基于大数据的中职电子类课程理实一体教学平台和学生评价体系模型的应用研究

  • 来源:职业
  • 关键字:大数据平台,中职电子类,数据挖掘
  • 发布时间:2020-03-03 11:28

  摘 要:本课题研究开发的中职电子类课程理实一体教学平台,通过学生日常学习、实训过程中大数据采集和分析,找出课程中的难点、易錯点,并基于支持向量分类机的数据挖掘原理建立学生评价体系模型,有效剖析知识掌握情况,方便教师在教学过程中有的放矢,因材施教。

  关键词:大数据平台 中职电子类 支持向量分类机 数据挖掘

  大数据作为一种新的数据管理技术,通过一种全新的处理模式,具备更强的洞察力、更强的决策力,可处理海量、高增长和多样化的数据,通过科学的统计方法能够不断地挖掘出教育数据中蕴含的巨大价值,其可视化分析结果可以为教育管理者决策提供科学依据。

  现有大数据技术真正用于中职课程管理,并和中职电子类专业课“重理论重实训”这一特点真正结合,以提升教学质量为目的的系统仍少见。鉴于此,本文提出了——基于大数据分析的中职理论和实训教学平台的开发与研究。学生利用移动平台完成课前练习、随堂实训、课后答疑、单元测验、期中考试、期末考试,通过平时的练习、操作积累大量数据,在教学过程中与数据平台深度融合,从理论难点、实训难点和学生个性化等三个维度进行分析,做到实时掌握学情,帮助教师定位知识点短板,从而实现课程信息化建设,提升中职电子类专业课教学质量。

  一、 基于大数据的中职理论和实训教学平台设计和开发

  1.平台三大模块

  第一,中职课程的难点和易错点研究模块:根据平台中的大量数据,分析出电子类中职专业课每个章节知识点的难点和易错点,教师可针对性施教。

  第二,中职实训项目故障点、难点研究模块:随堂实训记录,通过对每个环节所花费时间和准确率统计,分析出电子类中职专业课在实操中每个环节的易错点和故障点,一方面提升教师的实操经验;另一方面帮助学生少走弯路。

  第三,学生个性化研究模块:以某位学生为例,通过对其在平台中各种练习、答疑、测验等分析其知识短板及不足,建立起一套针对学生个体的知识掌握评价体系,以方便教师针对个人可以做到个性化教学,有的放矢,查漏补缺。

  2.平台的开发

  (1)开发环境搭建。平台选用C语言进行编程,采用Visual Studio 2017完成框架搭建和程序代码编写和调试,数据库选用SQL Server 2008R2。

  (2)操作流程实现。本平台流程:第一,中职理论知识测试;第二,中职实训项目测试;第三,学生个性化分析。

  二、大数据学生评价系统模型构建和系统引擎

  1.数据聚类方法和理论基础

  基于大数据学生评价系统的一个重要特征是,可以根据大量的理论测试、实训操作来分析学生的知识掌握程度,形成评价体系,并推送提高举措。常规的评价通常是以期末考试的考试结果为依据,不仅时效性差,而且偶然性强,而基于大数据的聚类方式来评价学生的知识掌握情况,由于数据量大且评价不受形式限制,所以评价更精准、更实时。

  聚类分析(clustering)已经成为数据挖掘研究领域中一个非常活跃的研究方法,聚类分析就是为了根据某些维度的数据收集达到分类的目的。

  常见的聚类分析方法有:分割聚类、分层聚类、网格聚类和机器学习聚类等,为提高效率,本文使用的方法为基于机器学习的SVM支持向量分类机聚类分析。

  2.基于SVM支持向量分类机的评价系统

  支持向量机是从线性可分情况下的最优分类面算法原理发展而来, Vapnik等人根据统计理论提出了支持向量机学习方法。本课题提出了一种基于SVM支持向量机的学生评价方法,支持向量机可根据小样本的模型进行聚类分析,通过调整中核参数γ、惩罚系数C 和不敏感损失函数ε等对评价系统进行建模,拟合出高准确性的模型,且泛化能力较强。根据课题研究、讨论结果,相关函数目标配置如下。

  第一,评价标准:本课题评价对象为某门课程的掌握能力,根据常规的评价标准,我们认为掌握能力分为:优秀、良好、及格、不及格四个等级。

  第二,影响因素分析:对于某门课程综合评价来说,该门课程中所属的每项知识点均可作为评价指标要素,如某课程有关联课程、延展课程等相关情况,其他相关课程也需作为评价指标要素。

  第三,预测拟合说明:以物联网导论课程为例,本课题将学生的期末考试成绩和平台预测成绩分别作为实际评价和预测评价两个组,其中,学生的该课程下属章节、该课程关联课程、延展课程作为影响输入因素,期末成绩作为实际评价标准组,平台评测成绩作为预测组,通过两者结果对比来评价平台评测水平。

  三、应用大数据平台和学生评价体系教学效果分析

  取“物联网概论”“RFID与物联网应用”“传感器与无线传感器网络”“物联网智能设备与嵌入式技术”“物联网与互联网”“移动通信技术”“定位技术”“物联网数据处理技术”“物联网信息安全技术”九章测试分别作为X1-X9九项影响因素,Y1为基于支持向量分类机的大数据平台测评成绩,Y2为实际期末考试成绩,11、10、01、00分别代表优秀、良好、及格、不及格四个等级。

  四、小结和展望

  大数据时代对中职电子类教育有着深层次的影响:第一,教学资源更丰富。大数据的特点便是大量、高速、多样、价值化,教师掌握的资源也将更加丰富;第二,教学理念的更新。随着工业4.0的推进,大数据+制造是今后发展的方向,如何打破常规、突破现有教学理念值得深入思考;第三,教师教学能力急需提升。大数据的发展,将会进一步释放传统教师的授课方式,与之对应的,教师的教学能力也急需得到提升。

  根据上述影响,需做好以下应对:第一,教学资源需整合。横向需从多渠道进行资源收集和整理,包含且不局限于课内、课外、校内、校外、教师、学生等维度,纵向需从多阶段进行搜集,包含往届、应届、上学期、本学期等维度。第二,教学方式需变革。教师需在大数据环境下更了解实际生产需要,加深产学融合,使大数据真正融入到实际生产生活中;学生在大数据环境下加强自主学习能力,在大数据环境下,有效甄别知识的有用性。第三,教学能力需提高。大数据时代是一个充斥着信息、工具的时代,如何更有效地使用信息化工具,如何从这些海量的资源中汲取有效信息,如何对学生因材施教、采取不同教学方法,成了每位教师的必修课。

  大数据时代充满机遇和挑战,中职学校电子类专业需要结合自身课程“理实”一体的特点,整合各类教学资源,利用大数据加深产学融合,提高教师自身素养,为当地电子产业发展输送优秀人才。

  童晓星 余国 郑晓辉

关注读览天下微信, 100万篇深度好文, 等你来看……