计算机课程的同伴评价探究范文

本站小编为你精心准备了计算机课程的同伴评价探究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：为了研究同伴评价对大学计算机课程的有效性，以吉林大学计算机科学与技术专业的学生为研究对象，通过搭建课程同伴评价网站，收集整理从2016年到2018年3学年的一门计算机专业课程成绩，构建同伴评价特征空间，利用机器学习模型对学生成绩进行分析和预测，为证实同伴评价的有效性并定量给出同伴评价效力提供有效的方法和手段。

关键词：同伴评价；计算机课程；机器学习

0引言

传统的课程作业评价存在评价主体单一、评价周期长、评价方式简单等弊端[1]，而基于网络的同伴评价系统可以随时随地、方便快捷地收集和整理评价结果，同时解决了评价主体和评价方式单一的问题。同伴评价是指学生根据老师的标准对同伴的作业或测试进行评分[2]。Topping收集了美国EducationalResourcesInformationCenter（ERIC）教育学术研究数据库中的109篇有关同伴评价的研究资料，整理后指出同伴评价广泛应用于高等教育各学科，如信息科学、社会科学等。在评价信度和效度方面，同伴评价和教师评价一样高，甚至常常高于教师评价[3]。同伴评价方式可以增强学生的学习动机。同伴间的作业评价属于一种重要的高级思维活动，对提升学生的学习动机与知识水平至关重要，而且对成年学习者来说，也是一种良好的评价方式。计算机程序设计课程注重提高学生的逻辑思维和计算思维[4]，开发学生的创造潜能，是以逻辑思维为主的多种思维形式共同发挥作用，实践性和理论性相互依存。此类课程作业能够体现出学生在程序设计方面的创造性，对这类作业的评价将直接影响学生多种思维的发展，但是由于这种类型课程的课程特点，作业的评价通常存在一定的主观性。因此，只采用单一评价方式是不科学的。同伴评价方式可以提高学生的协作学习能力。随着大数据时代的到来，信息化和智能化的进程在全球范围内快速推进，单机运行和小数据量的工程开发已不能满足当今社会对大数据复杂系统（如互联网推荐系统，智能制造系统，智能物流配送系统等）构建的需求。大数据复杂系统的开发，已不是一两位计算机工程师能够胜任的，而是需要几十人甚至成百上千人的高效合作[5]。因此，学生之间的协作学习和工作能力的培养尤为重要。同伴评价机制的引入恰好是培养这种能力的有效手段之一。同伴评价一方面满足了学习者泛在学习的需求，另一方面减少了教师的工作量。面对海量的学生实验作业，任课教师及助教如何快速、客观、科学、公平地评价学生的程序和工程是一项重要的研究课题[6]。在大学计算机的实验性和工程性课程的合作学习过程中，学生往往需要分组进行实验。教师需要兼顾的小组较多（如已收集的2016年课程数据中，就有46个学生小组），不容易对每一小组特别是每一学生的表现都有非常清晰的了解。而学生在参与过程中对自己和本组同学的表现在主观和客观上都有了解，引进学生和小组的互评更公平、公正，也更客观，更具说服力。然而，目前针对大学课程同伴评价的研究还较少，尤其是定量的研究则更少。然而怎样评估同伴评价在大学计算机课程中的有效性？同伴评价在学生学习效果和成绩中所起的定量作用是什么？能否通过带有同伴评价的变量预测学生成绩，从而指导教学模式和方法的修正？针对上述问题构建的机器学习方法，能够给出同伴评价在学生学习效果的定量作用，并能够通过训练好的模型对学习成绩进行预测，为评价计算机课程成绩、调整授课内容和教学方法提供帮助和依据。

1预测模型

为了定量地评估同伴评价对教学效果的影响，可以引入机器学习方法中的回归模型。将同伴评价和小测验等变量作为特征，构建特征空间。利用机器学习方法中的回归模型对学生成绩进行学习并预测。首先，在课程网站上为每位学生设立账户，学生通过课程网站上传程序作业和工程文档。然后，公布课程同伴评价标准，通过网站收集同伴评价得出的课程或工程成绩。将每次程序或工程作业作为特征，构建特征空间，每名学生的成绩记录构成向量。

2实验结果与分析

实验收集了吉林大学计算机科学与技术专业2016年、2017年和2018年“.NET设计与架构”课程（简称.NET课程）的同伴评价成绩、测验成绩、出勤成绩以及期末成绩等多个变量，依此构建特征空间。其中，2016年收集了185名学生，14个特征信息；2017年75名学生，16个特征信息；2018年68名学生，26个特征信息。

3结语

通过对吉林大学计算机科学与技术专业2016—2018年.NET课程同伴评价数据的分析，可以看出同伴评价对课程的大学计算机课程教学具有一定的影响。机器学习模型的引入为证实同伴评价的有效性，定量给出同伴评价效力以及预测学生课程成绩提供了有效的方法和手段。该方法值得在其他计算机课程上推广与应用。在未来的教学实践中，将继续把同伴互评环节在实际教学中推广应用，收集更多的数据以获得更加深刻的结果。此外，在后续的教学过程将配合机器学习方法对目前的同伴互评设置进行改进，更加准确地检测学生互评质量与实际学业水平。

作者：管仁初1；柳海民2；梁艳春1,3；温晓静1；黄岚1；张禹1 单位：1.吉林大学计算机科学与技术学院，2.东北师范大学教育学院，3.吉林大学珠海学院教育学院珠海符号计算与知识、工程教育部重点实验室