturnogo-pocherka (Accessed: 27.04.2020). [in Russian language]
9. Ivanova S. M., Il'ichenkova Z. V. (2018). Authentication of mobile device users by keyboard hand-writing. Vestnik MGTU «Stankin», 45(2), pp. 85 – 89. [in Russian language]
10. Tonoyan S. A., Seliverstova A. V., Myshenkov K. S. (2017). Comparative analysis of biometric identification approaches. Teoriya i praktika sovremennoy nauki, 28(10), pp. 201 – 208. [in Russian language]
11. Aleshnikova E. A., Chadina Yu. A. (2019). Axiologization of work with text in Russian language lessons in high school. Russkiy yazyk v shkole, Vol. 80, (1), pp. 46 – 49. [in Russian language]

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2020.06.pp.022-030

и заполните  форму 

Отправляя форму вы даете согласие на обработку персональных данных.

.

 

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2020.06.pp.022-030

and fill out the  form  

 

.

 

 

 
Search
Баннер
Баннер
Rambler's Top100 Яндекс цитирования