一種在線課程中的作業(yè)互評方法
【技術領域】
[0001] 本發(fā)明屬于計算機應用領域，特別是涉及一種在線學習中對學生作業(yè)評分的方 法。 技術背景
[0002] 近年來，大規(guī)模開放式在線課程（MOOC)在全世界范圍內(nèi)迅速發(fā)展，為全球的學習 者提供著優(yōu)質(zhì)便捷的學習資源，同時MOOC平臺也帶來了一些挑戰(zhàn)。
[0003] 在教學過程當中，通過完成作業(yè)的方式來鞏固學習內(nèi)容是一個非常重要的環(huán)節(jié)， 在傳統(tǒng)的作業(yè)形式當中，可以分為客觀題和主觀題兩種類型，其中客觀題只需要設定好標 準答案就可以高效地通過計算機來完成批改評分，但對于主觀題作業(yè)，一般有三種評分方 式：人工評分、機器評分和同伴互評。三種方式各有利弊，人工評分的準確性是最高的，但由 于MOOC平臺的課程參與人數(shù)通常很多，一門課程的選課人數(shù)通常在數(shù)千人甚至上萬人，人 工評分的工作量對于教師來說太大，并不具有可行性；機器評分通常使用機器學習的方法， 在有合適的訓練集（通常由教師評判部分作業(yè)作為訓練集）的情況下，能夠自動地對文本 類型的題目進行評分，缺點在目前的技術程度準確性難以得到保證，適用的題目類型也比 較單一（僅文字題目）；在設置了合理的規(guī)則的前提下，讓學生進行互評，可以在降低教師 工作量的前提下使得評分也能得到較高的準確性，現(xiàn)有的幾大MOOC平臺edx，coursera也 都采用了互評來完成主觀題的評分工作。
[0004] MOOC平臺上使用互評的主觀題通常包括以下幾個步驟：
[0005] 1.學生答題；
[0006] 2.教師評少量作業(yè)作為示例；
[0007] 3.學生學習評分，即嘗試對教師評過的作業(yè)進行評分，并與教師的評分結果進行 對比；
[0008] 4.學生正式進行互評；
[0009] 5.學生獲得分數(shù)。
[0010] 在互評的過程中，如何對學生提交的作業(yè)進行分配是一個重要的問題。在互評中， 若一個學生自己完成的作業(yè)只有50分的水平，則以他的能力往往很難評判一份優(yōu)秀的作 業(yè)應該給90分還是95分；而作業(yè)水平較高的學生，則很可能對較差的作業(yè)給出過低的評 分。這些現(xiàn)象將會影響到互評結果的可靠性。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明的目的旨在克服已有的互評方法的不足之處，提出一種在線課程中的作業(yè) 互評方法，本發(fā)明可以根據(jù)學生的學習情況，將學習習慣、學習水平相近的學生進行匹配， 盡量讓評分者與互評者處于同一水平，使得學生在互評時給出的分數(shù)較為可靠。
[0012] 本發(fā)明提出的一種在線課程中的作業(yè)互評方法，應用在大規(guī)模在線教育課程平臺 上，其特征在于，該方法包括以下步驟
[0013] 1)提取學生學習記錄的特征：對學生在MOOC平臺上的學習記錄提取一組特征，將 這
[0014] 些特征對應的數(shù)值組合成一個向量用于表示一個作用評分者或被評分者；
[0015] 若一共有If個特征，生成的向量為F，F(xiàn)在第i個特征的數(shù)值為F1;i = 1、2、… If
[0016] 2)對作用評分者與被評分者的相似度計算：
[0017] 在特征向量的每一個維度上比較評分者與被評分者的相對差別，得到一系列的數(shù) 值，將這些數(shù)值的均值作為衡量評分者與被評分者之間相似度的標準，對于一位評分者與 一位被評分者；
[0018] 3)利用二分圖匹配方法對作業(yè)進行分配；
[0019] 4)求解該二分圖匹配的最優(yōu)解，得出最佳的作業(yè)分配方案用于作業(yè)互評。
[0020] 所述步驟2)計算相似度的步驟如下：
[0021] a)初始化i = l，sum = 0，1 = 0，i用于表示之后的步驟當中，當前正在處理第幾 個特征，sum用于記錄步驟b)中計算生成的中間數(shù)值的和，便于步驟d)中的均值計算，1則 表示實際有多少個特征參與了計算；
[0022] b)計算
該值表示被評分者與評分者在第i個特征上的相對差別， Fsi u Fgi i分別表示被評分者和評分者在第i個特征上的值，若評分者的特征數(shù)值F gi i不為0， 將計算的結果加到sum里，1的值加1，轉步驟c);若評分者的特征數(shù)值Fgii為0,則直接轉 步驟c);
[0023] c)若i等于If，則進行步驟d)，否則令i的值加1，轉步驟b);
[0024] d)計算m = sum/1，m即為評分者與被評分者在所有特征上的平均相對差別，將 l_em作為相似度。
[0025] 所述步驟3)具體包括以下步驟：
[0026] a)設所有評分者的集合為R，被評分者的集合為H，將H、R中的每一個元素都用一 個點來表不，其中H集合中的點用I^h2,…，hH表不，R中的點用r η r2，…，r|R|表不；
[0027] b)把H中的每一個點h與R中的每一個點用邊連接，邊的方向都是從H指向R構 造作業(yè)分配二分圖；
[0028] c)給步驟b)中的每條邊賦予兩個屬性，分別是：費用、容量，邊的費用即為作業(yè)作 者相對于評分者的相似度，容量均為1，表示一份作業(yè)對應一位評分者的組合只能被選 中一次；
[0029] 每一種作業(yè)分配方案對應于從步驟b)所有邊中選擇一部分的邊，被選中的邊連 接的評分者和作業(yè)表示一個匹配，選擇一部分邊滿足如下條件：設H中每個元素對應的點h 有η條邊相連，R中每個元素對應的點r有m條邊相連，最小化以下值：
[0031] d)在二分圖中添加一個源點S，源點S與H集合中所有點相連，與S點相連的每條 邊的費用均為〇,容量為每份作業(yè)需要被評的次數(shù)n，以保證將每一份作業(yè)都分配給了 η位 評分者；在二分圖中添加一個匯點Τ，匯點T與R集合中所有點相連，與T點相連的每條邊 的費用也為0,容量為每位評分者需要評的作業(yè)數(shù)量m，以保證每位評分者都被分配了 m份 作業(yè)；
[0032] e)為該圖中的每一條連接兩個點u和V的邊，方向是從u至V，增加一條反向回邊， 方向是從V至u，回邊容量為0,費用為從u至V這條邊的費用的相反數(shù)，即'n= -W
[0033] 所述步驟4)具體步驟如下：
[0034] a)找出從S到T的最短路徑，路徑的長度由邊的費用來定義，不考慮當前容量為0 的邊；
[0035] b)若能找到最短路徑，則對最短路徑上的邊做如下操作后轉步驟a):
[0036] I)對最短路徑上的所有邊的容量減1 ;
[0037] II)對最短路徑上的所有邊的回邊的容量加1 ;
[0038] c)若已經(jīng)無法找到最短路徑，則匹配完成，此時選擇圖中所有容量為0且從H指向 R的邊即為最優(yōu)解，這些邊連接的h與r即為作業(yè)互評中被分配的作業(yè)與評分者。
[0039] 本發(fā)明的特點及有益效果：將作業(yè)分配問題轉化為圖論問題，并運用圖論相關算 法對問題進行求解，求解的結果能從全局的角度充分考慮評分者與被評分者之間的相似 性，以達到最大程度地將學習習慣、水平相近的學生進行匹配的效果。
[0040] 為每個評分者選擇m份作業(yè)評分，為每份作業(yè)分配η位評分者，同時盡可能地使互 評的雙方具有相似的水平、學習習慣。
【附圖說明】
[0041] 圖1為本發(fā)明中作業(yè)分配示意圖。
【具體實施方式】
[0042] 本發(fā)明提出的一種在線課程中的作業(yè)互評方法，應用在大規(guī)模在線教育課程平臺 上，結合附圖及實施例說明如下：
[0043] 該方法及實施例具體包括以下步驟
[0044] 1)提取學生學習記錄的特征：
[0045] 對學生在MOOC平臺上的學習記錄提取一組特征，這些特征可以包括但不限于：學 生在課程中回答問題的數(shù)目、嘗試次數(shù)、得分等一切與學生在課程內(nèi)的表現(xiàn)相關的指標；將 這些特征對應的數(shù)值組合成一個向量用于表示一個學生（作用評分者或被評分者）；
[0046] 若一共有If個特征，生成的向量為F，F(xiàn)在第i個特征的數(shù)值為F1;i = 1、2、… If
[0047] 2)對學生的相似度計算：
[0048] 在特征向量的每一個維度上比較評分者與被評分者的相對差別，得到一系列的數(shù) 值，將這些數(shù)值的均值作為衡量評分者與被評分者之間相似度的標準，對于一位評分者與 一位被評分者，計算相似度的步驟如下：
[0049] a)初始化i = l，sum = 0，1 = 0，i用于表示之后的步驟當中，當前正在處理第幾 個特征，sum用于記錄步驟b)中計算生成的中間數(shù)值的和，便于步驟d)中的均值計