“互聯(lián)網(wǎng)+”背景下高校課程編排系統(tǒng)的構(gòu)建研究

陳瑩 郭娟 謝瑾

摘要：該文提出了一種高校課程編排系統(tǒng)的構(gòu)建方法。設計了相應的評價模型，提高了算法的性能。最后進行了仿真實驗，驗證了所提教學平臺設計算法在性能上的優(yōu)越性。

關鍵詞：層次結(jié)構(gòu);教學平臺;互聯(lián)網(wǎng)

中圖分類號：G301.6

文獻標志碼：A

文章編號：1009-3044（2019）34-0162-02

1 課堂教學評價模型

單憑期末考試的成績是不能衡量課堂質(zhì)量的。從教學轉(zhuǎn)型的方向和高校應用型人才培養(yǎng)的目標來看，一個好的課堂應涵蓋科學準確的教學目標和德育滲透，教學項目要突出重點，層次分明，延伸性強，教學方法要做到教化為本，手段多樣，呈現(xiàn)互動性，教學質(zhì)量高可靠，熟練規(guī)范，氛圍活躍，教學目標明確。此外，在軍事院校的教學中，地方高校和軍校的研究生階段不設問答。因此，課堂評價應包括教師對問題和答案的參與情況以及問題和答案的結(jié)果。課堂教學模式評價功能應從篩選、選擇轉(zhuǎn)向激勵、反饋和調(diào)整。評價項目應當從重視成績向全面發(fā)展轉(zhuǎn)變。評價人員應從單一轉(zhuǎn)為學生、教師、教師同仁和專家共同參與評估。因此，構(gòu)建了以下層次模型：

2 課堂教學評價的層次模型

根據(jù)以上的層次模型，定義了以下與算法相關的公式：

1）在一級評價指標中（對應第二層次），假設教師自我評價、教師間相互評價、專家評價和學生評價分別為A1、A2、A3和A4，一級指標因子集為A= {AI，A2，A3，A41。

2）在二級評價指標中（對應第三層次），假設教學目標、教學項目、教學方法、教學質(zhì)量、教學效果和問答為B1、B2、B3、B4、B5、B6，二級指標因素集為B={B1、B2、B3、B4、B5、B61。

3）在三級評價指標中（對應第四層次），假設二級指標Bi （i=l，2，3，4，5，6）下的三級指標是一組Cil，Ci2，Ci3，Ci4，Ci5，被記為Ci Cil，Ci2，Ci3，Ci4，Ci5），如果三級指標將CI設置為二級指標Bi（i=l，2，3，4，5，6）的下級，則包含的因子不超過6個，將執(zhí)行以下步驟：直接忽略具有缺少項的集合Ci的缺少項。例如，C1被記為{C1l，C12}，對應于{精確教學，符合實際}。

4）評價定義為四個層次：優(yōu)秀（90-100）、良好（80-90）、通過（60-80）和不及格（0-60），分別記為Z1，22，23和24，我們建立評價集Z{ Z1，22。23，24}。

5）確定了評價指標體系的權重。權重在模型中占有重要地位，直接影響到綜合評估的結(jié)果。本文用加權法確定了成對比較矩陣。假設有一個集合D=f D1，D2，D3，D4，D5，D6}（-個隨機的例子，不同于一級指標因子集合），則模糊一致性判斷矩陣構(gòu)造如下：

根據(jù)相關理論，利用本文計算所用的MATLAB軟件，可以計算出最大特征值對應的特征向量W集合的權向量。此外，還介紹了SAAtv層次分析法中不一致性的定義和不一致矩陣中求權向量的求法。SAA押將CI= （d-m）/（m-l）定義為一致性指數(shù)，其中d表示A的最大特征值，m表示A的階，引入隨機一致性指數(shù)RI，其值如下：

對于m>=3的成對比較矩陣A，其一致性指數(shù)CI與同階隨機一致性指數(shù)RI之比f即m相同）稱為一致性比CR。

CR=CI/RI<0.1

當CR=CI/RI〈0.1時，A的不一致度在允許范圍內(nèi)，其特征向量可作為權向量。根據(jù)上面的描述，權重向量為VA=[VAl，VA2，VA3，VA4），在一級因子索引集中。VB=[vl，v2，v3，v4，v5，v6]在二級因子索引集中。VBl=[vll，v12]在三級因子索引集中。

VB2=[v2l，v22，v23，v24】

VB3=[v31，v32，v33，v34，v351

VB4=【v3l，v32，v33，v34】

VB5=[v51，v52，v53，v54，v55】

VB6=【v61，v62]

6）第四層次中的綜合判斷矩陣被定義為Tjk（j=1，2，3，4，分別表示教師自我評價問卷、教師間相互評價問卷、專家評價問卷和學生評價問卷形成的綜合判斷矩陣）。利用Excel軟件對問卷原始信息進行處理，得到課堂評價的6個三級指標集中每個因素的優(yōu)秀率、良好率、通過率和不及格率。

7）第三層次綜合判斷矩陣定義為Q，第三層次各因素綜合判斷矩陣為Qji=Rji*VBi（i_1、2、3、4、5、6）。Qji=Rji*Vbi（i=1，2，3，4，5，6）。Qj=[Qj1，Qj2，Qj3，Qj4，Qj5，Qj6]T最終可以得到。（j=1、2、3、4，分別代表教師自我評價、教師間相互評價、專家評價和學生評價得出的第三層次綜合判斷矩陣）。

8）第二層次中的綜合判斷矩陣定義為S1，S2，S3和S4，可通過教師的自我評價、教師之間的相互評價、專家評價和第二層次中的學生評價來計算。它的計算方法是：

Sj=VB*Qj=[v1，v2，v3，v4，v5，v6]*[Ql，Q2，Q3，Q4，Q5，Q6]T.

9）評價等級及評分表。

分數(shù)向量為U=[95，85，70，53]T。

10）第二層次計算教師自我評價、教師間相互評價、專家評價和學生評價的得分Ul，U2，U3，U4.Ui=Si*U （i=l，2，3，4）。

11）最終結(jié)果=[U1，U2，U3，U4]*VA==[U1，U2，U3，U4]*[VA1，VA2，VA3，VA4]。

3 實驗分析

該實驗項目被我國一所大學的計算機課程表所選擇和驗證?；谟嬎銠C的課程安排見表4。在開發(fā)了基于Visual C++的計算機排課系統(tǒng)。

實驗中選取了標準的PSO算法作為比較算法。選擇目標函數(shù)值和演化時間作為評價指標。實驗共進行了20次。每100次演化一次，查詢并獲得當前種群的最優(yōu)分布自適應值。用該方法對算法的運行時間進行了比較。圖1顯示了模擬結(jié)果。圖2顯示了基于計算機的課程安排的一些結(jié)果。

圖l給出了本文算法和PSO算法的平均自適應值的收斂曲線?？梢?，本文提出的算法比PSO算法的收斂速度快。文中算法的收斂精度高于PSO算法。圖2給出了在計算機排課系統(tǒng)中，本文算法的運算時間與PSO算法的比較。可見.本文算法所用的時間明顯小于PSO算法。計算機排課效果比較見表5。

表5比較了基于計算機的算法與PSO算法之間的距離效應。從表5可以看出，本文的算法在站點利用率、課程省略數(shù)、教師滿意度和基于計算機的課程編排的碰撞率等指標上優(yōu)于PSO算法。這表明該算法在應用基于計算機的課程編排系統(tǒng)中的有效性。

4 結(jié)束語

本文探討和建立基于計算機的課程規(guī)劃與設計方法，將教育數(shù)據(jù)中的交互信息與典型的課堂規(guī)劃相結(jié)合。在教育模式中，從不同層面提出了基于數(shù)據(jù)的信息共享創(chuàng)新模式的可行性。其目的是為了更好地將基于教育數(shù)據(jù)的交互信息應用于基于計算機的課程規(guī)劃和設計。

參考文獻：

[1]楊曉靜.大學生素質(zhì)模型的構(gòu)建[J].科教文匯：中旬刊，2011（4）.

[2]黃波.H公司質(zhì)量管理評價研究[D].石家莊：河北地質(zhì)大學，2018.

[3]基于多層次模糊分析綜合評價法的課堂教學評價數(shù)學模型[Z].互聯(lián)網(wǎng)文檔資源，2016.

【通聯(lián)編輯：謝媛媛】

收稿日期：2019-10-08

基金項目：2（）17年廣西高等教育本科教學改革工程項目（項目編號：2017JGB198）

作者簡介：陳瑩（1980-），女，廣西民族大學預科教育學院，講師;郭娟（1981-），女，長江職業(yè)學院信息化建設管理辦公室，副教授;謝瑾（1981-），女，武漢大學計算機學院，博士。