高校计算机基础课程分类分级教学改革探讨——以江西师范大学为例

当前我国高校计算机基础课程的教学改革已经进入一个过渡时期。文章通过对江西师范大学新生计算机应用能力的调查分析,结合本校计算机基础课程的实际教学情况,提出了非计算机专业计算机基础课程的分类分级教学改革方案,以促进高校计算机基础教育的发展和高素质创新人才培养能力的提高。

数据科学与大数据技术新工科专业创新型卓越工程人才培养模式探索——以江西师范大学为例

该研究在传统课内实践教学基础上,围绕新工科专业创新型卓越工程人才培养关键要求,提出“项目驱动、竞赛激励、教师指导、学研结合”的课外实践教学改革总体思路。这个改革通过推行师徒式本科生导师制,实施项目驱动策略,采用“一中心三阶段”竞赛培养机制,有针对性地培养学生解决实际工程问题的能力以及创新意识与创新能力,采用“双主体多形式”奖励激励机制,确保创新型卓越工程人才培养的可持续性,历经数年专业建设实践探索,逐渐形成了数据科学与大数据技术新工科专业“12345”创新型卓越工程人才培养新模式,对学生培养质量提升、教师发展和专业建设具有积极促进作用,取得了不错的成效,对其他新工科专业人才培养具有借鉴作用。

数据库技术课程中的主题式教学应用——以江西师范大学为例

面对当下学生案例学习能力尚可,普遍缺乏发散性的创造、思维能力,文章针对数据库技术课程中的主题式教学应用,如何创建团体协作、与时俱进的场景进行了探索。

地方师范院校计算机实验教学示范中心建设探索

计算机实验教学示范中心从转变实验教学体系,创新实验教学方法,推进校企合作,强化实验中心体制建设等几个方面对示范中心进行了全方位分析,进而阐述了实验教学过程中的建设思路和实施方案。将计算思维和工程理念融入实验教学全过程,逐步形成具有工程特色的实验培养方案。通过创设悬念,实现即时触发特征,达到激发学生探究兴趣的目的;通过建立开放实验室,实现师生线上线下全天候互动特征,营造了无时空距离感;培养学生的计算和工程思维,具备思辨与实训牵引特征,提升了学生的创新与实践能力。

大学计算机公共课教学改革研究与实践

探讨了如何对大学计算机公共课程进行综合改革,包括探索人才培养目标、更新教学方法和手段,强化实验教学管理,建立了一套科学的计算机公共课教学体系,使高校计算机公共课教学能满足21世纪大学生计算机应用能力的要求。

大学计算机课程双语教学的3I模式探讨

在分析大学计算机课程双语教学的可行性后,提出了一种"渗透、整合、沉浸"(3I)的三段式教学模式。

计算机信息系统的验证与确认

计算机信息系统的验证与确认是提高系统正确性和可靠性的有效技术,然而人们对验证与确认的含义尚无统一、明确的认识.文中给出了验证与确认的明确定义,阐述了它们之间的区别与联系,并分别介绍了各种流行的验证与确认技术.验证与确认(简称V ＆ V)是计算机信息系统中一个重要概念,它们是贯穿信息系统生产每一步的一个持续的过程.验证与确认是测试程序是否符合其需求以及需求是否满足用户的需要这一过程的总称.它们的目的是通过动态和静态的系统分析测试技术提高计算机信息系统的正确性和可靠性.静态技术包括程序的静态检查、分析以及形式化证明.动态技术就是运行一个实现的系统来进行测试和分析.在许多献中验证与确认的含义模糊不清.我们认为:验证指的是证明软件(程序)符合其规范;确认指的是证实软件(程序)符合其用户的要求.区分验证与确认的关键在于验证是确保程序与其规范一致的行为,而确认则是确保程序与用户要求一致.在验证和确认的技术中,验证的技术大多数是理论的推导,确认的技术大多数是测试.验证的目的是确保程序与其规范一致.软件生产过程中,从软件规范到程序实现之间的每一步都要有验证.我们提出的分划递推法可以提高计算机信息系统的正确性和可靠性,用该方法设计和证明算法程序的步骤如下:a

等级反应模型下计算机化自适应测验选题策略

计算机化自适应测验(CAT)中的选题策略,一直是国内外相关学者关注的问题。然而对多级评分的CAT的选题策略的研究却很少报导。本研究采用计算机模拟程序对等级反应模型(G raded Response Model)下CAT的四种选题策略进行研究。研究表明:等级难度值与当前能力估计值匹配选题策略的综合评价最高;在选题策略中增设“影子题库”可以明显提高项目调用的均匀性;并且不同的项目参数分布或不同的能力估计方法都对CAT评价指标有影响。

引入曝光因子的计算机化自适应测验选题策略

在计算机化自适应测验(CAT)的研究中,制定既高效又安全的选题策略是一个追求目标。用极大项目信息量准则(MIC)选题使得测验效率高、能力估计准确,缺点是项目调用很不均匀,影响考试的安全;按a分层法通过控制试题曝光率以提高考试的安全性,但该方法可能会使测验效率略有下降,且该方法在各层内部无法实现对区分度的调整。本文针对上述两种选题策略的优缺点,对0-1评分下的CAT,通过引入曝光因子、分阶段自动调整区分度的影响以及提高选题准确性等手段,对MIC和a-STR进行改进,引入了两类新的选题策略。计算机模拟实验显示,新的选题方法效果比较理想。

计算机化自适应诊断测验中原始题的属性标定

认知诊断测验项目开发成本较高,要标定大量项目的属性相当费时费力,专家完成这一任务也比较困难。对于在计算机化自适应诊断测验中的项目属性的标定尚未见到报导。在已有的为诊断测验开发的小型题库基础上,本文在计算机化自适应认知诊断测验过程中,植入原始题,对项目属性标定的问题进行探讨,重点研究原始题属性标定的方法及其影响因素,除了MMLE方法和MLE方法外,还建立了一种新的可用于所有非补偿认知诊断模型的属性标定的方法——交差方法。MonteCarlo模拟结果显示,MMLE方法较MLE方法好;在知识状态估计精度较高时,自适应植入原始题较随机植入原始题有一定的优势;随着知识状态估计精度提高和原始题作答次数增加,交差方法与MLE方法基本相当,只是在发散型和无结构型表现欠佳,但是交差方法不需要预先设定项目参数值。

多级评分计算机化自适应测验动态综合选题策略

多级评分可以提供更多关于被试的信息,是计算机化自适应测验的一个发展方向,选题策略是计算机化自适应测验的研究重点。对于多级评分的等级反应模型,本文拟用区间估计的思想改进近期提出的几种选题策略,并且将两级评分b-STR和a-STR推广到多级评分以改进最大信息量选题策略。Monte Carlo模拟实验表明在达到或接近原有选题策略测验精度的基础上,本文提出的几种新选题策略有的能够有效降低测验长度,有的可以极大降低项目曝光率。

计算机化自适应测验在认知诊断中的应用

作为认知诊断与计算机化自适应测验相结合的产物,认知诊断计算机化自适应测验(Cognitive Diagnostic Computerized Adaptive Testing,CD-CAT)是对被试知识状态的自适应。它既有传统CAT所面临的普遍性问题,也有在认知诊断中遇到的特殊问题:由于认知诊断中涉及属性这一概念,CD-CAT与传统CAT有很大的差别。本文紧紧围绕属性引起的差异,分别从认知诊断模型、题库建设、起始规则、选题策略、被试知识状态估计和终止规则等几部分详细介绍CD-CAT的研究进展和存在的问题。

计算机接口电路的Simulink仿真

由于Simulink的模块库中,缺少各种可编程接口芯片模块,进行接口电路的仿真主要是通过确定电路的功能之后选择Simulink中的有关模块,对这些模块进行修改,重新封装,构建所需要的电路。结合Intel8255A可编程并行接口芯片(PPI),阐述了利用Simulink实现计算机接口电路仿真的过程。

计算机化自适应诊断测验新的选题策略

提出了一种既能满足属性平衡又能有效处理相似属性模式的新方法——改进的极大化整体判别认知诊断模型信息量指标法(MGCDI).对无结构型的属性,讨论定长CD-CAT的选题策略.研究结果表明,使用相同选题策略选题时,先选择可达矩阵的所有列对应的项目比不使用这些项目的诊断准确率高.

具有认知诊断功能的计算机化自适应测验的研究与实现

构造具有认知诊断功能的计算机化自适应测验(Computerized Adaptive Testing,CAT),关键在于设计不同于传统CAT的选题策略。本文采用先认知诊断后估计能力的方法,在诊断阶段用状态转换图描述特定认知领域中所有知识状态及这些状态之间的联系,以图的深度优先搜索方法为基础设计选题策略;而在能力估计精细化阶段,每个被试所测项目,不仅与其能力估计值相匹配,且只与其所掌握的属性相关。本文采用蒙特卡罗模拟针对三种不同的属性结构进行试验,结果良好。

计算机化自适应测验中原始题项目参数的估计

计算机化自适应测验(Computerized Adaptive Testing,简称CAT)其安全性面临着新的挑战,小题库的安全更受威胁。如何建设一个大型、优质的题库成为CAT研究中一个非常重要的课题。目前CAT题库的建设存在一些问题,如成本高且保密性较差。尤其是等值技术较复杂且锚题重复使用容易造成泄露。如能在实施CAT过程中插入未经过参数估计的项目(原始题),同时对原始题项目参数进行估计,这对建设大型、优质的CAT题库来说其意义是不言而喻的。本文基于1PLM和2PLM对此进行研究,提出了原始题在线估计的新方法以及推导出了求区分度参数a迭代初值的计算公式。研究结果表明:无论是模拟研究还是实证研究,原始题被作答的次数对项目参数估计结果都会产生不同的影响,并且原始题作答人数越多项目参数估计精度也越高。

允许检查并修改答案的计算机化自适应测验

采用计算机模拟程序对允许检查并修改答案的计算机化自适应测验(CAT)进行研究,并采用新的评分方式对付Wainer策略。结果表明:综合考虑被试的两次作答信息可以得到更精确的能力估计值。大部分被试进行了修改,只有少部分答案被修改,在被修改的答案中大部分是由错误改为正确;综合Wainer策略CAT的后验分布期望值(EAP)和极大似然估计值(MLE)可以"粗糙"对付Wainer策略。

拓广分部评分模型下计算机自适应测验变加权选题策略

在计算机自适应测验中,对0-1评分模型按a-分层选题是高效安全的策略,但多级评分模型的项目难度/步骤参数有多个而无法直接应用这种选题策略。信息函数能够很好地综合项目所有参数及能力参数,但最大信息量选题策略会影响考试安全。本文提出一种变加权选题策略,它通过调用一个与信息量相关联的函数,该函数与信息量成正比,与区分度的某个幂函数成反比,从而达到既能综合项目所有参数又按a分层的效果。在GPCM模型下用蒙特卡罗实验进行比较研究,结果显示新的选题策略总体效果比已有相关结果好。

计算机化自适应测验中能力估计新方法

能力估计的极大似然估计方法(MLE)不能处理全0或全1的被试反应模式,若事先设置好能力估计的上下界,则会导致能力估计的有效范围缩小的后果;而贝叶斯估计方法需要选择先验分布,先验分布的选择必须很慎重.在原有似然函数的基础上,构建2个新的项目,提出了改进的MLE方法(NMLE).NMLE既不需要能力先验分布,也不会缩小能力估计范围,而且可以处理各种反应模式.蒙特卡洛实验结果表明新方法表现良好.

多级评分计算机化自适应测验动态调和平均选题策略

对于等级反应模型下计算机化自适应测验构建一个新选题策略,利用调和平均数以更好地度量难度参数向量与能力估计值之间的距离;调节区分度参数的幂指数以控制其在测验各阶段对项目选择的不同影响;利用项目信息函数提高测验的精度,并综合权衡能力估计精度和项目曝光率。模拟实验表明在同等实验条件下该策略与著名的最大Fisher信息量选题策略(MFI)相比,仅仅测验长度多用两个项目,能力估计精度基本相当,而曝光率有很明显优势,只为MFI的十分之一,这大大提高了测验安全性。