本站小編為你精心準備了計算機課程的同伴評價探究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：為了研究同伴評價對大學計算機課程的有效性，以吉林大學計算機科學與技術專業的學生為研究對象，通過搭建課程同伴評價網站，收集整理從2016年到2018年3學年的一門計算機專業課程成績，構建同伴評價特征空間，利用機器學習模型對學生成績進行分析和預測，為證實同伴評價的有效性并定量給出同伴評價效力提供有效的方法和手段。

關鍵詞：同伴評價；計算機課程；機器學習

0引言

傳統的課程作業評價存在評價主體單一、評價周期長、評價方式簡單等弊端[1]，而基于網絡的同伴評價系統可以隨時隨地、方便快捷地收集和整理評價結果，同時解決了評價主體和評價方式單一的問題。同伴評價是指學生根據老師的標準對同伴的作業或測試進行評分[2]。Topping收集了美國EducationalResourcesInformationCenter（ERIC）教育學術研究數據庫中的109篇有關同伴評價的研究資料，整理后指出同伴評價廣泛應用于高等教育各學科，如信息科學、社會科學等。在評價信度和效度方面，同伴評價和教師評價一樣高，甚至常常高于教師評價[3]。同伴評價方式可以增強學生的學習動機。同伴間的作業評價屬于一種重要的高級思維活動，對提升學生的學習動機與知識水平至關重要，而且對成年學習者來說，也是一種良好的評價方式。計算機程序設計課程注重提高學生的邏輯思維和計算思維[4]，開發學生的創造潛能，是以邏輯思維為主的多種思維形式共同發揮作用，實踐性和理論性相互依存。此類課程作業能夠體現出學生在程序設計方面的創造性，對這類作業的評價將直接影響學生多種思維的發展，但是由于這種類型課程的課程特點，作業的評價通常存在一定的主觀性。因此，只采用單一評價方式是不科學的。同伴評價方式可以提高學生的協作學習能力。隨著大數據時代的到來，信息化和智能化的進程在全球范圍內快速推進，單機運行和小數據量的工程開發已不能滿足當今社會對大數據復雜系統（如互聯網推薦系統，智能制造系統，智能物流配送系統等）構建的需求。大數據復雜系統的開發，已不是一兩位計算機工程師能夠勝任的，而是需要幾十人甚至成百上千人的高效合作[5]。因此，學生之間的協作學習和工作能力的培養尤為重要。同伴評價機制的引入恰好是培養這種能力的有效手段之一。同伴評價一方面滿足了學習者泛在學習的需求，另一方面減少了教師的工作量。面對海量的學生實驗作業，任課教師及助教如何快速、客觀、科學、公平地評價學生的程序和工程是一項重要的研究課題[6]。在大學計算機的實驗性和工程性課程的合作學習過程中，學生往往需要分組進行實驗。教師需要兼顧的小組較多（如已收集的2016年課程數據中，就有46個學生小組），不容易對每一小組特別是每一學生的表現都有非常清晰的了解。而學生在參與過程中對自己和本組同學的表現在主觀和客觀上都有了解，引進學生和小組的互評更公平、公正，也更客觀，更具說服力。然而，目前針對大學課程同伴評價的研究還較少，尤其是定量的研究則更少。然而怎樣評估同伴評價在大學計算機課程中的有效性？同伴評價在學生學習效果和成績中所起的定量作用是什么？能否通過帶有同伴評價的變量預測學生成績，從而指導教學模式和方法的修正？針對上述問題構建的機器學習方法，能夠給出同伴評價在學生學習效果的定量作用，并能夠通過訓練好的模型對學習成績進行預測，為評價計算機課程成績、調整授課內容和教學方法提供幫助和依據。

1預測模型

為了定量地評估同伴評價對教學效果的影響，可以引入機器學習方法中的回歸模型。將同伴評價和小測驗等變量作為特征，構建特征空間。利用機器學習方法中的回歸模型對學生成績進行學習并預測。首先，在課程網站上為每位學生設立賬戶，學生通過課程網站上傳程序作業和工程文檔。然后，公布課程同伴評價標準，通過網站收集同伴評價得出的課程或工程成績。將每次程序或工程作業作為特征，構建特征空間，每名學生的成績記錄構成向量。

2實驗結果與分析

實驗收集了吉林大學計算機科學與技術專業2016年、2017年和2018年“.NET設計與架構”課程（簡稱.NET課程）的同伴評價成績、測驗成績、出勤成績以及期末成績等多個變量，依此構建特征空間。其中，2016年收集了185名學生，14個特征信息；2017年75名學生，16個特征信息；2018年68名學生，26個特征信息。

3結語

通過對吉林大學計算機科學與技術專業2016—2018年.NET課程同伴評價數據的分析，可以看出同伴評價對課程的大學計算機課程教學具有一定的影響。機器學習模型的引入為證實同伴評價的有效性，定量給出同伴評價效力以及預測學生課程成績提供了有效的方法和手段。該方法值得在其他計算機課程上推廣與應用。在未來的教學實踐中，將繼續把同伴互評環節在實際教學中推廣應用，收集更多的數據以獲得更加深刻的結果。此外，在后續的教學過程將配合機器學習方法對目前的同伴互評設置進行改進，更加準確地檢測學生互評質量與實際學業水平。

作者：管仁初1；柳海民2；梁艷春1,3；溫曉靜1；黃嵐1；張禹1 單位：1.吉林大學計算機科學與技術學院，2.東北師范大學教育學院，3.吉林大學珠海學院教育學院珠海符號計算與知識、工程教育部重點實驗室