优化教育软件的自动化测试：以一门在线STEM科目为例

教育软件和教育ICT软件应用程序测试的自动化能减少测试维护失败的风险,选择最优化的测试套件能提高效率,因此能降低成本和耗时。本文介绍一种自动化测试工具的研发,这种工具包含教育软件测试的两个主要自动化部分:测试套件生成和测试套件优化。本文通过控制流图表示被试教育软件的控制流。该工具提供五种测试套件生成方法,即边界值测试、稳健性测试、最坏情况测试、稳健最坏情况测试和随机测试,并采用人工蜂群算法或布谷鸟搜索算法对所生成的测试套件进行优化,直至达到预期的适应值水平。与其他算法相比,这种方法能够以最少的一组测试用例达成最大的路径覆盖率。最后,我们对所产生的优化测试套件进行自动故障检测。本文还以一所在线开放大学的一门STEM科目为案例,介绍这个工具的使用情况。

转基因学习:构建基于规则、适合大规模招生的e-learning推荐模型

目前,教育技术领域的各种模式和教学法没有同时考虑正式学习和非正式学习。推荐系统通常只把正式环境下的活动(比如作业、成绩评定等)作为其输入参数进行储存、跟踪和检索,没有把每一个用户的非正式活动(比如在社交网络上的活动和持续性评估活动)有效结合起来。此外,学习领域的教学辅导系统通常只是建立在内容过滤和其他学生的协作的基础上,这进一步削弱了辅导教师的关键作用。最后,大规模公开在线课程(MOOC)和小规模非公开在线课程(SPOC)已经成为结合正式和非正式环境的教育模式的重要组成部分,在每一个用户的学习路径中发挥关键作用。教育需要通过我们称之为"转基因学习"的破坏性方法促进教与学过程的提升。我们可以通过利用用户的行为和交互信息以及辅导教师高效监控和个性化咨询服务改进每一个用户的学习表现。本文提出一种适合公开和非公开社交网络以及学习管理系统的个性化e-learning推荐模型LIME,这种模型能支持"转基因学习",尤其适合大规模招生的课程和大数据集。文章还详细介绍了根据这个模型研发的框架和软件原型iLIME,以展示LIME模型是如何独立于学校所使用的学习管理系统运行的。文章最后介绍了一个案例,该案例是以面向全校实施一门慕课教学为背景在Apereo Sakai CLE 2.10-svn环境下运行这个模型。文章还讨论了技术问题和挑战,并提出解决方案,目的是为了能实现在真实学习环境下运行iLIME,向学习者提供基于LIME的推荐。