高校智能選課輔助系統開發研究

蔣雨恬 陳思宇 吳冰 劉江岳

摘? 要 以蘇州大學為例，開發智能選課輔助系統，創新性提出利用學生的興趣愛好、就職傾向、生活習慣等多維度信息作為樞紐，搭建高校本科生和通識選修課程之間的橋梁，系統獲得通識選修課程對多維度的貢獻值并輔助學生完成相關維度的量表測量，通過計算匹配，按照貢獻度推薦學生適切的課程，旨在解決學生選課過程中的盲目問題。

關鍵詞 高校;智能選課輔助系統;通識選修課程;機器學習

中圖分類號：G647? ? 文獻標識碼：B

文章編號：1671-489X（2020）12-0029-04

Abstract This article uses Suzhou University as an example to?develop an intelligent course selection assistance system. Innovative use of the students raised interest hobby， inauguration tendencies， habits and other multi-dimensional information as a hub， to build relationship between universities and undergraduate general educa-tion electives. The system obtains the contribution of general electivecourses to multiple dimensions and assists students to complete the scale measurement of relevant dimensions. By calculating the?matching， the students are recommended to the appropriate courses?according to their contribution. It aims to solve the blind phenomenonin the course selection of students.Key words colleges and universities; intelligent elective assistance system; general elective courses; machine learning

1 國內外研究現狀

2018年4月，教育部印發《高等學校人工智能創新行動計劃》，強調將“人工智能”“大數據”和“互聯網+”融入高校本科教學管理，彌補人工智能技術在教學管理領域的缺失。搭建高校智能選課輔助系統，幫助本科生選擇適切的通識選修課程，不僅能更好地服務于學生，也能夠減輕學校教務管理工作負擔。

通識教育經歷了從無到有、從抽象到具體的發展過程，已成為高校本科教育的核心組成部分。早在20世紀70年代末，美國就組建了NSFNET（國家科學基金網），學生通過互聯網接入網絡教學管理系統，進行入學報名、選課、考試及畢業論文提交等學習生活。可見，國外的教學管理軟件起步早、更成熟。

眾多研究者指出國內當代高校選課過程的不合理性。學生選課存在盲目現象，學生為修滿學分或取得高分，不了解課程間相關性，不清楚專業的方向性，選課隨意性大。

目前，國內絕大多數高校的選課系統沒有通識選修課程的信息，學生只能單憑課程名稱進行選擇。至于提供課程信息的高校，課程眾多且系統中課程的信息不能及時更新，學生選課前需花費大量時間了解課程信息，使得選課成為學生業余時間里一項繁雜的任務。以蘇州大學為例，選課系統中共有179門通識選修課程的信息，粗略估計15分鐘瀏覽一門課程信息，則看完所有信息至少需要44個小時。考慮到系統支持在線操作的用戶數量，學校提供給學生的搶課時間僅有10分鐘，且選課系統需在校園網下訪問。

為更好了解蘇州大學通識選修課的情況，做了相關調查，調查對象為蘇州大學在校本科生，問卷有效回收率為99%。被調查對象中男生占44.5%，女生占55.5%;文科生占35.00%，理科生占58.89%;2015級、2016級、2017級、2018級學生分別占10.5%、39%、28.5%、12%。據調查，在選課前有高達74.5%的學生對課程略有了解，而很了解的不到20%;學生選課的依據，39%來自專業的關聯性，71%來自興趣愛好，52.5%源自對未來職業生涯規劃的貢獻，而46.5%考慮是否容易通過;在課程結束之后，有多達一半的學生出現后悔，其中53.76%的學生認為選擇與當初標準不同，55.91%的學生表示沒有選擇到心儀的課程，51.61%的學生認為課程內容枯燥無聊;在上課期間有少量學生基本沒有上過課，多半以上的學生沒有認真聽講;且60%的學生認為通識選修課程效果一般，沒有太多的幫助。

出于對通識選修課程了解的缺乏，學生選擇了不感興趣、不適合的課程，上課缺乏積極性，導致出現曠課、缺課等現象。且學生對課程的滿意度也不高，教育資源大有浪費之嫌。學校教務對于這一現象的管理也毫無突破。基于大數據的智能選課輔助系統的開發，不僅能更好地服務于學生，也能夠減輕學校教務管理工作的負擔。

2 系統概述

基于大數據的智能選課輔助系統利用興趣愛好、生活習慣、就職傾向等信息作為樞紐，將高校在校學生與學校通識選修課程聯系起來，通過計算匹配，給學生推薦適合他們個人特質的選修課程。

首先，開發智能輔助系統，將通識選修課程的多維度信息特征參數與興趣愛好、生活習慣、就職傾向匹配，獲取匹配的數值，即課程對興趣愛好、生活習慣、就職傾向等多維度的貢獻度。前期采用機器自動讀取選修課程關鍵信息與人工訓練相結合的方式得到選修課程貢獻度的數值，后期改善為機器學習計算得出。

其次，在學生選課前，系統輔助學生填寫關于興趣愛好、生活習慣、就職傾向等自然維度與興趣維度的量表。學生在填寫量表、提交數據后，系統反饋學生用戶自畫像并生成推薦對各維度貢獻值高的課程;對于未填寫量表的學生，系統還提供一系列多層次的課程信息關鍵詞，通過關鍵詞漸進式遴選課程，最終推薦與該生需求相符或相近的課程。

在項目后期完善中，改善智能選課容易支配學生的缺陷。對于一些貢獻度低、容易被忽視的課程，利用推送的方式介紹其價值意義，提示學生給予關注。

3 系統設計及實現

選課輔助系統采用B/S結構，由客戶層、邏輯層和數據層組成。數據層采用Microsoft SQL Server關系型數據庫管理系統，邏輯層采用ASP.NET，而客戶層是支持HTML、CSS、JavaScript的瀏覽器。具體結構如下：

客戶層：瀏覽器（支持HTML、CSS、JavaScript）

邏輯層：ASP.NET

數據層：數據庫（SQL Server）

ASP.NET是基于.NET13框架的Web開發平臺。ASP.NET的重要新特性之一是多語言支持。除此之外，還有高性能、可管理高效性等顯著特點。在ASP.NET中采用C#語言，它是一種由C和C++衍生出來面向對象的高級程序設計語言。無論是對于簡單應用的編寫，還是大型商業軟件的編寫，都是最合適的選擇，對于系統后期的完善與改進也極其便利。且ASP.NET可通過Ado.net訪問Microsoft SQL Server關系型數據庫管理系統。SQL Server是一種客戶機/服務器系統，采用T-SQL語句，能幫助系統開發者更好地管理操作數據庫。

系統物理結構設計? 選課輔助系統需實現基本的數據存儲。下面是選課輔助系統中各數據表結構和數據用途，做以解釋說明。

1）用戶表（表1），存儲用戶登錄的賬戶、密碼及權限類型，其中0代表學生、1代表教師、2代表管理員。

2）學生基本信息表（表2），存儲學生的信息資料，如學號、姓名、專業、興趣愛好等。

3）教師基本信息表（表3），存儲教師的信息資料。

4）課程信息表（表4），存儲蘇州大學通識選修課程的信息。

5）維度分類表（表5），存儲各維度關鍵詞。

6）機器自動比對貢獻度表（表6），存儲機器自動比對的貢獻值。

7）人工訓練貢獻度信息表（表7），人工訓練得到的課程貢獻值。

8）課程貢獻度表（表8），課程最終貢獻值參考自動比對的貢獻度、人工訓練的課程貢獻度計算。

9）課程匹配信息表（表9），記錄每一位學生在不同維度的匹配課程。

系統算法設計

1）通識選修課程特征參數設置。每門課程可以看作由g個維度、n個課程描述參數（取值范圍為大于等于0且小于等于10的實數）組成的二維數組向量，因此，每個課程表示為一個二維數組向量，稱為課程貢獻向量，用C表示：

專業、興趣愛好、職業、生活習慣等這g個參數是描述學生對通識選修課程的需求，稱為學生需求向量，用S表示：

課程貢獻向量和學生需求向量的對應分量須設為同一門課程描述的參數，確保后續計算算法和計算結果有意義。

2）課程推薦機制。

①余弦相似度。計算課程和學生之間的相似度——余弦相似度（CosineSimilarity）。余弦相似度用向量空間中兩個向量夾角的余弦值作為衡量兩個個體間差異的大小。余弦值越接近1，就表明夾角越接近0°，兩個向量越相似。

余弦相似度計算公式為：

②加權余弦相似度。在實際應用中，對于不同學生來說，維度的參數所占貢獻值是不一致的。為解決參數貢獻值不均勻的問題，引入權重的概念。某一指標的權重指該指標在整體評價中相對重要程度。權重向量W：

學生需求向量S、待比較的課程貢獻向量C及其權重向量W：

③課程推薦機制。教務系統中的所有共m門可選通識選修課程c1，c2，…，cm，組成一個課程集合C={c1，c2，…，

cm}，教務系統中的所有共n名在冊學生s1，s2，…，sn組成一個學生集合S={s1，s2，…，sn}。對于S中的學生s1，遍歷一次整個課程集合C，以該學生對應的多個維度的學生需求向量對每一個課程描述向量進行一次相似度的計算，最終得到g×m×n條記錄。

在每組內按相似度降序對所有記錄進行排序，序數值越小的記錄的課程，就和該學生的需求越一致。

3）機器學習。機器學習需生成訓練模型，在生成模型的過程中加載數據并對數據處理以訓練模型;若有評估數據，還可對數據模型進行評估，生成各種指標。

采用ML.NET準備加載用于訓練數據的模型時，需將數據轉化成CSV文件進行加載，再建立模型。訓練模型采用矩陣分解（matrix factorization）的機器學習任務。設有一個評分矩陣Rui，其中u代表學生個數，i代表課程個數，學生u對課程i評級為Rui。矩陣分解可將R分解為兩個矩陣乘積，即Rui=Puf*Qfi，其中f為隱因子個數，P中一行表示一個學生對各因子喜歡程度，Q中一列表示一門課程隱因子分布概率。兩者相乘，最終得出學生對課程的評分：

訓練模型的任務是使所有Rui≠0時，rui與最大程度上靠近，即：

同時，為防止Puf與Qfi太極端，需要加一個正則項：

求解上述無約束最優化問題時，用到梯度下降法，在第t+1次時：

系統發布? 選課輔助系統的發布利用IIS Web服務器。其通過超文本傳輸協議（HTTP）傳輸信息，且提供文件傳輸協議（FTP）等其他服務，是最廣泛使用的服務器之一。被試通過網絡終端設備即可訪問選課輔助系統，完成相關維度的量表測量后，獲得系統推薦的貢獻值高的通識選修課程。

4 系統測試

系統測試是系統開發過程中最重要的一環，能確保系統的健壯性和實用性。在測試過程中分別從系統的兩類用戶使用進行測試。其中管理員子系統通過維護用戶信息和數據進行測試，包括添加、刪除、查詢和修改功能;學生子系統通過更新學生修改的信息和推薦給學生合適選修課程的匹配時長來進行測試。在系統測試結束后，與參與系統測試的學生訪談，獲得對系統的改進建議，并在進一步的測試過程中改進系統中的錯誤和不足。

5 結語

學生利用選課輔助系統選擇適切性的通識選修課程，有利于提升學習興趣和熱情，更積極地參加課堂學習，達到更好的學習效果。學生選擇到適合的通識選修課程，課堂活躍度被大幅度提升，課堂積極性被充分調動，對通識選修課程的滿意度也會大有提升，選修課的質量也會相應提升。學校教務部可以根據系統內部記錄的數據進行供給課改革，加大選擇量多的通識選修課程的開設，滿足學生的需求，也能夠更好地管理通識選修課程。

基于大數據的人工智能選課輔助系統的特色在于將大數據技術、人工智能技術運用到高校本科學生選修通識選修課程過程中，利用興趣愛好、生活方式、就職傾向等維度作為樞紐，搭建起學生與選修課程之間的橋梁，開拓了大數據技術、人工智能技術在教學管理領域的應用。

參考文獻

[1]張歡，鄒沖.高校選課系統的課程推薦機制研究[J].電子世界，2018（20）：91-92.

[2]胡彩.哈佛大學與復旦大學通識教育課程的比較與分析[J].科教文匯，2018（4）：34-37.

[3]駱金維，曾德生，潘志宏，等.基于大數據平臺的課程教學資源推薦系統應用研究[J].大數據時代，2018（3）：44-48.

[4]陶琳.高校通識課程現狀與反思：以南開大學為例[J].教育評論，2018（4）：38-41.