軟實踐教學(xué)全過程跟蹤系統(tǒng)和分析方法

季 錚, 席 可, 王 玥

(武漢大學(xué) 遙感信息工程學(xué)院，武漢 430070)

0 引 言

軟件實踐教學(xué)，是培養(yǎng)實用型軟件工程創(chuàng)新人才的關(guān)鍵一環(huán)，包含全面設(shè)計軟件教學(xué)的各個方面，構(gòu)建可控的教學(xué)質(zhì)量保障體系等內(nèi)容。在當(dāng)前信息化測繪學(xué)科的教學(xué)過程中，軟件實踐教學(xué)必不可少[1]，為學(xué)生提供完善的軟件操作訓(xùn)練，加深對理論學(xué)習(xí)的理解，也為將來的專業(yè)應(yīng)用做準(zhǔn)備。測繪遙感學(xué)科的軟件實踐教學(xué)，通過大量上機(jī)練習(xí)和課后思考，培養(yǎng)學(xué)生熟練使用行業(yè)軟件以及編程實現(xiàn)所需功能模塊的復(fù)合能力[2-3]，如遙感信息工程學(xué)院的攝影測量原理綜合實習(xí)、數(shù)字圖像處理實習(xí)等課程，通過大量生動的實例講解和細(xì)致的算法剖析，在軟件實踐教學(xué)中充分提高了學(xué)生的創(chuàng)新實踐能力[4]。

然而，就目前測繪遙感學(xué)科的教學(xué)情況而言，仍存在一些不足之處。一方面，集中實習(xí)持續(xù)幾周時間，教師在實習(xí)過程中由于條件制約，除了前期指導(dǎo)，后期總結(jié)，中間環(huán)節(jié)主要是學(xué)生獨立操作, 教師與學(xué)生之間的互動不夠充分，無法及時掌握每個學(xué)生的實際實習(xí)情況，只能根據(jù)學(xué)生最后提交的實習(xí)成果來進(jìn)行判斷，這種評估丟失了中間過程的必要監(jiān)督，導(dǎo)致不能全面反映學(xué)生的實習(xí)效果。另一方面，教師無法掌握學(xué)生每天的實習(xí)情況，忽視了學(xué)生個體之間的差異，沒有辦法根據(jù)實習(xí)情況動態(tài)調(diào)整教學(xué)內(nèi)容和安排。

目前，國內(nèi)測繪教學(xué)實習(xí)的主流軟件如ERDAS公司開發(fā)的ERDAS IMAGINE 和ESRI公司開發(fā)的ENVI等專業(yè)軟件以及武漢大學(xué)開發(fā)的VirtuoZo、超圖公司開發(fā)的SuperMap系列軟件，實習(xí)過程中會有大量與軟件人機(jī)交互的操作。國內(nèi)目前專門針對教學(xué)實習(xí)過程進(jìn)行人機(jī)交互數(shù)據(jù)采集和分析的應(yīng)用研究較少，本文通過編寫后臺軟件來記錄所有學(xué)生簽到情況，并跟蹤實習(xí)過程的人機(jī)交互全過程，在遙感信息工程學(xué)院實習(xí)信息管理平臺的基礎(chǔ)上，對跟蹤的數(shù)據(jù)進(jìn)行可視化顯示及智能分析，并對實習(xí)成果進(jìn)行輔助評估。

1 基于交互記錄的實習(xí)過程跟蹤

一個典型的測繪測圖實習(xí)，基本過程包括學(xué)生簽到、教師講解、任務(wù)分發(fā)、實習(xí)操作、作業(yè)提交以及成果評估等，其中實習(xí)過程的操作會產(chǎn)生大量的行為信息。

根據(jù)過往的實習(xí)經(jīng)驗，存在如下問題：實習(xí)教師對于實習(xí)過程的監(jiān)督和掌握是碎片化、不連續(xù)的，只有實習(xí)開始時布置講解任務(wù)和實習(xí)結(jié)束后評估上交成果這兩個時間點能夠監(jiān)督，實習(xí)過程中產(chǎn)生的學(xué)生的大量行為信息被忽略。對于信息化時代下的測繪實習(xí)，對整個過程做到連續(xù)監(jiān)督是很有必要的。具體通過利用軟件操作記錄和數(shù)據(jù)庫技術(shù)，對實習(xí)全過程進(jìn)行數(shù)據(jù)化跟蹤，包括實習(xí)操作產(chǎn)生的特征行為、關(guān)鍵步驟的人機(jī)交互操作等，并對跟蹤數(shù)據(jù)進(jìn)行記錄、回溯、分析。

在信息化環(huán)境中，通過軟件技術(shù)對實習(xí)上機(jī)操作進(jìn)行監(jiān)督，時間分辨率更高，跟蹤效果更細(xì)化更全面。在此基礎(chǔ)上通過建立一個信息化的平臺，對實習(xí)過程跟蹤的記錄以及行為數(shù)據(jù)進(jìn)行自動化分析，進(jìn)而對實習(xí)成果進(jìn)行智能評估，如圖1所示。

圖1 信息化測繪實習(xí)流程圖

以常見的“4D生產(chǎn)實習(xí)”為例，在為期3周的實習(xí)過程中，教師只在實習(xí)開頭講解任務(wù)和實習(xí)結(jié)束評閱成果時和學(xué)生有少量互動，實習(xí)中間的大部分時間，則是學(xué)生自己操作軟件來完成任務(wù)，包括利用鼠標(biāo)進(jìn)行測圖、鍵盤輸入各種條件參數(shù)、鼠標(biāo)點擊各項功能按鈕等。本信息化平臺在記錄實習(xí)課程基本管理信息外,增加對實習(xí)中間操作的過程的跟蹤和記錄，利用海量跟蹤數(shù)據(jù)進(jìn)行智能分析，對最后的實習(xí)成果進(jìn)行數(shù)據(jù)化的客觀評估。

2 全過程跟蹤與分析系統(tǒng)的技術(shù)框架

軟件實踐教學(xué)的全過程，包括學(xué)生簽到、分發(fā)實習(xí)任務(wù)、學(xué)生上機(jī)完成實習(xí)任務(wù)、上傳實習(xí)成果以及評閱實習(xí)成果等。使用的全過程跟蹤與分析系統(tǒng)主要包含兩個模塊，即后臺全過程跟蹤模塊和前端智能分析模塊(見圖2)。分析的數(shù)據(jù)是實習(xí)時間段內(nèi)，學(xué)生每天的簽到信息、上機(jī)操作人機(jī)交互的行為信息等。

圖2 全過程跟蹤與分析系統(tǒng)框圖

2.1 后臺信息跟蹤模塊

后臺信息跟蹤模塊以鉤子技術(shù)為基礎(chǔ)，鉤子技術(shù)是一種實現(xiàn)Windows平臺下類似于中斷的機(jī)制[5-6]，允許應(yīng)用程序攔截并處理指定的信息或事件。當(dāng)實習(xí)過程中需要收集的信息發(fā)出后，就可以在信息到達(dá)目標(biāo)窗口之前將其捕獲，并進(jìn)行保存和記錄[7]。每次數(shù)據(jù)收集后，通過數(shù)據(jù)庫管理系統(tǒng)(MySQL++)將采集的數(shù)據(jù)進(jìn)行整理，并上傳到指定的服務(wù)器中。

采集的交互數(shù)據(jù)包括：① 學(xué)生鼠標(biāo)點擊的窗口信息，包含窗口名稱等;② 鼠標(biāo)點擊的位置信息;③ 鍵盤輸入的字符信息;④ 當(dāng)前正在使用的軟件信息;⑤ 學(xué)生上機(jī)簽到信息;⑥ 學(xué)生提交成果的時間信息。

2.2 前端智能分析模塊

前端可視化與智能分析模塊基于遙感信息工程學(xué)院實習(xí)管理系統(tǒng)來實現(xiàn)。實習(xí)管理系統(tǒng)是遙感院實驗教學(xué)中心自主研發(fā)的網(wǎng)頁型信息管理平臺，目前已實現(xiàn)管理員、教師和學(xué)生3大模塊，包括登錄登出、發(fā)布實習(xí)，上傳作業(yè)，下載課程附件、評閱作業(yè)、課程檢索、實習(xí)總覽等功能。系統(tǒng)前端網(wǎng)頁運用了HTML5、CSS3以及React框架等技術(shù)來實現(xiàn)簡潔高效的界面，后端則利用Node.js來對網(wǎng)頁的請求進(jìn)行響應(yīng)，并對數(shù)據(jù)進(jìn)行索引和處理[8-9]。

(1) 交互行為可視化的動態(tài)圖表。ECharts是一個純JavaScript的圖表庫，可以流暢的運行在 PC 和移動設(shè)備上，底層依賴輕量級的 Canvas 類庫 ZRender，提供直觀、生動、可交互、可高度個性化定制的數(shù)據(jù)可視化圖表。特點包括豐富的圖標(biāo)類型、多個坐標(biāo)系的支持、深層的交互式數(shù)據(jù)探索、多維數(shù)據(jù)的支持以及豐富的視覺編碼手段，并支持動態(tài)數(shù)據(jù)等特性[10-12]。

利用ECharts豐富的接口和采集得到的海量數(shù)據(jù)可以做出各種圖表來對學(xué)生實習(xí)情況進(jìn)行分析，包括柱狀圖、折線圖、熱力圖、日歷圖、流量圖等。

(2) 交互行為熱力圖。熱力圖是表示點聚集程度的圖表，點的分布越密集，形成的聚類區(qū)域顏色越深。在繪制熱力圖的過程中，考慮到圖表的視覺效果，需要對數(shù)據(jù)做均值濾波處理。均值濾波是典型的線性濾波算法，在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素(一般以目標(biāo)像素為中心的周圍8個像素，構(gòu)成一個濾波模板)，再用模板中的全體像素的平均值來代替原來像素值[13]。計算式為：

(1)

式中，Smn代表中心點為(x,y)、尺寸為m×n的矩陣濾波窗口。

(3) 人機(jī)成果評估相關(guān)性。結(jié)合采集的數(shù)據(jù)以及教師評定的實習(xí)成績，對兩者進(jìn)行相關(guān)性分析，可以得到采集數(shù)據(jù)的置信度。相關(guān)系數(shù)是研究變量之間線性相關(guān)程度的量，是按積差方法計算，同樣以兩變量與各自平均值的偏差為基礎(chǔ)，通過兩個離差相乘來反映兩變量之間相關(guān)程度。

線性相關(guān)系數(shù)一般用字母r表示，用來度量兩個變量之間的線性關(guān)系：

(2)

式中:cov(X,Y)為X與Y的協(xié)方差，var[X]為X的方差，var[Y]為Y的方差。

3 實驗數(shù)據(jù)統(tǒng)計分析

以2017年9月遙感信息工程學(xué)院“4D產(chǎn)品綜合實習(xí)”為例，4D產(chǎn)品(包括數(shù)字高程模型、數(shù)字正射影像圖、數(shù)字線劃地圖、數(shù)字柵格地圖)生產(chǎn)實習(xí)綜合性強，凝聚了4年本科所學(xué)攝影測量及相關(guān)專業(yè)的綜合應(yīng)用[14-15]。該實習(xí)在數(shù)字?jǐn)z影測量實習(xí)的基礎(chǔ)上進(jìn)行，應(yīng)用VirtuoZo NT系統(tǒng)來完成。本次實習(xí)共有83名同學(xué)參加，實習(xí)時間為期3周，每天分為兩個時間段，即早上8:00到12:00，下午2:00至6:00。實習(xí)結(jié)束后系統(tǒng)總共采集人機(jī)交互點數(shù)達(dá)到3 501 120個。對數(shù)據(jù)進(jìn)行預(yù)處理，剔除信息不正確的點，有效點數(shù)達(dá)到3 496 611個，這些采集到的海量數(shù)據(jù)可以充分滿足后續(xù)進(jìn)行智能分析的要求。

3.1 基于個人的實驗過程跟蹤

在整個實習(xí)過程的跟蹤中，每一位同學(xué)的人機(jī)交互流程都會完整記錄，包括每天的登錄簽到信息、操作軌跡記錄信息、是否操作實習(xí)軟件、正在使用實習(xí)軟件的模塊名稱等，因為“4D產(chǎn)品綜合實習(xí)”在實習(xí)過程中主要以鼠標(biāo)操作為主，所以回溯個人的操作記錄，便能夠評估出這名學(xué)生的實習(xí)質(zhì)量。

以某同學(xué)為例，整個實習(xí)83名同學(xué)的平均記錄數(shù)量為42 127條，而系統(tǒng)總共采集到該同學(xué)的95 600條記錄，另外該同學(xué)在需要出勤的18天中都有簽到記錄，初步判斷該同學(xué)的實習(xí)質(zhì)量是合格的。

(1) 操作活躍度分析。活躍度代表該同學(xué)當(dāng)天實習(xí)的操作活躍程度，即當(dāng)天人機(jī)交互操作的總次數(shù)。

將該同學(xué)所有操作記錄按照時間進(jìn)行預(yù)處理，分別統(tǒng)計每天的記錄數(shù)量，利用ECharts繪制成每日活躍度流量圖，如圖3所示。

圖3 每日活躍度流量圖

每日活躍流量圖橫軸為日期，縱軸為記錄條數(shù)，鼠標(biāo)在圖中移動時，會自動顯示當(dāng)天的記錄數(shù)量，在實習(xí)天數(shù)比較多時，可以對流量圖進(jìn)行放大操作，動態(tài)調(diào)整自己觀測的時間范圍。

可以看出，該同學(xué)每天的平均記錄條數(shù)為4 552條，在18天實習(xí)時間中，有7天的記錄條數(shù)超過平均水平，占比38.9%。其中最高記錄條數(shù)出現(xiàn)在實習(xí)的第4天，為18 839條，最低記錄出現(xiàn)在實習(xí)的第1天，為0條，原因是第1天安排為熟悉實習(xí)背景和基礎(chǔ)知識，并沒有上機(jī)實習(xí)。另外可以觀察到，該同學(xué)第1周和第3周有明顯的波峰，第1周判斷為學(xué)生對軟件操作不熟悉，需要大量訓(xùn)練，另外剛開始實習(xí)精力充沛，實習(xí)放松休閑現(xiàn)象少，第3周則是臨近實習(xí)結(jié)束，需要增加工作量來保證自己完成實習(xí)任務(wù)。

(2) 軌跡熱力圖分析。“4D產(chǎn)品綜合實習(xí)”中很重要的一項任務(wù)是測圖工作，測圖過程中有大量人機(jī)交互的操作，具有跟蹤分析的巨大價值。VirtuoZo NT系統(tǒng)由許多軟件模塊組成，其中負(fù)責(zé)測圖工作的模塊叫做“igs1”，而系統(tǒng)跟蹤模塊能夠獲取程序狀態(tài)信息，例如當(dāng)前程序的名稱、使用程序的功能等，通過跟蹤實習(xí)學(xué)生在“igs1”模塊上的操作，能夠記錄下測圖的完整操作記錄，便于后續(xù)分析。

在本實驗中，收集到的3位同學(xué)的測圖交互信息數(shù)據(jù)用熱力圖來進(jìn)行展示，其中操作越集中的區(qū)域，對應(yīng)的顏色也越深。將不同學(xué)生的熱力圖，與該同學(xué)最終實習(xí)測圖成果進(jìn)行對比，如圖4所示。

可見，3份測圖成果圖代表的實習(xí)工作量有明顯區(qū)別，矢量對象統(tǒng)計個數(shù)從左往右依次為323、545、607，所以軌跡密集的熱力圖，對應(yīng)的測圖成果的矢量對象也更多。

盡管3名同學(xué)實習(xí)工作量有所區(qū)別，但點的軌跡分布與軟件的界面圖基本一致，都是左上部分選取軟件的功能按鈕，在測圖區(qū)域的中央部分進(jìn)行操作。不同同學(xué)在做相同的測圖實習(xí)任務(wù)時，鼠標(biāo)軌跡分布類似，通過這個特點可以判斷上交的實習(xí)成果是否獨立認(rèn)真完成。測圖模塊軟件界面如圖5所示。

圖5 測圖模塊軟件界面圖

(3) 分時段日歷圖分析。將該同學(xué)操作記錄按照時間進(jìn)行細(xì)分處理，以實習(xí)過程中每小時為單位，分別統(tǒng)計每天實習(xí)時間段內(nèi)每小時的記錄數(shù)量，利用ECharts繪制分時段日歷圖，如圖6所示。

圖6 分時段熱力圖

分時段日歷圖橫軸以每小時為單位，早上8:00～12:00分為4個時間段，下午2:00到6:00分為4個時間段，下午6:00之后為一個單獨的時間段，縱軸為實習(xí)日期軸，圖中每個方格代表一個時間段，方格內(nèi)的數(shù)字代表該時間段內(nèi)操作記錄數(shù)量，數(shù)量越多，方格顏色越深。

從日歷圖可以得到，該同學(xué)在3周實習(xí)過程中，每天的操作時間和操作效率處于穩(wěn)定。3周實習(xí)總共有72個時間段(每周6天，每天4個時間段)，人均記錄總數(shù)量為42 127條，每個時間段平均記錄數(shù)量為585條，考慮到有的實習(xí)時間是非上機(jī)操作時間(如教師統(tǒng)一教學(xué))，則總時間段數(shù)量為60，而該同學(xué)超過585條記錄的時間段有42個，占比70%，說明該同學(xué)在實習(xí)過程中狀態(tài)穩(wěn)定，工作分布均勻，不存在最后突擊趕工的情況。

3.2 實習(xí)操作整體行為統(tǒng)計分析

本次實習(xí)83名同學(xué)的有效記錄數(shù)據(jù)達(dá)到3 496 611條，對這些數(shù)據(jù)進(jìn)行集中統(tǒng)計分析很有必要，整體行為統(tǒng)計分析能夠提供更加清晰、系統(tǒng)的比對數(shù)據(jù)，為實習(xí)成績的評估提供更有據(jù)的支撐。

(1) 實習(xí)作業(yè)提交時間分析。在實習(xí)過程中，需要每天上交一份實習(xí)日志，說明當(dāng)天所完成的實習(xí)內(nèi)容。在系統(tǒng)中上傳實習(xí)日志后，會自動記錄下上傳文件的時間。分析這些時間數(shù)據(jù)，可以得知實習(xí)日志的完成情況。

在本次實習(xí)中，共有65名同學(xué)是每天按時提交實習(xí)日志，13名同學(xué)存在隔天提交的情況，還有4名同學(xué)的日志是實習(xí)結(jié)束后一次性補交的，另有1名同學(xué)尚未提交實習(xí)日志。通過提交時間分析，對于提交過程不一致的實習(xí)成果將區(qū)別對待。

(2) 整體分時段日歷圖分析。前文已經(jīng)對單個同學(xué)的分時段日歷圖進(jìn)行分析，分時段日歷圖能夠很好地反映整個實習(xí)過程中每個時間段的操作情況，通過對整體進(jìn)行集中分析，能夠找出大部分人實習(xí)過程中共有的操作特點。

在分時段日歷圖的設(shè)定中，最右邊一列為下午實習(xí)規(guī)定時間結(jié)束后所記錄的數(shù)據(jù)，即學(xué)生在規(guī)定時間內(nèi)沒有完成任務(wù)而繼續(xù)留在實習(xí)機(jī)房進(jìn)行操作所產(chǎn)生的數(shù)據(jù)，可以理解為當(dāng)天的“加班”數(shù)據(jù)量，且深紅色在日歷圖顏色表中代表數(shù)據(jù)量最多的顏色(超過2 000)。

從圖7所示可以觀察到，在實習(xí)最后1周時間段內(nèi)，在規(guī)定實習(xí)時間段內(nèi)正常操作、不偷懶的前提下，大部分同學(xué)依然有嚴(yán)重“加班”的情況(表格右上角為深紅的區(qū)域數(shù)量大于等于2)。這種現(xiàn)象說明在實習(xí)教學(xué)過程中，教師對實習(xí)任務(wù)量的分配安排不是非常合理，導(dǎo)致在實習(xí)過程中盡管正常操作，依然需要在最后加班加點才能完成的現(xiàn)象。

3.3 實習(xí)成績智能分析

實習(xí)結(jié)束后，需要結(jié)合整個實習(xí)過程以及提交成果，對實習(xí)學(xué)生成績進(jìn)行評估和打分。在過往的實習(xí)中，教師按照以下幾點進(jìn)行評估，包括實習(xí)簽到情況以及提交的實習(xí)成果圖。由于有了過程記錄數(shù)據(jù)，系統(tǒng)能給出真實可靠的數(shù)據(jù)，從而對實習(xí)成績進(jìn)行自動化評估，作為教師評估可靠的智能輔助工具。

智能評估的方面包括：①日志提交時間，包括提交時間是否準(zhǔn)時、是否一次性補交、有無缺漏等；②人機(jī)交互次數(shù)以及測圖交互次數(shù)，以上兩點作為平時分評估依據(jù);③測圖成果圖的矢量對象個數(shù)；④分時段日歷圖為深紅色的個數(shù)；⑤熱力圖中深紅色和淺紅色像素的數(shù)量，以上幾點作為成果分評估依據(jù)。

以本次實習(xí)為樣本，由專職實習(xí)教師和系統(tǒng)分別對全部學(xué)生進(jìn)行實習(xí)成績評估，并將兩方給出的成績進(jìn)行對比分析，如圖8所示。

由圖8可見，教師和系統(tǒng)給出的成績具有顯著相關(guān)性，將兩者分別獨立判定的平時成績(共20分)進(jìn)行統(tǒng)計分析，分別計算兩類成績的均值和方差，系統(tǒng)平時成績的均值和方差是16.67和2.08，教師平時成績的均值和方差是17.06和2.28。另外利用前文給出的公式計算相關(guān)系數(shù)，得到相關(guān)系數(shù)值為0.879。

再將總成績(共100分)進(jìn)行統(tǒng)計分析，計算均值，系統(tǒng)總成績的均值是84.42，教師總成績的均值是84.71。兩者的相關(guān)系數(shù)值為0.857。綜合上述數(shù)據(jù)，說明系統(tǒng)分析得到的平時成績較為可靠。

利用遙感信息工程學(xué)院實習(xí)管理系統(tǒng)，將系統(tǒng)給出的平時成績以及判定的依據(jù)打包分別發(fā)送到實習(xí)教師以及各個同學(xué)的郵箱。根據(jù)實習(xí)系統(tǒng)回收的反饋意見，教師認(rèn)為系統(tǒng)作用明顯，是實習(xí)課程和成績評分的重要參考和有力工具，94%的同學(xué)認(rèn)可自己的平時成績，平時成績較低的同學(xué)也表示自己本次實習(xí)不夠認(rèn)真，會認(rèn)真對待下一次實習(xí)。

4 成果評估

4.1 實驗效應(yīng)分析

(1) 對于實習(xí)教師而言，過程跟蹤可以為教師提供更科學(xué)、量化的評估工具。教師根據(jù)此系統(tǒng)，可以得知所有學(xué)生整個實習(xí)過程的實習(xí)情況和實習(xí)細(xì)節(jié)，通過統(tǒng)計圖表一目了然，例如學(xué)生簽到情況、每個時間段的操作情況、實習(xí)日志的提交情況等。基于獲得的這些信息，能夠?qū)W(xué)生實習(xí)進(jìn)行更客觀、更科學(xué)的評估。

(2) 對于學(xué)生而言，系統(tǒng)能夠為學(xué)生提供必要的反饋和輔助。例如實習(xí)任務(wù)大部分學(xué)生在規(guī)定實習(xí)時間內(nèi)沒做完，還需要“加班”來做，反應(yīng)到系統(tǒng)日歷圖上，教師根據(jù)這種情況來動態(tài)調(diào)整實習(xí)安排，使任務(wù)分配更加合理。

(3) 對于實習(xí)課程而言，使用系統(tǒng)對實習(xí)成果做出全方位有據(jù)的科學(xué)評估，能成為教學(xué)監(jiān)督、教學(xué)改進(jìn)的依據(jù)，促進(jìn)實習(xí)課程管理的精細(xì)化、迭代式發(fā)展。

4.2 進(jìn)一步提升與改進(jìn)

系統(tǒng)在使用過程中，還存在一些瑕疵，如獲取的信息源不夠豐富、智能分析結(jié)果還不夠簡潔明了等問題。針對上述問題，在未來的研究和實驗中，將進(jìn)行以下改進(jìn)：

(1) 擴(kuò)大過程信息獲取的范圍。除了獲取鼠標(biāo)的信息，進(jìn)一步增加獲取鍵盤操作的信息，如有可能，在自主研發(fā)的系統(tǒng)中，盡可能開放軟件接口，提供更細(xì)化的操作類型和步驟，豐富操作信息源，細(xì)化跟蹤實習(xí)操作過程。

(2) 優(yōu)化智能分析模塊。通過存檔的歷史數(shù)據(jù)與新添加的記錄數(shù)據(jù)進(jìn)行對比分析，并對可視化統(tǒng)計分析的數(shù)據(jù)模型做進(jìn)一步簡化和整合，使智能分析得到的結(jié)論更加簡潔、實用。

5 結(jié) 語

本文提出的軟件實踐教學(xué)全過程跟蹤與分析系統(tǒng)的實現(xiàn)為老師對實習(xí)教學(xué)的掌控提供了一種可行的解決方案，借助HTML5、Node.js和數(shù)據(jù)庫技術(shù)，實現(xiàn)了對軟件操作中人機(jī)交互的全方位跟蹤。對實習(xí)過程的跟蹤，突破了以往評估實習(xí)質(zhì)量僅僅依靠實習(xí)提交成果的不足，擴(kuò)展了獲取實習(xí)效應(yīng)信息的維度和廣度，使教師能更加全面、客觀的分析學(xué)生的實習(xí)情況，另外也可根據(jù)實習(xí)狀況，動態(tài)調(diào)整實習(xí)安排，更大化的監(jiān)督和提升學(xué)生的實踐學(xué)習(xí)效果。此外模塊化的開發(fā)設(shè)計思路，為全過程跟蹤與分析系統(tǒng)的擴(kuò)展提供了可能。人機(jī)交互實習(xí)操作的普遍性，也使本系統(tǒng)能夠適用于其他專業(yè)課程的實踐教學(xué)，以及配套的虛擬仿真實驗系統(tǒng)中[16]。