“互聯網+”背景下高校課程編排系統的構建研究

陳瑩 郭娟 謝瑾

摘要：該文提出了一種高校課程編排系統的構建方法。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越性。

關鍵詞：層次結構;教學平臺;互聯網

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量的。從教學轉型的方向和高校應用型人才培養的目標來看，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，呈現互動性，教學質量高可靠，熟練規范，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果。課堂教學模式評價功能應從篩選、選擇轉向激勵、反饋和調整。評價項目應當從重視成績向全面發展轉變。評價人員應從單一轉為學生、教師、教師同仁和專家共同參與評估。因此，構建了以下層次模型：

2 課堂教學評價的層次模型

根據以上的層次模型，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造如下：

根據相關理論，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，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RI，其值如下：

對于m>=3的成對比較矩陣A，其一致性指數CI與同階隨機一致性指數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，其特征向量可作為權向量。根據上面的描述，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。基于計算機的課程安排見表4。在開發了基于Visual C++的計算機排課系統。

實驗中選取了標準的PSO算法作為比較算法。選擇目標函數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顯示了模擬結果。圖2顯示了基于計算機的課程安排的一些結果。

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。可見，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、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中的有效性。

4 結束語

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

參考文獻：

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

[2]黃波.H公司質量管理評價研究[D].石家莊：河北地質大學，2018.

[3]基于多層次模糊分析綜合評價法的課堂教學評價數學模型[Z].互聯網文檔資源，2016.

【通聯編輯：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。