劉德喜，鄒 婷，廖國瓊，萬常選，狄國強

（江西財經(jīng)大學信息管理學院，江西南昌 330032）

0 引言

國家對計算機人才的培養(yǎng)高度重視，為滿足社會對計算機人才的需求，計算機教育改革也在不斷深入。不同層次的學校，由于人才培養(yǎng)定位不同，所選擇的教學內(nèi)容和教學方法存在較大差異，通過分析可幫助教師在教學中做到有教無類，因“材”施教。計算機教學研究文獻是計算機教育工作者對教育教學研究成果的總結，包含了教育教學的模式、方法、經(jīng)驗、改革、創(chuàng)新等內(nèi)容。通過分析、總結這些成果，不僅可供其他教師參考與借鑒，還可發(fā)現(xiàn)計算機教學的現(xiàn)狀和規(guī)律，促進教學改革。

本文以《計算機教育》期刊2010-2019 年與計算機組成原理相關教研論文（簡稱教研論文）為研究對象，以自然語言處理領域的主題模型為主要方法，分別從第一作者的職稱、學校類型及論文發(fā)表時間三個角度對論文的正文主題進行分析比較。盡管關于計算機組成原理的教研論文也分布在《軟件導刊》《計算機應用系統(tǒng)》《中國大學教學》及一些學院學報上，但在《計算機教育》上相對集中，且層次覆蓋豐富，分析結果具有較好的代表性和權威性。此外，本文采用的分析方法易于擴展到其它課程、課程群或其它專業(yè)文獻集合上。

本文創(chuàng)新點包括利用主題分析方法對計算機組成原理相關教研論文進行分析；采用交叉混合主題模型，在主題分析過程中進行主題比較。

1 研究現(xiàn)狀

前期調(diào)研發(fā)現(xiàn)，對計算機教學領域的期刊文獻進行文獻分析的案例十分少見。非計算機領域的學者在文獻分析上通常采用元數(shù)據(jù)分析法或借助可視化分析軟件，而計算機領域的學者則更多采用了相對先進的主題分析模型。

1.1 文獻分析比較

劉嬌等分析了2011-2020 年間重要教育理論期刊文獻，通過分析總結教育現(xiàn)代化已有的研究內(nèi)容和成果，反思了研究中存在的一些問題。黃崑等以內(nèi)容分析法為主要手段，對近5 年圖情SSCI 期刊上關于人工智能倫理研究的文獻進行分析，得出了人工智能倫理問題的整體關注度與人工智能倫理研究領域具有較高一致性的結論。李建榮等使用CiteSpace 軟件對思想政治教育文獻的主題進行可視化分析。

目前，關于計算機教學領域的文獻分析工作相對較少。宋珊珊利用知識圖譜可視化分析軟件CiteSpace 和文獻計量學軟件Bicomb，從文獻的發(fā)表時間、作者、機構等角度對我國中職計算機教育教學研究相關期刊文獻進行可視化分析。并且基于可視化分析結果，對中職計算機教育教學研究趨勢進行預測，從而提出教學建議，但仍存在以下3 點問題：①對中職計算機教育教學文獻的研究無法反映高校的實際情況，分析對象有待擴展；②現(xiàn)有工作并未對文獻的正文內(nèi)容進行挖掘，僅利用文獻的元數(shù)據(jù)，如作者、期刊來源、作者單位等，研究內(nèi)容有待豐富；③相關研究工作較少利用自然語言處理領域的最新研究成果，分析模型有待提升。

1.2 文獻分析比較模型

非計算機專業(yè)的學者分析文獻大多采用傳統(tǒng)的元數(shù)據(jù)分析法、詞匯統(tǒng)計法或借助一些集成的分析軟件。事實上，在計算機領域，文獻分析已有了相對成熟的模型。例如LDA 主題模型。

近兩年利用LDA 主題模型進行文獻分析的工作，主要還是集中在對科研論文的分析上。譚春輝等使用LDA模型對數(shù)據(jù)挖掘領域研究熱點進行主題識別。岳麗欣等將LDA 模型結合多維尺度分析（Multidimensional Scaling，MDS）等主題分析方法。曹樹金等將LDA 模型結合共詞分析法，分析論文研究主題的演變，本質(zhì)上也是直接使用LDA 模型進行主題識別，然后對主題識別結果運用Ucinet和Netdraw 軟件進行共詞分析。

以上方法均先采用傳統(tǒng)LDA 模型進行主題識別，再對識別結果從多個維度進行分析。然而，傳統(tǒng)LDA 模型忽略了詞序問題，存在缺失上下文信息的不足，無法對文獻主題進行比較分析。為此，有學者提出了改進的主題模型，例如Wallach提出的BTM（Bigram Topic Model，BTM），Tang 等提出的mLDA（multiple-contexts LDA，mLDA）模型及常東亞提出的基于滑動窗口的主題模型和基于中心詞的上下文主題模型。這些模型都通過結合上下文信息，使提取出的主題更具體，能反映所在文檔子集之間的差異。然而，這些較先進的主題模型大都用于新聞、微博等領域，很少被應用于文獻分析，更沒有被用于對教學研究文獻進行分析比較。

2 數(shù)據(jù)準備

2.1 數(shù)據(jù)采集

用于分析的文獻來自《計算機教育》期刊，時間跨度為2010-2019 年，主題為計算機類本科專業(yè)計算機組成原理課程教學研究。具體地，在知網(wǎng)上查詢“篇名”中含有“計算機系統(tǒng)”“計算機組成”“計算機組織”或“計算機體系”的論文，然后排除相關性不大或非中文論文，共得到104 篇論文作為研究對象。

2.2 預處理

首先提取論文中的元信息，包括標題、發(fā)表時間、作者、作者職稱、研究領域、工作單位、摘要、關鍵字、正文等內(nèi)容。同時，構建用戶自定義詞典，使用結巴分詞工具進行文本分詞，并去除停用詞。

按照本文對文獻分析比較所設定的角度，對每篇論文設定以下3 類屬性：①第一作者的職稱分為教授、副教授、講師、其它，其中“其他”包括助教、工程師和職稱缺失的情況，僅選擇第一作者，是為了更多地體現(xiàn)了第一作者的工作，此外合作者職稱類別多可能會導致不同職稱的作者所關注的主題趨同；②第一作者單位分為985 工程院校、211工程院校、普通院校；③為了既能反映變化規(guī)律，又不會因為個別年份論文數(shù)量過少而影響主題比較分析，按兩年為一個時間段劃分論文發(fā)表時間段，分別為2010-2011、2012-2013、2014-2015、2016-2017、2018-2019年。

2.3 數(shù)據(jù)分布

2.3.1 主題詞云

文獻的主題詞云顯示，計算機組成原理教學研究論文中，被談論較多的詞為課程、實驗、學生、設計、教學、系統(tǒng)、實現(xiàn)等，涉及到課程內(nèi)容、教學模式、實驗教學等主題，其中實驗教學主題被談及的次數(shù)較多。

2.3.2 論文數(shù)量分布

圖1 為不同職稱、學校、時間段的論文數(shù)量分布。在論文作者的職稱方面，第一作者職稱為副教授的論文最多，共44 篇，占42%；其次是講師和教授；其它職稱作者的論文數(shù)量最少，僅占10%，這也符合高校中各職稱類別的教師人數(shù)分布。

Fig.1 Distribution of papers圖1 論文分布情況

在論文作者所在高校的類別方面，211 工程院校的教學研究論文數(shù)量最少，只有11 篇，占10%。這一方面體現(xiàn)了211 工程院校在教學上的定位，另一方面也提醒讀者，由于樣本數(shù)量的原因，本文對來自211 工程院校的論文主題分析的結論可能存在偏差。

在論文發(fā)表時間段方面，從2010 年開始，關于計算機組成原理方面的教學研究論文數(shù)量逐年遞減，直到2018至2019 年，論文數(shù)量開始大幅度提升，體現(xiàn)了硬件類課程被關注的趨勢，同時也反映了硬件類課程受國內(nèi)、國際形勢的影響。例如，2017 年開始的中興芯片被斷供事件激發(fā)了高校計算機教育界對硬件類課程的重視。

2.3.3 不同學校類型及作者職稱的論文數(shù)量分布

圖2為對比985工程院校和普通院校論文發(fā)布情況。

Fig.2 Paper numbers of different author titles and school types圖2 論文數(shù)量關于作者職稱和學校類型的分布

其中，副教授為教學研究的主體，論文發(fā)表數(shù)量占比最高，而在985 工程院校中講師發(fā)表的論文較少，教授發(fā)表的論文相對較多，這與普通院校相反?？赡苡捎谠谥攸c院校中，高職稱教師在培養(yǎng)學生和教學方面投入了較多精力，而普通院選的教學任務則更多由副教授和講師共同承擔，這與各高校對教師的定位存在密切關系。

2.3.4 不同學校類型及發(fā)表時間段的論文數(shù)量分布

圖3 為不同時間段中不同類型院校發(fā)表教研論文的分布情況。

Fig.3 Paper numbers of different school types and publication times圖3 論文數(shù)量關于學校類型和發(fā)表時間段的分布

總體而言，各類型院校在不同時間段上發(fā)表教學研究論文的數(shù)量與論文總數(shù)量的變化趨勢一致。在每個時間段，985 工程院校和普通院校的論文數(shù)量較多，其中普通院校最多，占比超過50%以上，211 工程院校的論文不超過5篇，甚至在2016-2017 年的數(shù)據(jù)集中未檢索到211 工程學校發(fā)表的論文。原因可能為985 工程院校更重視本科生的培養(yǎng)，普通院校大多為教學型大學，教師在教學方面投入的時間精力更多，而211 工程院校則需要教學和科研并重，但對教師的考評方式仍然以科研為主，使教師在教學研究上的投入相對較少。

2.3.5 不同作者職稱及發(fā)表時間段的論文數(shù)量分布

圖4 為不同時間段中不同職稱的作者發(fā)表教研論文的分布情況?？傮w而言，各職稱教師在不同時間段上發(fā)表的教學研究論文數(shù)量與論文總數(shù)量的變化趨勢一致，也與各職稱的教師發(fā)表的論文總數(shù)量占比一致。

Fig.4 Paper numbers of different author titles and publication times圖4 論文數(shù)量關于作者職稱和發(fā)表時間段的分布

3 文獻分析比較方法

3.1 LDA主題模型

主題模型是基于詞項共現(xiàn)的概率統(tǒng)計模型，其基本思想是一篇文檔可包含多個主題，文檔中每一個詞項都是由主題分布所生成。LDA 模型是由文檔、主題和詞項三層構成，通過LDA 模型從給定數(shù)據(jù)集中，學習到各文檔的主題分布及各個主題的詞項分布。

3.2 交叉混合主題模型

由于LDA 主題模型是在整個數(shù)據(jù)集的基礎上，生成各文檔的主題分布和主題中的詞分布，并未在模型學習過程中考慮不同類別文檔間的主題差異，無法對不同類別文檔的主題進行比較。為了解決該問題，本文使用交叉混合主題模型對主題類別進行細分，挖掘它們所共有的背景、公共主題及各文本子集獨有的特殊主題。

具體而言，背景主題是對整個文本集合的籠統(tǒng)歸納，例如本文使用的研究論文集合，它們的背景主題包括教育教學、組成原理課程及其它涉及公共用詞方面的內(nèi)容；公共主題是從全體文本子集中抽取出的共同主題，例如教學方法、授課內(nèi)容、教學改革、實驗教學等；特殊主題則與各文本子集相對應，例如教授的教研論文關注點為翻轉(zhuǎn)課堂的教學方法，而講師則關注線上教學的教學方法。使用交叉混合主題分析方法提取的主題具有層次性，可給分析者提供更多信息，便于從多角度分析不同文本子集關注的共同點與不同點。

交叉混合主題模型有三個關鍵參數(shù)，分別為主題數(shù)目

K

、背景主題權重

λ

和公共主題權重

λ

。其中，

K

為研究者指定提取出的公共主題個數(shù)，

λ

為詞項被納入為背景主題的概率，

λ

為詞項被納入公共主題的概率。本文中

K

以公共主題間的相似度和模型收斂速度為依據(jù)進行選擇，

λ

以論文長度為參考進行設定，

λ

以公共主題和特殊主題間的語義一致性為依據(jù)進行設定。通過多次實驗評估分析，本文設定

K

=3、

λ

=0.9、

λ

=0.2。

4 文獻分析比較

4.1 不同職稱關注主題的差異

根據(jù)第一作者的職稱將104 篇文獻分為教授（23 篇）、副教授（44 篇）、講師（27 篇）和其它（10 篇），具體數(shù)據(jù)見表1。由于主題分析僅會得出文檔（子）集中各主題的詞項分布，因此根據(jù)這些詞項分布，為其設定了不同的名稱（見表1 加粗部分）。表1 中僅列出了相應主題中概率最高的前10 個詞項，由于其它類別主要為助教和工程師，職稱類別相對復雜且論文數(shù)量偏少，故本文暫且不進行深入分析。

Table 1 Topics concerned by different author titles表1 不同職稱關注的主題

由表1 可見，不同職稱的教師所發(fā)表的教學研究論文，可在硬件與實驗、理論教學內(nèi)容、教學方法與人才培養(yǎng)三個方面進行比較。

（1）硬件與實驗方面。教授關注的是宏觀系統(tǒng)級實驗，重點培養(yǎng)學生的系統(tǒng)編程能力和整個系統(tǒng)性能，因此“系統(tǒng)、程序員、編程、性能、關聯(lián)”等詞匯較多；副教授關注仿真和驗證類實驗，偏向于理論與實踐結合，因此“實驗、信號、仿真、實驗方式、理解、驗證實驗”等詞匯較多；講師則更關注具體部件級實驗，因此“多核、核技術、浮點數(shù)、尾數(shù)、計數(shù)器”等詞匯較多。

（2）理論教學內(nèi)容方面。教授注重專業(yè)知識體系的形成，談及較多的詞項例如“諾依曼、指針、數(shù)據(jù)結構、對象”等，這些詞項常常涉及其它課程；副教授重點關注課程內(nèi)容本身，談及較多的詞項例如“中斷、寄存器、尋址、補碼、操作碼、變址、堆棧、操作、累加器、指令”等，大多為計算機組成原理課程的內(nèi)容；講師較為關注考試和考研，因此“考研、真題、知識點、考查”等詞項涉及較多。

（3）教學方法和人才培養(yǎng)方面。教授關注更多的是以學生為主導或教師學生雙主體的教學模式，強調(diào)培養(yǎng)學生的動手能力；副教授則注重培養(yǎng)學生的計算機思維和系統(tǒng)能力；講師關注并不具體。

對表1 的分析結果可知，不同職稱的教師在硬件與實驗、理論教學內(nèi)容、教學方法、人才培養(yǎng)等方面的關注點存在明顯不同，這與教學經(jīng)歷及對課程的理解有著密切關系。因此，對不同職稱關注主題的差異分析，有利于教師快速把握提升教學質(zhì)量的方向。例如，在硬件與實驗方面，從部件級轉(zhuǎn)變?yōu)橄到y(tǒng)級；在理論教學內(nèi)容方面，從知識點（考點）轉(zhuǎn)變?yōu)檎n程全局再到專業(yè)知識體系；在教學方法和人才培養(yǎng)方面，從基于評估和認證轉(zhuǎn)變?yōu)橐詫W生為本。

4.2 不同學校類型關注的主題差異

根據(jù)第一作者的單位將104 篇文獻分為985 工程院校（31 篇）、211 工程院校（共11 篇）和普通院校（62 篇），具體數(shù)據(jù)見表2。

由表2 可見，不同學校類型所發(fā)表的教學研究論文，可在課堂教學、教學內(nèi)容、實驗內(nèi)容三個方面進行比較。

（1）課堂教學方面。985 工程院校更關注教材的設計與選擇，對教材討論較多；211 工程院校的教師在關注具體課程知識點的同時，也關注課程的考核和教學方法；普通院校的教師則重點關注具體課程知識點的教學。此外，相較于普通院校，211 工程院校更關注計算機組成原理課程中多核、核技術、并行計算等內(nèi)容。

（2）教學內(nèi)容組織方面。985 工程院校強調(diào)實踐教學，主張將課程理論與學生實踐相結合；211 工程院校和普通院校都更偏重理論教學，但211 工程院校授課知識點偏宏觀、系統(tǒng)，授課內(nèi)容強調(diào)知識的連貫性與系統(tǒng)性，因此“編程、程序、程序員、系統(tǒng)結構、異常、優(yōu)化”等詞項較多。而普通學校則更多關注課程知識點的細節(jié)，因此“遷移、思維、抽象、中斷、浮點數(shù)、計算思維、尾數(shù)”等詞項較多。

Table 2 Topics concerned by different school types表2 不同學校類型關注的主題

（3）實驗內(nèi)容方面。985 工程院校側(cè)重于討論多部件集成實驗，因此“微指令、機器碼、模塊、分布、數(shù)據(jù)通路”等詞項較多；211 工程院校側(cè)重于單部件實驗，因此“寄存器、接口、計數(shù)器、單周期”等詞項較多；普通學校對實驗內(nèi)容的討論則較為抽象，因此“實驗教學、能力、部件、過程、項目、實驗方式”等詞項較多。

對表2 的分析結果可知，學校定位、教學條件、師資、學生素質(zhì)等諸多方面的差異對計算機組成原理教學影響較大。通過分析可為改進或改革教學提供較為明確的方向。例如，在課堂教學方面，普通院?？赏ㄟ^布置課外閱讀等方式讓學生關注“多核、并行”等內(nèi)容；在教學內(nèi)容方面，應更加重視實踐、重視知識的系統(tǒng)性等；在實驗內(nèi)容方面，應從無實驗到虛擬實驗過渡，從單部件實驗到多部件集成實驗發(fā)展。

4.3 不同時間段關注的主題差異

根據(jù)論文發(fā)表時間，以2 年為時間段將104 篇文獻分為2010-2011 年（30 篇）、2012-2013 年（20 篇）、2014-2015年（19 篇）、2016-2017 年（19 篇）、2018-2019 年（24 篇）。由于部分時間段的主題內(nèi)容與相鄰時間段差別不大，因此本文只列出主題內(nèi)容發(fā)生變化較大的幾個時間段，如表3所示。

Table 1 Topics concerned by different times表3 不同時間段關注的主題

由表3 可見，不同時間段所發(fā)表的教學研究論文，可在實驗教學、理論教學、教學方法與教學模式三個方面進行比較。

（1）實驗教學方面。2012 年前教師們強調(diào)撰寫實驗報告，例如：“實驗報告、預習、文檔、大綱、任務”等；2012 年后開始談論具體部件的驗證性實驗，例如：“指令、寄存器、尋址、累加器、單元”等；2018 年后實驗內(nèi)容以虛擬仿真、真實硬件等實驗內(nèi)容為主，例如“方案、模擬器、虛擬仿真、驗證實驗、運算器、匯編器”等。

（2）理論教學方面。2015 年之前，教研論文仍以組成原理的章節(jié)內(nèi)容為主；2016 年后則涉及數(shù)據(jù)結構、操作系統(tǒng)等其他課程知識；2018 年后，教師開始強調(diào)培養(yǎng)學生的計算機系統(tǒng)能力。

（2）教學方法與教學模式方面。2010 年左右以關注高等教育、成人教育中的教學方法及培養(yǎng)模式為主；2016 年開始關注課程群和課程體系的教學方法；2018 年則重點關注培養(yǎng)面向系統(tǒng)的能力和新工科教學方法。

對表2 的分析結果可知，各院校對計算機硬件實驗的重視程度顯著提高，開始從理論到實踐、從模擬到真實、從單一部件到整機系統(tǒng)的方向發(fā)展，理論教學和教學方法上也越來越重視培養(yǎng)學生的系統(tǒng)觀和系統(tǒng)能力。這種轉(zhuǎn)變與我國信息技術發(fā)展緊密聯(lián)系，與我國IT 業(yè)面對的惡劣國際形勢相關。因此，培養(yǎng)學生的硬件和系統(tǒng)能力是計算機組成原理教學的基本要求。

5 結語

本文以《計算機教育》期刊上近10 年關于計算機組成原理的教學研究論文為對象，利用交叉混合主題模型，分別從教師職稱、學校類型、時間三個不同維度進行分析比較。研究發(fā)現(xiàn)，這些論文都涉及理論教學、實驗教學、教學方法與人才培養(yǎng)等主題，但不同職稱、不同學校類型、不同時間段教師們的關注點存在差異，這些差異的根源來自于學校定位、教學條件、師資水平、學生素質(zhì)、學科發(fā)展，甚至國際形勢。借鑒主題分析結果，教師可根據(jù)學校人才培養(yǎng)定位、生源質(zhì)量和教師目前的認知階段，在教學內(nèi)容、教學模式和教學方法選擇中做到有教無類，因“材”施教。同時，在了解教學研究發(fā)展趨勢的基礎上，設計具有針對性的改進方法。

盡管本文所采用的方法也適用于其它課程、課程群或其它專業(yè)的教學文獻，但目前仍存在以下4 點不足亟待改進：①主題分析方法僅能分析較為“抽象”的主題，提煉的主題具有一定的主觀性；②部分子集合中論文數(shù)量過少，主題分析的有效性存疑；③目前分析的角度僅為作者的職稱、學校類型和時間段，內(nèi)容仍有待豐富；④受作者認知局限性，對主題分析結果的解釋存在一定的主觀性。