基于学习通和在线判题系统的程序设计课程考核系统研究

程序设计课程是大部分工科专业的基础课程,对后续专业课程学习非常重要。为了提高课程的教学效果,结合学习通和在线判题系统对课程内容、实践环节等进行研究与探索,根据学校教学特点设计了一款在线判题系统。该系统基于ThinkPHP框架搭建,使用目前流行的B/S架构,最终以网页形式提供给教师与学生实践操作。学生通过该系统能获得测评实时反馈,增强了学习自主性,提高了编程能力,并减少了教师的工作量。

在线判题平台数据分析与教学应用

智慧教学、精准教学要求实现教学的精准化、个性化。为促进程序设计课堂师生互动的精准化,开发对学生在在线判题平台的提交数据进行统计分析的网站,以发现学生编程时的问题,辅助教师的教学决策,为学生编程时的互助提供辅助手段。通过该网站,教师能够更加深入地了解学生,进行有效的教学设计和教学活动;学生能够了解同学、寻求帮助,提高程序设计的积极性。

基于在线判题系统的C语言实验教学改革

针对C语言实验教学中普遍存在的学生难于实时判断程序正确性,教师难于跟踪学生学习情况的问题,提出基于在线判题系统的实验教学改革方案。讨论了如何围绕在线判题系统重新制定授课计划和考核方式,如何进行课堂组织和辅导答疑,并对不诚信答题和有效讨论等问题提出了解决措施。课题组在MOOC班级进行了教学实践,结果表明:该方案能真正实现以学生为中心的翻转课堂,显著提高了学生的编程能力。

基于API自动测试的程序设计在线判题系统的研究与实现

本文设计了一个能对程序设计题进行在线编译判题不需任何人工辅助的系统,把基于执行的动态API测试方法引入到程序设计在线编译判题中,系统综合运用了Linux平台下的C、Shell脚本语言技术、编译器实现在线判题,以及数据库技术和PHP等技术。

自制在线判题系统的数据结构教学

数据结构课程教学中,学生的学习兴趣和学习积极性不高,学生的实践性和主体性不够突出。针对这些问题,增加激励手段及加强过程考核,完善以自制在线判题系统为主的教学平台,并以其上的问题为载体运用分层教学、探究式教学和翻转课堂教学,达到提高学生的学习兴趣和学习积极性,突出学生的主体性和实践性等目的,从而提升教学效果,保障教学质量。

基于多核的在线判题系统的设计与研究

介绍了基于多核平台上的多线程或多进程在线判题系统的设计与实现方法。该系统解决了单线程或单进程判题效率低的问题。与单核串行判题系统比较表明,多核程序设计系统判题速度显著提高,判题结果和串行判题所得一致,准确率高。

基于Web的在线判题系统设计与实现

在线判题系统可以有效提升学生的编程能力,节省教师判题时间。在HUSTOJ在线判题系统基础上,设计了适合高职学生教学特点的在线判题系统。平台基于Web实现方式,采用Linux操作系统作为部署环境,PHP作为后台实现语言,MySQL作为后台数据库模块,包含评测系统和信息管理两个模块。根据实际情况,改进并设计了判题流程和信息管理模块,使其更加贴近高职教学特点。

基于Windows的在线判题系统的安全性研究

在线判题系统(OJ)是ACM/ICPC竞赛选手用来进行程序设计练习和比赛的平台,现有OJ在遇到恶意提交代码方面经常造成服务器故障、崩溃或硬盘阻塞等安全威胁。为参加ACM/ICPC竞赛选手提供安全、可靠和高性能的OJ平台,在保证安全性的同时又不影响使用性。论文从源码级控制、应用程序级控制与防止恶意提交方面作了深入研究,提出基于sandbox(Windows沙箱)、ACL(访问控制列表)、完美哈希和帐号保密等技术的安全体系结构,通过在Windows下搭建OJ平台验证了采用此体系结构的OJ彻底解决了前面的安全问题。OJ安全可靠,性能优良。

基于在线判题平台的Python课程教改研究

针对Python传统教学实践中存在的问题,引入在线判题平台来优化课程教学模式,结合课程的重点和特点,从传统教学模式到理论实践教学两方面进行改革。课程改革和实践表明,基于在线判题平台的Python教学模式能够激发教学高效率,提高学生的实践动手能力。

面向ACM程序设计竞赛和日常课程教学实践的在线判题系统的设计与开发

ACM竞赛是世界规模最大、水平最高的美国计算机协会举办的程序设计比赛,该比赛一直使用在线判题系统,而且应用得比较成功。这些在线判题系统一般只面向竞赛,很少有同时运用于日常课程教学实践的。基于上述背景,开发一款同时面向ACM程序设计竞赛与日常课程教学实践的在线判题系统。该系统为ACM竞赛学生提供题目分析、代码提交、在线判题等功能,同时也可以应用于计算机编程课上,围绕学生的日常作业及测验,成为学生的编程实践训练平台。系统基于B/S模式开发,界面友好,操作简单,利用系统提供的功能,可以使教师、学生从中受益。文章围绕在线判题系统的设计、主要功能和实现的关键技术进行论述,为高校学生程序设计的训练及教师的实践教学提供了平台。

面向在线判题系统的程序设计教学方法的研究与实践

为了改变传统的程序设计教学过程中训练效果不易跟踪,人工判题需要大量人工操作,学生学习积极性不易提高的状况,文章研究并实践了一种应用在线判题系统的程序设计教学方法。通过应用在线判题系统中的题目分类标签、判题结果、小组和比赛以及学生解题情况汇总等功能,可以激发了学生学习的能动性,并为教师提供更直观的教学效果可视化工具,从而有效地提高教学质量。

基于在线判题系统的程序设计课程群教学研究

精讲多练是程序设计课程群教学的基本原则,理论讲授后需要通过大量上机实验来提高学生程序设计思维能力。然而,程序设计实际教学中存在学生学习兴趣不高、同学之间交流互动较少、作业批改量大以及考试出题阅卷任务重等问题。为解决上述问题,笔者设计并实现了集教学、在线练习、交流、考试、竞赛以及共享等功能于一体的程序设计在线实验平台。该平台经过教学实践,能够有效提升学生学习程序设计的积极性,教学效果良好。

浅谈如何通过在线判题考查基础数据结构

要考察考生程序的健壮性时要考察程序能够很好地应对大输入量，老师就很难给予如此多的输入测试而计算机却可以。同时，通过在线判题也能够给考生提供实时的训练机会。在线判题还有一个特点就是系统、全面。在线判题汇聚了诸多类型的题目，并且具有系统性，能够将数据结构的各类知识汇聚在一起。

多线程程序设计的在线判题系统

设计一个对C、C++、Java等程序设计语言编程题进行在线提交、自动编译、自动判题的应用系统.该判题系统的实现分为前台和后台两部分,运行于Windows平台,基于定时器与多线程机制,前台Web系统用于用户与系统的交互,后台桌面系统实现用户提交程序自动判题功能.该系统在一定程度上能强化实践教学,并激发学生学习自主性.

记忆与认知融合的个性化OJ习题推荐方法

面对程序设计OJ(Online Judge,在线判题)平台上的大量习题,学生选题时往往带有盲目性,不利于学生快速提高程序设计能力.现有的习题推荐方法往往忽视了认知心理学与学生答题行为的联系,没有充分关注导致学生信息认知过程具有差异性的因素对解题的影响.本文基于认知心理学提出一种记忆与认知融合的OJ习题推荐方法,该方法结合认知心理学中关于工作记忆、长时记忆、外部信息以及非连续性认知发展的工作,通过如下方式考虑这4种因素对学生答题行为的影响:首先,以OJ习题中4个会对学生的工作记忆造成挑战的要素作为习题特征的一部分来辅助推荐方法估计习题的难度,分别为习题描述词数、输入格式词数、输出格式词数和是否为英文题干;然后,使用4个要素(相同知识的学习时间间隔、相同知识的学习次数、学习时间间隔和总体学习次数)建模学生长时记忆的遗忘与学习行为,拟合学生因这两种行为导致的知识状态变化,帮助推荐方法更准确地估计学生的知识点和编程语言掌握程度;接着,将OJ习题加入本文所构造的程序设计领域知识图谱,并在习题与其所考查的知识点之间建立关联,利用知识图谱嵌入方法将习题编码为一个融入了外部知识点相关性信息的向量作为习题的知识点表征,令推荐方法能够处理知识点间复杂多样的关系;最后,提出了2种策略用以指导推荐方法处理非连续性认知发展(指学生的知识状态在某个时间点突然发生较大变化)的情况,提升推荐结果的准确性,第1种策略运用强化学习技术并以推荐方法生成的答题序列与未来真实答题序列的相似度作为奖励,支持推荐方法生成与未来真实答题序列更一致的答题序列,从而使推荐方法在给学生推荐下一道习题时可以考虑学生的知识状态在未来发生的突然变化,第2种策略修改了高效用项集挖掘算法,使其能够通过学生行为挖掘知识点之间的隐式后序关系,帮助推荐方法预测学生在未来突然掌握或关注的知识点.通过在业界知名OJ平台洛谷和CodeForces数据集上的实验,表明该方法相较于目前常见的习题推荐算法具有更高的性能.

基于深度强化学习与程序分析的OJ习题推荐模型

当前Online Judge系统(简称OJ)上存有大量习题,导致学生很难根据自己的知识水平和学习需求快速地找到合适的习题,因此需要设计模型向学生推荐习题。然而,由于OJ的独特性以及程序设计能力评价的复杂性,现有推荐模型不能较好地完成OJ习题推荐任务,主要问题包括:OJ习题知识点标签不足与特有的命题风格使模型难以挖掘习题之间的相关性;学生所提交程序的实际正确性与OJ判定结果存在不一致的情况,使得模型对学生知识状态的评估产生偏差;现有模型较难提供可使学生程序设计能力得到显著增长的习题。据此,提出了一种基于深度强化学习与程序分析的OJ习题推荐模型。首先,分析习题的最优解来挖掘习题之间的相关性;然后,比较学生所提交程序与习题最优解的相似性来检验学生所提交程序的实际正确性,使模型能够更准确地估计学生的知识状态;最后,利用深度强化学习技术并使用知识追踪模型作为学生模拟器,以学生模拟器在解答习题推荐模型所提供的习题前后在所有习题上的表现差异作为奖励,使模型学习到怎样的习题才能够最大程度地提升学生程序设计能力,并将这样的习题推荐给学生。在业界知名OJ系统CodeForces和Libre数据集上进行实验,结果表明该模型相比目前常见的推荐模型具有更优的性能。

基于网络爬虫的在线做题难易度可视分析

在线判题是编程类课程的一种重要教学手段.为及时、深入了解学生在线做题情况,提出一种基于网络爬虫的在线做题难易分析方法.首先利用Python编写网络爬虫程序,从PTA在线做题平台获取学生在高级语言题目集中的做题成绩数据,然后从单个题目、整体题目集、通过率、通过数等不同方面进行数据可视化和数据分析,并根据学生的实际做题数据,重新定义单个题目的难易程度.结果分析表明,在线做题系统中给出的题目难度与实际学生做题的难度存在一定偏差,但总体是一致的.此外,单个题目的通过率能更准确地反映题目的难易程度,而整个题目集的通过率能更好地反映学生对知识点的掌握情况.

C语言程序在线分析辅导系统设计

本文设计了一种针对C语言程序设计课程的在线分析与辅导系统。学生学习C语言的过程中,需要通过大量练习题巩固所学知识。目前,一些教学平台提供了在线判题的功能来检验程序的对错,但存在一些问题。该系统在在线判题系统的基础上,通过测试用例分析、编译分析、结构分析等方法,进一步细化检查和定位学生程序中的错误,为学生提供针对性的辅导,对提高学生的学习效率有一定帮助。

面向对象程序设计课程建设与改革研究

针对当前面向对象程序设计课程教学过程中存在的问题,基于Moodle网络教学平台建设一个面向对象编程题库的在线平台,编写出版相关配套教材;同时在教学中强调混合学习和编程训练,并引入实时反馈的评价体系,从而有效激发了学生的学习兴趣和科研动力,提升了学生面向对象开发过程的编程能力,最终提高了教学效果和人才培养质量。

计算机专业Python课程混合式教学实践探究

针对目前Python程序设计课程教学目标及大班教学存在的问题,探索利用网络学习空间进行混合式教学。优化教学内容,建立健全网络学习空间,重新设计教学流程及评价体系。充分利用在线判题系统着力培养学生的编程能力,利用平台数据反馈实现个性化教学,在教学实践中取得良好效果。