《基于数据智能分析的C++课程的教学改革》由会员分享，可在线阅读，更多相关《基于数据智能分析的C++课程的教学改革（7页珍藏版）》请在金锄头文库上搜索。
1、 基于数据智能分析的C+课程的教学改革 刘晓薇摘 要：文章在基于互联网海量数据的基础上提取关于C+各个知识点的相关问题，并且相对各个知识点进行详细的科学的归纳和总结。利用计算机处理技术，形成一套完整的教学考核、质量评价及训练的智能化一体系统，不但可以为C+的教学考核、教学质量评价提出客观的依据，同时还能够为学生实践提供一个综合性的锻炼平台，促进学生的动手能力。关键词：词频；教学改革；智能分析：TP312：A传统的教学质量考核是基于试卷的考试结果来作为测量标准，比如平均分，分数的标准差等，而忽略了试题的难易、涵盖知识面的比例、学生运用知识的能力等因素。而且基于当前学生的考试成绩评价教学质量，因为
2、样本量太小，得出的数据存在很大的不确定性，并不能合理的反映当前的教学方法存在哪些问题。同时，因为考题的随意性，学生掌握知识的程度也不能在考核结果中得到科学的、充分的体现，为了学生能够深刻掌握好C+这门课程，改变目前这种孤立的、片面的、粗放型的考核评价系统。本文提出了基于大数据分析的C+教学训练及考核、评价的智能系统设计，试图从目前互联网上海量的数据中，挖掘出C+各知识点在实践运用中遇到的各种问题，通过归纳、统计、分析，建立完善的C+题库及难度系数。通过程序设计，结合考题涵盖的知识点、难易程度、题型、主客观因素，自动形成考核试卷、自动分析学生考试结果，建立一套科学的训练、考核、教学质量评价系统，
3、形成一个正反馈的闭环教学过程。一、基于词频分析的C+知识点的难度系数模版的建立知识获取主要有两个来源，一个是实践，另一个就是从已有的数据中挖掘。在大数据时代，面对海量的繁杂数据信息，必须具备在已有的显性知识中进行二次挖掘的能力，挖掘出有用的知识。这里提出了基于词频分析的统计方法，词频分析是基于关键词的文献统计量的分析方法之一，某一个关键词在互联网上出现的频率越高，就可以推断该关键词代表的研究主题热度越高，同时可以表明大家在该问题上出现的困惑、关注也越多。根据这些词频统计在C+涉及出现的问题，结合历史试卷，总结出易出错误的知识点，估计各知识点的难易程度，同时根据海量的搜索数据，得出大家在知识点存
4、在困惑的地方，将这些困惑点演变成课堂及练习中的习题，充实到数据库中。这里主要参考历年的各类相关考核试题、线上各种题库，以及CSDN/知乎/百度等数据来源，先根据SEO查询以及百度指数等，统计其搜索指数，得出大家普遍关系的问题。然后将这些问题分析、归类、建档，更新到教学、评价系统中来。比如通过百度指数，搜索指针数组，可以看到搜索量的折现图，根据数值可以知道其准确的搜索量，同时也给出了整体同比，整体环比等关键数据，如图1所示。得出相关问题之后，将其细化，统计其知识要点、难度系数，比如指针数组，我们归纳出其要点，易错知识点：A 指针运算；B指针赋值；C 多重指针初始化问题；D new语句的用法；E
5、delete语法；F指针常量与常量指针。根据统计的出错率，给出相应的难度系数。再将收集的习题库和知识点、难度系数建立一一对应的逻辑关系。图2 是根据各大网路资源结合各种题库得出的C+知识点排名靠前的关注指数。二、C+教学训练及考核、评测系统的建立根据实际教学的需求，整个系统分成四个部分，分别为资源模块、考核试卷自动生成模块、试卷考试结果分析模块、模拟训练模块，整个系统结构如图3所示。资源模块包含三个部分，一个是题库及解答，一个是C+知识点模块以及C+知识点的难易程度模块，题库及解答中的每道题都会有相对应的难度系数及对应的知识点，有些试题可能对应多个知识点，那么其难度系数根据多个知识点的难度系数
6、加权平均得出一个综合性的难度系数。C+考核試卷自动生成模块主要根据教学大纲设置的条件，利用程序算法设计自动生成考核试卷，在考核试卷的生成程序中，我们主要参考的因素包括这些内容：试卷的考题要尽量覆盖多的知识点，一般包含的知识点应该在70%以上；整个试卷的难度系数应该在一个适中的范围；题型也应该多样化，比如主观题及客观题要有一定的比例；考题要保证一定的更新率，也就是说相比今年的考题，重复率要控制在一定范围，这样考试才能起到比较客观的效果；选择的考题突出了学生哪部分的能力，包括理解力、编程能力、逻辑能力、想象能力等。在线模拟训练模块可以供学生选择各个知识点的试题进行训练，包括编程题，上传学生的编程代
7、码，后续将完善学生代码自动分析功能，包括补全代码、运行效率及结果分析、运用的知识点分析等功能。三、考试结果分析及教学质量评价有了前面考卷已经给出的各种参数，就很容易分析学生在考试中展现出来的知识结构掌握的情况以及表现出来的动手能力和创新能力。（1）考试分数统计指标分析。主要包括平均分及其方差，同时通过统计每段分数上的人数和比例，绘制分数分布统计曲线，可以克服平均分数受到极端分数影响的弊端。同时我们还可以根据我们建立的C+数据库系统，统计出学生在每个知识点的得分情况，结合难度系数剖析学生对每个知识点的掌握情况，在这个基础上更好的反馈出学生对整个C+知识掌握的情况或者存在的不足，凸显我们在C+教学
8、中存在的问题。（2）能力结构掌握情况分析。教学的本质并不只是得到好成绩，而是培养学生利用计算机编程技术解决实际问题的能力，形成计算机思维能力的习惯。因此题型的设计要侧重在学生对C+知识的构析、运用能力上，根据学生对各个题型的得分情况，得出学生在C+编程学习中展现出的能力素质情况，其中包括基础概念理解能力、空间想象能力、逻辑推理能力、综合运用能力。（3）主观题智能分析。比如编程题，我们不光要看学生解答是否符合题目要求，同时要看解答中应用的方法是否具有新颖性，设计的程序是否效率高，如占用内存小、CPU运行效率高、运用了不同的方法。对于优秀的解答我们可以及时更新到我们的题库及解答数据库中，给更多的同
9、学借鉴，这样形成一个很好的正反馈，不但丰富了学习素材，还可以拓展学生的思路，更加深刻地理解C+课程的内容。目前这一部分功能主要由人工完成，后续将由机器智能分析完成。为了科学考核、评价C+的教学效果，促进教学质量的提高，我们在基于大数据的基础上，建立了一套数字化的智能教学训练、考核及质量评价智能系统。其可以从宏观到微观，从整体到部分，多视角、多层面地促进C+教学质量的改进，以客观、准确、严格的评价标准和科学、全面的考核内容，凸显学生在学习中遇到的薄弱环节，细化教学内容到每个知识点的掌握情况，从各个层面推进教学质量的提升。后续将继续完善整个数字化智能系统，特别是在智能化考核及分析上，计划引入自动编译系统，能够自动分析程序设计题采用的方法、存在的错误、运行的效率，涵盖的知识点，进一步提高教学的数字化水平。参考文献：1顾勋梅.C+课程教学改革的探讨与研究J.科教文汇（下旬刊），2009（24）：39.2王春玲.“C+程序设计”课程教学改革的探讨J.计算机教育，2008（4）：26-28.3王进，陈建平，王春明.面向应用能力培养的C+课程教学实践J.计算机时代，2012（11）. -全文完-
