摘要：学生作弊行为数据集专门用于基于视频监控的考试作弊行为自动检测研究。数据采集在信息技术学院真实教室环境中进行，使用佳能EOS 70D专业相机以1920×1080分辨率、24帧每秒的规格录制，拍摄距离约3米，确保了清晰的行为细节捕捉。
数据集概述
学生作弊行为数据集专门用于基于视频监控的考试作弊行为自动检测研究。数据采集在信息技术学院真实教室环境中进行，使用佳能EOS 70D专业相机以1920×1080分辨率、24帧每秒的规格录制，拍摄距离约3米，确保了清晰的行为细节捕捉。数据集包含37个.avi格式视频序列,涵盖交换试卷、偷看他人试卷、使用小抄、使用手机以及正常答题五类行为标签，由8名受试者（男女各半）配合完成预设场景拍摄，为学术诚信监控系统的开发提供了真实可靠的训练素材
数据结构与关键特征
数据集采用多类别行为分类结构，包含四种明确的作弊行为类型和一种正常行为基线类别，便于构建二分类（作弊/非作弊）或多分类识别模型。视频数据保持统一的技术规格（全高清分辨率、固定帧率、标准化拍摄距离），减少了预处理复杂度。受试者的性别平衡设计和两两配对的活动执行方式增加了数据的多样性，使模型能够学习不同个体的行为特征差异。每个视频序列对应明确的行为标签，支持监督学习和时序动作识别任务。
应用价值与研究方向
该数据集在教育技术、行为分析和智能监考系统领域具有重要研究价值和实用意义。在应用层面，可用于开发自动化考试监控系统、异常行为预警平台和在线考试诚信保障工具，帮助教育机构提升考试管理效率并降低人工监考成本。在研究方向上，适合用于动作识别算法验证、时空特征提取、视频分类模型训练以及多模态行为分析等前沿技术探索。此外，该数据集可为行为心理学研究、人机交互分析和隐私保护技术（如模糊化处理后的行为识别）提供实验基础，推动负责任AI在教育场景中的应用与伦理规范的建立。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-250
文件大小：1.2G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)