在线学习平台反馈功能的设计与实现

高兴媛

(浙江长征职业技术学院 计算机与信息技术系，浙江 杭州310023)

一、引言

目前一些学习平台中的评价系统，对学生学习成效的评价往往只有终结性评价，而缺少形成性评价。部分实现了形成性评价的学习平台则只采用电子档案的形式，[1]大大增加了教师和学生的工作量。从另一方面来看，大部分的反馈系统都只涉及到对学生的评价，而很少有学生对教学资源(包括教师、课程资料等)的评价。要想取得更好的教学效果，需要在学生和老师之间形成互动，既能对学生进行评价，又能对教学资源进行评价。

本文研究的内容就是如何借助计算机和网络技术，开发出一套新的网络教学反馈系统。

二、学习平台反馈信息的统计实现

对反馈信息的处理，首先要把获得的信息进行统计分析，然后通过连接Excel软件，将数据以统计图的形式展现出来，这样能更直观地展示事物的全貌及其分布特征，供教学决策参考。

1.Asp中连接Excel

（1）环境配置

要求服务器端Office版本不能太高，以防止客户机下载后不能正确显示。服务器端还要设置COM组件的操作权限。在服务器上点击开始—运行—输入“DCOMCNFG”，则进入COM组件配置界面，接下来选择Microsoft Excel后，点击属性按钮，系统将弹出该应用程序的属性窗体，将三个单选项都选择自定义，并将Everyone用户加入所有权限，保存完毕后重新启动服务器。

（2）ASP 对 Excel的基本操作

基本操作包括新建、打开、保存、退出等操作，这里不做详细介绍。

（3）ASP操作Excel生成数据表[2]

首先在一个选定范围内插入数据，并选中一个范围，接下来分别在单元格左、右、上、下四个方向画粗线条，然后给单元格设定背景色，最后合并单元格，插入行和列，生成数据表。

（4）ASP 操作 Excel生成 Chart图

生成图表分成以下几个步骤：首先设定Chart图种类，图的种类分为二维折线图、二维饼图和二维柱形图等，设定Chart图标题，通过表格数据设定图形，接下来绑定Chart图，最后显示数据表和图例。

（5）服务器端Excel文件浏览及下载方法

浏览的方法很多，“Location.href=”、“Navigate”、“Response.Redirect”均可以实现。为了给服务器更多的时间来生成Excel文件，建议用客户端的方法来浏览文件。下载的方法要复杂一些，这里提供两种方案：一种是用网上服务器端下载组件或自己定制开发一个组件；另一种方法是由客户端操作服务器端Excel文件，并另存至客户端。这种方法要求客户端必须将不安全ActiveX控件的操作权限设置为开放。

2.教学评价图

（1）教学资源评价图

教学资源的好坏，直接决定了该学习平台的优劣。根据学生对已有教学资源的评价和对教学资源的要求，来及时更新补充学习资料，从而达到更好的学习效果。教学资源主要包括课件、视频教程、历年考试资料等内容。学生在每次学习结束之后，可以给自己所学的学习资料进行打分，或者提意见。系统会将学生提供的信息数据通过连接Excel[3]生成图表，如图1所示。这样教师就可以知道教学中的缺点和不足，及时更新教学资料。

图1 教学资源评价图

（2）答疑评价图

学生可以对老师答疑进行评价，评价内容包括答疑是否及时、教师答疑态度是否满意等，评价结果分为优、良、中、及格、不及格五类，根据学生提交的反馈结果，统计出各个成绩等级所占的答疑人数的比例，生成答疑评价图，如图2所示。

通过结果图教师可以大致了解自己的答疑效果，也可以浏览到学生对教师答疑的建议和反馈意见，根据这些意见，教师可对自己的教学方法及时进行改进。

图2 答疑评价图

3.学生在线学习反馈信息统计

根据收集到的学生反馈信息的统计结果，教师可以掌握每个学生学习的大致情况，包括每个学生每个学习环节的情况，以及不同栏目学习的详细情况。进而可以对学生进行个别辅导，对知识点掌握不准确的学生，再加大训练强度。

三、学习平台反馈信息的关联分析实现

数据挖掘[4]是从数据库或数据仓库中发现隐藏的、预先未知的、有趣知识的过程。它的主要功能包括：聚类、分类、数据概化、预测、关联规则、时间序列分析。数据挖掘产生的知识可以用于决策支持、信息管理等许多领域。

关联规则挖掘[5]就是在海量的数据中发现数据项之间的关系，关联规则挖掘算法是从给定的事务数据库中挖掘产生关联规则的过程。关联分析的目的就是找出数据库中隐藏的关联信息。我们对学生的反馈信息进行关联分析，目的是要充分挖掘这些数据隐藏的信息，为老师教学和学习平台的管理提供有利的数据支持。

根据数据挖掘理论，通过对习题知识点之间存在的相关性和依赖性进行分析，从而找出数据中潜在的知识点之间的关联规则，对学习平台的课程教学知识点和练习题目作出修订和改善。

1.关联规则发现

通过对学生的学习成绩和其浏览的网页内容以及浏览时间进行分析，找出成绩好的学生在哪些页面上花费的时间比较多，从而分析出学生浏览的网页内容以及浏览时间对他们成绩的影响，判断出该网页是否重要，如果重要，可以向其他同学推荐该页面。

2.分类

要想对所有学生进行分类，首先要对提取的数据进行分析。分析的依据是根据学生浏览页面的时长、学习成绩和学习兴趣等因素划分学生的类别。如果某个学生浏览网页的时间主要是在重要的页面上，那么可以认为该学生是认真的。如果某个学生浏览网页的时间大部分都消耗在导航页面上，那么则认为该学生的学习态度不明确，要给予特别的指导。

3.聚类

为了了解学生的分类情况，把所有数据进行聚类，即将学生分成不同的类别，并概括每个类别学生的特征，这样有助于教师因材施教，从而达到更好的教学效果。

4.学习监测

学习监测是指在学生学习的过程中，监测学生的学习行为，及时提出宝贵建议。

进入数据挖掘阶段，需选择合适的挖掘工具，使数据挖掘达到更好的效果。本课题选用sql2005作为数据挖掘工具，关联算法采用Apriori算法。sql2005的组件功能非常强大，操作比较简单，并为用户提供了创建和使用数据挖掘模型的集成环境。该集成环境包括数据挖掘算法和工具，有了这些算法和工具，实施各种数据挖掘项目就变得更容易。

从挖掘的结果，我们可以得出以下几个结论：

（1）学生在线学习时间如果少于该课程必须达到的学习时间，该学生总评成绩不合格的可能性就比较大。

（2）学生如果对教师答疑和课件评价低的话，学生总评成绩往往不太理想。

（3）在线测试是一种比较好的衡量学生知识掌握水平的方法和指标。所以要大力建设在线测验题库，充分发挥该模块在提高学生学习成绩方面起到的作用。

四、结论

本文对教学资源的内容进行了分析，并建立起教学资源评价指标体系，过滤出对评价目标有重要影响的指标，最后搭建起评价模型，该模型达到了令人满意的评价结果，使反馈信息的收集更方便。通过该反馈模块，方便了教师进行教学决策，使学生能够更合理地安排在线学习。

[1]孙传庆.在线课程学习平台及其评价系统构建的研究[D].西北师范大学硕士论文,2007(7).

[2]行心铭致.ASP.NET生成EXCEL文件.http://zhjiweiweiwei.blog.sohu.com/14470085.html.

[3]文堂柳.基于教学反馈模型的远程教育平台的研究与实现[D].江西理工大学硕士论文,2009(12).

[4]高战国.基于数据挖掘的多元化教学评价系统设计与实现[D].吉林大学硕士论文,2009(1).

[5]黄滔.基于数据挖掘技术的网络课程教学环节反馈系统[D].华南理工大学硕士论文2009.7.