大數據環境下“主動式”知識管理系統在教學質量診斷與改進中的應用研究

張宗福　羅慶佳　梁雷燕

摘要：目前，學生與教師的知識互動過于被動化，導致高職院校課堂教學質量普遍不高。針對該問題，在大數據環境下將“主動式”知識管理系統應用在教學質量診斷中，設計“主動式”知識管理系統，利用題庫管理、智能測試、診斷提升等功能模塊組建教學質量診斷優化子系統，根據用戶興趣、教學知識資源構建教學知識資源個性化推薦子系統。利用子系統得到學生學習質量測評結果，利用“主動式”知識管理系統將學生學習質量診斷結果和教學質量的有關信息主動推送給教師，能夠有效提升學生學習成績和教師教學質量。實驗結果顯示，教學質量診斷結果用戶滿意度、資源推薦查全率均比較高，能夠起到強化教學質量的作用，表現出了較強的可行性。

關鍵詞：大數據；“主動式”知識管理；教學質量診斷；學習質量測評；資源個性化推薦

一、前言

本文針對大數據環境下“主動式”知識管理系統在教學質量診斷與改進中的應用進行研究。設計“主動式”知識管理系統，并設計了兩個子系統分別為：教學質量診斷優化子系統、教學知識資源個性化推薦子系統。利用“主動式”知識管理系統實現教學信息的主動推送。通過對比用戶滿意度和資源推薦查全率驗證了本次研究的可行性較好，為院校提高教育教學效果提供了可靠支撐。

二、基于“主動式”知識管理系統的教學質量診斷與改進

（一）“主動式”知識管理系統設計

該系統中主要角色為學生、老師和管理人員。系統用例圖見圖1。

“主動式”知識管理系統不但能有效地對知識進行管理，能給高校教師在每一學期的學期初、學期中、學期末以及教師每次上課課前、課中、課后推送有利于提高教學質量的相關信息[1]。系統包含教學質量診斷優化、學習信息主動推送等子模塊。

（二）教學質量診斷優化子系統

教學質量主要體現在學生成績上，在該子系統中主要包含管理人員、學生、老師和家長幾個參與者。根據用例圖表構建教學質量診斷子系統。

1.題庫管理。該功能模塊分為試題瀏覽與試題上傳，其中包括試題錄入和題庫維護等方面。

題庫模塊提供了兩種組卷方式：手工組卷與智能組卷，其中，手工組卷是根據試題結構的分析結果，通過圖形形式直觀表現出來，對比手工組卷，智能形式的組卷僅需依據設定要求就能夠獲取需要的測試題，用戶能夠基于自身需求任選其一[2]。手工組卷為用戶針對各類型中所有題目具備的特點，從中篩選出與自己需求相符的測試題，由此形成一套測試題。用戶能夠自定義測試題的范圍，該模塊將和目前測試題的題型相符的試題自主式篩選出來，當用戶瀏覽搜索測試題過程中，可將需要的測試題添加至當前試卷中。該模塊能夠提供出按題型與難度等各種查詢方式，所得結果利用報表的形式展示給用戶。基于查詢結果，還能夠生成各種類型的圖表，例如依據難度等級區分的餅狀圖和比例圖等。

試卷管理中包含試卷保存、修改、刪除、打印和成績管理等一系列功能子模塊。

試卷組建成功之后，以Web頁面方式展示給用戶，用戶能夠保存成標準試卷格式。

題庫與試卷是非常寶貴的教學知識資源，對提高和優化教學具有十分重要的意義。利用對學生歷次考核最終成績和試卷各個題目情況進行相應分析，了解和掌握學生在知識單元的整體掌握狀況和學生所遇到的各種問題等信息[3]?；诳荚嚦煽兎治鰠⑴c測試的樣本，針對出現異常情況的測試題予以警告，做好教學中的各個環節。

2.用戶信息。該模塊主要功能為實現用戶登錄和賬號激活等。

3.智能測試。當用戶進到測試頁面，該模塊會提供出以下幾種類型測試模型：專項測試、單元測試和自我測試。其中包含自動記錄整個做題過程，還能夠智能出題；基于長期數據信息智能化出題；全題型的測試，能夠全方位評價學生對于課堂學生知識點的掌握情況；以開創性的方式進行自我評價[4]。

用戶選擇功能模塊中所提供的參數如下：科目、版本、單元和題目數量等，系統會基于用戶確定的測試范圍任意選取知識點，以此生成一份新測試卷。學生答題時，基于學生答題狀況，自適應判斷當前題目符合學生知識掌握程度與否，再自適應地調節試卷與題目難易度，假設修改后的測試卷還是不符合該用戶，則系統會繼續調節題目難易程度，一直到與該用戶程度相符[5]。真正做到依據用戶掌握知識程度與能力實行知識自適應性測試，達到因材施教和按需求學習的目的。

基于用戶測試過的各個知識點掌握程度，針對所有沒有掌握的知識點，測試模塊會智能出題，同時依照用戶測試結果對學生的階段結果與規劃進行更新。由此，讓用戶具有針對性地復習沒有掌握的知識點。

4.診斷。該功能模塊為診斷測評子系統中非常重要模塊，該模塊的重點為實現基于測試給出的診斷結果和知識技能綜合性評價等信息，診斷用戶學習情況。

系統為學生提供的診斷基本功能主要包含以下方面。

在歷次測試功能中，提供了本單元歷次測試診斷，并集聚了歷次診斷情況，用戶能夠查看診斷分析結果。

在測評進度功能中，對本單元已經測試的知識點與沒有測試的知識點進行診斷，實現學習進度診斷，輔助用戶掌握學習進度[6]。

在知識點分析功能中，對本單元知識點整體掌握狀況進行診斷，并分析知識點的掌握變化趨勢，讓用戶心中有數。

在自我評價功能中，能夠為學生提供自我診斷與分析的空間，對自身長處與不足進行分析，為學生提供與自身相符的補救對策。

基于測試情況針對學生用戶整體學習情況與自身潛力實行一個較為科學地分析，同時對學生下一步學習提供指導性建議與監督，為學生學習提供幫助，依據系統給出的學習質量診斷報告，自身確定當前知識結構與能力不足。由此不僅利于用戶將自身思路清理明白，實現交互，還能夠為系統修正提供相應數據[7]?；谥悄軠y試結果提供的測試報告，依據學生知識點整體掌握情況，提供出學習建議與學習資料，全方面做到按照需求學習，提升用戶學習效率，避免盲目學習。

5.學習質量提升與改進。學習質量提升主要由兩方面完成，學生自身和教師教學質量，在此分析的是學生自身學習質量提升與改進。

學習質量的智能提升，基于測評結果，針對知識點掌握具體情況智能給出學習建議與練習題，提升學習效率；輔助制定出學習計劃和方案；基于能力測試增強訓練學生的單項能力；以智能化的方式記錄錯題，同時實時更新。學習質量提升和改進模塊主要包含學習規劃、方法、補習，學生用戶能夠點擊進到任意單元學習。

學習規劃主要負責階段性總結學生的學習狀況，進而使學生明確當前自身的學習效率和學習效果等方面的具體情況，并利用圖形化輸出方式精準地給出學生用戶階段性總結報告，給出復習和預習建議等接口。學生用戶能夠進到上述模塊查詢內容，開展鞏固練習等操作。

規劃具體內容：

重點復習內容為：沒有掌握的知識點，同時提供出能夠使用的學習資源；

學習順序為：基于學生知識點掌握的具體情況，并為其規劃出科學學習順序；

重點預習內容為：對學生用戶沒有掌握的知識點關聯知識進行規劃，并重點預習。

關于學習進度的規劃主要體現在以下方面：

基于往屆學生學習進度與當前學生用戶學習進度，給學生提供科學規劃；

基于學生多次測試具體情況和使用時長等信息，給用戶制定出學習進度方案；

基于班級同學對知識點的掌握狀況以及學習進度，給用戶制定出詳細的學習進度。

錯題本中記錄的是單元測試過程中錯題，總結了歷史測試中各個錯題項，利用專項形式展示，學生用戶可重新測試，輔助用戶高效率學習，并鞏固學習內容，整體針對性比較強。

在高效學習中，基于知識點分析所診斷的學生對知識點掌握具體情況，對沒有掌握的知識點出測試題，能夠實現高效學習。所有沒有掌握的知識點重新出題測試：基于學生用戶測試過的各個知識點掌握狀況，對沒有掌握的知識點，測試模塊智能出題，同時基于用戶測試結果對學生階段分析結果以及規劃進行更新[8-10]。用戶能夠將該部分當作階段性復習參考，具備針對性地復習某段時間內沒有掌握的知識點。

（三）學習信息主動推送的實現

依據上述教學質量診斷與學習質量提升子系統的設計與分析，可得到學生學習質量測評結果，并從學生自身角度提升了學習質量，下面通過教學知識資源推薦子系統的設計，將學生學習質量診斷結果和提高教學質量的有關信息主動地推送給教師，進一步提升學生學習成績和教師教學質量。

個性化教學知識資源推薦子系統主要分為用戶管理與教學知識資源管理兩個功能模塊。

在推薦系統中有著個性化推薦性能，基于用戶自身興趣與需要的信息，系統會推薦可以使用戶滿意的知識資源。由此，需要對用戶興趣和教學知識資源進行建模，最后實現教學資源主動化和智能化的推薦。

1.用戶興趣建模。建立的興趣模型，包括用戶注冊信息、用戶特征表示、用戶行為特征、特征詞提取等。

2.教學知識資源建模。個性化教學知識資源的表征和用戶興趣的表示具有十分緊密的聯系，在此采用與用戶興趣模型表征一致的協同過濾推薦法實現知識資源表示。

3.個性化教學知識資源推薦。用戶用例與資源用例組成了大數據環境下個性化教學知識資源推薦子系統用例結構。和知識資源相關的用例包含資源搜索、資源上傳、資源下載、資源刪除等用例。用戶有關的用例包含增加、刪除、修改用戶信息的用例，還有用戶信息用例。上述用例均呈現出了個性化教學知識資源推薦子系統應用的詳細功能，所有用戶均能夠在權限下實現資源下載、評價、搜索、推薦。

三、實驗結果與分析

為驗證上述系統的可行性，通過對比用戶滿意度和資源推薦查全率來驗證本研究的可行性，為院校提高教育教學效果提供了可靠支撐。根據系統技術特征，和系統環境相互融合，依據eclipseIDE4.3.2工具實現系統中各個功能模塊的開發。詳細開發軟硬件環境如下所示：

硬件：處理器為Intel（R）Core（TM）i5-4210U，CPU為4G；

軟件：操作系統為Windows10，JDK版本為JDK7，數據庫為MySQL5.5。

實驗樣本為某高職院校的500名大二學生，所有學生每天均進行2小時的在線學習。以文獻[3]提出的基于證據理論和神經網絡的教學質量評估方法、文獻[4]提出的基于模糊數據挖掘的教學質量分析方法為實驗對照組，測試不同教學質量評估方法的應用效果。

實驗指標為：通過調查問卷的形式驗證診斷結果用戶滿意度；教學知識資源推薦以查全率為指標驗證推薦效果。根據上述兩方面的驗證，確定大數據環境下“主動式”知識管理系統在教學質量診斷與改進中的應用效果。

（一）不同方法用戶滿意度測試

在500名高職院校學生實驗樣本的約束下，利用文獻[3]方法、文獻[4]方法以及所提方法進行用戶滿意度的測試。每名學生的滿意度結果來源于問卷調查，數據整合結果見圖2。

（二）不同方法查全率測試

在上述實驗結果的基礎上，為更全面驗證所提方法的有效性，以查全率為實驗指標進行對比實驗。查全率越高，說明方法的教學質量診斷數據越全面，即教學質量診斷改進效果更好。具體實驗結果如圖3所示。

實驗結果輸出圖顯示：實驗過程中文獻[3]方法出現了明顯的空白段，在實驗時長為33s～46s時無實驗結果輸出，由此可見，該方法不僅查全率變化波動較大且方法可靠性較差。與文獻[3]方法相比，文獻[4]方法沒有出現較長實驗結果空白段，但是其查全率的輸出曲線變化幅度也較大，雖然40s之后的實驗中該方法出現了最高查全率值，但是其不穩定性使其無法得以應用。相比之下，所提方法查全率更為穩定，最高值為92%，最低值為78%，波動幅度較小，說明所提方法的可靠性更高。

分析實驗結果可知，教學質量診斷結果用戶滿意度、資源推薦查全率均較高，表現出了該系統的應用效果良好，能夠滿足教師和學生教學質量和學習質量的提升。

四、結論

基于云計算和大數據技術，將高校教學過程中的相關海量的數據收集到“主動式”知識管理系統中并進行分析處理，還能夠與教務管理系統對接，可以讀取教學管理的相關數據，在每個學期的學期初、學期中、學期末，及每一次課的課前、課中、課后，主動地推送教師所需的教學資料和信息，有效地促進教學質量診斷與改進工作。

參考文獻

[1]萬德年.高職院校如何做專業診斷與改進[J].職業技術教育，2017，38（17）：58-61.

[2]謝冬興.普通高校體育課堂教學質量評估體系重構[J].山東體育學院學報，2016，32（1）：105-113.

[3]盧信文.證據理論和神經網絡的教學質量評估模型[J].現代電子技術，2017，40（15）：119-121.

[4]鄭莉，王建驊.基于模糊數據挖掘的教學質量滿意度分析[J].數學的實踐與認識，2018，48（18）：106-116.

[5]李普華，薛宏麗，趙玉濤.多主體視域下MOOC的混合式學習探索[J].高校教育管理，2016，10（6）：88-92.

[6]許祥云.高職院校內部本科教學質量標準：概念界定與體系構建[J].清華大學教育研究，2018，39（03）：58-66.

[7]趙永強.需求視角的高校教學系統顧客滿意度改善研究[J].教育科學，2016，32（4）：25-30.

[8]黃友初.教師課堂教學行為的四個要素[J].數學教育學報，2016，25（1）：72-74.

[9]石貴舟，余霞.產學研協同創新視域下高校轉型發展研究[J].職業技術教育，2016，37（22）：14-19.

[10]楊向暉，何業華，林順權.加強果樹學實踐性教學改革的探索[J].西南師范大學學報：自然科學版，2016，41（7）：193-195.

課題項目：本文系1.廣東省教育科研“十三五”規劃課題省級重點平臺和重大科研項目“云計算與大數據環境下‘主動式知識管理系統在教學質量診斷與改進中的應用研究”的階段性研究成果（項目編號：2017GGXJK080）；2.江門市基礎與理論科學研究類科技計劃項目“大數據背景下中國跨境電商發展對出口貿易轉型升級的影響機制研究”（項目編號：江科〔2022〕110號-50）；3.粵高計算機教指委2021年課題：高職擴招背景下基于“MOOC+SPOC”模式的軟件專業課程教學改革研究——以《UML建?！氛n程為例（項目編號：J21XYG008）

作者單位：江門職業技術學院信息工程學院