一种面向计算机专业学生能力评估的可视化机制研究

叶 枫，陈 勇，张雪洁，李 凌，邹由超

（1.河海大学 计算机与信息学院，江苏 南京 211100；2.南京龙渊微电子科技有限公司，江苏 南京 211106）

1 背 景

随着IT行业的迅猛发展，企业、国内外大学均愈加注重计算机专业学生的综合能力，包括知识获取能力、创新能力、团队协作能力、表达交流能力、程序设计能力、科学研究能力等。现有的以考试成绩为主的评估方式片面性强、直观度低，缺少全面展示计算机专业学生能力状况和发展路径的机制，相应地也就难以让老师因材施教。因此，研究如何对计算机专业学生的能力和发展状况进行合理评价，并以可视化的方式展现是非常有意义和应用价值的。例如，当学生参加应聘时，若能利用可视化的评估结果有针对性地展现自身成绩、特点等，更易于让用人单位了解到自己的特长和能力；或者，能让任课老师、辅导员以可视化的方式直接掌握学生的发展状况，进而提供相应的学习内容和指导，更能实现真正意义上的个性化教育。

随着大数据[1]、可视化技术[2]的快速发展和有力支持，教学评价、能力评估和学习分析渐渐从传统的经验性向客观性发展，从模糊化向直观清晰化跃升。大数据、可视化技术能创新出新的机制去跟踪、关注、评价教学者的学习过程和结果。基于大数据、可视化技术，将有效地提升对计算机专业学生能力评估和展示的能力，也将为我们提供了最直接、最客观、最准确的培养依据。基于此，我们提出了一种用于对计算机专业学生能力评估的指标体系的基础上，基于动态雷达图，设计并实现了可视化的能力评估软件。

2 面向计算机专业学生能力的评估指标体系

国家和社会对于计算机专业本科生的人才需求和能力要求，是与国家信息化的目标、进程密切相关的。从国家的根本利益来考虑，需要高等学校计算机专业培养掌握基础理论和核心技术的创新型、研究型人才。对于IT企业，往往期望计算机专业学生具有良好的动手能力、合作意识、学习能力，成为推动软件产品不断升级发展的工程型人才。对于其他一些应用型行业，需要计算机专业学生具备沟通交流能力、应用实践能力等，能学以致用将计算机技术应用到实践中。

基于德尔菲法[3]所提出的计算机专业能力评估指标体系可以用五元组P表示：P={基础能力Bis，专业能力Pro，实践动手能力Pra，创新能力Cre，主动学习能力Act}。

基础能力Bis指的是计算机专业学生所具有的数理、外语的能力，可以通过学生的高等数学、离散数学、概率论、线性代数和外语成绩来反映，计算方法如下：

专业能力Pro体现的是学生对计算机专业的主干课程掌握的程度，可以通过算法与数据结构、数据库、程序设计方法学、软件工程等课程的成绩来反映，计算方法如下：

实践动手能力Pra体现的是学生的实践动手、编程开发、系统安装调试的能力，通过上机实验课的成绩来反映，也可以通过参与学科的专业竞赛，如中国软件杯、ACM程序大学生程序设计竞赛[4-6]等来反映，计算方法如下：

其中，竞赛获奖等级可按国家级奖项5分、省级奖项3分、参与奖项1分来计算，与课程的5分制绩点保持一致。

创新能力应体现计算机专业学生在申报发明专利、撰写科技论文上的能力。比如，发表SCI、EI期刊文章算5分，EI会议、中文核心期刊文章和发明专利算3分，其他专利和科技文章算1分，因此，创新能力的计算方法如下：

由于计算机技术的发展日新月异，考查并评估学生们的主动学习能力也是非常重要的方面，它体现出学生学习过程中的变化情况。为了定义该指标，我们选择使用黑尔指数评定法[7-8]来计算“进步分（ProgressingMark）”，即用指数方程确立进步幅度和难度，并根据高低分者的进步幅度，以不同的难度权重，最后根据两学年获得的“进步分”的多少予以评估。由于每学期课程不相同，难度也差异很大，因此，在实际计算中选用的是用于计算Pro和Pra的专业课和实验课的平均绩点作为成绩，然后利用黑尔指数法计算出T分和进步分ProgressingMark。

以随机选择的两名学生的数据为例（数据来自教务处系统）：1号男生基础课成绩较好，专业课分数更高，体现出很好的专业能力；实验课和参加竞赛的表现优异，获得满分的成绩或竞赛一等奖；有3篇发明专利，创新能力相当不错，并且随着学年的增高，主动学习能力也是进步明显。2号女生基础课成绩优秀，专业课略显逊色；实践动手能力比较好，但是在论文、专利发表方面没有取得成绩，在创新性上还有提升空间。主动学习能力，保持稳定（见表1）。

表1 2008-2010级应届毕业生成绩、就业去向和竞赛成绩表例示表

3 雷达图分析法与动态雷达图的生成

对于计算机专业学生的能力评估，单靠表格的方式来展现多属性数据不直观清晰。对于能反映多属性的数据特点或数据间的关系的可视化机制，雷达图[9-11]是其中有代表性的一种。雷达图由若干同心圆组成；同心圆之间等距，每个圆代表一定的分值，由圆心向外分值逐渐增加；从圆心向外引若干条射线，每条射线代表一个评估指标；将各指标值进行归一化处理，并按比例标识在该指标对应的射线轴上；将二维平面上相邻射线轴上的各点依次连接起来得到的图形，就是表征评价对象各指标状况的雷达图。基于雷达图的综合评价法是将图形与数据相结合，通过数据非线性变换提取雷达图的特征量，采用综合评价函数计算评价函数值，用评价函数值表示评价对象的综合评价结果。

要根据学生每个学期取得的成绩，生成基于Web模式的动态雷达图可视化机制，我们主要使用了Bootstrap[12]、D3.js[13-14]和Ajax[15]技术。Bootstrap是一款相当受欢迎的 HTML、CSS和JavaScript框架，拥有丰富的开发组件，可用于快捷地开发响应式布局、移动设备优先的Web项目，其在系统中的作用是构建基于Web的框架。D3.js是一种遵循Web标准的、基于JavaScript和HTML的可视化绘图库；它通过数据来操作文档，然后使用HTML、SVG和CSS把数据鲜活形象地展现出来，并且不依赖于任何特定浏览器。D3.js用于实现动态雷达图的展示功能，并嵌入到Bootstrap实现的框架中。Ajax可用于动态地刷新网页，即向服务器请求某些操作，然后更改部分网页或者提示用户相关信息等，而不用重新加载整个页面。其实质是一种异步的JavaScript请求操作，能显著地提高用户体验。因此，在系统中，使用Ajax是为了将后端存于数据库的学生能力的评估值获取后，更新到前端进行显示。

4 案例与讨论

当前，我们已经将所在学院应届毕业生的成绩按指标评估体系进行了计算，计算结果存入数据库表。通过下拉框点选某一学生的姓名和学号，可以查看其能力雷达图展示。图1展示的是某学生大一、大三学年不同的能力雷达图，其中利用不同颜色以区分不同学期的雷达图形态。不难看出，该同学一直保持着主动学习能力，特别是在创新能力和实践动手能力方面有了明显提升，但是，对于基础能力和专业能力方面进步有限，说明该同学在基础能力、专业能力的相关课程上的成绩方面，应值得老师督促。

图1 同学1大一、大三的能力雷达图展示与对比

图2 同学2本科期间的能力雷达图展示与对比

图2展示的是同学2本科期间的雷达图。在该图中，雷达的区域覆盖是逐步变大的，高年级期间的雷达图区域明显覆盖了低年级期间的雷达图，易于说明该同学在大学期间，在各个方面都逐步进步。

通过上述两个例子，能让老师及时掌握每位同学每个学年的能力情况，并能及时关注到该同学的特长或进退步状况，比如，某同学有较好的创新能力，或在实践动手能力方面还需要重点帮扶等。另外，可以通过不同学年的对比、不同同学的对比，给师生提供最直接、最客观、最准确的培养依据。

5 结 语

在提出这种用于对计算机专业学生能力评估的指标体系之后，基于动态雷达图，与专业公司合作研发了可视化能力评估软件。该软件能有效地对计算机专业学生能力进行评估和展示，为我们提供了更直接、更客观、更准确的数据结果。将在当前的基础上，拟在大数据处理机制、分析对比功能等方面进一步完善，增强用户体验，为学生工作推荐、教学帮扶工作提供更大帮助。

[1]陈明. 大数据可视化分析[J]. 计算机教育, 2015(5): 94-97.

[2]胡咏梅, 梁安安. 不同类型数据可视化方法在教育研究中的应用[J].教育测量与评价, 2016(8): 10-23.

[3]邢伟. 大学生创业能力素质评价研究[D]. 长春: 吉林大学, 2011.

[4]邝祝芳, 余绍军, 杨卫民. ACM/ICPC对培养信息学科创新型人才的作用[J]. 计算机教育, 2013(3): 4-6.

[5]卢玲, 陈媛, 苟光磊. 基于ACM竞赛的学习能力培养模式研究与实践[J]. 计算机教育, 2013(7): 5-65.

[6]叶枫, 吴胜艳, 张雪洁, 等. 依托学科竞赛的计算机专业学生能力培养研究[J]. 计算机教育, 2017(3): 43-47.

[7]姜启源, 谢金星, 叶俊. 数学模型[M]. 4版. 北京: 高等教育出版社, 2011.

[8]崔小红, 王缔, 于凤坤. 评价学生学习情况的数学模型[J]. 科教文汇(上旬刊), 2010(2): 42-43.

[9]成洪俊. 基于雷达图法的防空武器系统战斗力可视化评估[J]. 火力与指挥控制, 2015, 40(5): 29-31.

[10]付赟, 方德英. 雷达图法在综合评价中的应用研究[J]. 统计与决策, 2007, 23(24):176-178.

[11]郑惠莉, 刘陈, 翟丹妮. 基于雷达图的综合评价方法[J]. 南京邮电大学学报, 2001, 21(2): 75-79.

[12]Bootstrap中文网[EB/OL]. [2017-05-27]. http://www.bootcss.com/.

[13]Mike D. Getting started with D3[M]. Sebastopol: O’Reilly Media, 2012.

[14]Scott M. Interactive data visualization for the web[M]. Sebastopol: O’Reilly Media, 2013.

[15]Jeremy M P, Paul W. JavaScript入门经典[M]. 5版. 胡献慧, 译. 北京: 清华大学出版社, 2016.