重庆医科大学附属第一医院无人执考系统项目阳光推介会公告

发布时间: 2026年03月30日
摘要信息
招标单位
招标编号
招标估价
招标联系人
招标代理机构
代理联系人
报名截止时间
投标截止时间
关键信息
招标详情
下文中****为隐藏内容,仅对千里马会员开放,如需查看完整内容请 或 拨打咨询热线: 400-688-2000
相关单位:
***********公司企业信息
**** 无人执考系统项目 阳光推介会公告
发布时间:2026.****.30
****
无人执考系统项目阳光推介会公告

我院拟举行无人执考系统项目阳光推介会,欢迎具有相关资质、产品符合要求的商家积极参与。

一、项目信息

(一)项目名称:无人执考系统系统

(二)项目类型:软件

(三)项目预算:29万元(非最终限价)

(四)项目目标

围绕建****培训中心的核心任务,本项目旨在建成一套支持多技能站点的全景数字化、无人值守技能训练与考核平台。通过引入智能录播、云端管理与AI辅助技术,构建覆盖 自主训练-无考官考核-异步评阅-复盘提升 全流程的闭环管理体系,实现临床技能教学**的优化配置、考核评价的标准化与同质化,以及教学管理流程的数字化与智能化转型,全面提升技能教学效率、质量与公平性。

(五)项目要求

项目建设需满足以下核心要求,以实现无人化值守下的高效训考管理:

1.无人值守智能训考管理:系统应支持在无人管理状态下,学生通过身份认证(如刷卡/刷脸/账号登陆等形式)自助启动设备,完成指定技能项目的操作。系统需自动进行多角度(全景+特写)高清视频采集、录制,并在操作结束后自动将完整视频加密上传至专属云平台。全过程无需考官现场监督。

2.云端视频管理与异步评阅:云平台需提供视频集中存储、管理与点播服务。评分老师可凭账号随时随地登录平台,调阅学生视频,结合内置的标准化电子评分表进行评阅打分。评分结果自动关联视频与学生信息。学生可登录平台查看自己的操作视频、评分详情及教师评语,支持反复回放以进行复盘学习。

3.与现有教学平台深度对接集成:1)实现单点登录(SSO)集成。学生可通过教学管理平台预约无人执考系统的训练时段;师生均能通过教学管理平台内的链接,无缝跳转至无人执考系统进行视频查看、评分或成绩查询,无需二次登录。2)OSCE考试环境:实现与科室现有的OSCE考试系统的数据互联。能够接收来自OSCE系统的排考计划、考生调度指令;在作为OSCE考站使用时,能将本站点的考生成绩自动回传至OSCE系统,纳入总成绩管理,实现OSCE多站式考试中特定站点的全程无考官自主化考核。

4.系统性能安全与规范以及可扩展性:系统需具备高稳定性与高并发处理能力,满足培训高峰期的使用需求。数据存储与传输符合医疗信息安全等级保护要求。系统设计、数据接口需遵循相关的教育信息化及医疗信息技术标准,****医院现有及未来系统的兼容性与可扩展性。

二、参与阳光推介会资质

参与本次阳光推介会的商家应具备如下条件:

(一)独立法人,持有合法有效(有效期内)的三证合一营业执照;

(二)具有独立承担民事责任的能力;

(三)具有良好的商业信誉;

(四)具有履行调研所必需的产品和专业技术能力;

(五)具有依法缴纳税收和社会保障资金的良好记录;

(六)近三年(2023年-2025年)在经营活动中没有重大违法记录;

(七)推介产品符合法律、行政法规等规定的其他强制性条件。

三、报名时间及方式

(一)报名时间

2026年4月3日**时间18点前。

(二)报名方式

线上报名。将盖章后的报名文件及相关资质证明材料(见附件1)扫描为电子版发送至电子邮箱(****@qq.com)。

电子邮件的主题格式:报名+项目名称+商家名称,正文应清晰体现供应商名称、联系人及联系电话。

四、推介资料

(一)提交资料:提交附件2要求的所有资料。

(二)产品资料:推介产品整体架构、功能介绍、产品设计特色及亮点等。

(三)提交要求:提交资料需加盖公章,并与报名材料(附件1)一起,将电子版于报名时间内送至电子邮箱(****@qq.com)。

(四)联系人

联系人:陈老师

电 话:023-****1302

五、产品推介会安排

本院暂不接受现场咨询,报名结束后将通过电话及邮件方式,通知符合条件的商家参加产品阳光推介会。

(一)推介内容:供应商基本情况、用户案例、规划方案、产品功能及参数、产品优势特色、联合研发服务模式等内容。

(二)推介方式:PPT和系统汇报展示(每个单位30分钟)。

(三)推介时间、地点:以医院后续通知为准。

附件1:报名资料.docx

附件2:推介资料.docx

****

2026年3月30日

附件(2)
招标进度跟踪
2026-03-30
招标公告
重庆医科大学附属第一医院无人执考系统项目阳光推介会公告
当前信息
招标项目商机
暂无推荐数据