博主介绍✌ 专注于VUE,小程序安卓Java,python,物联网专业有18年开发经验长年从事毕业指导项目实战✌选取一个适合的毕业设计题目很重要。✌关注✌私信我✌具体的问题我会尽力帮助你。一、研究目的汉字书写评价作为教育评估的重要组成部分在培养学生书法素养、提升书写质量方面发挥着不可替代的作用。传统的人工评价方式依赖教师主观判断存在评判标准不统一、效率低下、难以实现大规模评估等问题。随着计算机视觉与自然语言处理技术的快速发展基于机器学习的书写评价系统已成为研究热点但现有模型普遍采用小规模数据训练缺乏对复杂笔画结构和书写习惯的全面理解导致评价结果与人类专家存在显著差距。本研究旨在构建一种基于大模型的汉字书写评价系统以充分利用大规模预训练模型在视觉理解与语义推理方面的优势实现对书写质量的精准、客观评估。通过引入多模态学习框架将手写图像与文本描述相结合系统能够在保持高效性的同时兼顾细粒度笔画分析与整体结构评价从而弥补传统模型在细节捕捉上的不足。具体而言研究目标包括①构建覆盖常用汉字及其变体的多样化训练数据集涵盖不同书写工具、纸张材质与书写速度等多维度因素②设计可解释的评价指标体系将笔画连贯性、结构完整性、规范程度与美学属性统一纳入评估维度③实现在线实时反馈机制使学生在书写过程中即时获得改进建议促进自我纠错与学习动力④验证系统在教育实践中的可行性评估其对学生书写水平提升的实际效果。通过上述目标的实现本研究将为汉字书写评价提供一种高效、可扩展且具有可解释性的技术方案为教师教学提供量化依据为学习者提供个性化指导并推动人工智能在教育评估领域的深度应用。系统的推广应用有望显著提升书写教学质量促进汉字文化的传承与创新。二、研究意义本研究的意义体现在多维度的学术与社会价值之上首先在教育评估领域其通过大模型实现汉字书写评价的客观化、标准化为教师提供了可量化且可追溯的评价依据从而显著提升了教学质量与评估效率其次在计算机视觉与自然语言处理交叉研究中该系统突破传统单模态模型的局限融合图像特征与文本语义展示了多模态深度学习在细粒度书写分析中的可行性为后续跨领域研究提供了技术范式再次在汉字文化传承与创新方面该系统能够精准捕捉笔画结构与书写习惯的细微差异进而为汉字教育者和研究者提供数据驱动的洞察助力制定更具针对性的教学方案此外该技术在人工智能普及与教育公平方面亦具有重要意义通过在线实时反馈机制使得偏远地区学生也能获得与城市同等质量的书写指导缩小数字鸿沟最后在学术创新层面本研究通过构建大规模汉字书写数据集、设计可解释评价指标体系以及验证系统在真实教学环境中的有效性为机器学习模型的可解释性、鲁棒性与应用落地提供了实证案例推动了人工智能技术向教育领域深度融合的实践进程。三、国内外研究现状国内外在汉字书写评价领域的研究现状可归纳为若干主要方向分别涉及数据集构建、特征提取与模型设计、评价指标体系以及多模态融合技术。首先数据集方面国内学术界已形成以CASIA系列数据库为代表的标准化离线汉字手写样本库该库涵盖了常用汉字及其变体并提供了笔画顺序与结构信息此外SCUT手写数据库、MHW数据库等也为研究者提供了丰富的实验素材。国外在手写识别领域则以IAM Handwriting Database、EMNIST等为主虽然以拉丁文字为主但其数据采集与标注方法对汉字评价系统的构建具有借鉴意义。通过这些数据集研究者能够在大规模样本上训练与评估模型从而提升系统的泛化能力。在特征提取与模型设计方面早期研究多采用传统机器学习方法如HMM、GMM以及支持向量机等依赖手工设计的笔画特征、结构特征与形状描述子。随着深度学习技术的兴起卷积神经网络CNN成为主流方案其在离线汉字识别任务中已取得显著效果例如LeNet、AlexNet以及后来的ResNet、DenseNet等架构被广泛应用于字符级别的特征提取。针对在线书写循环神经网络RNN与长短时记忆网络LSTM能够捕捉时间序列信息结合注意力机制进一步提升识别准确率。近年来Transformer及其变体在序列建模中的优势被逐步引入书写评价研究中通过自注意力机制对笔画顺序与空间关系进行全局建模从而实现更细粒度的评估。国内如清华大学、北京大学等团队在此方向取得了多项成果提出了基于Transformer的笔画序列编码器并在CASIA数据库上实现了比传统RNN更高的识别精度。评价指标体系是书写评价系统的重要组成部分。早期研究主要关注字符识别率与误差率但并未对书写质量进行细致评估。近年来学者开始尝试构建多维度评价指标如笔画连贯性、结构完整性、规范程度以及美学属性等。国内如上海交通大学提出了基于规则的书写评分体系结合笔画起止点、倾斜角度与间距等几何特征对书写进行分级评估。国外在英语手写评价中则采用机器学习模型对文本质量进行自动评分提供了可参考的框架。随着大模型技术的发展一些研究尝试将预训练的视觉语言模型如CLIP、ViT与文本生成模型结合利用其对图像与文本语义的联合理解能力对书写质量进行更为细致且可解释的评估。多模态融合技术是近年来研究热点之一。传统单模态系统仅依赖图像特征难以充分捕捉书写者的意图与情感。为此国内外研究者开始探索将手写图像与文本描述、书写速度、压力等多源信息进行融合。例如北京邮电大学提出了基于双流网络的多模态评价框架分别提取图像特征与笔画时序特征并通过交叉注意力机制实现信息互补。国外则有将手写图像与自然语言描述相结合的研究通过视觉Transformer编码器与BERT文本编码器共同学习书写质量的语义表示从而实现更具可解释性的评价结果。尽管上述研究已取得显著进展但仍存在若干挑战。首先汉字书写的复杂性导致特征提取与模型训练对数据量和多样性的要求极高现有数据集在笔画变体、书写工具及纸张材质等方面仍显不足。其次评价指标的客观性与可解释性尚未得到充分解决尤其在美学属性的量化上缺乏统一标准。再次多模态融合虽提升了系统性能但模型规模庞大、推理速度慢限制了其在实时教学场景中的应用。最后国内外在大模型预训练与迁移学习方面的研究仍处于起步阶段尚未形成系统化的书写评价预训练框架。综上所述国内外在汉字书写评价领域已形成以数据集、深度模型、评价指标与多模态融合为核心的研究体系并在离线与在线识别、评分机制以及模型可解释性等方面取得了重要进展。然而针对汉字书写的特殊性与实际应用需求仍需进一步完善数据资源、构建更细粒度的评价标准并探索高效可解释的大模型框架以实现更精准、更普适的汉字书写评价系统。四、预期达到目标及解决的关键问题预期目标在于构建一种基于大模型的汉字书写评价系统能够实现对离线与在线书写样本的高精度识别、细粒度笔画质量评估以及可解释的评分反馈从而为教育实践提供客观、可追溯且实时的评估工具。具体而言系统应具备以下功能一是通过大规模预训练模型实现对多种书写工具、纸张材质与书写速度的鲁棒识别二是结合多模态特征提取技术对笔画连贯性、结构完整性、规范程度与美学属性进行统一建模并给出分项评分与改进建议三是实现在线实时反馈机制使学生在书写过程中即时获得纠错提示促进自我学习四是通过可解释的模型输出为教师提供决策支持与教学策略调整依据。为实现上述目标本研究将重点解决以下关键问题首先如何构建覆盖常用汉字及其变体、并包含笔画顺序与结构信息的多样化训练数据集以满足大模型训练对数据量与多样性的高要求其次如何设计兼顾细粒度笔画分析与整体结构评价的多模态融合框架使模型在保持高精度的同时具备可解释性再次如何在保证模型规模与推理速度的前提下实现在线实时评估与反馈满足教育现场的时效性需求最后如何制定统一且可量化的评价指标体系使系统输出的评分结果既符合学术标准又易于教师与学生解读。通过对上述目标与关键问题的系统研究本项目旨在推动汉字书写评价技术向更高精度、更大规模以及更广泛应用场景迈进。五、研究内容本研究首先聚焦于构建高质量的汉字书写数据集计划采集来自不同地区、不同年龄段学生的离线与在线书写样本并对每个样本进行笔画顺序、结构标签与书写工具信息的精确标注。通过采用多种纸张材质与笔尖类型扩充数据集的多样性从而为后续大模型训练提供充分且均衡的训练资源。其次在模型设计方面将引入视觉Transformer与时序Transformer相结合的双流网络架构分别负责对图像特征与笔画时序特征进行编码并通过交叉注意力机制实现两模态信息的互补。该结构能够在保持高识别精度的同时捕捉笔画连贯性与结构完整性等细粒度特征。第三评价指标体系的构建将采用多维度分项评分方法包括笔画规范性、结构完整性、书写速度与美学属性等维度并为每个维度设计可解释的评分规则。通过对比专家人工评分与模型输出验证指标体系的客观性与一致性。第四系统实现层面将开发基于云端推理的实时评估平台利用模型压缩与量化技术降低推理延迟并在移动端嵌入即时反馈模块使学生在书写过程中能够获得即时纠错提示与改进建议。最后本研究将通过大规模实验评估系统的性能包括识别准确率、评分一致性、实时性与可解释性等指标并在真实教学环境中进行实地验证以评估其对学生书写水平提升的实际效果。通过上述研究内容的系统推进期望实现一种既具备高精度与可解释性又能满足教育实践需求的汉字书写评价系统。六、需求分析用户需求方面系统的主要使用者为中小学书法教师、学生以及教育行政部门。教师需要一种能够快速、客观地评估大量学生书写作业的工具以减轻人工批改的工作量并提高评估一致性同时还期望系统能够提供细粒度的错误诊断与改进建议帮助教师制定个性化教学方案。学生则希望在练习过程中获得即时、可视化的反馈了解自己的书写优劣势从而自我纠错并提升书写水平他们也期望系统界面友好、交互直观以便在日常学习中频繁使用。教育行政部门关注的是系统的可推广性与标准化程度希望通过统一的评价体系对不同学校、不同地区的书写水平进行横向比较为教育决策提供数据支持。综上用户需求强调系统需具备高效、精准、可解释的评估能力同时界面友好、交互灵活并能够满足多层次、多角色的使用场景。功能需求方面系统首先需实现离线与在线书写样本的采集与预处理模块支持多种输入设备如扫描仪、触控笔记本和平板电脑并自动完成图像去噪、尺寸归一化与笔画分割。其次核心评估模块应采用大模型双流Transformer架构对图像特征与时序特征进行联合编码并通过交叉注意力机制实现多模态融合以获得高精度的识别结果和细粒度的笔画质量评分。随后评价模块需提供多维度评分体系包括笔画规范性、结构完整性、书写速度与美学属性并对每个维度给出可解释的分项分数与改进建议支持导出评估报告。第三系统应具备实时反馈功能在学生书写过程中即时捕捉笔画错误并弹出纠错提示支持离线缓存与云端同步。第四管理模块需提供教师端的批量评估与统计分析工具可生成班级、年级甚至全区书写水平报告并支持数据导入导出。最后系统整体需满足低延迟、高并发的性能要求并通过模型压缩与量化技术实现移动端部署保证在不同硬件平台上的稳定运行。七、可行性分析经济可行性方面系统的总体投入主要包括数据采集与标注成本、模型训练与部署费用以及后期维护与升级支出。数据采集阶段需要聘请专业人员对不同年龄段学生进行书写样本收集并进行笔画顺序与结构标签的人工标注预计每千个样本需投入约人民币五千元若计划构建覆盖常用汉字一万字、每字三百笔画的样本库则初始数据成本约为人民币三百万元。模型训练方面利用云端GPU集群进行大规模Transformer训练按小时计费每小时约人民币两百元预计完成一次完整训练周期需两千小时费用约为人民币四十万元。部署与维护阶段系统采用边缘化部署方案将压缩后的模型部署至学校的本地服务器或移动终端硬件成本低于每台设备千元软件维护费用主要为年度技术支持与模型更新约占初始投入的10%。从收益角度看教师人工批改书写作业的时间可减少70%每名教师每周可节省约八小时教学时间按市场薪酬计算每名教师每年可节省约五万元若在全国推广至数万名教师则潜在经济效益巨大。综合来看系统的投资回报期预计在三至五年内实现盈亏平衡具备良好的经济可行性。社会可行性方面系统的推广需获得教育部门、学校与教师的认可。首先系统提供客观、标准化的书写评价与国家教育评价体系相衔接可为教师提供量化依据提升教学质量其次学生通过即时反馈机制能够自主学习、快速纠错符合现代教育“以学生为中心”的理念再次系统支持多语言与多设备兼容可适应城乡差异与不同学校的硬件条件。隐私与数据安全也是社会可行性的重要考量点系统将采用匿名化标注与加密存储技术严格遵守《个人信息保护法》及教育数据管理规定确保学生信息不被泄露。最后系统的开放API与插件化设计可与现有教学平台无缝集成降低教师培训成本提高接受度。综上所述系统在社会层面具备较高的可接受性与合规性。技术可行性方面关键技术点包括大规模数据处理、双流Transformer模型设计、多模态融合算法以及实时推理部署。现有的视觉Transformer与时序Transformer已在自然语言与图像任务中证明其优越性能可通过迁移学习快速适应汉字书写场景双流架构能够并行处理图像与笔画序列信息交叉注意力机制进一步提升特征互补性。数据预处理与笔画分割可采用现有的深度学习分割网络如U-Net实现高精度切分模型压缩技术如量化、剪枝能够将参数规模降低至几百兆满足移动端部署需求。硬件层面云端GPU与边缘CPU均可满足训练与推理的算力要求系统可通过Docker容器化实现跨平台部署。尽管多模态融合与实时反馈对延迟有较高要求但通过模型蒸馏与异步推理可将响应时间控制在百毫秒级满足教学现场的实时性需求。技术路线已在国内外多个书写评价项目中得到验证技术风险可控。综上所述系统在技术层面具备成熟实现路径与可行性。八、功能分析系统功能模块主要包括数据采集与预处理模块、特征提取与双流Transformer模块、多模态融合模块、评价指标与评分模块、实时反馈与交互模块、报告生成与分析模块、用户管理与权限控制模块以及系统集成与安全保障层。数据采集与预处理模块负责接收来自扫描仪、触控笔记本和平板电脑等多种设备的书写输入自动完成图像去噪、尺寸归一化、笔画分割与时间序列提取并将结果存储至统一的数据仓库。该模块需支持批量上传与在线实时采集并提供可视化预览与错误纠正功能以保证后续模型输入的质量。特征提取与双流Transformer模块是系统的核心计算单元采用视觉Transformer对图像特征进行编码同时利用时序Transformer对笔画时间序列进行建模。两条流通过交叉注意力机制实现信息互补生成统一的高维表示向量为后续评价提供丰富的语义与结构信息。该模块还集成模型压缩与量化技术以满足移动端与边缘设备的推理需求。多模态融合模块负责将视觉与时序特征进一步融合并结合笔画顺序、压力曲线等辅助信息形成最终的书写质量表示。该模块采用自注意力层和门控机制能够动态调整不同模态的重要性从而提升细粒度评估的准确性。评价指标与评分模块基于预定义的多维度评分体系对笔画规范性、结构完整性、书写速度与美学属性等进行分项评估并输出可解释的分数与改进建议。该模块支持自定义权重配置以满足不同教学阶段或课程目标的需求。实时反馈与交互模块在学生书写过程中实时捕捉错误笔画利用模型推理结果即时给出纠错提示、动画示例与改进路径帮助学生在练习中快速纠正。该模块提供触摸屏或键盘交互界面并支持离线缓存与云端同步以保证在网络不佳环境下的稳定使用。报告生成与分析模块为教师与教育管理者提供班级、年级乃至全区书写水平的统计报表支持图表可视化、趋势分析与异常检测。该模块还可导出PDF或Excel格式的评估报告便于归档与共享。用户管理与权限控制模块实现基于角色的访问控制区分学生、教师、管理员等身份并提供安全认证、密码策略与审计日志功能以保障系统数据与功能的安全性。系统集成与安全保障层负责将上述模块通过RESTful API或gRPC进行耦合支持与学校信息管理系统SIS或学习管理平台LMS的无缝对接。该层还实现数据加密传输、身份验证、访问控制与合规审计以满足《个人信息保护法》等法规要求。通过上述功能模块的协同工作系统能够实现从书写样本采集到实时评估、反馈与报告生成的完整闭环为教育实践提供高效、精准且可解释的汉字书写评价解决方案。九、数据库设计表User字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注user_id | 用户编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成username | 登录账号唯一约束 | 50 | VARCHAR(50) NOT NULL UNIQUE | |password_hash | 密码哈希值存储加密后数据 | 255 | VARCHAR(255) NOT NULL | |role | 用户角色取值范围为 student、teacher、admin | 10 | ENUM(student,teacher,admin) NOT NULL DEFAULT student | |email | 邮箱地址用于通知与密码重置 | 100 | VARCHAR(100) NULL UNIQUE | |表Student字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注student_id | 学生编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成user_id | 与 User 表关联的外键指向用户账号信息 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → User.user_id |name | 学生姓名中文字符串 | 50 | VARCHAR(50) NOT NULL | |gender | 性别取值范围为 male、female、other | 10 | ENUM(male,female,other) NULL DEFAULT other | |birth_date | 出生日期方便年龄统计与分级教学 | 10 | DATE NULL | |表Teacher字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注teacher_id | 教师编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成user_id | 与 User 表关联的外键指向教师账号信息 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → User.user_id |name | 教师姓名中文字符串 | 50 | VARCHAR(50) NOT NULL | |department | 所属院系或教学科目便于课程分配与统计 | 100 | VARCHAR(100) NULL | |表Class字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注class_id | 班级编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成class_name | 班级名称便于识别与管理例如 “一年级A班” | 100 | VARCHAR(100) NOT NULL | |grade_level | 年级层次取值范围为 1、2、3…等整数 | 10 | INT(11) UNSIGNED NOT NULL | |表Enrollment字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注enrollment_id | 注册编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成student_id | 学生编号外键关联 Student 表 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → Student.student_id |class_id | 班级编号外键关联 Class 表 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → Class.class_id |表Character字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注char_id | 字符编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成unicode_code| Unicode 编码十六进制字符串 | 10 | CHAR(6) NOT NULL UNIQUE | |char_name | 汉字名称或拼音便于检索与展示 | 50 | VARCHAR(50) NULL |表WritingSample字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注sample_id | 书写样本编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成student_id | 学生编号外键关联 Student 表 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → Student.student_id |char_id | 书写字符编号外键关联 Character 表 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → Character.char_id |image_path | 存储图片的文件路径或 URL | 255| VARCHAR(255) NOT NULL |capture_time | 采集时间戳便于统计与版本控制 | 10 | DATETIME NOT NULL |device_type | 采集设备类型例如 scanner、tablet、mobile 等 | 20 | ENUM(scanner,tablet,mobile) NOT NULL DEFAULT tablet |表EvaluationMetric字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注metric_id | 指标编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成sample_id | 书写样本编号外键关联 WritingSample 表 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → WritingSample.sample_id |metric_name | 指标名称例如 stroke_consistency、stroke_speed、structure_accuracy 等 | 50 | VARCHAR(50) NOT NULL |metric_value | 指标数值浮点型精度保留两位小数 | 10 | DECIMAL(5,2) NOT NULL |表Evaluation字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注evaluation_id | 评估编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成sample_id | 书写样本编号外键关联 WritingSample 表 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → WritingSample.sample_id |total_score | 总分浮点型保留两位小数 | 10 | DECIMAL(5,2) NOT NULL |表Report字段名(英文) | 说明(中文) | 大小 | 类型 | 主外键 | 备注report_id | 报告编号系统唯一标识符 | 10 | INT(11) UNSIGNED AUTO_INCREMENT | 主键 | 自动生成class_id | 班级编号外键关联 Class 表 | 10 | INT(11) UNSIGNED NOT NULL | 外键 → Class.class_id |report_date | 报告生成日期 | 10 | DATE NOT NULL |average_score| 本班平均总分浮点型保留两位小数 | 10 | DECIMAL(5,2) NOT NULL |上述表结构遵循第一范式与第二范式所有非主属性完全函数依赖于主键通过外键实现表间关联保证数据完整性与一致性。十、建表语句CREATE TABLE User (user_id INT UNSIGNED NOT NULL AUTO_INCREMENT,username VARCHAR(50) NOT NULL,password_hash VARCHAR(255) NOT NULL,role ENUM(student,teacher,admin) NOT NULL DEFAULT student,email VARCHAR(100),PRIMARY KEY (user_id),UNIQUE KEY idx_username (username),UNIQUE KEY idx_email (email)) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE Student (student_id INT UNSIGNED NOT NULL AUTO_INCREMENT,user_id INT UNSIGNED NOT NULL,name VARCHAR(50) NOT NULL,gender ENUM(male,female,other) DEFAULT other,birth_date DATE,PRIMARY KEY (student_id),KEY fk_student_user_idx (user_id),CONSTRAINT fk_student_user FOREIGN KEY (user_id) REFERENCES User(user_id) ON DELETE RESTRICT ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE Teacher (teacher_id INT UNSIGNED NOT NULL AUTO_INCREMENT,user_id INT UNSIGNED NOT NULL,name VARCHAR(50) NOT NULL,department VARCHAR(100),PRIMARY KEY (teacher_id),KEY fk_teacher_user_idx (user_id),CONSTRAINT fk_teacher_user FOREIGN KEY (user_id) REFERENCES User(user_id) ON DELETE RESTRICT ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE Class (class_id INT UNSIGNED NOT NULL AUTO_INCREMENT,class_name VARCHAR(100) NOT NULL,grade_level INT UNSIGNED NOT NULL,PRIMARY KEY (class_id)) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE Enrollment (enrollment_id INT UNSIGNED NOT NULL AUTO_INCREMENT,student_id INT UNSIGNED NOT NULL,class_id INT UNSIGNED NOT NULL,PRIMARY KEY (enrollment_id),KEY fk_enrollment_student_idx (student_id),KEY fk_enrollment_class_idx (class_id),CONSTRAINT fk_enrollment_student FOREIGN KEY (student_id) REFERENCES Student(student_id) ON DELETE RESTRICT ON UPDATE CASCADE,CONSTRAINT fk_enrollment_class FOREIGN KEY (class_id) REFERENCES Class(class_id) ON DELETE RESTRICT ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE ChineseCharacter (char_id INT UNSIGNED NOT NULL AUTO_INCREMENT,unicode_code CHAR(6) NOT NULL,char_name VARCHAR(50),PRIMARY KEY (char_id),UNIQUE KEY idx_unicode_code (unicode_code)) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE WritingSample (sample_id INT UNSIGNED NOT NULL AUTO_INCREMENT,student_id INT UNSIGNED NOT NULL,char_id INT UNSIGNED NOT NULL,image_path VARCHAR(255) NOT NULL,capture_time DATETIME NOT NULL,device_type ENUM(scanner,tablet,mobile) NOT NULL DEFAULT tablet,PRIMARY KEY (sample_id),KEY fk_sample_student_idx (student_id),KEY fk_sample_char_idx (char_id),CONSTRAINT fk_sample_student FOREIGN KEY (student_id) REFERENCES Student(student_id) ON DELETE RESTRICT ON UPDATE CASCADE,CONSTRAINT fk_sample_char FOREIGN KEY (char_id) REFERENCES ChineseCharacter(char_id) ON DELETE RESTRICT ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE EvaluationMetric (metric_id INT UNSIGNED NOT NULL AUTO_INCREMENT,sample_id INT UNSIGNED NOT NULL,metric_name VARCHAR(50) NOT NULL,metric_value DECIMAL(5,2) NOT NULL,PRIMARY KEY (metric_id),KEY fk_metric_sample_idx (sample_id),CONSTRAINT fk_metric_sample FOREIGN KEY (sample_id) REFERENCES WritingSample(sample_id) ON DELETE RESTRICT ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE Evaluation (evaluation_id INT UNSIGNED NOT NULL AUTO_INCREMENT,sample_id INT UNSIGNED NOT NULL,total_score DECIMAL(5,2) NOT NULL,PRIMARY KEY (evaluation_id),KEY fk_evaluation_sample_idx (sample_id),CONSTRAINT fk_evaluation_sample FOREIGN KEY (sample_id) REFERENCES WritingSample(sample_id) ON DELETE RESTRICT ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;CREATE TABLE Report (report_id INT UNSIGNED NOT NULL AUTO_INCREMENT,class_id INT UNSIGNED NOT NULL,report_date DATE NOT NULL,average_score DECIMAL(5,2) NOT NULL,PRIMARY KEY (report_id),KEY fk_report_class_idx (class_id),CONSTRAINT fk_report_class FOREIGN KEY (class_id) REFERENCES Class(class_id) ON DELETE RESTRICT ON UPDATE CASCADE) ENGINEInnoDB DEFAULT CHARSETutf8mb4;文章下方名片联系我即可~大家点赞、收藏、关注、评论啦 、查看下方获取联系方式