新媒體視域下高職院校計算機(jī)教改資源智能推薦

摘要：受教學(xué)目標(biāo)客觀設(shè)置情況的影響，高職院校計算機(jī)教改資源推薦結(jié)果的召回率難以得到保障。為此，文章提出新媒體視域下高職院校計算機(jī)教改資源智能推薦方法。高職院校分別從知識維度、能力維度和素質(zhì)維度3個角度入手，構(gòu)建多維度的教改目標(biāo)模型。在教改資源智能推薦階段，文章對教學(xué)目標(biāo)的需求和資源的特點進(jìn)行匹配，確定具體的推薦資源。測試結(jié)果表明，所設(shè)計推薦方法的召回率并未受到計算機(jī)教學(xué)資源類型數(shù)量的顯著影響，且穩(wěn)定在0.91以上。

關(guān)鍵詞：新媒體視域；高職院校；計算機(jī)教改資源；智能推薦；教學(xué)目標(biāo)；教改目標(biāo)模型；資源特點

中圖分類號：TP319文獻(xiàn)標(biāo)志碼：A

0 引言

在新媒體視域下，高職院校對計算機(jī)教學(xué)進(jìn)行改革創(chuàng)新變得尤為必要［1］。一方面，隨著新媒體技術(shù)的快速發(fā)展和廣泛應(yīng)用，社會對計算機(jī)人才的需求也在不斷變化。高職院校作為培養(yǎng)應(yīng)用型人才的重要基地，必須緊跟時代步伐，及時調(diào)整和優(yōu)化計算機(jī)教學(xué)內(nèi)容和方法，以滿足社會對計算機(jī)人才的需求［2］。此外，新媒體技術(shù)也為學(xué)生提供了便捷和高效的學(xué)習(xí)渠道。高職院校可以利用新媒體平臺［3-4］，開展在線教學(xué)和遠(yuǎn)程教學(xué)等多元化教學(xué)模式，突破時間和空間的限制，讓學(xué)生隨時隨地學(xué)習(xí)計算機(jī)知識和技能［5］。

然而，需要注意的是，教學(xué)改革創(chuàng)新也對教師提出了新的挑戰(zhàn)和要求。高職院校應(yīng)引導(dǎo)教師積極學(xué)習(xí)新媒體技術(shù)，掌握新的教學(xué)方法和手段，提高教學(xué)效果和質(zhì)量。同時，教學(xué)改革創(chuàng)新也可以促進(jìn)教師的專業(yè)發(fā)展［6］，提升他們的教育教學(xué)水平。因此，高職院校的計算機(jī)教學(xué)改革創(chuàng)新在新媒體視域下是非常必要的［7］。

為提供個性化、精準(zhǔn)的教改資源推薦，以滿足學(xué)生和教師在計算機(jī)教學(xué)中的需求，并進(jìn)一步促進(jìn)教學(xué)質(zhì)量的提升，高職院校應(yīng)積極開展新媒體視域下計算機(jī)教改資源智能推薦方法的研究，并通過對比測試的方式分析驗證了設(shè)計推薦方法的應(yīng)用效果。

1 高職院校計算機(jī)教改資源智能推薦方法設(shè)計

1.1 高職院校計算機(jī)教改目標(biāo)模型構(gòu)建

高職院校在進(jìn)行計算機(jī)教改資源推薦工作時，為確保最終推薦結(jié)果的可靠性，必須充分考慮和結(jié)合計算機(jī)教改的核心目標(biāo)［8］。為此，高職院校在明確教學(xué)改革的核心目標(biāo)基礎(chǔ)上，積極構(gòu)建了計算機(jī)教改目標(biāo)模型。

在實際的教學(xué)改革工作中，高職院校的核心目標(biāo)主要集中在3個方面：提高學(xué)生的計算機(jī)應(yīng)用能力、培養(yǎng)學(xué)生的創(chuàng)新能力以及增強(qiáng)學(xué)生的實踐能力。為實現(xiàn)這些目標(biāo)，高職院校合理優(yōu)化了課程設(shè)置，科學(xué)更新了教學(xué)內(nèi)容。結(jié)合上述分析，高職院校進(jìn)一步構(gòu)建了多維度的教改目標(biāo)模型，具體可以表示為：

A=〈a1，b1〉，〈a2，b2〉，〈a3，b3〉ai∈［-1，1］（1）

其中，A表示高職院校計算機(jī)教改目標(biāo)模型；〈a1，b1〉表示知識維度a1下的計算機(jī)應(yīng)用能力培養(yǎng)目標(biāo)b1，在知識維度方面，高職院校著重強(qiáng)調(diào)學(xué)生對計算機(jī)基礎(chǔ)知識的掌握和理解。〈a2，b2〉表示能力維度a2下的創(chuàng)新能力培養(yǎng)目標(biāo)b2，在能力維度方面，高職院校著重強(qiáng)調(diào)學(xué)生的實踐能力和創(chuàng)新能力。〈a3，b3〉表示素質(zhì)維度a3下的實踐能力培養(yǎng)目標(biāo)b3，在素質(zhì)維度方面，高職院校著重強(qiáng)調(diào)學(xué)生的團(tuán)隊協(xié)作精神、溝通能力等非技術(shù)性素質(zhì)。

1.2 高職院校計算機(jī)教改資源推薦

高職院校在進(jìn)行資源推薦時，結(jié)合之前構(gòu)建的計算機(jī)教改目標(biāo)模型，主要通過匹配教學(xué)資源類型和教學(xué)目標(biāo)之間的關(guān)系來實現(xiàn)。具體的實現(xiàn)流程如圖1所示。

按照圖1所示的方式，高職院校進(jìn)行教學(xué)資源類型和教學(xué)目標(biāo)之間關(guān)系的匹配實現(xiàn)流程主要分為以下幾個步驟。

步驟1：高職院校首先明確教學(xué)的總目標(biāo)以及具體目標(biāo)。這些目標(biāo)結(jié)合實際教學(xué)工作，涉及知識傳授、技能培養(yǎng)、素質(zhì)提升等方面，確保教學(xué)改革的方向明確。

步驟2：結(jié)合確定的教學(xué)目標(biāo)，高職院校積極收集相關(guān)的教學(xué)資源，這些資源包括教材、在線課程、實驗設(shè)備、實踐項目等，來源廣泛，涵蓋學(xué)校內(nèi)部、外部合作伙伴以及公開的在線資源。

步驟3：高職院校對收集的資源進(jìn)行詳細(xì)的分析。通過深入剖析資源的特點、優(yōu)點和使用方式，確保后續(xù)的資源推薦效果達(dá)到最佳。具體的分析方式可以表示為：

步驟4：高職院校根據(jù)教學(xué)目標(biāo)的需求和資源的特點，對二者進(jìn)行精準(zhǔn)匹配，確定具體的推薦資源。具體的匹配方式可以表示為：

其中，V（w，A）表示教學(xué)資源和教學(xué)目標(biāo)匹配結(jié)果。結(jié)合式（3）可以看出，V（w，A）的值越大，表示教學(xué)資源和教學(xué)目標(biāo)匹配程度越高；相反地，V（w，A）的值越小，表示教學(xué)資源和教學(xué)目標(biāo)匹配程度越低。以此為基礎(chǔ)，高職院校將V（w，A）最高的教學(xué)資源w作為A教學(xué)目標(biāo)下的資源推薦結(jié)果。

2 測試與分析

2.1 測試準(zhǔn)備

高職院校為了分析文章設(shè)計的高職院校計算機(jī)教改資源智能推薦方法的科學(xué)性，在對比測試的過程中，積極采用了來自公開的高校計算機(jī)教學(xué)資源網(wǎng)站數(shù)據(jù)作為教改推薦資源。同時，高職院校精心選擇了現(xiàn)有的計算機(jī)基礎(chǔ)教學(xué)平臺作為測試對象，并隨機(jī)抽取了600名學(xué)習(xí)者，并獲取了他們在教學(xué)平臺上的學(xué)習(xí)記錄。為確保測試的準(zhǔn)確性，高職院校將學(xué)習(xí)者的信息科學(xué)劃分為訓(xùn)練組和測試組，比例設(shè)定為5∶1。為充分檢驗推薦方法的穩(wěn)定性，高職院校根據(jù)不同的標(biāo)準(zhǔn)（10個、20個、30個、40個和50個），精心設(shè)置計算機(jī)教學(xué)資源的類型數(shù)量，并確保每種類型都包含200個數(shù)據(jù)資源。

在具體的測試階段，高職院校選擇了張寧等［1］提出的以模糊決策樹為基礎(chǔ)的教學(xué)資源個性化推薦方法以及譚秦紅等［2］提出的以協(xié)同過濾為基礎(chǔ)的教學(xué)資源推薦方法作為對照組，與文章設(shè)計的推薦方法進(jìn)行了深入的對比測試。

2.2 測試結(jié)果與分析

結(jié)合上述測試結(jié)果，高職院校對不同方法的測試結(jié)果進(jìn)行了詳細(xì)的統(tǒng)計和分析，具體的數(shù)據(jù)信息如表1所示。

從表1的測試結(jié)果可以看出，在3種不同的推薦方法下，召回率與計算機(jī)教學(xué)資源類型數(shù)量之間的關(guān)系存在明顯的差異。在張寧等［1］提出的以模糊決策樹為基礎(chǔ)的教學(xué)資源個性化推薦方法下，召回率受計算機(jī)教學(xué)資源類型數(shù)量的影響并不明顯，基本穩(wěn)定在0.89～0.91范圍內(nèi)；在譚秦紅等［2］提出的以協(xié)同過濾為基礎(chǔ)的教學(xué)資源推薦方法下，召回率受計算機(jī)教學(xué)資源類型數(shù)量的影響較為明顯，其中，當(dāng)計算機(jī)教學(xué)資源類型數(shù)量由10個增加至50個時，對應(yīng)的召回率增長了0.0716；相比之下，采用文章設(shè)計推薦方法后，不僅推薦結(jié)果的召回率并未受到計算機(jī)教學(xué)資源類型數(shù)量的顯著影響，而且具體的召回率始終穩(wěn)定在0.91以上，明顯優(yōu)于對照組。不僅如此，從整體角度分析，文章設(shè)計推薦方法在5組測試環(huán)境下的召回率均值分別高于模糊決策樹推薦方法、協(xié)同過濾推薦方法0.0250和0.0303。綜合上述測試結(jié)果，可以得出如下結(jié)論：文章提出的新媒體視域下高職院校計算機(jī)教改資源智能推薦方法具有良好的實際應(yīng)用效果。

3 結(jié)語

通過教學(xué)改革創(chuàng)新，高職院校能夠更好地適應(yīng)社會發(fā)展需求，提升高職院校計算機(jī)教學(xué)的整體水平和質(zhì)量，為培養(yǎng)更多優(yōu)秀的計算機(jī)人才作出貢獻(xiàn)。文章提出了一種新媒體視域下高職院校計算機(jī)教改資源智能推薦方法，結(jié)合實際的教學(xué)需求，實現(xiàn)了對教改資源的精準(zhǔn)推薦。文章的研究與設(shè)計期望能為高職院校的教學(xué)改革創(chuàng)新工作提供有價值的參考和幫助。

參考文獻(xiàn)

［1］張寧，顧倩，梁有程，等.基于模糊決策樹的民航專業(yè)教學(xué)資源個性化推薦系統(tǒng)［J］.信息與電腦（理論版），2023（8）：240-242.

［2］譚秦紅，鄧旭明，田應(yīng)信.基于協(xié)同過濾的計算機(jī)課程線上教學(xué)資源推薦系統(tǒng)［J］.信息與電腦（理論版），2023（3）：240-242.

［3］馮鳴陽，周飛.智媒時代本土黨史文化資源融入上海高校美育課程思政地教改探索［J］.創(chuàng)意設(shè)計源，2021（3）：4-9.

［4］唐型基，楊光臨.基于數(shù)據(jù)驅(qū)動的java程序設(shè)計課程教學(xué)資源推薦系統(tǒng)設(shè)計［J］.信息與電腦（理論版），2022（20）：237-239.

［5］袁憲鋒，胡楠，宋勇，等.基于云端資源的控制類專業(yè)人工智能方向研究生課程教改研究［J］.華東科技，2022（9）：134-136.

［6］何佳，賀正冰，周雨陽，等.思想政治引領(lǐng)下運籌學(xué)資源庫建設(shè)與正反饋式教改探索［J］.教育教學(xué)論壇，2022（5）：58-61.

［7］范金禾.資源循環(huán)科學(xué)與工程專業(yè)教學(xué)改革與實踐：以《工藝課程設(shè)計》教改為例［J］.再生資源與循環(huán)經(jīng)濟(jì)，2022（1）：19-21.

［8］嵇鷹，楊康，崔曉紅.新工科背景下資源循環(huán)科學(xué)與工程專業(yè)《資源循環(huán)工藝設(shè)計概論》教改探索［J］.磚瓦，2021（11）：192-193，195.

Intelligent recommendation of computer teaching reform resources in higher vocational

colleges from new media perspective

Abstract： Due to the influence of objective setting of teaching objectives， the recall rate of computer educational reform resource recommendation in higher vocational colleges is difficult to be guaranteed. Therefore， an intelligent recommendation method of computer educational reform resources in higher vocational colleges is proposed from the perspective of new media. Higher vocational colleges construct multi-dimensional teaching reform target model from three angles of knowledge dimension， ability dimension and quality dimension respectively. In the intelligent recommendation stage of teaching reform resources， the needs of teaching objectives and the characteristics of resources are matched in this paper， to determine the specific recommended resources. The test results show that the recall rate of design recommendation methods is not significantly affected by the number of types of computer teaching resources， and is stable at more than 0.91.

Key words： new media perspective; higher vocational colleges; computer teaching reform resources; intelligent recommendation; teaching objectives; teaching reform objectives model; resource characteristics