程　香

(安徽經(jīng)濟(jì)管理學(xué)院 信息技術(shù)中心，合肥 230059)

?

基于R的在線學(xué)習(xí)者特征聚類分析

程香

(安徽經(jīng)濟(jì)管理學(xué)院 信息技術(shù)中心，合肥 230059)

摘要：研究了在線學(xué)習(xí)者的聚類分析，然后以一個(gè)開放數(shù)據(jù)集為例，依據(jù)聚類思想抽取學(xué)習(xí)者特征向量，給出了基于R軟件的學(xué)習(xí)者行為特征聚類分析的過程。研究認(rèn)為，對學(xué)習(xí)系統(tǒng)捕捉的數(shù)據(jù)進(jìn)行聚類分析，可以有效地區(qū)分各類學(xué)習(xí)者學(xué)習(xí)表現(xiàn)，有助于提高在線學(xué)習(xí)效果。

關(guān)鍵詞：在線學(xué)習(xí)；聚類分析；開放數(shù)據(jù)；學(xué)習(xí)者特征

0引言

學(xué)習(xí)者特征是虛擬社區(qū)學(xué)習(xí)、遠(yuǎn)程教育的研究熱點(diǎn)，是在線學(xué)習(xí)分析的重要方面。近年來，隨著在線學(xué)習(xí)的蓬勃發(fā)展，研究在線學(xué)習(xí)者如何獲取知識，如何與其他學(xué)習(xí)者以及學(xué)習(xí)環(huán)境交流[1-4]，越來越受到人們的重視。通過文獻(xiàn)分析發(fā)現(xiàn)，目前國內(nèi)外關(guān)于在線學(xué)習(xí)者特征分析的研究主要體現(xiàn)在兩個(gè)方面，一是對特定學(xué)習(xí)群體、平臺、地域、的學(xué)習(xí)者特征的描述；二是對網(wǎng)絡(luò)學(xué)習(xí)或網(wǎng)絡(luò)學(xué)習(xí)者特征建立理論模型[5]。而目前關(guān)于在線學(xué)習(xí)者特征分析方法的研究還不是很多。

(7)運(yùn)輸配送階段碳足跡 包括供應(yīng)商向制造商運(yùn)輸過程、制造商向銷售商運(yùn)輸過程、銷售商向消費(fèi)者運(yùn)輸過程、消費(fèi)者向回收商運(yùn)輸過程、回收商向供應(yīng)商運(yùn)輸過程的碳足跡。

通過文獻(xiàn)研究發(fā)現(xiàn)，調(diào)查問卷、在線訪談方法被廣泛應(yīng)用于獲得學(xué)習(xí)者相關(guān)信息[6-8]，學(xué)習(xí)過程中產(chǎn)生的各種數(shù)據(jù)卻難以量化。在線學(xué)習(xí)支持和管理平臺運(yùn)行期間，產(chǎn)生了大量學(xué)習(xí)行為數(shù)據(jù)，從在線系統(tǒng)中提取數(shù)據(jù)信息，可以提升研究的準(zhǔn)確性，并能及時(shí)發(fā)現(xiàn)在線學(xué)習(xí)者的問題和新特征。運(yùn)用計(jì)算機(jī)技術(shù)，處理和分析在線學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)，對在線學(xué)習(xí)者行為特征進(jìn)行聚類分析，觀察各類學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)，對提高在線平臺教學(xué)效果有著重要意義。

1在線學(xué)習(xí)者特征聚類分析

1.1分析工具

目前用于數(shù)據(jù)統(tǒng)計(jì)分析的軟件很多，SAS(Statistical Analysis System)運(yùn)行速度快，有大量的統(tǒng)計(jì)分析模塊，但人機(jī)對話界面不太友好，價(jià)格較高；SPSS(Statistical package for the social science)功能設(shè)計(jì)比較齊全，輸出結(jié)果比較直觀，但是用戶圖形界面復(fù)雜，編程較困難；Splus集工業(yè)數(shù)據(jù)分析工具與數(shù)據(jù)分析應(yīng)用開發(fā)于一身，圖形技術(shù)領(lǐng)先，統(tǒng)計(jì)分析函數(shù)齊全，但界面復(fù)雜，價(jià)格較高。R是一款可以對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的開源軟件包，具有精確控制的繪圖功能，支持廣泛的操作，包括機(jī)器學(xué)習(xí)，如回歸、分類、聚類、文本分析等。

本文利用R作為在線學(xué)習(xí)者特征分析的數(shù)據(jù)處理工具，其主要優(yōu)勢有兩點(diǎn)：首先R通過各種統(tǒng)計(jì)和機(jī)器學(xué)習(xí)進(jìn)行數(shù)據(jù)分析，利用R語言進(jìn)行數(shù)據(jù)建模可以實(shí)現(xiàn)常用的數(shù)據(jù)挖掘技術(shù)；其次R利用循環(huán)、條件語句，控制程序的流程，便于對數(shù)據(jù)進(jìn)行提取、加載、分析等過程的操作。

1.2聚類方法

根據(jù)學(xué)習(xí)者在線學(xué)習(xí)行為表現(xiàn)，本文在數(shù)據(jù)集中選擇典型的能夠區(qū)分學(xué)習(xí)者學(xué)習(xí)行為特征的數(shù)據(jù)項(xiàng)作為聚類的特征，并將相關(guān)特征作適當(dāng)?shù)淖儞Q。在實(shí)例中利用課程交互次數(shù)(nevents)、課程訪問天數(shù)(ndays_act)、播放視頻次數(shù)(nplay_video)、學(xué)習(xí)章節(jié)數(shù)(nchapters)、論壇發(fā)帖數(shù)(nforum_posts)構(gòu)成各個(gè)子向量，對數(shù)據(jù)集中的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行聚類分析。

本文采用k-means聚類方法對擬抽取的在線學(xué)習(xí)行為特征做聚類分析。k-means算法是一種迭代的聚類算法，迭代過程中不斷重新劃分對象和產(chǎn)生新的聚類中心，直到準(zhǔn)則函數(shù)收斂為止。k-means算法通常采用以下式子作為準(zhǔn)則函數(shù)：

其中p是給定的數(shù)據(jù)集中數(shù)據(jù)對象；mi是計(jì)算出的聚類Ci的平均值；E是數(shù)據(jù)集中所有對象與相應(yīng)聚類中心的均方差之和。該準(zhǔn)則函數(shù)試圖使生成的類中的數(shù)據(jù)對象相似度很高，而不同類中的數(shù)據(jù)對象之間的相異度也很高。

聚類分析作為數(shù)據(jù)挖掘的一個(gè)分析方法，可以作為一個(gè)獨(dú)立的工具來獲得數(shù)據(jù)的分布情況，觀察每個(gè)類的特點(diǎn)，并對特定類進(jìn)行更深入的分析。目前聚類分析在教育知識挖掘領(lǐng)域有著廣泛應(yīng)用，文獻(xiàn)[9]根據(jù)異步討論論壇的互動(dòng)水平，使用聚類分析測定每一個(gè)學(xué)生的在線監(jiān)聽行為模式為。文獻(xiàn)[10]使用聚類分析的方法得出四種監(jiān)聽行為，基于分析結(jié)果識別出討論論壇中的一些優(yōu)點(diǎn)和潛在弱點(diǎn)。文獻(xiàn)[11]使用聚類分析和因子分析探索媒體使用行為隱藏的結(jié)構(gòu)，發(fā)現(xiàn)文本和文本相關(guān)媒體對學(xué)習(xí)成功產(chǎn)生積極的影響。

2實(shí)例與結(jié)果分析

2.1數(shù)據(jù)預(yù)處理

本文實(shí)例分析目的是對實(shí)際參與課程學(xué)習(xí)的學(xué)習(xí)者行為特征作聚類分析。以edx平臺開放數(shù)據(jù)(Person-Course Dataset AY2013)為基礎(chǔ)，選取數(shù)據(jù)集中X國學(xué)習(xí)者相關(guān)數(shù)據(jù)，并根據(jù)研究需要對數(shù)據(jù)進(jìn)行了如下剔除：第一，內(nèi)部不一致的數(shù)據(jù)記錄；第二，無實(shí)際學(xué)習(xí)行為的數(shù)據(jù)記錄；第三，有關(guān)數(shù)據(jù)項(xiàng)缺失的數(shù)據(jù)記錄。經(jīng)過處理后樣本中有221人次，數(shù)據(jù)預(yù)處理的關(guān)鍵代碼如下：

知識產(chǎn)權(quán)審判中的技術(shù)事實(shí)查明機(jī)制研究.........................................................................陳存敬 儀 軍 01.41

stu.X<-x[x$final_cc_cname_DI=="X",]

繪制不同年齡區(qū)間統(tǒng)計(jì)圖，數(shù)據(jù)需要事先分類，主要實(shí)現(xiàn)過程如下：

2.5.3 定量限與檢測限考察 分別精密吸取“2.2.2”項(xiàng)下混合對照品溶液適量，倍比稀釋，按“2.1”項(xiàng)下色譜條件進(jìn)樣測定，記錄峰面積，以信噪比10∶1、3∶1分別計(jì)算定量限、檢測限。結(jié)果，淫羊藿屬苷A、朝藿定A1、朝藿定A、朝藿定B、朝藿定C、淫羊藿苷、鼠李糖基淫羊藿次苷Ⅱ、寶藿苷Ⅰ的定量限分別為390.00、564.00、506.00、535.20、448.00、426.68、643.20、544.80 ng/mL，檢測限分別為97.50、141.00、126.25、133.80、112.00、106.67、160.80、136.20 ng/mL。

data.cons<-stu.X[bad,]

result2$YoB<-"20～25歲"

y<-data.viewed[,c(5,6,8,9,10,11,14,15,16,17,18)]

good<-complete.cases(y)

data.cpl<-y[good,][,]

bad<-is.na(stu.X[,"incomplete_flag"])

result1<-data.cpl[2013-data.cpl$YoB<=20&2013-data.cpl$YoB>0,]

1.設(shè)計(jì)學(xué)習(xí)任務(wù)單，便于學(xué)生自主學(xué)習(xí)。將“商品的品質(zhì)”知識點(diǎn)劃分成知識單元：品質(zhì)的概念，品質(zhì)表示分類。

result1$YoB<-"20歲以下"

采用k均值算法時(shí)，需要適當(dāng)?shù)剡x取k值，本文用層次聚類判斷聚類個(gè)數(shù)。觀察層次聚類結(jié)果，可將數(shù)據(jù)大致劃分為4個(gè)類別。采用k均值算法聚類，聚類結(jié)果將在線學(xué)習(xí)學(xué)習(xí)者分為4類，其中第Ⅰ類學(xué)習(xí)者人數(shù)為19，第Ⅱ類學(xué)習(xí)者人數(shù)為5，第Ⅲ類學(xué)習(xí)者人數(shù)為184，第Ⅳ類學(xué)習(xí)者人數(shù)為13。具體分類情況如圖1所示。

data.viewed<-data.cons[data.cons$viewed==1,]

result3<-data.cpl[25<2013-data.cpl$YoB&2013-data.cpl$YoB<=30,]

result3$YoB<-"25-30歲"

論文擴(kuò)展的四旋翼飛行器避障功能可以實(shí)現(xiàn)飛行過程中躲避空中的樹枝等有空隙的障礙物，但由于設(shè)計(jì)的避障程序并沒有考慮遇到?jīng)]有空隙的障礙物的情況，因此如果遇到墻壁等沒有空隙的障礙物時(shí)只能靠操作者自主躲避，曾想模仿二維走迷宮的算法使用堆棧存儲路徑做到自主尋路，但是由于空中環(huán)境的復(fù)雜性與四旋翼飛行器自身的限制，暫未發(fā)現(xiàn)高效算法來實(shí)現(xiàn)。四旋翼飛行器因其結(jié)構(gòu)的對稱性以及正反槳的應(yīng)用使其對比其他飛行器具有相對優(yōu)秀的平衡能力與較為簡單的操作方法，可以預(yù)見隨著無人機(jī)的發(fā)展，在未來生活中它將會越來越大眾化，為人類帶來越來越多的便利，因此對四旋翼飛行器的結(jié)構(gòu)、原理以及飛行動(dòng)作進(jìn)行探討具有較好的現(xiàn)實(shí)意義。

result4<-data.cpl[30<2013-data.cpl$YoB&2013-data.cpl$YoB<40,]

result4$YoB<-"30歲以上"

1）信息型文本：主要用于表現(xiàn)事物與事實(shí)，包括信息、知識、觀點(diǎn)等。側(cè)重傳遞原文的內(nèi)容，語言具有邏輯性和指稱性的特點(diǎn)。

data.cpl3<-rbind(result1,result2,result3,result4)

傳文中，齊襄公滅紀(jì)國卻安葬紀(jì)伯姬，孔子稱賞他，許之以“侯”?！豆騻鳌酚诖酥赋隽藦?fù)仇的又一條原則，即須光明正大，把握分寸。

2.2結(jié)果分析

圖1　k=4的均值聚類

result2<-data.cpl[20<2013-data.cpl$YoB&2013-data.cpl$YoB<=25,]

第Ⅰ類：學(xué)習(xí)者與課程交互的次數(shù)、與課程互動(dòng)的天數(shù)、與章節(jié)交互的次數(shù)均占第3位，播放視頻事件的次數(shù)占第2位。該類學(xué)習(xí)者經(jīng)常訪問在線平臺上的課程，在線學(xué)習(xí)按部就班，喜好播放視頻來獲取知識。

第Ⅱ類：學(xué)習(xí)者與課程交互的次數(shù)、與課程互動(dòng)的天數(shù)、與章節(jié)交互的次數(shù)、播放視頻事件的次數(shù)均占第1位。該類學(xué)習(xí)者對課程學(xué)習(xí)有著持續(xù)的熱情，與課程參與度高，學(xué)習(xí)課程較完整，保持用視頻學(xué)習(xí)課程。

第Ⅲ類：學(xué)習(xí)者與課程交互的次數(shù)、與課程互動(dòng)的天數(shù)、與章節(jié)交互的次數(shù)、播放視頻事件的次數(shù)均是最少。學(xué)習(xí)者很少參與在線平臺學(xué)習(xí)，只學(xué)習(xí)了課程的很少內(nèi)容，這也說明在線學(xué)習(xí)需要學(xué)習(xí)者有很高的自律性。

第Ⅳ類：學(xué)習(xí)者與課程交互的次數(shù)、與課程互動(dòng)的天數(shù)、與章節(jié)交互的次數(shù)均占第2位，播放視頻事件的次數(shù)占第3位。該類學(xué)習(xí)者在線學(xué)習(xí)的熱情較高、課程參與度較高，學(xué)習(xí)了大部分課程。

當(dāng)變壓器處于理想的狀態(tài)下，會得出變壓器的參數(shù)的關(guān)系為：當(dāng)空間參數(shù)處于運(yùn)行的狀態(tài)時(shí)候，將其劃定為一次繞組的接電源和二次繞組的開路的狀態(tài)。此外變壓器在受到電壓的UI作用下在一次繞組的N1內(nèi)所通過的電流I0將其稱之為空載電流。此外I0能夠產(chǎn)生磁通，可將其稱之為勵(lì)磁電流。在它的作用下，其中的二次繞組N2的兩端會感應(yīng)出電動(dòng)的實(shí)例，可將變壓器的變換關(guān)系式為：

將以上學(xué)習(xí)者分類與學(xué)習(xí)者基本信息及成績比較分析發(fā)現(xiàn)：

(1)受教育程度與學(xué)習(xí)者類型。將學(xué)習(xí)者分類與學(xué)歷對照，分析結(jié)果如圖2所示，發(fā)現(xiàn)該國在線進(jìn)行實(shí)際學(xué)習(xí)活動(dòng)的主要是碩士、本科和中學(xué)層次的學(xué)習(xí)者，分別占14%、69.7%和15.8%。其中74.2%的具有碩士學(xué)歷的學(xué)習(xí)者、85%的本科學(xué)歷學(xué)習(xí)者和82.9%的中學(xué)生具有第Ⅲ類特征，均遠(yuǎn)高于這3種學(xué)歷中第Ⅰ、Ⅱ、Ⅳ類學(xué)習(xí)者所占的比率?？梢姡瑹o論哪種學(xué)歷的學(xué)習(xí)者對該平臺使用之初的都具有一定的興趣，但是由于某些原因缺乏繼續(xù)學(xué)習(xí)的動(dòng)力。

(2)學(xué)習(xí)者性別與學(xué)習(xí)者類型。將學(xué)習(xí)者分類與性別對照，結(jié)果如圖3所示。盡管男女學(xué)習(xí)者中屬于第Ⅲ類的人數(shù)比率都很高，都表現(xiàn)出學(xué)習(xí)動(dòng)力不足，但女性學(xué)習(xí)者具有第Ⅲ類特征人數(shù)比率為58.3%，略低于男性具有此類人數(shù)的比率，說明實(shí)際學(xué)習(xí)階段女性學(xué)習(xí)者參與積極性略高于男性學(xué)習(xí)者。

圖2　各類學(xué)習(xí)者的學(xué)歷分布

圖3　各類學(xué)習(xí)者的性別分布

(3)學(xué)習(xí)者年齡與學(xué)習(xí)者類別。圖4給出各年齡層次的學(xué)習(xí)者分布，由圖可見有實(shí)際學(xué)習(xí)行為的學(xué)者年齡介于15歲到35歲之間，其中65.2%學(xué)習(xí)者年齡介于20歲至25歲之間，這與以上分析得出絕大多數(shù)學(xué)習(xí)者是本科學(xué)歷的結(jié)果相符合。將學(xué)習(xí)者分類與年齡對照，得出各個(gè)類別學(xué)習(xí)者的年齡分布，結(jié)果如圖5所示。第Ⅰ、Ⅱ、Ⅳ類學(xué)習(xí)者基本上年齡為25歲及其以下，而25歲以上的學(xué)習(xí)者中97.8%是第Ⅲ類學(xué)習(xí)者，可見在線學(xué)習(xí)參與性較高的學(xué)習(xí)者年齡集中在25以下。

花朵之所以色彩斑斕，大多是由于其細(xì)胞內(nèi)含有花青素、類胡蘿卜素等色素。然而，花朵呈白色并不是因?yàn)榘咨ǘ涞募?xì)胞中含有白色的色素，而是由于其花瓣中含有很多填充了空氣的小泡和細(xì)胞間隙。當(dāng)外界光線射入花瓣后，會發(fā)生強(qiáng)烈的全反射和漫反射。反射的光線進(jìn)入人眼后，我們就會看到花瓣呈現(xiàn)出白色。

圖4　學(xué)習(xí)者的年齡分布

圖5　各類學(xué)習(xí)者的年齡分布

(4)學(xué)習(xí)者類別與學(xué)習(xí)者成績。圖6給出學(xué)習(xí)者成績區(qū)間與學(xué)習(xí)者數(shù)量關(guān)系，由圖可見成績合格的學(xué)習(xí)者人數(shù)非常少，與完成課程學(xué)習(xí)內(nèi)容量相關(guān)。學(xué)習(xí)者類別與成績對照，結(jié)果如圖7所示，發(fā)現(xiàn)第Ⅰ、Ⅱ、Ⅳ類學(xué)習(xí)者的分?jǐn)?shù)均很低，而參與性較低的第Ⅲ類學(xué)習(xí)者中雖然低分者占絕大多少，但是卻有少數(shù)學(xué)習(xí)者獲得了較高的分?jǐn)?shù)。用R語言查詢這些高分獲得者的信息，發(fā)現(xiàn)除了有少數(shù)聚類誤差的樣本外，這些學(xué)習(xí)者大多數(shù)與課程互動(dòng)的天數(shù)和播放視頻事件的次數(shù)較少，與課程交互的次數(shù)和與章節(jié)交互的次數(shù)較多，可見他們學(xué)習(xí)時(shí)間集中在某些天，課程學(xué)習(xí)覆蓋面大，視頻播放中斷次數(shù)較少。

許多研究和事實(shí)表明，有效的教學(xué)過程不能排除游戲的“必然”和“自然”成分。游戲，像實(shí)驗(yàn)、練習(xí)和考試一樣，是一種教學(xué)的方法或技術(shù)媒介。教學(xué)游戲是一種非常實(shí)用的教學(xué)手段，教學(xué)游戲有助于激發(fā)學(xué)生的學(xué)習(xí)動(dòng)力，提高學(xué)生的學(xué)習(xí)興趣，提高課堂教學(xué)效率。

圖6　學(xué)習(xí)者的成績分布

圖7　各類學(xué)習(xí)者的成績分布

3結(jié)束語

在線學(xué)習(xí)提供豐富的學(xué)習(xí)體驗(yàn)和多樣的學(xué)習(xí)路徑,在既往教學(xué)中所起的積極作用已得到證實(shí)。在線學(xué)習(xí)管理和支持系統(tǒng)儲存了大量的學(xué)習(xí)行為數(shù)據(jù)，對收集來的數(shù)據(jù)進(jìn)行分析，對在線教學(xué)活動(dòng)各要素的改進(jìn)具有重要意義。從分析實(shí)例可以看出，利于R分析學(xué)習(xí)者學(xué)習(xí)數(shù)據(jù)，劃分不同學(xué)習(xí)者特征群組，進(jìn)一步分析后可以發(fā)現(xiàn)一些有意義的結(jié)果，對教學(xué)工作人員、研究人員和平臺建設(shè)人員，發(fā)現(xiàn)問題并找出原因，提高在線學(xué)習(xí)效果具有一定價(jià)值。

參考文獻(xiàn)：

[1]曹良亮.在線學(xué)習(xí)中學(xué)習(xí)路徑分析及學(xué)習(xí)行為特點(diǎn)研究[J].中國遠(yuǎn)程教育,2014(4):25-30.

[2]馬秀峰,李彤彤,劉冬.學(xué)習(xí)風(fēng)格對在線學(xué)習(xí)交互程度影響的實(shí)驗(yàn)研究[J].開放教育研究,2011,17(4):96- 101.

[3]王楠,喬愛玲.在線學(xué)習(xí)活動(dòng)本質(zhì)及理論基礎(chǔ)探究[J].中國遠(yuǎn)程教育,2009(1):36-40.

[4]魏順平.在線學(xué)習(xí)行為特點(diǎn)及其影響因素分析研究[J].開放教育研究,2012,18(4):81-90.

[5]王澤.網(wǎng)絡(luò)環(huán)境下在校學(xué)習(xí)者特征模型的構(gòu)建研究[J].中國電化教育,2010(3):58-61.

[6]陳蓉琳.基于不同學(xué)習(xí)風(fēng)格類型的大學(xué)生在線學(xué)習(xí)交互研究[J].教育與職業(yè),2012(6):178-180.

[7]傅鋼善,李運(yùn)福.網(wǎng)絡(luò)學(xué)習(xí)焦慮與空間定位感間作用關(guān)系研究——基于Felder-Silverman學(xué)習(xí)風(fēng)格的群體差異分析[J].電化教育研究,2015(1):103-109.

[8]衷克定,劉洋.基于學(xué)習(xí)風(fēng)格理論的在線導(dǎo)學(xué)策略設(shè)計(jì)與實(shí)踐[J].開放教育研究,2012,18(3):83-89.

[9]Durairaj K, Umar I N. A proposed conceptual framework in measuring social interaction and knowledge construction level in asynchronous forum among university students[J]. Procedia-Social and Behavioral Sciences,2015(176):451-457.

[10]Durairaj K, Umar I N. Analysis of students’ listening behavior patterns in an asynchronous discussion forum [J]. Procedia-Social and Behavioral Sciences,2015(176):27-34.

[11]Grosch M, Berger R, Gidion G, et al. Which Media Services Do Students Use In Fact? Results Of An International Empirical Survey[J]. Procedia - social and Behavioral Sciences,2014(141):795-806.

責(zé)任編輯：程艷艷

Clustering Analysis of Online Learners′ Characteristics Based on R

CHENG Xiang

(Centre for Information Technology, Anhui Economics and Management Institute, Hefei 230059， China)

Abstract：This paper studies a method of online learners′ characteristics clustering analysis. With an open data set as an example, it extracts learners′ characteristics vector according to clustering thinking and gives a process of learners′ characteristics clustering analysis based on R software. This study suggests that different performance of various types of learners could be distinguished effectively by analyzing the data captured from learning system, which is helpful to improve the efficiency of online learning.

Keywords：online learning; clustering analysis; open data; learners′ characteristics

收稿日期：2015-3-10

基金項(xiàng)目：安徽省社會科學(xué)知識普及規(guī)劃項(xiàng)目(14GH064)；安徽經(jīng)濟(jì)管理學(xué)院課題(YJKT1516YB04)

作者簡介：程香(1982-)，女，安徽合肥人，實(shí)驗(yàn)師，碩士，主要從事計(jì)算機(jī)應(yīng)用、軟件性能分析研究。

中圖分類號：TP3

文獻(xiàn)標(biāo)志碼：A

文章編號：1009-3907(2016)06-0031-04