ERP實訓課學習過程性評價體系的構建與實踐

王 泓

(沈陽師范大學 軟件學院, 沈陽 110034)

0 引 言

過程性評價又稱為形成性評價,是在教學過程中即時、動態、多次對學生實施的評價,它注重及時反饋,用以強化和改進學生的學習[1]。近年來,關于過程性評價的應用和研究越來越多,張俊超等人研究發現過程性學習評價對學生學習投入度和學習效果均有影響[2],過程性評價的教學研究在幼兒園、小學、中學、高中基礎階段都已經開展[3-6],我國高校最早引入過程性評價是大學英語課堂,袁樹厚等對2002—2016年之間關于外語教學形成性評價相關研究文獻進行統計和分析,結果顯示,研究視角不斷學科融合,研究內容由過程性評價向動態即時評價發展[7]。之后過程性評價也被應用到理工類、人文社科類、藝術體育類和中西醫學類的不同課程當中,但從袁偉對高校實踐教學形成性評價的現存問題進行的研究中發現:目前, 理工類相關專業對于實踐教學形成性評價體系的研究較為薄弱。構建合理全面的評價指標體系是理工類專業實踐教學研究的重點[8]。林萍等以企業ERP電子沙盤模擬對抗課程為例,基于UbD(理解性教學設計)的“逆向設計”和“過程性評價”思想來設計課程環節和評價指標方案[9]。古平等人針對計算機實踐教學中的突出問題,提出一種面向程序設計類試驗的形成性評價體系[10]。由于ERP實訓課程是本校軟件學院計算機科學與技術專業下的一門綜合實訓類課程,與管理類ERP電子沙盤和理工類的程序語言設計類實驗都有所不同,所以本文希望通過分析ERP實訓這一課程的特點,設計出符合該門課程要求的過程性評價指標體系,然后根據該指標體系對本課程的教學數據進行收集,獲取相關的數據集。最后使用SVM[11](Support Vector Machine支持向量機)數據挖掘技術對收集到的樣本數據集進行評價和分析。

1 ERP實訓課程引入過程性評價的必要性分析

傳統的《ERP實訓》課程[12-13]還是主要采用結果性評價方式,即:實驗報告+虛擬系統成績+平時成績作為評價依據,把重點都放在學生學習結果的價值判斷上,缺少形成結果的過程中其他因素的考核和評價,如學生素養、知識點掌握、能力增長和創新能力等。而過程性評價通過定性和定量結合的方法,可以更好地從多個角度對學生的學習情況進行概括和對比,提供個體的差異性評價。

實訓課程重在培養學生的實際應用和應變能力,通過過程性評價方法可以把在實際操作過程遇到的問題進行統計并記錄學生解決問題的能力。這樣就能夠把過程性評價融入到實訓的教學過程中,更好地幫助學生在培養其專業能力的同時進一步發展他們的創造型思維。

2 ERP實訓課程過程性評價目標體系

過程性評價是希望能夠更為客觀、多方面、多維度地反映出學生在學習過程中的各種表現的一種評價方法。根據ERP實訓課程以及過程性評價的特點,建立出基于任務的、難度逐步遞增的七大模塊和三大維度的課程體系。其中七大模塊包括: SAP GBI介紹、SD(銷售和分銷)模塊、MM(物料管理)模塊、PP(生產計劃)模塊、FI(財務會計)模塊、CO(成本會計)模塊和WM模塊(倉庫管理)。三大維度的基礎練習部分(Exercise)主要著重熟悉和掌握各業務的簡單操作流程,案例練習部分(Case Study)主要通過基于具體任務的案例讓學生熟悉綜合業務的復雜操作流程,挑戰練習部分(Challenge)主要強調獨立分析以及運用能力,在沒有任何提示下給出一個全新任務來具體考察學生的實際應用所學知識的能力。

表1 各部分考核比重

對于構建過程性評價指標來說, 應該遵循“評價有法, 評無定法, 因課而異”[14], 即針對不同專業, 不同課程, 即使是同一專業下的不同課程, 根據其教學要求、學生情況等制定不同的評價內容和形式。本課程是參考林怡的《高校課程學習過程性評價的實踐研究》一文中給出的實踐課程的過程性評價指標作為參考, 并結合ERP實訓課程的教學大綱要求以及本校軟件學院本科學生的學習特點, 從學習態度、學習過程、學習效果和創新能力這4個方面來構建學習過程性評價指標體系, 具體內容如表2所示。

3 過程性評價的實施

過程性評價的實施是一個收集→反饋→再收集→再反饋的多次循環迭代的過程。對于ERP實訓課程來說,三大維度的項目內容是逐級遞進的,難度也具有一定的跨越性。

根據ERP實訓課程的安排,本類課程包含的實驗可以大體分為2類:一類是基礎性的實訓內容,另一類是創造性的實訓內容。ERP課程實訓前期是基于多任務的基礎性實驗,主要是熟練使用ERP系統,完成若干個系統模塊內容的操作。第二類實訓內容是基于一個虛擬項目,通過經營一家公司,讓一組學生作為公司的管理團隊,持續經營6～8期。

3.1 數據的收集和整理

根據表2的學習過程性評價體系,每組數據有10個指標,每種屬性有一定的取值范圍,數據樣本有10個輸入和1個目標輸出組成,構成學生的向量。學生的ERP實訓課程的學習過程性評價等級分為5類,即:優秀、良好、中等、及格和不及格。根據表2的指標體系,把相關數據進行整理,取得73份數據作為訓練樣本和測試樣本數據,并代入指標體系。

表3 過程性評價數據集

3.2 數據預處理

在進行數據分析之前,很重要的一步就是進行數據預處理。scikit-learn(sklearn)[15]是一個開源的基于Python語言的機器學習工具包。本文中數據的預處理通過比較分析,采用sklearn下的Impute模塊來填補缺失值,proprocessing.StandardScaler 模塊進行數據的歸一化處理。

3.3 采用SVM進行評價

支持向量機(support vector machine, SVM)由Vapnik于1995年提出,主要用于解決二值分類模式識別問題[11]。SVM方法建立在統計學VC維和結構風險最小化原則上,具有良好的魯棒性,對未知數據擁有很強的泛化能力,特別是在數據量較少的情況下,相較其他傳統機器學習算法具有更優的性能。學習過程性評價是一種分類問題,并且是一種多分類問題。本文是使用sklearn模塊下svm.SVC類來完成的。

通過對評價指標體系及數據進行初步分析(見表4),可以看出評價指標與評價結果兩者呈現出明顯的非線性關系。

表4 不同的核函數的評價結果對比

使用python sklearn來實現多分類SVM,選用RBF(高斯徑向基)函數來作為多分類SVM的核函數,對于高斯徑向基核函數,需要調節gamma和coef0這兩個參數。通過測試和分析學習曲線,得到gamma=0.042,coef0=22.04,分類結果0.986。

圖1 Coef0學習曲線

圖2 Gamma學習曲線

4 結 論

2018年8月,教育部《關于加強高校課堂教學建設提高教學質量的指導意見》中提到:要求高校切實加強過程考核,增加過程考核成績在課程總成績中的比重,而傳統教學中難以把握對學生學習的監控。本文根據ERP實訓課程的特點,制定了該門課程的過程性評價指標體系,應用Python下的sklearn模塊對收集到的樣本數據集進行仿真實驗并得到較好的準確率0.986。通過把過程性評價引入實訓課程能更準確反映學習過程,提升過程性評價的科學性。