主動(dòng)式實(shí)驗(yàn)課程成績(jī)預(yù)警系統(tǒng)及其效果評(píng)估

甘才軍

摘 要：針對(duì)現(xiàn)有教學(xué)信息系統(tǒng)在學(xué)生課外學(xué)習(xí)主動(dòng)性促進(jìn)方面存在的不足，設(shè)計(jì)并實(shí)現(xiàn)了一種可針對(duì)學(xué)生實(shí)驗(yàn)課程成績(jī)進(jìn)行主動(dòng)式預(yù)警的系統(tǒng)。該系統(tǒng)根據(jù)學(xué)生以往實(shí)驗(yàn)報(bào)告及教師批閱信息，利用貝葉斯分類器對(duì)學(xué)生實(shí)驗(yàn)課程最終考核成績(jī)提前作出預(yù)測(cè)并及時(shí)發(fā)出預(yù)警，以督促學(xué)生在課外更加主動(dòng)地學(xué)習(xí)。將該機(jī)制應(yīng)用于《C程序設(shè)計(jì)實(shí)驗(yàn)》教學(xué)改革中，結(jié)果表明，該系統(tǒng)能在結(jié)課前有效預(yù)測(cè)學(xué)生最終考核成績(jī)，且啟用成績(jī)預(yù)警后，學(xué)生及格率相比從前提高了12%以上。

關(guān)鍵詞：實(shí)驗(yàn)教學(xué);成績(jī)預(yù)警;貝葉斯分類器;互聯(lián)網(wǎng)+

DOI：10. 11907/rjdk. 191836 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）005-0128-04

0 引言

我國高校正進(jìn)行著新一輪以工程認(rèn)證為動(dòng)力、持續(xù)推進(jìn)教學(xué)改革的浪潮。此次改革倡導(dǎo)的OBE（Outcome-based Education）理念已深入人心，其核心是“以學(xué)生為中心”。課程改革是教學(xué)改革的落腳點(diǎn)，而實(shí)驗(yàn)課程又是課程改革的關(guān)鍵一環(huán)。當(dāng)前，在高校壓縮課堂學(xué)時(shí)的大趨勢(shì)下，實(shí)驗(yàn)課程往往成為學(xué)時(shí)壓縮的重點(diǎn)。如何在課堂學(xué)時(shí)有限的情況下改善實(shí)驗(yàn)教學(xué)效果，成為實(shí)驗(yàn)教學(xué)改革的重點(diǎn)問題。解決該問題的關(guān)鍵需要回到“以學(xué)生為中心”這一根本原則上，達(dá)到“教為不教，學(xué)為學(xué)會(huì)”[1]。為此，要設(shè)法引導(dǎo)學(xué)生自己愿意學(xué)、主動(dòng)學(xué)。由于實(shí)驗(yàn)課堂學(xué)時(shí)通常有限，因此實(shí)驗(yàn)教學(xué)改革的關(guān)鍵在于課外。以我?！禖程序設(shè)計(jì)實(shí)驗(yàn)》為例，該門課程只有16個(gè)學(xué)時(shí)，學(xué)生很難在這么短的時(shí)間內(nèi)掌握程序求解過程中的問題分析、程序編寫、錯(cuò)誤糾正等基本方法和思路，唯有在課外投入足夠多的時(shí)間，方能達(dá)成課程目標(biāo)。

為提高學(xué)生課外學(xué)習(xí)的積極性，近年來各高校紛紛推進(jìn)基于“互聯(lián)網(wǎng)+”的教學(xué)信息系統(tǒng)[2-4]以及基于信息系統(tǒng)的教學(xué)模式[5-10]。這些改革舉措主要是從教學(xué)資源共享、師生互動(dòng)兩個(gè)層面上為師生提供便利，使學(xué)生隨時(shí)隨地都能進(jìn)行課外學(xué)習(xí)，并能與任課教師進(jìn)行交流。這些信息系統(tǒng)確實(shí)在一定程度上提高了教學(xué)效率，對(duì)提升學(xué)生學(xué)習(xí)興趣起到了一定作用，但這類系統(tǒng)在促進(jìn)學(xué)生學(xué)習(xí)積極性方面仍然有待改善，主要體現(xiàn)在缺乏對(duì)學(xué)生學(xué)習(xí)結(jié)果的預(yù)測(cè)，以及建立在結(jié)果預(yù)測(cè)上的行為預(yù)警，也即缺乏“目標(biāo)導(dǎo)向”，而這也正是OBE理念的關(guān)鍵之一。

近年來，國內(nèi)外不少高校積極探索如何對(duì)學(xué)生學(xué)業(yè)與課程成績(jī)進(jìn)行預(yù)測(cè)，并據(jù)此改善教學(xué)，即“學(xué)習(xí)預(yù)警”。學(xué)習(xí)預(yù)警是指按照一定標(biāo)準(zhǔn)綜合評(píng)估學(xué)生的背景信息、學(xué)習(xí)行為、考試成績(jī)等因素，按照評(píng)估結(jié)果向?qū)W生、教師等發(fā)出提示信號(hào)，并及時(shí)提供有效且針對(duì)性強(qiáng)的干預(yù)建議[11]。如胡樹煜[12]介紹了錦州醫(yī)科大學(xué)根據(jù)實(shí)踐經(jīng)驗(yàn)制定的一套符合醫(yī)科學(xué)業(yè)特點(diǎn)的學(xué)業(yè)預(yù)警管理辦法[12];韓麗娜[13]以某班學(xué)生某門課程學(xué)習(xí)信息數(shù)據(jù)為挖掘?qū)ο螅捎秘惾~斯分類模型進(jìn)行成績(jī)預(yù)測(cè)，準(zhǔn)確率達(dá)到83%;陳子健等[14]從教育數(shù)據(jù)中挖掘影響在線學(xué)習(xí)者學(xué)業(yè)成績(jī)的影響因素，并基于集成學(xué)習(xí)方法構(gòu)建學(xué)業(yè)成績(jī)預(yù)測(cè)模型;劉毓等[15]提出基于遺傳神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，利用基礎(chǔ)課程成績(jī)預(yù)測(cè)目標(biāo)課程成績(jī);Yao[16]從數(shù)千名學(xué)生智能卡中收集縱向行為數(shù)據(jù)，提出3種主要行為判別因素：勤奮、有序和睡眠模式，依據(jù)這3種行為模式進(jìn)行學(xué)生學(xué)業(yè)成績(jī)預(yù)測(cè)，建立一個(gè)基于學(xué)習(xí)—排名算法的多任務(wù)預(yù)測(cè)框架，用于學(xué)業(yè)成績(jī)預(yù)測(cè)。

上述關(guān)于學(xué)習(xí)成績(jī)預(yù)測(cè)的研究主要還是針對(duì)學(xué)業(yè)，而非特定課程，且側(cè)重于預(yù)測(cè)方法論，鮮有文獻(xiàn)就該預(yù)警行為對(duì)教學(xué)效果的影響（實(shí)際上是對(duì)學(xué)生課外學(xué)習(xí)積極性的影響）進(jìn)行評(píng)估。針對(duì)這一問題，本文利用自行開發(fā)且已投入使用多年的實(shí)驗(yàn)教學(xué)信息管理系統(tǒng)收集的學(xué)生課外實(shí)驗(yàn)報(bào)告相關(guān)信息，設(shè)計(jì)并實(shí)現(xiàn)了能夠?qū)?shí)驗(yàn)課程最終成績(jī)進(jìn)行預(yù)測(cè)的樸素貝葉斯分類器，在此基礎(chǔ)上實(shí)現(xiàn)了一個(gè)主動(dòng)式成績(jī)預(yù)警子系統(tǒng)，最后以《C程序設(shè)計(jì)實(shí)驗(yàn)》教學(xué)為例，評(píng)估該系統(tǒng)的實(shí)際應(yīng)用效果。

1 基于樸素貝葉斯分類器的成績(jī)預(yù)警

1.1 樸素貝葉斯分類器基本原理

樸素貝葉斯分類器[17]假設(shè)對(duì)所有已知類別c（c∈Y， Y={ck|k=1，2，…，N}），事例所有已知的d個(gè)屬性（A1，A2，…，Ad）相互獨(dú)立?；谶@一假設(shè)，若已知類先驗(yàn)概率P（c）、類條件概率[P（xi|c）]（xi為屬性Ai上的取值，即Ai=xi），則可根據(jù)事例屬性向量的觀測(cè)值x=[x1，x2，…，xd]，利用樸素貝葉斯公式預(yù)測(cè)該事例所屬類別為：

式中，[Dc，xi]表示Dc中在Ai上取值為c的樣本組成的集合，Ni表示Ai上取不同值的個(gè)數(shù)，|.|表示集合樣本個(gè)數(shù)，可見樸素貝葉斯分類器意義明確，通過簡(jiǎn)單統(tǒng)計(jì)即可得到結(jié)果，因而易與數(shù)據(jù)庫查詢相結(jié)合，相比SVM、神經(jīng)網(wǎng)絡(luò)等分類器更容易集成到現(xiàn)有系統(tǒng)。因此，樸素貝葉斯分類器已應(yīng)用于現(xiàn)有教學(xué)信息系統(tǒng)中[18-20]。

1.2 成績(jī)預(yù)測(cè)樸素貝葉斯分類器設(shè)計(jì)

本節(jié)以程序設(shè)計(jì)類實(shí)驗(yàn)課程為例，在本文自行開發(fā)的實(shí)驗(yàn)教學(xué)信息系統(tǒng)所能實(shí)現(xiàn)的范圍內(nèi)，討論用于實(shí)驗(yàn)課程最終成績(jī)預(yù)測(cè)的樸素貝葉斯分類器設(shè)計(jì)。在該應(yīng)用背景下，前述事例對(duì)應(yīng)的是“學(xué)生學(xué)習(xí)某實(shí)驗(yàn)課程”。要應(yīng)用貝葉斯分類器，須確定類別集Y和與Y關(guān)聯(lián)的屬性集{Ai|i=1，2，…，d}，下面對(duì)此作進(jìn)一步分析。

1.2.1 類別集與屬性集確定

由于高校大多采用'A'～'E'五級(jí)評(píng)分制（若為分?jǐn)?shù)，可通過簡(jiǎn)單判別轉(zhuǎn)換為五級(jí)制）。因此，待預(yù)測(cè)的學(xué)生成績(jī)類別集Y={c1='A'，c2='B'，c3='C'，c4='D'，c5='E'}。

如何設(shè)計(jì)屬性集（或特征向量）是構(gòu)造成績(jī)預(yù)測(cè)貝葉斯分類器的關(guān)鍵。這組屬性應(yīng)該是信息系統(tǒng)中可追蹤，且能夠反映學(xué)生課外學(xué)習(xí)積極性的因素。本文對(duì)自行開發(fā)的實(shí)驗(yàn)教學(xué)信息管理系統(tǒng)中記錄的信息進(jìn)行分析，歸納出如表1所示的一組屬性：A1反映學(xué)生提交實(shí)驗(yàn)報(bào)告的積極性，A2反映教師對(duì)學(xué)生實(shí)驗(yàn)報(bào)告的評(píng)價(jià)，兩個(gè)屬性從不同角度反映了學(xué)生課外在這門實(shí)驗(yàn)課上的學(xué)習(xí)積極性。若學(xué)生在A1上表現(xiàn)非常積極，且在A2上也得到較好評(píng)價(jià)，則說明學(xué)生課外學(xué)習(xí)積極性很高。有A2佐證，可避免A1的片面性，有A1存在，可以防止教師評(píng)價(jià)主觀性太強(qiáng)帶來的誤差。

1.2.2 屬性觀察值計(jì)算

表1中的A2可直接將教師對(duì)實(shí)驗(yàn)報(bào)告的批改結(jié)果作為觀測(cè)值，比較容易計(jì)算。這里重點(diǎn)討論A1屬性值計(jì)算。在實(shí)際信息系統(tǒng)中，A1這類較為模糊的屬性無法直接觀察到，但可通過系統(tǒng)記錄的實(shí)驗(yàn)報(bào)告提交時(shí)間間接計(jì)算得到，即根據(jù)時(shí)間信息設(shè)定一種計(jì)算規(guī)則，得到相對(duì)客觀的計(jì)算結(jié)果。本文設(shè)定計(jì)算規(guī)則如下：

1.2.3 樸素貝葉斯分類器訓(xùn)練與測(cè)試

用于成績(jī)預(yù)測(cè)的貝葉斯分類器訓(xùn)練目標(biāo)是估計(jì)式中的類先驗(yàn)概率和類條件概率。待估計(jì)的類先驗(yàn)概率有 ?P（ck）（k=1，2，…，5）共5個(gè);對(duì)于A1，待估計(jì)的類條件概率有P（x1=n|ck）（n=0，1，…，3，k=1，2，…，5）共20個(gè);對(duì)于A2，待估計(jì)的類條件概率有 P（x2=n|ck）（n=0，1，…，5，k=1，2，…，5）共30個(gè)，即：通過對(duì)給定數(shù)據(jù)集D的訓(xùn)練，要估計(jì)出55個(gè)概率值，還要對(duì)模型進(jìn)行評(píng)估。本文采用“留一法”劃分訓(xùn)練集和測(cè)試集，訓(xùn)練與測(cè)試步驟如下：

上述模型中的55個(gè)估計(jì)量可存儲(chǔ)在表格中，預(yù)測(cè)時(shí)只需查詢表格，以提高預(yù)測(cè)速度。同時(shí)，程序可每隔一段時(shí)間根據(jù)數(shù)據(jù)庫中的新增數(shù)據(jù)更新這些估計(jì)量，以提高分類器的泛化性能。

1.3 成績(jī)預(yù)警執(zhí)行流程

基于樸素貝葉斯分類器的成績(jī)預(yù)測(cè)機(jī)制可由學(xué)生自己請(qǐng)求觸發(fā)，也可在學(xué)生登錄查看課程相關(guān)信息時(shí)，由系統(tǒng)根據(jù)實(shí)際情況（如學(xué)生成績(jī)可能不及格）自動(dòng)觸發(fā)。分類器根據(jù)學(xué)生當(dāng)前實(shí)驗(yàn)報(bào)告提交情況及批閱成績(jī)，預(yù)測(cè)其課程最終成績(jī)類別，并依據(jù)預(yù)測(cè)結(jié)果發(fā)出相應(yīng)學(xué)習(xí)指導(dǎo)信息，該機(jī)制工作流程如圖1所示。

2 教學(xué)改革試驗(yàn)與分析

以我校非計(jì)算機(jī)專業(yè)學(xué)生《C程序設(shè)計(jì)實(shí)驗(yàn)》課程的成績(jī)預(yù)測(cè)為例，開展相應(yīng)教學(xué)改革試驗(yàn)，對(duì)上述樸素貝葉斯分類器實(shí)際性能與基于貝葉斯分類器的成績(jī)預(yù)警機(jī)制在實(shí)驗(yàn)教學(xué)中的效果分別進(jìn)行評(píng)估。

2.1 分類器性能評(píng)估與分析

隨機(jī)選取2014～2017級(jí)共20 000人（排除重修學(xué)生）在筆者開發(fā)的“實(shí)驗(yàn)教學(xué)信息管理系統(tǒng)”（該系統(tǒng)已投入使用長(zhǎng)達(dá)8年）中的實(shí)驗(yàn)報(bào)告提交記錄及最終成績(jī)記錄，按照上文所述方法和步驟，最終得到容量為20 000、帶類別標(biāo)簽的數(shù)據(jù)集D。在D上使用“留一法”進(jìn)行模型訓(xùn)練與評(píng)估，估計(jì)器性能評(píng)估結(jié)果如表2所示（權(quán)重：wk=0.125）。

在表2中，Q表示基于前N次實(shí)驗(yàn)數(shù)據(jù)的預(yù)測(cè)結(jié)果，Q反映課程進(jìn)度。從該結(jié)果可以看出，當(dāng)Q較小時(shí)，即課程進(jìn)度越靠前，預(yù)測(cè)越不準(zhǔn)確。因?yàn)閷W(xué)生在課程開始階段可能學(xué)習(xí)不夠認(rèn)真，但在后續(xù)階段端正了學(xué)習(xí)態(tài)度，從而較好地達(dá)成了學(xué)習(xí)目標(biāo)。第3次課程以后，能夠更加準(zhǔn)確地預(yù)測(cè)學(xué)生最終成績(jī)。因?yàn)橥ㄟ^之前的多次觀測(cè)，已能夠較好地記錄到學(xué)生課外對(duì)于本門課程的學(xué)習(xí)主動(dòng)性，因此預(yù)測(cè)準(zhǔn)確率得到了較大提升。接近課程結(jié)課的幾次實(shí)驗(yàn)估計(jì)準(zhǔn)確率則達(dá)到83%以上，且較為接近，說明所依賴的屬性值計(jì)算結(jié)果已經(jīng)較為準(zhǔn)確地反映了學(xué)生本門課程的課外學(xué)習(xí)表現(xiàn)。

2.2 預(yù)警機(jī)制對(duì)教學(xué)效果影響評(píng)估與分析

隨機(jī)從2018級(jí)選課學(xué)生中選取200人，再將200人隨機(jī)分為A、B、C、D共4組（各50人），A組啟用預(yù)警機(jī)制，其余3組不啟用預(yù)警機(jī)制。4組學(xué)生在結(jié)課時(shí)，分別統(tǒng)計(jì)本組所有人、排名前10、排名中間20、排名最后20人的最終成績(jī)平均值以及各組在A1、A2上的平均值（本組所有人屬性值之和/本組人數(shù)），結(jié)果如表3所示。

對(duì)比表3各組統(tǒng)計(jì)結(jié)果，分析可知：

（1）啟用成績(jī)預(yù)警的分組，《C程序設(shè)計(jì)實(shí)驗(yàn)》課程最終成績(jī)平均分比其它組別高9分左右，而及格率比未啟用預(yù)警的組別高出至少12%，說明啟用基于貝葉斯分類器的預(yù)警機(jī)制確實(shí)在一定程度上提升了教學(xué)效果。

（2）不同組別在排名前10平均成績(jī)這一項(xiàng)上相差不大，在排名后20平均成績(jī)統(tǒng)計(jì)項(xiàng)上相差最大，啟用成績(jī)預(yù)警的組別比未啟用預(yù)警的組別平均分至少高出13分，說明啟用基于貝葉斯分類器的預(yù)警機(jī)制對(duì)于成績(jī)較差學(xué)生學(xué)習(xí)主動(dòng)性的提升效果更加明顯。另外，啟用成績(jī)預(yù)警機(jī)制的組在A1、A2屬性上的均值明顯高于其它組，說明成績(jī)預(yù)警機(jī)制可有效提高學(xué)生的課外學(xué)習(xí)積極性。

3 結(jié)論與展望

基于實(shí)驗(yàn)教學(xué)信息系統(tǒng)中記錄的學(xué)生實(shí)驗(yàn)報(bào)告完成情況，以課程最終成績(jī)等級(jí)為類別標(biāo)簽，設(shè)計(jì)并實(shí)現(xiàn)了能夠在結(jié)課前對(duì)學(xué)生最終成績(jī)進(jìn)行預(yù)測(cè)的樸素貝葉斯分類器，給出該分類器所依賴屬性集的計(jì)算法則，并以《C程序設(shè)計(jì)實(shí)驗(yàn)》為例，通過教學(xué)改革實(shí)驗(yàn)，對(duì)所設(shè)計(jì)分類器的預(yù)測(cè)準(zhǔn)確率與基于該分類器預(yù)警機(jī)制的教學(xué)效果分別進(jìn)行評(píng)估。結(jié)果表明，本文提出的分類器能夠有效預(yù)測(cè)學(xué)生最終成績(jī)。基于該分類器的預(yù)警機(jī)制能提升學(xué)生課外學(xué)習(xí)積極性，從而能較為顯著地提高課程達(dá)成度。

然而，本文的課程預(yù)警功能相對(duì)粗放，在精度上仍有提升空間。下一步工作是繼續(xù)提高課程成績(jī)預(yù)測(cè)準(zhǔn)確率，并探討如何基于更大的教學(xué)數(shù)據(jù)集，使用新方法發(fā)現(xiàn)（如深度學(xué)習(xí)）與課程成績(jī)有關(guān)聯(lián)的因素（如先修課程成績(jī)），并構(gòu)建更精確的成績(jī)預(yù)測(cè)模型，提供更精準(zhǔn)的學(xué)習(xí)指導(dǎo)及預(yù)警信息。

參考文獻(xiàn)：

[1] 李志義. “水課”與“金課”之我見[J]. 中國大學(xué)教學(xué)，2018（12）： 24-29.

[2] 謝敏. “互聯(lián)網(wǎng)+教育”背景下的教學(xué)智慧研究[D]. 長(zhǎng)春：吉林大學(xué)，2016.

[3] 楊曉，施於人，王國超. “互聯(lián)網(wǎng)+實(shí)驗(yàn)教學(xué)”的建設(shè)問題研究[J]. ?現(xiàn)代教育技術(shù)，2016（7）： 106-112.

[4] WANG Z， CHEN C， GUO B， et al. Internet plus in China[J]. IT Professional，2016， 18（3）： 5-8.

[5] 孫丹丹，史曉東. 基于“微實(shí)驗(yàn)”的翻轉(zhuǎn)課堂教學(xué)模式探索[J]. 實(shí)驗(yàn)技術(shù)與管理，2019， 36（3）： 56-58.

[6] 華馳，顧曉燕. “互聯(lián)網(wǎng)+”背景下的實(shí)驗(yàn)實(shí)訓(xùn)教學(xué)體系設(shè)計(jì)[J]. 實(shí)驗(yàn)技術(shù)與管理，2016（3）： 172-176.

[7] 周沖. 基于“互聯(lián)網(wǎng)+”的混合式教學(xué)分析[J]. 陰山學(xué)刊（自然科學(xué)版），2017（2）：1-3.

[8] 李松，劉秀琴. “互聯(lián)網(wǎng)+”大學(xué)物理實(shí)驗(yàn)教學(xué)體系構(gòu)建[J]. 實(shí)驗(yàn)技術(shù)與管理，2017（1）： 172-174.

[9] 劉駿飛. 淺談互聯(lián)網(wǎng)+背景下的課堂教學(xué)改革[J]. 赤峰學(xué)院學(xué)報(bào)：自然科學(xué)版，2016（5）： 243-244.

[10] 王竹立，李小玉，林津. 智能手機(jī)與“互聯(lián)網(wǎng)+”課堂——信息技術(shù)與教學(xué)整合的新思維、新路徑[J]. 遠(yuǎn)程教育雜志，2015（4）： 14-21.

[11] MACFADYEN L P，DAWSON S. Mining LMS data to develop an "early warning system” for educators： a proof of concept[J]. ?Computers and Education，2010， 54（2）： 588-599.

[12] 胡樹煜. 醫(yī)學(xué)院校學(xué)生學(xué)業(yè)預(yù)警促進(jìn)學(xué)風(fēng)建設(shè)研究[J]. ?中國高等醫(yī)學(xué)教育，2018（8）： 47-48.

[13] 韓麗娜. 貝葉斯分類模型在學(xué)生成績(jī)預(yù)測(cè)中的應(yīng)用研究[J]. ?計(jì)算機(jī)與數(shù)字工程， 2018， 46（10）：106-108，123.

[14] 陳子健，朱曉亮. 基于教育數(shù)據(jù)挖掘的在線學(xué)習(xí)者學(xué)業(yè)成績(jī)預(yù)測(cè)建模研究[J]. 中國電化教育，2017（12）： 75-81.

[15] 劉毓，楊柳，劉陸. ?基于遺傳神經(jīng)網(wǎng)絡(luò)的學(xué)生成績(jī)預(yù)測(cè)[J]. ?西安郵電大學(xué)學(xué)報(bào)，2019， 24（1）：83-88.

[16] YAO H， LIAN D， CAO Y， et al. Predicting academic performance for college students[J]. ACM Transactions on Intelligent Systems and Technology，2019， 10（3）： 1-21.

[17] 周志華. 機(jī)器學(xué)習(xí)[M]. 北京：清華大學(xué)出版社， 2016.

[18] 梅曉晴. 樸素貝葉斯分類法在考試管理中的應(yīng)用[J]. ?數(shù)字技術(shù)與應(yīng)用，2018（3）： 73-74.

[19] 陳紀(jì)銘. 基于樸素貝葉斯分類算法的學(xué)員流失預(yù)警應(yīng)用研究[J]. 福建電腦，2017， 33（8）： 105-106.

[20] 姜利群. 基于樸素貝葉斯分類的Java課程網(wǎng)絡(luò)答疑反饋系統(tǒng)[J]. 電腦知識(shí)與技術(shù)，2016， 12（23）： 206-208.

（責(zé)任編輯：黃 ?。?/p>