陳丹琪 段 麗 孫旭光

（防災(zāi)科技學(xué)院，河北 廊坊 065201）

0 引言

軟件工程是一門(mén)聯(lián)系基礎(chǔ)理論與工程實(shí)踐的橋梁課程，對(duì)計(jì)算機(jī)相關(guān)專(zhuān)業(yè)學(xué)生具有重要指導(dǎo)作用，但其內(nèi)容抽象繁雜，學(xué)習(xí)難度大，歷來(lái)都是教學(xué)難點(diǎn)。本文論述了在雨課堂教學(xué)環(huán)境下，將機(jī)器學(xué)習(xí)算法融入軟件工程教學(xué)中，幫助教師實(shí)時(shí)掌握學(xué)生學(xué)習(xí)效果，應(yīng)用動(dòng)態(tài)教學(xué)方法決策，提升教學(xué)效果的實(shí)踐過(guò)程。

1 依托雨課堂的智慧教學(xué)過(guò)程

隨著新一代信息技術(shù)發(fā)展而出現(xiàn)的智慧教學(xué)，實(shí)現(xiàn)了人工智能技術(shù)與教育核心業(yè)務(wù)的深度融合。雨課堂就是一套智慧教學(xué)解決方案，在防災(zāi)科技學(xué)院已得到廣泛應(yīng)用。它不僅提供了多樣化的教學(xué)手段，也產(chǎn)生了能夠?qū)崟r(shí)反映學(xué)生課堂表現(xiàn)的豐富數(shù)據(jù)。以雨課堂選擇題的作答數(shù)據(jù)為例，包括本題完成人數(shù)、完成率、正確率、各選項(xiàng)選擇的人數(shù)占比等。應(yīng)用雨課堂能輕松獲得多元數(shù)據(jù)，幫助教師更客觀地評(píng)價(jià)學(xué)生對(duì)知識(shí)的掌握程度，但授課中要求教師一邊講課、一邊整理分析零散數(shù)據(jù)顯然很難完成。于是，教師通過(guò)重構(gòu)軟件工程教學(xué)內(nèi)容各知識(shí)點(diǎn)，設(shè)計(jì)出能體現(xiàn)學(xué)生認(rèn)知過(guò)程的不同題型，按照認(rèn)知過(guò)程維度進(jìn)行標(biāo)注。這樣就可以運(yùn)用機(jī)器學(xué)習(xí)算法，挖掘數(shù)據(jù)特征建立模型，實(shí)現(xiàn)教學(xué)數(shù)據(jù)生成與分析的聯(lián)動(dòng)，以達(dá)到實(shí)時(shí)提供教學(xué)方法決策的目的。

這種智慧教學(xué)過(guò)程，能使教師更有針對(duì)性地以適合本班學(xué)生認(rèn)知過(guò)程的教學(xué)方法講授知識(shí)，從主觀的經(jīng)驗(yàn)驅(qū)動(dòng)轉(zhuǎn)變?yōu)榫珳?zhǔn)的數(shù)據(jù)驅(qū)動(dòng)，從而更好地幫助學(xué)生掌握課程內(nèi)容。

2 軟件工程課程中基于機(jī)器學(xué)習(xí)的教學(xué)決策

智慧教育是融合現(xiàn)代教育理論與大數(shù)據(jù)分析、人工智能等信息技術(shù)的新教育信息化范式[1]，機(jī)器學(xué)習(xí)則是智慧教育的核心算法。Kizilcec等人采用Fisher精確檢驗(yàn)對(duì)MOOC學(xué)習(xí)軌跡數(shù)據(jù)進(jìn)行了分析[2]，Coetzee等人使用同樣方法分析了edX平臺(tái)中“軟件工程”課程的行為數(shù)據(jù)[3]。這都是通過(guò)對(duì)教育過(guò)程大數(shù)據(jù)進(jìn)行挖掘、分析、融合，建立高度智能化學(xué)習(xí)生態(tài)系統(tǒng)的研究。作為智慧教學(xué)平臺(tái)，雨課堂能實(shí)時(shí)生成教學(xué)數(shù)據(jù)，但由于各知識(shí)點(diǎn)對(duì)應(yīng)的教學(xué)目的要求不同，各題所體現(xiàn)的認(rèn)知過(guò)程維度也不同，還需進(jìn)一步應(yīng)用機(jī)器學(xué)習(xí)技術(shù)挖掘數(shù)據(jù)資源中的學(xué)習(xí)特征[4]，據(jù)此分析出有效的教學(xué)決策。

為體現(xiàn)學(xué)生的學(xué)習(xí)效果，針對(duì)不同知識(shí)點(diǎn)可設(shè)立三大類(lèi)教學(xué)目的：復(fù)現(xiàn)知識(shí)（了解、復(fù)述）、基本思維操作（解釋、說(shuō)明）和能產(chǎn)型思維（解答復(fù)雜問(wèn)題）。教師先以學(xué)生必須掌握知識(shí)體系的形式提出針對(duì)不同知識(shí)點(diǎn)的教學(xué)目的，再根據(jù)教育目標(biāo)2001版分類(lèi)體系，按照認(rèn)知過(guò)程維度習(xí)題分為六種：記憶、理解、應(yīng)用、分析、評(píng)價(jià)和創(chuàng)造題。從下例可看出，這些習(xí)題會(huì)從不同側(cè)面反應(yīng)教學(xué)目的的達(dá)成度。

表1為學(xué)生對(duì)某知識(shí)點(diǎn)習(xí)題的作答數(shù)據(jù)。教學(xué)中教師直接根據(jù)學(xué)生作答情況評(píng)價(jià)教學(xué)效果，但這個(gè)70分的成績(jī)足夠客觀嗎？

只有結(jié)合教學(xué)目的進(jìn)行教學(xué)效果評(píng)判才是合理的。教師采用線性變換方法對(duì)學(xué)生學(xué)習(xí)行為進(jìn)行評(píng)價(jià)，公式為，其中為學(xué)生對(duì)此知識(shí)點(diǎn)學(xué)習(xí)水平的評(píng)價(jià)值，向量（記憶，理解，應(yīng)用，分析，評(píng)價(jià)，創(chuàng)造）為綜合評(píng)價(jià)因素，為各題型得分占比。知識(shí)點(diǎn)的教學(xué)目的不同，對(duì)應(yīng)中各因素的權(quán)值也不同。若教學(xué)要求為復(fù)現(xiàn)知識(shí)，則“記憶”和“理解”的權(quán)值較大；若教學(xué)要求為能產(chǎn)型思維，則“評(píng)價(jià)”和“創(chuàng)造”的權(quán)值較大。三類(lèi)教學(xué)目的對(duì)應(yīng)三種權(quán)值：

x1=（0.6，0.2，0.1，0.1，0.0，0.0）x2=（0.3，0.2，0.2，0.1，0.1，0.1）x3=（0.2，0.2，0.1，0.1，0.2，0.2）

以表1為例對(duì)學(xué)生的學(xué)習(xí)行為進(jìn)行評(píng)價(jià)。若本練習(xí)對(duì)應(yīng)知識(shí)點(diǎn)教學(xué)目的要求為能產(chǎn)型思維，那么X=（0.2，0.2，0.1，0.1，0.2，0.2），線性變換如下：

表1 習(xí)題作答成績(jī)表

可見(jiàn)，變換后學(xué)習(xí)水平評(píng)價(jià)為64分，與變換前的70分是有差異的。用這種結(jié)合教學(xué)目的的評(píng)價(jià)結(jié)果選擇適合的教學(xué)方法，才能高效實(shí)現(xiàn)教學(xué)目標(biāo)。教學(xué)中要從學(xué)生學(xué)習(xí)水平出發(fā)，根據(jù)學(xué)生對(duì)知識(shí)掌握程度的好壞，確定教學(xué)方法。決策樹(shù)正是可以從給定訓(xùn)練集中學(xué)得一個(gè)模型，用以對(duì)新示例進(jìn)行判斷，并完成樣本分類(lèi)，區(qū)分為正例和反例的算法。這一決策過(guò)程的結(jié)論剛好對(duì)應(yīng)判定結(jié)果，即當(dāng)學(xué)習(xí)水平為反例時(shí)，就要運(yùn)用對(duì)應(yīng)的教學(xué)方法針對(duì)學(xué)生未掌握知識(shí)進(jìn)行著重講解。

具體實(shí)現(xiàn)過(guò)程如下。依照認(rèn)知過(guò)程維度對(duì)學(xué)生認(rèn)知水平進(jìn)行計(jì)分，并按所得分值劃為三段：高（80～100）、中（60～80）、低（60以下）。再把學(xué)習(xí)水平評(píng)價(jià)分為兩類(lèi)：正例“好”（T）和反例“壞”（F）。表2記錄了執(zhí)行教學(xué)方法1的教學(xué)過(guò)程數(shù)據(jù)。教師要從這30組訓(xùn)練例中確定適合使用教學(xué)方法1的學(xué)生。

表2 采用教學(xué)方法1的實(shí)例數(shù)據(jù)

訓(xùn)練模型描述為＜D，U，A＞，其中D是訓(xùn)練集，U是訓(xùn)練集的屬性集，A是訓(xùn)練集的分類(lèi)，定義如下：

（1）D為學(xué)生訓(xùn)練集，選擇一個(gè)特征值A(chǔ)表示學(xué)習(xí)水平。

（2）D中包含屬性集U，共有六個(gè)屬性：U1、U2、U3、U4、U5、U6，依次代表記憶、理解、應(yīng)用、分析、評(píng)價(jià)和創(chuàng)造六種能力。U1～U6均有高、中、低三種取值。

（3）D依照特征A被劃分為兩類(lèi)：T與F，分別代表正例和反例，即為A的2個(gè)取值。

訓(xùn)練過(guò)程中，為了避免對(duì)小概率訓(xùn)練實(shí)例的進(jìn)一步分支和處理，決策樹(shù)要進(jìn)行預(yù)剪枝，規(guī)則是：如果訓(xùn)練實(shí)例屬于同一個(gè)類(lèi)（T或F）的概率大于80%，則視這些訓(xùn)練實(shí)例屬于同一個(gè)類(lèi)。決策樹(shù)學(xué)習(xí)算法為：

決策樹(shù)初始狀態(tài)只含有一個(gè)樹(shù)根（X，U），其中X是全體訓(xùn)練實(shí)例集合，U是全體測(cè)試屬性集合，U={記憶能力，理解能力，應(yīng)用能力，分析能力，評(píng)價(jià)能力，創(chuàng)造能力}；

若X'中的訓(xùn)練實(shí)例屬于同一個(gè)類(lèi)的概率大于80%，則視這些訓(xùn)練實(shí)例屬于同一類(lèi)；

若決策樹(shù)所有子節(jié)點(diǎn)（X'，U'）具備下列條件中任何一個(gè)，則停止執(zhí)行學(xué)習(xí)算法，學(xué)習(xí)結(jié)果為此決策樹(shù)：

（1）U'為空；

（2）X'中的訓(xùn)練實(shí)例屬于同一個(gè)類(lèi)；

否則，選擇一個(gè)不具備步驟3所述狀態(tài)的子節(jié)點(diǎn)（X'，U'）；

對(duì)于U'，選取Gain（X'，b）最大的測(cè)試屬性b；

設(shè)X'被測(cè)試屬性b的不同分值分為m個(gè)不相交的子集X'i，1≤i≤m，從（X'，U'）伸出m個(gè)分支，每個(gè)分支代表b的一個(gè)不同取值，從而形成m個(gè)新的子節(jié)點(diǎn)（X'，U'-）。轉(zhuǎn)到步驟2。

以表2數(shù)據(jù)推演算法實(shí)現(xiàn)過(guò)程。依據(jù)信息論原理，表2數(shù)據(jù)表示在訓(xùn)練構(gòu)建模型初始時(shí)刻屬于T類(lèi)和F類(lèi)的實(shí)例個(gè)數(shù)均為15，所以初始時(shí)刻信息熵為：

如果選取U1作為測(cè)試屬性，則條件熵為：

信息增益為：

類(lèi)似的，可以計(jì)算出其他屬性的信息增益：

顯然，屬性U1“記憶”的信息增益最大，即關(guān)于U1的信息對(duì)于分類(lèi)幫助最大，于是它被選為測(cè)試屬性。而U1有三種取值（高、中、低），可使訓(xùn)練例生成三個(gè)子節(jié)點(diǎn)，各子節(jié)點(diǎn)具有屬性集U1={U2，U3，U4，U5，U6}。再依次對(duì)這三個(gè)子節(jié)點(diǎn)按照上述過(guò)程執(zhí)行操作。

對(duì)于U1取值為“高”的子節(jié)點(diǎn)，因訓(xùn)練例中正例占比為7/8，超過(guò)80%，則所有訓(xùn)練例都屬于正例，停止執(zhí)行算法。

對(duì)于U1取值為“中”的子節(jié)點(diǎn)，由于在U'中的信息增益最大的屬性是U6，因此選擇U6作為測(cè)試屬性，下一級(jí)子節(jié)點(diǎn)具有屬性集U'={U2，U3，U4，U5}。繼續(xù)按照上述過(guò)程求解。

對(duì)于U1取值為“低”的子節(jié)點(diǎn)，因訓(xùn)練例中反例占比為9/10，超過(guò)80%，則所有訓(xùn)練例均為反例，算法停止執(zhí)行。

應(yīng)用上述算法生成了圖1決策樹(shù)。由這棵決策樹(shù)得到5個(gè)學(xué)習(xí)規(guī)則：

圖1 表2訓(xùn)練生成的決策樹(shù)

規(guī)則1：IF記憶能力=高THEN使用教學(xué)方法1

規(guī)則2：IF（記憶能力=中AND創(chuàng)造能力=中）THEN使用教學(xué)方法1

規(guī)則3：IF（記憶能力=中AND創(chuàng)造能力=高AND應(yīng)用能力=中）THEN使用教學(xué)方法1

規(guī)則4：IF（記憶能力=中AND創(chuàng)造能力=低AND理解能力=高）THEN使用教學(xué)方法1

規(guī)則5：IF記憶能力=低OR（記憶能力=中AND創(chuàng)造能力=高AND應(yīng)用能力=低）OR（記憶能力=中AND創(chuàng)造能力=低AND（理解能力=中OR理解能力=低））THEN不使用教學(xué)方法1

以上是對(duì)教學(xué)方法1進(jìn)行決策樹(shù)學(xué)習(xí)的過(guò)程，運(yùn)用同樣的算法對(duì)所有教學(xué)方法實(shí)施決策樹(shù)學(xué)習(xí)，就能得出適合不同學(xué)習(xí)水平的各種教學(xué)方法。

3 教學(xué)效果分析

我們教師在軟件工程教學(xué)中，應(yīng)用上述方法挖掘雨課堂學(xué)生學(xué)習(xí)特征行為數(shù)據(jù)作為訓(xùn)練集，建立了有效的教學(xué)決策模型。教師依照模型推薦的教學(xué)方法授課，能從全體學(xué)生教學(xué)效果最優(yōu)角度進(jìn)行剖析講解，確保了學(xué)生對(duì)重點(diǎn)、難點(diǎn)知識(shí)的掌握；同時(shí)，利用訓(xùn)練集中的個(gè)性化數(shù)據(jù)，為每位學(xué)生發(fā)布不同的實(shí)踐作業(yè)，既可加強(qiáng)學(xué)生對(duì)自身薄弱知識(shí)點(diǎn)的練習(xí)，又可減少同學(xué)間抄襲作業(yè)的現(xiàn)象。通過(guò)執(zhí)行以上各個(gè)教學(xué)環(huán)節(jié)，學(xué)生從能聽(tīng)懂到愿意學(xué)，逐步進(jìn)入主動(dòng)思考的學(xué)習(xí)狀態(tài)，很好提升了學(xué)生的理論學(xué)習(xí)興趣及軟件工程的實(shí)踐能力。

追蹤兩個(gè)專(zhuān)業(yè)軟件工程課程四輪教學(xué)學(xué)生的期末平均成績(jī)，計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)分別為：68.7分、67.9分、73.8分、75.2分，物聯(lián)網(wǎng)工程專(zhuān)業(yè)分別為：67.3分、65.1分、69.7分、72.6分。其中前兩輪是教師以經(jīng)驗(yàn)驅(qū)動(dòng)主觀選擇教學(xué)方法進(jìn)行的教學(xué)，后兩輪教學(xué)中應(yīng)用了機(jī)器學(xué)習(xí)建模后智能推薦的教學(xué)方法。可見(jiàn)，使用決策樹(shù)算法給出的教學(xué)決策取得了更好的教學(xué)效果，使學(xué)生期末成績(jī)有較大提高。

4 結(jié)語(yǔ)

本文介紹了運(yùn)用機(jī)器學(xué)習(xí)決策樹(shù)方法訓(xùn)練雨課堂教學(xué)數(shù)據(jù)，并建立模型獲取適合不同學(xué)習(xí)水平教學(xué)方法的具體過(guò)程。實(shí)踐證明該方法不僅能輔助教師實(shí)現(xiàn)教學(xué)策略的靈活運(yùn)用，也能很好幫助學(xué)生提升工程實(shí)踐能力。其他教師可根據(jù)所教課程特點(diǎn)，按照認(rèn)知過(guò)程維度設(shè)置習(xí)題分類(lèi)屬性及與教學(xué)目的對(duì)應(yīng)的權(quán)值，亦可構(gòu)建相應(yīng)課程的教學(xué)決策模型，具有廣泛的應(yīng)用價(jià)值。