学习效果评估软件系统的设计与实现
智能化教育评估系统的设计与实现
智能化教育评估系统的设计与实现在当今快速发展的信息时代里，人类对于教育的要求越来越高。
而随着千禧一代的兴起，人群的观念也在逐渐改变，对于教育的期望值也随之提升。
如何更好地评估学生的学习情况，以便更准确地指导他们的学习，为教育提供更好的服务，已经成为一个亟待解决的问题。
基于此，智能化教育评估系统的设计与实现越来越受到关注。
一、智能化教育评估系统的定义智能化教育评估系统是一种利用技术手段，以获取学生学习信息并进行多方位分析，为教学信息化提供数据支持和服务的系统。
通过对学生学习过程中的表现和数据进行分析，智能化教育评估系统能够输出一些关键的教育信息，包括学生的学习能力，学习水平，学习兴趣以及学习问题等。
二、智能化教育评估系统的目的及优势智能化教育评估系统的主要目的是针对学生的学习状态进行全面、系统、客观、科学的评估，从而为其提供更为精准的学习指导和服务支持。
同时，智能化教育评估系统的使用能够为教育机构提供有效的数据参考和分析手段，从而不断完善教育教学体系和提升教育质量。
相对于传统的教育评估手段，智能化教育评估系统有着独特的优势：1. 多维度分析：智能化教育评估系统可以同时获取学生的各类数据信息，如学习成绩、学习强度、学习兴趣、学习问题等等，从而对学生的学习状态进行全面评估。
2. 自主学习：智能化教育评估系统为学生提供了更加独立自主的学习方式。
学生可以通过系统的学习指导，更好地掌握学习内容，提高自主学习能力。
3. 智能化服务：智能化教育评估系统能够根据学生的学习状态和数据信息，提供个性化的学习服务，从而达到事半功倍的效果。
4. 支持教学改革：智能化教育评估系统的使用与技术手段的结合，能够推动教育教学体系的改革，进而提升教育教学水平和质量。
三、智能化教育评估系统的设计与实现智能化教育评估系统的设计与实现可以从以下几个方面展开：1. 数据采集：智能化教育评估系统通过各种方式（如学生的在线提交、学习管理系统、机器阅读等），收集学生的学习数据，如学习成绩、视频观看率、作业评分等。
基于大数据的学生综合素质评价系统设计与实现
基于大数据的学生综合素质评价系统设计与实现【正文】一、现状分析随着信息技术的飞速发展和智能技术的日益普及，教育领域也逐渐引入大数据的概念和应用，致力于通过大数据的处理和分析，提升学生综合素质评价的准确性与科学性。
基于大数据的学生综合素质评价系统作为一种新兴的评价方式，可以对学生在知识、能力、态度和情感等方面进行全面考察，并为学生提供个性化的学习指导和评价反馈，具有重要的实践价值和应用前景。
目前，国内外已存在一些基于大数据的学生综合素质评价系统的研究和实践。
这些系统主要依靠学校和教育机构收集的海量数据，包括学生的学习成绩、课堂表现、作业完成情况、课外活动参与度等多个维度的数据。
通过对这些数据进行整理、分析和挖掘，系统能够评估学生的学习能力、学科水平、综合素质和发展潜力，并为学生和教师提供个性化的评价和指导。
然而，目前的基于大数据的学生综合素质评价系统还存在一些问题和挑战。
数据收集和整理的过程相对繁琐，需要学校和教育机构投入大量的时间和人力资源。
系统对于部分非智能化的数据无法进行自动化处理，无法全面客观地评估学生的综合素质。
再次，系统在个性化评价和指导方面的功能还较为有限，无法满足个性化学习的需求。
另外，对于学生的隐私和数据安全问题，系统也需要进一步加强保护和管理。
二、存在问题针对目前基于大数据的学生综合素质评价系统存在的问题，我们进行了深入的调研和分析，并总结出以下几个主要问题：1. 数据收集和整理过程繁琐：目前，学校和教育机构需要投入大量的时间和人力资源来收集和整理学生的学习数据。
这不仅增加了管理成本，也可能导致数据收集过程存在误差和不准确性。
2. 数据分析和挖掘方法有限：目前的基于大数据的学生综合素质评价系统主要采用统计分析和机器学习等方法进行数据分析和挖掘。
然而，这些方法在处理非智能化的数据和非结构化的信息时仍存在一定的局限性，导致评价结果的准确性和客观性有所欠缺。
3. 个性化评价和指导功能不完善：学生在学习过程中存在个体差异和不同的学习需求，然而当前的系统对于个性化评价和指导的功能还较为有限。
基于人工智能的智能辅助学习系统设计与实现
基于人工智能的智能辅助学习系统设计与实现智能辅助学习系统是指利用人工智能技术来提供智能化的学习支持和个性化的学习指导，以帮助学习者提高学习效果和学习能力。
本文将介绍基于人工智能的智能辅助学习系统的设计与实现。
一、引言智能辅助学习系统的出现为学习者提供了更便捷、高效的学习方式。
传统的教育模式存在着学习资源有限、教学效果差等问题，而采用人工智能技术来设计和实现辅助学习系统可以有效解决这些问题。
本文将介绍基于人工智能的智能辅助学习系统在设计与实现中的关键技术和方法。
二、智能辅助学习系统的设计原则智能辅助学习系统的设计应遵循以下原则：1. 个性化定制：智能辅助学习系统应能针对每个学习者的个性化需求，提供量身定制的学习内容和学习方式。
2. 智能化评估：系统能够根据学习者的学习过程和学习效果，智能地评估学习者的学习水平和能力，并提供相应的反馈和建议。
3. 多元化资源：系统提供多样化的学习资源，如教材、习题、在线课程等，以满足学习者的不同学习需求。
4. 协同学习：系统支持学习者之间的互动与协作，促进学生之间的知识共享和学习合作。
三、智能辅助学习系统的核心技术1. 自然语言处理（NLP）：NLP技术能够实现对学习者的语言输入进行理解和分析，从而实现与学习者的智能对话和问答。
2. 机器学习（ML）：通过机器学习算法对学习者的学习行为和学习数据进行分析，为学习者提供个性化的学习建议和推荐。
3. 数据挖掘（DM）：通过对海量学习数据的挖掘，发现学习者的学习规律和模式，以优化学习系统的设计和学习资源的推荐。
4. 智能推荐（IR）：根据学习者的学习兴趣和需求，利用推荐算法为其推荐适合的学习资源和学习路径。
四、智能辅助学习系统的实现步骤1. 数据采集与准备：收集学习者的学习数据，如学习行为、学习成绩等，并对数据进行清洗和预处理。
2. 特征提取与选择：对学习数据进行特征提取和选择，以便用于机器学习算法的训练和学习预测。
3. 模型构建与训练：基于机器学习算法，构建适合智能辅助学习的模型，并通过训练使其能够对学习者的需求进行准确预测。
某专业训练评估系统软件设计与实现
36软件开发与应用Software Development And Application电子技术与软件工程Electronic Technology & Software Engineering随着军网综合性能的稳步提升，基于军网的军事训练教育逐步普及完善，在近年来逐步发展形成为一种新的教育训练与评估模式，其优势在于可以利用网络摆脱传统课堂式教育的局限，进一步扩大教育训练范围，最大化利用与共享教育资源；同时也可以利用网络信息系统实现对教育训练单位和个人的能力综合评估，简化评估工作量、提升评估效率。
但网络化教育平台在教育训练质量的把控上还相对不足，因此需要配套构建一套有效的训练评估机制，这对于完善网络教育训练评估系统的设计非常重要。
1 系统功能分析根据功能和用户权限设置需要，将教育训练与评估系统分为三级，其中：一级模块三个，如图1所示，分别是训练模块、评估模块和管理模块。
训练模块包括理论教学和模拟训练两大功能。
理论教学子模块具有三个功能。
（1）基础理论知识自学功能。
通过开发核生化防护基础理论教学系统，用户可在线进行专业理论、专业设备和专业技能的学习，从而快速提高人员的专业水平。
（2）理论模拟考试功能。
用户可根据自学情况进行在线模拟考试，同时配有试题详解，便于用户更好地掌握知识。
（3）资料搜索功能。
该模块具备资源阅览模块，包含了所有的专业教学资源。
模拟训练功能模块主要用于受训（学习）人员的业务技能培训装备操作训练。
针对装备操作，该模块提供了装备操作视频讲解、装备性能查询和软件模拟训练功能。
评估模块根据能力评估工作的一般流程，系统构建了“评估方案规划、理论机上考核、组织评估、统计分析”四个分系统，11项具体功能：评估方案规划。
根据《评估规定》的要求，制定科学、合理的评估规划和方案计划，具有两项基本功能：（1）辅助制定评估规划。
（2）辅助制定评估方案计划；理论机上考核。
理论考评涉及多种对象，由于考评的内容不同，形式多样，出题评分、成绩统计工作量大，为使理论考评方便快捷，系统针对不同考核人员，建立了多套综合试题库，实现了三个基本功能。
基于人工智能的智能评估系统设计与实现
基于人工智能的智能评估系统设计与实现智能评估系统是一种基于人工智能技术的智能化工具，它能够实现对特定领域、对象或问题进行准确、全面的评估和分析。
它利用先进的技术和算法，结合大数据和机器学习的方法，使评估过程更高效、更准确，并具有自动化和智能化的特点。
本文将对基于人工智能的智能评估系统的设计与实现进行探讨。
一、智能评估系统的设计理念智能评估系统的设计理念主要包括以下几个方面：1. 多维度评估：智能评估系统应该能够从多个角度对待评估对象进行评估，以达到全面、客观地评估的目的。
这包括对评估对象的性能、质量、可靠性等方面进行评估，从而为用户提供准确的评估结果。
2. 异常检测：智能评估系统应该能够检测出评估对象的异常情况，并及时向用户发出警报。
这可以通过与先进的异常检测算法相结合，以实时监测评估对象的状态，并通过数据分析和机器学习技术来判断是否存在异常情况。
3. 自动化处理：智能评估系统应该具备自动化处理的能力，可以自动完成评估任务，并根据评估结果生成相应的报告和建议。
这可以通过将评估过程中的数据收集、分析和处理过程进行自动化，以减少人工干预，提高评估效率。
4. 可扩展性：智能评估系统的设计应具备良好的可扩展性，可以根据用户的需求进行灵活的定制和扩展。
这可以通过提供可配置的评估指标、模型和算法，以及支持用户自定义业务规则和逻辑的方式来实现。
二、智能评估系统的实现方式为了实现基于人工智能的智能评估系统，可以采用以下几种方式：1. 数据采集与存储：智能评估系统需要从各种数据源中获取评估所需的数据，并对数据进行存储和管理。
这可以通过设计和实现适当的数据采集和存储模块来实现，同时要确保数据的质量和完整性。
2. 数据预处理与特征提取：智能评估系统需要对原始数据进行预处理和特征提取，以便根据评估模型的需求对数据进行合适的分析和处理。
这可以通过采用数据清洗、去噪、特征选择等技术来实现，以获得更准确和有意义的评估结果。
3. 评估模型与算法选择：智能评估系统需要选择合适的评估模型和算法，并根据实际需求进行相应的训练和调优。
基于AS NET技术学生评教系统设计与实现
基于技术的学生评教系统的设计与实现摘要：教育是兴国之本，教学质量的好坏直接影响我国各个行业领域的人才质量。
高职教育经过20多年的发展，一直以“应用”为宗旨的办学理念，为社会输送着技能应用型的高素质人才，而培养人才就需要一支较高素质的教师队伍。
随着计算机与网络技术的发展，教育管理手段也有了新的创新，教学管理也逐步走向了信息化的道路，学生评教有利于学校教务管理部门客观的掌握教师的授课状况。
本文主要对学生评教系统的设计与实现做出了分析。
关键词：；学生评教；系统界面；数据库中图分类号：tp311.52教育的根本目的是向社会输送人才，而人才培养的成果体现在教学效果上。
教学效果的评估方式有很多种，在中小学阶段，教学效果的最主要体现方式是学生的学业成绩，表现在学生的思维能力的增长和在测验及考试上的分数提高，而对于高职和本科以上教育来讲，教学效果则体现在学生的人格发展和社会能力的增长上，由于这一阶段的学生思维和人格都十分独立，因此，主观地对教师和教学进行评价，是教学效果评估的必要手段。
1学生评教系统概述1.1“学生评教”定义学生评教是当前高校使用最广泛的教学效果评估方法，从字面意义上理解，即是学生对教师的教学和自己在学习中的感受进行评定，用以反映某一教师的教学效果，同时也能够反映出学校的教学内容安排与学生的学习进步之间的关系。
学生评教的方法有很多，其中最主要并且简明高效的方法是问卷法，即请学生回答或填写与教师在课堂上的授课表现及对课程的感受的问题，以此探究教学效果。
学生评教问卷并非凭空设想的问题，拟定问卷题目必须遵循一些指标，这些指标基本包括：严谨治学、教书育人、教学效果、教学内容、启发学生思维、教学手段、对学生学习能力和方法的培养、收获情况、教材及参考资料选用情况、讲普通话、写规范字等诸方面。
1.2学生评教系统开发的意义中国社会在进入改革开放之后发生了翻天覆地的变化，由于经济体制变革而导致教育体制也相应地做出了调整，课程改革是整个教育体制调整中最重要的一个环节，并且在推进教育全球化以及推进世界文化交流的背景和号召下，课程改革的脚步从未停滞，一方面体现在教学内容上的改革，另一方面则体现在教师的教学方法和师生关系的微妙变化上。
软件安全性评估模型及评估工具设计与实现
软件安全性评估模型及评估工具设计与实现随着互联网的普及，软件的发展和应用越来越广泛，软件安全性问题日益凸显。
软件安全性评估模型及评估工具的设计与实现已成为一种急切需求。
本文将从软件安全性评估模型的概念、类型以及评估工具的设计与实现等多个方面探讨该主题。
一、软件安全性评估模型的概念及类型软件安全性评估模型是通过对软件系统的安全性方面进行评估，以获取和分析安全性情况的一种方法。
一般来说，软件安全性评估模型主要由安全性要求、评估标准和评估方法构成。
1. 安全性要求：如机密性、完整性、可用性等，作为软件安全性的基本指标，是对软件系统评估的第一步。
2. 评估标准：基于安全性要求，定义了一些具体的、可衡量的指标，用于评估软件系统的安全性。
3. 评估方法：根据评估标准，采用一些具体的方法，分析软件系统的安全性，发现安全性问题，并提出相应的改进措施。
基于以上三个方面，软件安全性评估模型可以分为多种类型，如下所述。
1. 静态评估模型：主要针对程序的源代码、二进制文件、文档等进行评估。
其优点是能够在软件构建之前对软件安全问题进行分析和发现。
2. 动态评估模型：主要针对软件系统在运行时的行为进行评估。
其优点是可以检测到软件系统实际运行中存在的安全隐患。
3. 混合评估模型：综合了静态评估模型和动态评估模型的优点，并在其基础上进行评估。
二、软件安全性评估工具的设计与实现软件安全性评估工具是基于特定的软件安全性评估模型构建的。
下面将从几个方面探讨软件安全性评估工具设计和实现。
1. 工具构建平台的选择：主流的软件安全性评估工具开发平台有Java、Python、C/C++等，需要结合具体的开发需求和特点进行选择。
2. 开发环境搭建：基于选择的开发平台，需要进行相应的环境搭建。
如在Java平台下，需要安装JDK、Eclipse等开发环境。
3. 工具功能设计：根据安全性评估模型的类型和要求，设计相应的工具功能。
如对于动态评估模型，需要设计相应的测试用例和测试代码。
基于人工智能的自动教学评估系统设计与实现
基于人工智能的自动教学评估系统设计与实现自动教学评估系统是通过人工智能技术来对学生的学习情况进行评估和分析的一种应用。
它的设计与实现可以帮助教师更好地了解学生的学习状况，提供有针对性的教学和指导，促进学生的学习效果提升。
本文将从系统设计和实现两个方面介绍基于人工智能的自动教学评估系统。
首先，基于人工智能的自动教学评估系统的设计是一个综合性的工作，需要考虑多个因素。
系统设计的第一步是确定评估的内容和评价指标。
根据不同的学科和教学目标，可以选择不同的评估内容，如知识掌握情况、思考能力、创新能力等。
评价指标应该具有客观性、准确性和可衡量性，既能反映学生的学习水平，又能为教师提供有效的参考。
系统设计的第二步是确定评估的方法和技术。
基于人工智能的自动教学评估系统可以利用多种技术手段来收集和分析学生的学习数据，如自动化测试、数据挖掘、机器学习等。
其中，自动化测试可以通过设计各种类型的题目来获取学生的答题情况，数据挖掘可以分析学生的行为模式和学习习惯，机器学习可以根据历史数据建立学习模型，预测学生的学习水平和未来发展趋势。
系统设计的第三步是确定评估结果的呈现方式和反馈机制。
评估结果可以通过图表、报告、分析等多种形式呈现给教师和学生。
教师可以根据评估结果制定个性化教学计划，提供有针对性的辅导和指导；学生可以了解自己的学习情况，发现自身的问题并及时调整学习方法。
反馈机制是评估系统的核心部分，它需要及时、准确地将评估结果反馈给教师和学生，以便于他们做出相应的调整和改进。
除了系统设计，基于人工智能的自动教学评估系统的实现也是一个复杂而关键的过程。
首先，需要建立一个数据平台来收集和存储学生的学习数据。
这个平台可以整合各种教育应用和学习平台，实现数据的互通和共享。
其次，需要开发相应的算法和模型来对学生的学习数据进行分析和评估。
这些算法和模型可以基于机器学习、深度学习等技术，利用大量的数据进行训练和优化。
最后，需要设计一个友好、易用的用户界面，使教师和学生可以方便地使用和操作这个评估系统。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
学习效果评估软件系统的设计与实现作者：王颖娴来源：《现代电子技术》2010年第02期摘要:阐述学生学习效果评价的现状,将BP网络方法应用于学生学习效果的评价,用灰色理论进行修正,给出BP网络的课程效果评价模型结构,提出一种新的学习效果评价方法。
利用VB 6.0与Matlab混合编程进行软件的设计与实现。
结果表明,BP网络用于课程效果评价中,既克服了专家在评价过程中的主观因素,又得到了满意的评价结果,具有广泛的适用性。
关键词:学生学习效果评价;BP网络;软件系统设计;系统有效性验证中图分类号:TP311文献标识码:A文章编号:1004-373X(2010)02-065-03Design and Implementation of Learning Effect Assessment Software SystemWANG Yingxian(Xi′an Vocational and Technical College,Xi′an,710032,China)Abstract:The situation of student′s learning effect assessment is introduced and the neural network method is applied to the study effect evalution,with modification to the gray thoery_based method.A new learning effect assessment method is proposed.A software design and implementation using VB6.0 and Matlab mixed programme.By applying to the course and analyzing the assessment result,the system validity is confirmed.Keywords:learning effect assessment;BP network;software system design;system valid confirmation0 引言随着职业教育改革的深入和职业教育的发展,如何提高教学质量,是摆在各高等院校和高职院校面前的一个重要问题。
许多学校都在根据各自不同的情况进行思考和判断,并提出相应对策,其中“评学”工作最为普遍。
“评学”工作就是对学生学习状态和学习效果进行的综合评估,它能直接反应教学的效果。
目前进行的“评学”工作多是学校自己组织,其方式主要有单个老师就某门课程进行评价,或是学校组织对学生学习方面某几个指标的打分,这种“评学”方式存在选择评价指标的不合理,更不能科学地体现一个学生总体的学习效果。
因此,建立科学合理的学生学习效果新评价系统,对学校教学改革,提高教学质量是很有必要的[1,2]。
1 学习效果评价软件系统的设计目标[3,4]学习效果评价软件系统向学校教务人员提供一个易于操作和使用的评价软件系统。
通过该软件,教务人员可以方便地对学生学习情况进行评价。
进行学习效果评价首先是列出相关的评价指标(如表1所示),再对评价指标进行分配分值,具体评价分值如表2所示。
用BP神经网络对数据样本进行训练,训练后样本数据生成学生数据库,库中包含学生的信息。
所以软件应该满足以下几点要求:(1) 软件人机交互界面要简洁,操作要方便;(2) 软件要有对学生数据库的管理功能,包括学生信息的查询、修改,数据库新记录的添加、删除等;(3) 灰色评价方法权值的修改功能;(4) BP网络结构参数的修改、训练功能;(5) 对新输入记录的评价和报告功能。
2 学习效果评价系统软件设计该软件系统的开发,选择Windows XP SP2 环境,采用Visual Basic 6.0对Matlab 6.5进行二次开发,软件系统依据ActiveX 技术设计各功能模块。
2.1 总体设计[5]学生学习效果评价的软件系统既要满足学生评估的各种功能要求,又要尽量做到简洁美观。
该系统的总体设计流程图如图1所示。
2.2 登录界面设计由于该系统是完成对学生学习效果的评价,其中还包括对学生信息以及打分的存储管理,软件应具备一定的保密性,因此该软件设计了登录界面。
双击该软件桌面上的运行图标,运行该程序,进入登陆界面,在登陆界面下,要求使用人员输入正确的用户名和密码,进入软件系统。
2.3 数据库管理模块界面设计[6,7]该界面主要包含学生姓名、学号、评价人员姓名,以及各个评价指标的分值。
在学号框内输入相应的学生学号,单击界面左下方的“查询”按钮,即可查询数据库中该学生各指标的得分情况;点击“下一个”或者“上一个”按钮,可以按学号向后或向前查询其他学生信息;当要修改数据库中某个学生记录时,可以首先单击“查询”按钮,找到该学生的记录,然后在相应记录框内修改信息,再单击“修改”按钮,就可以把修改后的信息存储到原数据库中。
数据库添加新记录时,可以首先在各个文本框内添写相应的学生信息;然后在菜单栏上单击“添加记录”,就可以在原来数据库末尾追加一条新记录,单击“退出”按钮,或者在菜单上单击“退出本系统”,就可以退出该系统。
“学生学习效果数据库”管理界面,如图2所示。
图2 学生学习效果数据库管理界面2.4 BP网络训练与评价模块设计[8,9]2.4.1 BP网络的综合评价步骤BP网络的综合评价步骤如下:(1) 确定评价目标体系,指标个数为BP网络中输入节点的个数,即BP网络的输入层神经元数目为18。
(2) 确定BP网络的层数,该系统采用具有一个输入层、一个隐含层和一个输出层的三层网络模型结构。
(3) 明确评价结果,输出层的节点数为1,即为某个学生学习效果的评价结果。
(4) 对评价目标值进行标准化处理。
(5) 用随机数(一般是0～1之间的数)初始化网络节点的权值和网络阈值。
将标准化后的目标样本值输入网络,并给出相应的期望输出。
(6) 正向传播,计算各层节点的输出,计算各层节点的误差。
(7) 反向传播,修正权值。
检查是否所有样本对输入完毕。
(8) 计算误差。
当总误差小于给定误差时,网络训练结束,否则转到步骤(6);继续训练。
(9) 训练后的网络就可以用于正式评价。
2.4.2 样本数据的准备及网络的训练[9,10]训练样本数据的选择要有科学性、合理性,样本的质量关系到网络训练的质量,一般输入量必须选择那些对输出影响大,且能够检测或者提取的变量,并且要求各输入量之间互不相关或相关性很小,输出量代表系统要实现的功能目标。
笔者通过对西安某高校某专业某年级的学生进行考察,从中抽取了200名能普遍代表该校学生学习效果的学生作为考察对象;然后找到相应的课程老师及实习老师,按上文列出的18项指标对这200名学生进行十分制打分。
在把样本数据输入网络前,要对其进行归一化处理。
当输入向量的各分量量纲不同时,应对不同的分量在其取值范围内分别进行变换;当各分量物理意义相同,且为同一量纲时,应在整个数据范围内确定最大值和最小值,进行统一的变换处理。
2.4.3 BP网络训练与评价模块的设置界面应用Matlab神经网络工具箱函数,按照上述确定的网络结构参数,构建BP网络并进行训练。
通过多次尝试性训练,网络达到了精度要求。
最后确定BP网络的结构参数为:隐层神经元14个,训练误差0.001,动量因子0.98。
点击菜单栏上的“BP网络模型”,可进入BP网络训练与评价模块的设置界面,如图3所示。
图3 “BP网络模型”界面在该界面可以对BP网络结构参数进行重新设置,输入层和输出层的神经元数是由系统自身决定的,而且不可改变的。
界面的下方灰色方框内用于显示BP网络评价结果。
该系统无论是训练网络,还是用网络进行评价,实现时都要启动Matlab。
进行BP网络评价时,首先在“学生学习效果数据库”管理界面下将要评价的学生分数输入到相应的文本框内,然后单击菜单“BP网络模型”进入图3所示的界面,点击“训练网络”按钮,系统会按照设置的结构参数,以及神经元权值和阈值来建立BP网络,并对该学生学习效果进行评价。
评价结果(包括优、良、中、差程度,以及BP评价得分)会在“BP网络模型” 界面下方的灰色框中显示。
点击“结束”按钮,系统返回到“学生学习效果数据库”的管理界面。
3 系统有效性验证从我校机电系07届毕业生中抽取6名学生,作为网络的验证样本,检验建立BP网络的合理性。
结果发现,该BP网络对我校机械专业学生学习效果的评价是符合实际情况的。
现有的评价系统中数据库样本的数量偏少,如果将近几年来的学生信息都输入数据库,则训练网络的准确度会进一步提高。
4 结语应用BP网络对学生学习效果进行评价,克服了专家在评价过程中的主观因素,具有广泛的适用前景。
通过采用变步长算法,大大改善了网络的收敛速度,提高了学习训练效率,从而给出较满意的评价结果,为研究学生的学习效果的评价提供了一条新的途径。
参考文献[1]庞思勤,徐承俊.大学扩招后教学质量问题的几点思考[J].北京理工大学学报:社会科学版,2001,3(3):72_75.[2]李保亚.学习效果评价的原则[J].安徽教育,2003(17):42_43.[3]张志涌,徐彦琴.Matlab教程——基于6.X版本[M].北京:北京航空航天大学出版社,2001.[4]郝志恒,刘舫.新电脑课堂Visual Basic编程篇[M].北京:电子工业出版社,2004.[5]王跃强,王纪龙,王云才.VB程序中实现调用Matlab的方法[J].计算机应用,2001,21(2):95 _96.[6]张弘强,王春红.基于Matlab的BP神经网络进行教师评估[J].哈尔滨师范大学学报:自然科学版,2005,21(5):43_46.[7]张磊,向德全,胥杰.基于灰色理论的军用信息系统安全效能评估[J].弹箭与制导学报,2006,27(1):223_225.[8]段岳明.基于神经网络的大学生身体素质测试评估模型研究[J].武汉体育学院学报,2005,39(8):77_79.[9]张攀,王波,卿晓霞.基于神经网络与专家系统的智能评估系统[J].重庆建筑大学学报,2004,26(1):129_132.[10]王朋娇,王洪英.基于Excel 的学生成绩评估系统的实现[J].中小学信息技术教育,2005(4):75_76.作者简介王颖娴女,1972年出生,硕士研究生,讲师。
主要从事机电专业基础及专业课的教学工作。