Framework AI per il Rilevamento di Frodi agli Esami Utilizza i Modelli YOLOv8n e RexNet-150

Un nuovo framework di deep learning a due fasi mira a migliorare il rilevamento di frodi agli esami combinando la localizzazione di oggetti con l'analisi comportamentale. Il sistema utilizza prima il modello YOLOv8n per identificare gli studenti nelle immagini delle aule d'esame, poi impiega un modello RexNet-150 ottimizzato per classificare il comportamento come normale o fraudolento. L'addestramento ha coinvolto un dataset compilato da 10 fonti indipendenti contenenti 273.897 campioni, raggiungendo un'accuratezza dello 0,95. Questo approccio affronta i limiti della vigilanza umana tradizionale, spesso inefficiente e soggetta a errori su larga scala. Sebbene esistano già alcuni sistemi di monitoraggio basati sull'IA, molti mancano di trasparenza o richiedono architetture complesse. Il framework proposto integra tecnologie consolidate per migliorare le prestazioni e l'affidabilità nell'applicazione dell'integrità accademica.