大数据环境下“主动式”知识管理系统在教学质量诊断与改进中的应用研究

张宗福　罗庆佳　梁雷燕

摘要：目前，学生与教师的知识互动过于被动化，导致高职院校课堂教学质量普遍不高。针对该问题，在大数据环境下将“主动式”知识管理系统应用在教学质量诊断中，设计“主动式”知识管理系统，利用题库管理、智能测试、诊断提升等功能模块组建教学质量诊断优化子系统，根据用户兴趣、教学知识资源构建教学知识资源个性化推荐子系统。利用子系统得到学生学习质量测评结果，利用“主动式”知识管理系统将学生学习质量诊断结果和教学质量的有关信息主动推送给教师，能够有效提升学生学习成绩和教师教学质量。实验结果显示，教学质量诊断结果用户满意度、资源推荐查全率均比较高，能够起到强化教学质量的作用，表现出了较强的可行性。

关键词：大数据；“主动式”知识管理；教学质量诊断；学习质量测评；资源个性化推荐

一、前言

本文针对大数据环境下“主动式”知识管理系统在教学质量诊断与改进中的应用进行研究。设计“主动式”知识管理系统，并设计了两个子系统分别为：教学质量诊断优化子系统、教学知识资源个性化推荐子系统。利用“主动式”知识管理系统实现教学信息的主动推送。通过对比用户满意度和资源推荐查全率验证了本次研究的可行性较好，为院校提高教育教学效果提供了可靠支撑。

二、基于“主动式”知识管理系统的教学质量诊断与改进

（一）“主动式”知识管理系统设计

该系统中主要角色为学生、老师和管理人员。系统用例图见图1。

“主动式”知识管理系统不但能有效地对知识进行管理，能给高校教师在每一学期的学期初、学期中、学期末以及教师每次上课课前、课中、课后推送有利于提高教学质量的相关信息[1]。系统包含教学质量诊断优化、学习信息主动推送等子模块。

（二）教学质量诊断优化子系统

教学质量主要体现在学生成绩上，在该子系统中主要包含管理人员、学生、老师和家长几个参与者。根据用例图表构建教学质量诊断子系统。

1.题库管理。该功能模块分为试题浏览与试题上传，其中包括试题录入和题库维护等方面。

题库模块提供了两种组卷方式：手工组卷与智能组卷，其中，手工组卷是根据试题结构的分析结果，通过图形形式直观表现出来，对比手工组卷，智能形式的组卷仅需依据设定要求就能够获取需要的测试题，用户能够基于自身需求任选其一[2]。手工组卷为用户针对各类型中所有题目具备的特点，从中筛选出与自己需求相符的测试题，由此形成一套测试题。用户能够自定义测试题的范围，该模块将和目前测试题的题型相符的试题自主式筛选出来，当用户浏览搜索测试题过程中，可将需要的测试题添加至当前试卷中。该模块能够提供出按题型与难度等各种查询方式，所得结果利用报表的形式展示给用户。基于查询结果，还能够生成各种类型的图表，例如依据难度等级区分的饼状图和比例图等。

试卷管理中包含试卷保存、修改、删除、打印和成绩管理等一系列功能子模块。

试卷组建成功之后，以Web页面方式展示给用户，用户能够保存成标准试卷格式。

题库与试卷是非常宝贵的教学知识资源，对提高和优化教学具有十分重要的意义。利用对学生历次考核最终成绩和试卷各个题目情况进行相应分析，了解和掌握学生在知识单元的整体掌握状况和学生所遇到的各种问题等信息[3]。基于考试成绩分析参与测试的样本，针对出现异常情况的测试题予以警告，做好教学中的各个环节。

2.用户信息。该模块主要功能为实现用户登录和账号激活等。

3.智能测试。当用户进到测试页面，该模块会提供出以下几种类型测试模型：专项测试、单元测试和自我测试。其中包含自动记录整个做题过程，还能够智能出题；基于长期数据信息智能化出题；全题型的测试，能够全方位评价学生对于课堂学生知识点的掌握情况；以开创性的方式进行自我评价[4]。

用户选择功能模块中所提供的参数如下：科目、版本、单元和题目数量等，系统会基于用户确定的测试范围任意选取知识点，以此生成一份新测试卷。学生答题时，基于学生答题状况，自适应判断当前题目符合学生知识掌握程度与否，再自适应地调节试卷与题目难易度，假设修改后的测试卷还是不符合该用户，则系统会继续调节题目难易程度，一直到与该用户程度相符[5]。真正做到依据用户掌握知识程度与能力实行知识自适应性测试，达到因材施教和按需求学习的目的。

基于用户测试过的各个知识点掌握程度，针对所有没有掌握的知识点，测试模块会智能出题，同时依照用户测试结果对学生的阶段结果与规划进行更新。由此，让用户具有针对性地复习没有掌握的知识点。

4.诊断。该功能模块为诊断测评子系统中非常重要模块，该模块的重点为实现基于测试给出的诊断结果和知识技能综合性评价等信息，诊断用户学习情况。

系统为学生提供的诊断基本功能主要包含以下方面。

在历次测试功能中，提供了本单元历次测试诊断，并集聚了历次诊断情况，用户能够查看诊断分析结果。

在测评进度功能中，对本单元已经测试的知识点与没有测试的知识点进行诊断，实现学习进度诊断，辅助用户掌握学习进度[6]。

在知识点分析功能中，对本单元知识点整体掌握状况进行诊断，并分析知识点的掌握变化趋势，让用户心中有数。

在自我评价功能中，能够为学生提供自我诊断与分析的空间，对自身长处与不足进行分析，为学生提供与自身相符的补救对策。

基于测试情况针对学生用户整体学习情况与自身潜力实行一个较为科学地分析，同时对学生下一步学习提供指导性建议与监督，为学生学习提供帮助，依据系统给出的学习质量诊断报告，自身确定当前知识结构与能力不足。由此不仅利于用户将自身思路清理明白，实现交互，还能够为系统修正提供相应数据[7]。基于智能测试结果提供的测试报告，依据学生知识点整体掌握情况，提供出学习建议与学习资料，全方面做到按照需求学习，提升用户学习效率，避免盲目学习。

5.学习质量提升与改进。学习质量提升主要由两方面完成，学生自身和教师教学质量，在此分析的是学生自身学习质量提升与改进。

学习质量的智能提升，基于测评结果，针对知识点掌握具体情况智能给出学习建议与练习题，提升学习效率；辅助制定出学习计划和方案；基于能力测试增强训练学生的单项能力；以智能化的方式记录错题，同时实时更新。学习质量提升和改进模块主要包含学习规划、方法、补习，学生用户能够点击进到任意单元学习。

学习规划主要负责阶段性总结学生的学习状况，进而使学生明确当前自身的学习效率和学习效果等方面的具体情况，并利用图形化输出方式精准地给出学生用户阶段性总结报告，给出复习和预习建议等接口。学生用户能够进到上述模块查询内容，开展巩固练习等操作。

规划具体内容：

重点复习内容为：没有掌握的知识点，同时提供出能够使用的学习资源；

学习顺序为：基于学生知识点掌握的具体情况，并为其规划出科学学习顺序；

重点预习内容为：对学生用户没有掌握的知识点关联知识进行规划，并重点预习。

关于学习进度的规划主要体现在以下方面：

基于往届学生学习进度与当前学生用户学习进度，给学生提供科学规划；

基于学生多次测试具体情况和使用时长等信息，给用户制定出学习进度方案；

基于班级同学对知识点的掌握状况以及学习进度，给用户制定出详细的学习进度。

错题本中记录的是单元测试过程中错题，总结了历史测试中各个错题项，利用专项形式展示，学生用户可重新测试，辅助用户高效率学习，并巩固学习内容，整体针对性比较强。

在高效学习中，基于知识点分析所诊断的学生对知识点掌握具体情况，对没有掌握的知识点出测试题，能够实现高效学习。所有没有掌握的知识点重新出题测试：基于学生用户测试过的各个知识点掌握状况，对没有掌握的知识点，测试模块智能出题，同时基于用户测试结果对学生阶段分析结果以及规划进行更新[8-10]。用户能够将该部分当作阶段性复习参考，具备针对性地复习某段时间内没有掌握的知识点。

（三）学习信息主动推送的实现

依据上述教学质量诊断与学习质量提升子系统的设计与分析，可得到学生学习质量测评结果，并从学生自身角度提升了学习质量，下面通过教学知识资源推荐子系统的设计，将学生学习质量诊断结果和提高教学质量的有关信息主动地推送给教师，进一步提升学生学习成绩和教师教学质量。

个性化教学知识资源推荐子系统主要分为用户管理与教学知识资源管理两个功能模块。

在推荐系统中有着个性化推荐性能，基于用户自身兴趣与需要的信息，系统会推荐可以使用户满意的知识资源。由此，需要对用户兴趣和教学知识资源进行建模，最后实现教学资源主动化和智能化的推荐。

1.用户兴趣建模。建立的兴趣模型，包括用户注册信息、用户特征表示、用户行为特征、特征词提取等。

2.教学知识资源建模。个性化教学知识资源的表征和用户兴趣的表示具有十分紧密的联系，在此采用与用户兴趣模型表征一致的协同过滤推荐法实现知识资源表示。

3.个性化教学知识资源推荐。用户用例与资源用例组成了大数据环境下个性化教学知识资源推荐子系统用例结构。和知识资源相关的用例包含资源搜索、资源上传、资源下载、资源删除等用例。用户有关的用例包含增加、删除、修改用户信息的用例，还有用户信息用例。上述用例均呈现出了个性化教学知识资源推荐子系统应用的详细功能，所有用户均能够在权限下实现资源下载、评价、搜索、推荐。

三、实验结果与分析

为验证上述系统的可行性，通过对比用户满意度和资源推荐查全率来验证本研究的可行性，为院校提高教育教学效果提供了可靠支撑。根据系统技术特征，和系统环境相互融合，依据eclipseIDE4.3.2工具实现系统中各个功能模块的开发。详细开发软硬件环境如下所示：

硬件：处理器为Intel（R）Core（TM）i5-4210U，CPU为4G；

软件：操作系统为Windows10，JDK版本为JDK7，数据库为MySQL5.5。

实验样本为某高职院校的500名大二学生，所有学生每天均进行2小时的在线学习。以文献[3]提出的基于证据理论和神经网络的教学质量评估方法、文献[4]提出的基于模糊数据挖掘的教学质量分析方法为实验对照组，测试不同教学质量评估方法的应用效果。

实验指标为：通过调查问卷的形式验证诊断结果用户满意度；教学知识资源推荐以查全率为指标验证推荐效果。根据上述两方面的验证，确定大数据环境下“主动式”知识管理系统在教学质量诊断与改进中的应用效果。

（一）不同方法用户满意度测试

在500名高职院校学生实验样本的约束下，利用文献[3]方法、文献[4]方法以及所提方法进行用户满意度的测试。每名学生的满意度结果来源于问卷调查，数据整合结果见图2。

（二）不同方法查全率测试

在上述实验结果的基础上，为更全面验证所提方法的有效性，以查全率为实验指标进行对比实验。查全率越高，说明方法的教学质量诊断数据越全面，即教学质量诊断改进效果更好。具体实验结果如图3所示。

实验结果输出图显示：实验过程中文献[3]方法出现了明显的空白段，在实验时长为33s～46s时无实验结果输出，由此可见，该方法不仅查全率变化波动较大且方法可靠性较差。与文献[3]方法相比，文献[4]方法没有出现较长实验结果空白段，但是其查全率的输出曲线变化幅度也较大，虽然40s之后的实验中该方法出现了最高查全率值，但是其不稳定性使其无法得以应用。相比之下，所提方法查全率更为稳定，最高值为92%，最低值为78%，波动幅度较小，说明所提方法的可靠性更高。

分析实验结果可知，教学质量诊断结果用户满意度、资源推荐查全率均较高，表现出了该系统的应用效果良好，能够满足教师和学生教学质量和学习质量的提升。

四、结论

基于云计算和大数据技术，将高校教学过程中的相关海量的数据收集到“主动式”知识管理系统中并进行分析处理，还能够与教务管理系统对接，可以读取教学管理的相关数据，在每个学期的学期初、学期中、学期末，及每一次课的课前、课中、课后，主动地推送教师所需的教学资料和信息，有效地促进教学质量诊断与改进工作。

参考文献

[1]万德年.高职院校如何做专业诊断与改进[J].职业技术教育，2017，38（17）：58-61.

[2]谢冬兴.普通高校体育课堂教学质量评估体系重构[J].山东体育学院学报，2016，32（1）：105-113.

[3]卢信文.证据理论和神经网络的教学质量评估模型[J].现代电子技术，2017，40（15）：119-121.

[4]郑莉，王建骅.基于模糊数据挖掘的教学质量满意度分析[J].数学的实践与认识，2018，48（18）：106-116.

[5]李普华，薛宏丽，赵玉涛.多主体视域下MOOC的混合式学习探索[J].高校教育管理，2016，10（6）：88-92.

[6]许祥云.高职院校内部本科教学质量标准：概念界定与体系构建[J].清华大学教育研究，2018，39（03）：58-66.

[7]赵永强.需求视角的高校教学系统顾客满意度改善研究[J].教育科学，2016，32（4）：25-30.

[8]黄友初.教师课堂教学行为的四个要素[J].数学教育学报，2016，25（1）：72-74.

[9]石贵舟，余霞.产学研协同创新视域下高校转型发展研究[J].职业技术教育，2016，37（22）：14-19.

[10]杨向晖，何业华，林顺权.加强果树学实践性教学改革的探索[J].西南师范大学学报：自然科学版，2016，41（7）：193-195.

课题项目：本文系1.广东省教育科研“十三五”规划课题省级重点平台和重大科研项目“云计算与大数据环境下‘主动式知识管理系统在教学质量诊断与改进中的应用研究”的阶段性研究成果（项目编号：2017GGXJK080）；2.江门市基础与理论科学研究类科技计划项目“大数据背景下中国跨境电商发展对出口贸易转型升级的影响机制研究”（项目编号：江科〔2022〕110号-50）；3.粤高计算机教指委2021年课题：高职扩招背景下基于“MOOC+SPOC”模式的软件专业课程教学改革研究——以《UML建模》课程为例（项目编号：J21XYG008）

作者单位：江门职业技术学院信息工程学院