高校学生专业能力评估系统的设计与实现
发布时间：2021-11-09 16:12
随着国家对于高校教育培养质量要求的不断提高,越来越多的专家学者开始关注学生培养质量评估这一课题。现阶段对于学生能力评估的方案,关注点均在于学生的静态数据上,难以反映学生长期专业能力的变化,也无法根据学生数据的变化调整分析结果。基于这个问题的出发点,本文在分析国内外现有的学生测评方案的基础上,结合软件开发技术以及自身的数据基础,基于Java Web平台,使用Spring、MyBatis和Shiro三大框架进行整合开发,构建了一套学生专业能力评估系统。通过数据采集层收集高校师生互动答题数据,实现数据更新与动态评估的目的。为了将学生答题互动数据与专业能力信息相关联,系统实现了培养方案管理、课程管理和题目管理等模块。在学生课程数据的基础之上,采取数据分析的方式解决学生能力评估的问题,通过比较学生类群中不同类型的学生之间的占比和能力表现的强弱对学生群体进行能力评估,同时确定学生类群中具有代表性的学生作为评估标准。在综合比较了多种数据分析算法后,引入K-means算法对数据进行聚类;在数据聚类的过程中,因为不同教师对于题目难度和成绩的掌握是不同的,将学生成绩按照班级排名映射成A、B、C多类,同时引...
【文章来源】：济南大学山东省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
Apriori算法执行过程
iIajIbSijabIaICabSab()()(,),|()||b|1,(,){（） K-means 算法67 年，MacQueen 提出了 K-means 算法[27]，他在 Cox[28]、Fisher[29]、Seb的研究成果基础之上，对 K-means 算法进行了详细的步骤描述并证明了于 K-means 思想简单、计算复杂度低、适用于处理大规模数据等优点，代以来，该算法在自然语言处理、土壤、考古等众多领域被国内外专家，在文本聚类领域，K-means 算法已经成为最为经典的算法之一。随着 越来越多的生产领域成功应用，该算法的一些不足纷纷暴露出来，例如需定聚类簇数、聚类结果对于初始的聚类中心较为敏感、无法处理非数值类易收敛于局部最优解等，众多学者也对 K-means 算法进行了改进。K-me执行流程如图 2.2 所示。
济南大学硕士学位论文2.2 Java Web 开发技术2.2.1 Spring 框架为了解决企业应用程序开发的复杂性，实现企业级应用的快速开发与版本迭代[31]，Rod Johnson 创立了 Spring Framework 框架，Spring 框架由 7 大模块组成，如图 2.3 所示，Spring 框架的七大模块实现对 bean 的反转控制，极大的减轻了不同分层之间代码的耦合度。所有 Spring 模块均构建于 Spring Core 这一核心容器之上，核心容器实现对 bean的配置、管理和初始化。在 J2EE 应用开发中可以自由选择集成 Spring 框架。
【参考文献】：
期刊论文
[1]基于信息融合和CS-SVM的学生综合能力评估方法的研究[J]. 杨亭榆,傅成华. 四川理工学院学报(自然科学版). 2018(01)
[2]“生态化资源系统”在混合式学习中的创新运用[J]. 崔鸿,陈院豪,朱家华. 中国教育信息化. 2017(24)
[3]学习科学视野下高校推动混合式学习实践探究[J]. 苏芃,黄秀华. 现代教育技术. 2017(10)
[4]移动互联网环境下“混合式学习”方式研究——以智能手机和QQ群为例[J]. 俞跃,赵玉阁. 高等工程教育研究. 2017(04)
[5]基于模糊综合评价的高校创新创业型人才培养质量评价[J]. 吴红霞,刘雪芹,蔡文柳. 华北理工大学学报(社会科学版). 2017(01)
[6]基于BP神经网络模型的大学生体质综合测评[J]. 王乃博,黄国梅,吴磊,车素云. 南昌大学学报(理科版). 2016(05)
[7]日本高等教育质量保证一百年[J]. 李昕. 高教发展与评估. 2016(04)
[8]基于蓝墨云班课的混合式学习研究与设计[J]. 杨艳雯,王小根,陶鑫荣. 中国信息技术教育. 2016(12)
[9]网络工程专业能力评估方法研究[J]. 曹介南,徐明,朱培栋,蔡志平. 中国大学教学. 2015(08)
[10]我国“十三五”期间适应创新驱动的科技人才激励机制研究[J]. 孔德议,张向前. 科技管理研究. 2015(11)
硕士论文
[1]基于JMeter工具的性能自动化测试系统设计与实现[D]. 纪力炜.南京邮电大学 2016
[2]关联规则挖掘算法在学生素质测评系统中的应用研究[D]. 倪娜.河北工业大学 2015
[3]高校学生综合素质测评系统的设计与实现[D]. 丁汉强.吉林大学 2014
[4]山东联合大学学生综合评测系统的设计与实现[D]. 候传君.电子科技大学 2014
[5]AHP算法下的中学生综合素质测评系统设计与实现[D]. 侯永.山东大学 2013
[6]势函数聚类方法在高校学生评估模型系统中的应用[D]. 丁恒兵.电子科技大学 2012
本文编号：3485668
【文章来源】：济南大学山东省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
Apriori算法执行过程
iIajIbSijabIaICabSab()()(,),|()||b|1,(,){（） K-means 算法67 年，MacQueen 提出了 K-means 算法[27]，他在 Cox[28]、Fisher[29]、Seb的研究成果基础之上，对 K-means 算法进行了详细的步骤描述并证明了于 K-means 思想简单、计算复杂度低、适用于处理大规模数据等优点，代以来，该算法在自然语言处理、土壤、考古等众多领域被国内外专家，在文本聚类领域，K-means 算法已经成为最为经典的算法之一。随着 越来越多的生产领域成功应用，该算法的一些不足纷纷暴露出来，例如需定聚类簇数、聚类结果对于初始的聚类中心较为敏感、无法处理非数值类易收敛于局部最优解等，众多学者也对 K-means 算法进行了改进。K-me执行流程如图 2.2 所示。
济南大学硕士学位论文2.2 Java Web 开发技术2.2.1 Spring 框架为了解决企业应用程序开发的复杂性，实现企业级应用的快速开发与版本迭代[31]，Rod Johnson 创立了 Spring Framework 框架，Spring 框架由 7 大模块组成，如图 2.3 所示，Spring 框架的七大模块实现对 bean 的反转控制，极大的减轻了不同分层之间代码的耦合度。所有 Spring 模块均构建于 Spring Core 这一核心容器之上，核心容器实现对 bean的配置、管理和初始化。在 J2EE 应用开发中可以自由选择集成 Spring 框架。
【参考文献】：
期刊论文
[1]基于信息融合和CS-SVM的学生综合能力评估方法的研究[J]. 杨亭榆,傅成华. 四川理工学院学报(自然科学版). 2018(01)
[2]“生态化资源系统”在混合式学习中的创新运用[J]. 崔鸿,陈院豪,朱家华. 中国教育信息化. 2017(24)
[3]学习科学视野下高校推动混合式学习实践探究[J]. 苏芃,黄秀华. 现代教育技术. 2017(10)
[4]移动互联网环境下“混合式学习”方式研究——以智能手机和QQ群为例[J]. 俞跃,赵玉阁. 高等工程教育研究. 2017(04)
[5]基于模糊综合评价的高校创新创业型人才培养质量评价[J]. 吴红霞,刘雪芹,蔡文柳. 华北理工大学学报(社会科学版). 2017(01)
[6]基于BP神经网络模型的大学生体质综合测评[J]. 王乃博,黄国梅,吴磊,车素云. 南昌大学学报(理科版). 2016(05)
[7]日本高等教育质量保证一百年[J]. 李昕. 高教发展与评估. 2016(04)
[8]基于蓝墨云班课的混合式学习研究与设计[J]. 杨艳雯,王小根,陶鑫荣. 中国信息技术教育. 2016(12)
[9]网络工程专业能力评估方法研究[J]. 曹介南,徐明,朱培栋,蔡志平. 中国大学教学. 2015(08)
[10]我国“十三五”期间适应创新驱动的科技人才激励机制研究[J]. 孔德议,张向前. 科技管理研究. 2015(11)
硕士论文
[1]基于JMeter工具的性能自动化测试系统设计与实现[D]. 纪力炜.南京邮电大学 2016
[2]关联规则挖掘算法在学生素质测评系统中的应用研究[D]. 倪娜.河北工业大学 2015
[3]高校学生综合素质测评系统的设计与实现[D]. 丁汉强.吉林大学 2014
[4]山东联合大学学生综合评测系统的设计与实现[D]. 候传君.电子科技大学 2014
[5]AHP算法下的中学生综合素质测评系统设计与实现[D]. 侯永.山东大学 2013
[6]势函数聚类方法在高校学生评估模型系统中的应用[D]. 丁恒兵.电子科技大学 2012
本文编号：3485668
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3485668.html
