本发明专利技术提供一种基于大数据的学习评价系统及方法，涉及教育评价技术领域，本发明专利技术以从编程学习活动中收集的大量数据集合作为评价基础，根据编程任务的示例程序和程序参数，精确计算出每个编程任务的难度系数，基于数据的难度评估方法，能够更客观地反映编程任务的实际难度，从而在评价学生编程能力时，能够更全面地考虑学生的实际表现，将难度系数归一化处理，生成难度参考矩阵，这为后续的个性化任务分配提供了基础，通过结合学生的历史数据和实时编程数据，计算出学生的编程效率指数和挑战难度系数，进而确定难度跨越梯度，构建基于学生个体差异的任务分配机制，让每个学生都能接收到适合当前能力的编程任务。
1、随着现代教育技术的发展和信息化教学的普及，学习编程已经成为越来越多学生的必修课程，从基础的编程逻辑理解，到复杂的代码实现和优化，编程教育包含了广泛的知识内容和技能提升，随着在线教育平台和编程工具的普及，学习编程的门槛大幅降低，吸引了越来越多的学生投身于编程学习之中，然而，随着编程学习者的激增，如何有效地评估学生的编程能力，并据此进行科学合理的任务分配，成为教育界亟待解决的问题，传统的评价方法往往侧重于单一的编程成果，限制了编程教育的深度和广度，也影响了学生编程技能的全面发展；
2、现有的编程教育中，大多数的任务是按照课程的进度或者计划进行的，往往忽略了学生的实际编程能力和学习进度，这种情况下，高能力的学生可能会觉得任务过于简单，而低能力的学生则可能会觉得压力过大，而且学生的评价一般就简单地依靠学生完成任务的速度或者正确率来进行简单判断的，无法准确评价学生的编程能力，并且无法根据学生的实际能力客观分配后续的编程任务，这无疑会阻碍教学效果。
3、因此，现有技术的不足之处在于：对于学生编程的成绩大多依赖于简单的代码完成度和错误率等基础指标，或者依赖于教师的主观评价，然而，这些评价方式往往无法全面反映学生的编程能力，也无法为学生的编程学习提供更具针对性的任务安排。
>2、为实现上述目的，本专利技术提供如下技术方案：3、一种基于大数据的学习评价系统，包括：
4、难度定级模块，用于获取编程任务池内的编程任务的示例程序，并对编程任务进行编号，并获取每个示例程序的程序参数，构成程序参数矩阵，依据程序参数矩阵确定每个编程任务的难度系数，构成难度系数矩阵；
5、预处理模块，用于将难度系数矩阵内部的元素进行归一化处理，将所有元素归一化在0到1的范围内，将归一化处理后的元素值四舍五入到最近的小数点后一位，标定为难度参考系数并构成难度参考矩阵，将编程任务的编号和难度参考系数进行一一映射；
6、数据采集模块，用于获取学生正在学习的编程任务的编号，以及学生的实时编程数据，获取学生历史学习过程中的编程任务的学习历史数据，生成历史数据集；
7、数据处理模块，用于根据实时编程数据生成学生的编程效率指数，依据历史数据集和难度参考矩阵构建当前学生的挑战难度系数，依据学生的挑战难度系数和编程效率指数确定后续为学生发布编程任务的难度跨越梯度；
8、任务分配模块，用于依据难度跨越梯度和难度参考矩阵，筛选出下一个为学生分配的编程任务，并确定任务编号。
9、进一步地，获取的示例程序的程序参数包括程序中的代码行数、独立线性路径的数量、函数的平均参数数量和调用的外部库的数量，构成程序参数矩阵为：
10、
11、其中，rcs表示程序参数矩阵，dhi、dli、pji和wki分别为第i个编程任务示例程序的代码行数、独立线性路径的数量、函数的平均参数数量和调用的外部库的数量，i为编程任务的编号，i为正整数，且i＝1、2、…、n，n为编程任务池内编程任务的数量。
12、进一步地，构成难度系数矩阵所依据的具体逻辑为：
13、依据程序参数矩阵内每个编程任务对应的程序参数生成编程任务的难度系数，难度系数生成的公式为：
14、
15、其中，ndi表示第i个编程任务示例程序的难度系数，ω1、ω2和ω3分别表示第一权重系数、第二权重系数和第三权重系数，且ω1>ω2>ω1,ω1+ω2+ω1＝1；
16、将各个编程任务的难度系数作为元素，按照编程任务的编号依次填入n×1的矩阵中，构成难度系数矩阵，构成的难度系数矩阵为：
17、
18、其中，rnx表示难度系数矩阵。
19、进一步地，构成难度参考矩阵的具体逻辑为：
20、对于难度系数矩阵内部的元素进行归一化处理，所依据的公式为：
21、
22、其中，gndi表示归一化处理后的第i个编程任务示例程序的难度系数，min(rnx)表示难度系数矩阵中，数值最小的元素值，max(rnx)表示难度系数矩阵中，数值最大的元素值；
23、对归一化后的元素进行四舍五入，保留小数点后一位，将四舍五入后的值作为难度参考矩阵的元素，按照编程任务的编号依次填入n×1的矩阵中，构成难度参考矩阵，构成的难度参考矩阵为：
24、
25、其中，rcnx表示难度系数矩阵，gydi为第i个编程任务示例程序进行归一化和四舍五入处理后的难度参考系数；
26、将编程任务的编号和难度参考系数进行一一映射是指：不同的编程任务均有一个唯一的任务编号，每个任务编号均有唯一一个对应的难度参考系数与其关联。
27、进一步地，所述学生的实时编程数据包括：学习当前编程任务的总操作时间、输入的字符总数、编译错误总数和代码提交次数，学生历史学习过程中的历史数据集包括：历史学习过程中，学生学习操作的所有编程任务的编号。
28、进一步地，根据实时编程数据生成学生的编程效率指数所依据的公式为：
29、
30、其中，pei表示学生的编程效率指数，hz表示输入的字符总数，td表示学习当前编程任务的总操作时间，单位为分钟，ei表示编译错误总数，se表示代码的提交总数。
31、进一步地，构建当前学生的挑战难度系数时，依据历史数据集中的编程任务的编号，通过映射关系在难度参考矩阵中，获取历史学习过程中学生操作的所有编程任务对应的难度参考系数，构成历史难度数据组lsd[m]，其中m表示历史难度数据组内部的难度参考系数的数量；
32、依据学生正在学习的编程任务的编号，在难度参考矩阵中寻找到当前正在学习的编程任务对应的难度参考系数，并标定为实时难度参考系数，依据历史难度数据组和实时难度参考系数生成当前学生的挑战难度系数，所依据的公式为：
33、
34、其中，表示历史难度数据组的平均难度参考系数，lsdj表示历史难度数据组中第j个难度参考系数，di表示当前学生的挑战难度系数，max{lsd[m]}表示历史难度数据组中的最大值，gydnow表示当前正在学习的编程任务对应的难度参考系数。
35、进一步地，依据学生的挑战难度系数和编程效率指数确定难度跨越梯度所依据的逻辑为：
36、
37、其中，δgyd表示难度跨越梯度，peiy表示设定的编程效率阈值。
38、进一步地，筛选出下一个为学生分配的编程任务时，通过实时难度参考系数和难度跨越梯度相加获得预测难度参考系数，遍历难度参考矩阵内部的每一个元素的数值，获得预测参考系数和难度参考矩阵内部差距最小的元素值及其对应的编号，将该编号对应的编程本文档来自技高网...
【技术保护点】
1.一种基于大数据的学习评价系统，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据的学习评价系统，其特征在于：获取的示例程序的程序参数包括程序中的代码行数、独立线性路径的数量、函数的平均参数数量和调用的外部库的数量，构成程序参数矩阵为：
3.根据权利要求2所述的一种基于大数据的学习评价系统，其特征在于：构成难度系数矩阵所依据的具体逻辑为：
4.根据权利要求3所述的一种基于大数据的学习评价系统，其特征在于：构成难度参考矩阵的具体逻辑为：
5.根据权利要求1所述的一种基于大数据的学习评价系统，其特征在于：所述学生的实时编程数据包括：学习当前编程任务的总操作时间、输入的字符总数、编译错误总数和代码提交次数，学生历史学习过程中的历史数据集包括：历史学习过程中，学生学习操作的所有编程任务的编号。
6.根据权利要求5所述的一种基于大数据的学习评价系统，其特征在于：根据实时编程数据生成学生的编程效率指数所依据的公式为：
7.根据权利要求6所述的一种基于大数据的学习评价系统，其特征在于：构建当前学生的挑战难度系数时，依据历史数据集中的编程任务的编号，通过映射关系在难度参考矩阵中，获取历史学习过程中学生操作的所有编程任务对应的难度参考系数，构成历史难度数据组Lsd[m]，其中m表示历史难度数据组内部的难度参考系数的数量；
8.根据权利要求7所述的一种基于大数据的学习评价系统，其特征在于：依据学生的挑战难度系数和编程效率指数确定难度跨越梯度所依据的逻辑为：
9.根据权利要求8所述的一种基于大数据的学习评价系统，其特征在于：筛选出下一个为学生分配的编程任务时，通过实时难度参考系数和难度跨越梯度相加获得预测难度参考系数，遍历难度参考矩阵内部的每一个元素的数值，获得预测参考系数和难度参考矩阵内部差距最小的元素值及其对应的编号，将该编号对应的编程任务确定为下一个为学生分配的编程任务。
10.一种基于大数据的学习评价方法，其特征在于：所述学习评价方法由权利要求1-9任一项所述的基于大数据的学习评价系统执行，具体步骤包括：
...
【技术特征摘要】
1.一种基于大数据的学习评价系统，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据的学习评价系统，其特征在于：获取的示例程序的程序参数包括程序中的代码行数、独立线性路径的数量、函数的平均参数数量和调用的外部库的数量，构成程序参数矩阵为：
3.根据权利要求2所述的一种基于大数据的学习评价系统，其特征在于：构成难度系数矩阵所依据的具体逻辑为：
4.根据权利要求3所述的一种基于大数据的学习评价系统，其特征在于：构成难度参考矩阵的具体逻辑为：
5.根据权利要求1所述的一种基于大数据的学习评价系统，其特征在于：所述学生的实时编程数据包括：学习当前编程任务的总操作时间、输入的字符总数、编译错误总数和代码提交次数，学生历史学习过程中的历史数据集包括：历史学习过程中，学生学习操作的所有编程任务的编号。
6.根据权利要求5所述的一种基于大数据的学习评价系统，其特征在于：根据实时编程数据生成学生的编程效率指数所依据的公式为：
7.根据权利要求6所...
【专利技术属性】
技术研发人员：裴建廷，李国磊，于谦，孙斌，
申请(专利权)人：山东第二医科大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。