基于Bloom分类法的CS1试题数据集的构建及其自动分类

课程评估是教学改革的一个关键环节,涉及教学案例、试题以及课堂教学等方面的内容。针对计算课程的试题评估,引入Bloom分类法,以普林斯顿大学和桂林电子科技大学“计算机科学导论”课程(CS1)的试题为语料库,给出针对CS1的Bloom分类法认知过程维度和知识维度的相应动词种子库和名词种子库,对试题所能达到的Bloom分类法二维矩阵的位置进行标注,构建CS1试题分类数据集。采用机器学习技术,给出CS1试题自动分类模型TFERNIE-LR,该模型由CSTFPOS-IDF算法、ERNIE模型和LR分类器3部分组成。CSTFPOS-IDF算法是在TFPOS-IDF算法的基础上,通过计算课程关键词权重因子,来提高模型对计算课程关键词的关注程度,生成词权重。同时,基于实体知识增强预训练模型ERNIE进行试题词语级向量嵌入,组合词权重和词语级向量生成用于自动分类的试题文本向量。最后,采用LR分类器将试题自动分类到Bloom分类法二维矩阵。实验结果表明,TFERNIE-LR模型具有良好的性能,在认知过程维度和知识维度上的加权精确率分别达到了83.3%和96.1%。

高校文化建设中的视觉语言应用研究——以校园卡设计为例

高校校园卡是学校形象的直接传达媒介,是高校信息的实物载体。推进校园卡的视觉设计对高校扩大文化影响、增强凝聚之力起到显著的促进作用,也是打造高校形象的重要组成部分。本文阐述了高校校园卡中视觉设计的意义,分析了高校校园卡中不同的视觉设计所引发的感观调动,说明了高校校园卡其中的文化属性。运用案例分析法,研究校园卡创意表现形式,阐述其中的文化理念,以期为设计出与高校文化形象相匹配的校园卡提供思路和方法。