云計(jì)算下基于認(rèn)知的學(xué)習(xí)質(zhì)量評(píng)價(jià)優(yōu)化算法的研究.pdf

1、本文的選題來(lái)自遼寧省教育廳人文社會(huì)科學(xué)“移動(dòng)云計(jì)算環(huán)境下基于認(rèn)知模型的高校教學(xué)評(píng)價(jià)與優(yōu)化模型”的項(xiàng)目。研究的出發(fā)點(diǎn)是為了在云計(jì)算環(huán)境下建立行之有效的輔助教學(xué)效果的評(píng)價(jià)模型。本文主要對(duì)其中的學(xué)習(xí)質(zhì)量評(píng)價(jià)方面的問(wèn)題進(jìn)行深入研究。
　　評(píng)價(jià)系統(tǒng)平臺(tái)的結(jié)構(gòu)設(shè)計(jì)從評(píng)價(jià)系統(tǒng)的工作流程出發(fā)，將平臺(tái)分為四個(gè)模塊分別為：數(shù)據(jù)采集模塊、數(shù)據(jù)存儲(chǔ)模塊、數(shù)據(jù)分析模塊和數(shù)據(jù)查詢模塊。通過(guò)數(shù)據(jù)采集模塊進(jìn)行數(shù)據(jù)的收集，經(jīng)過(guò)數(shù)據(jù)存儲(chǔ)模塊進(jìn)行數(shù)據(jù)存儲(chǔ)，為之后的數(shù)據(jù)

2、分析模塊做數(shù)據(jù)準(zhǔn)備，數(shù)據(jù)分析之后，用戶可以通過(guò)數(shù)據(jù)查詢模塊查詢?cè)撚脩舻念A(yù)測(cè)結(jié)果。其中最為重要的是數(shù)據(jù)分析模塊，在該模塊中通過(guò)改進(jìn)算法的方式使預(yù)測(cè)效果達(dá)到更佳。
　　本研究主要分為兩方面：一方面是調(diào)查問(wèn)卷題項(xiàng)的選取，另一方面是回歸預(yù)測(cè)的算法優(yōu)化。在進(jìn)行《基于認(rèn)知的學(xué)習(xí)質(zhì)量評(píng)價(jià)調(diào)查問(wèn)卷》的編制時(shí)，從認(rèn)知學(xué)習(xí)理論出發(fā)，采用經(jīng)過(guò)國(guó)際公認(rèn)的《學(xué)習(xí)動(dòng)機(jī)策略問(wèn)卷》(MSLQ)為基礎(chǔ)，并結(jié)合《學(xué)習(xí)質(zhì)量評(píng)價(jià)：SOLO分類(lèi)理論(可觀察的學(xué)習(xí)成果結(jié)構(gòu))

3、》一書(shū)修改得來(lái)。將首輪獲得的調(diào)查數(shù)據(jù)使用SPSS進(jìn)行效度和信度的檢驗(yàn)，剔除掉不適用的題項(xiàng)，保留對(duì)學(xué)習(xí)質(zhì)量影響較大的題項(xiàng)。經(jīng)過(guò)內(nèi)部一致性的檢驗(yàn)由之前的0.926提升到0.930。說(shuō)明問(wèn)卷的可靠性較高，能夠作為基于認(rèn)知的學(xué)習(xí)質(zhì)量評(píng)價(jià)的依據(jù)。
　　用于回歸預(yù)測(cè)的數(shù)據(jù)是通過(guò)調(diào)查問(wèn)卷的再次發(fā)放回收得來(lái)。在云計(jì)算平臺(tái)上使用Python語(yǔ)言編寫(xiě)相應(yīng)的算法，對(duì)數(shù)值型數(shù)據(jù)進(jìn)行回歸預(yù)測(cè)。回歸預(yù)測(cè)時(shí)將會(huì)面臨兩個(gè)問(wèn)題，一是欠擬合、二是擴(kuò)展瓶頸。本研究要通

4、過(guò)多個(gè)自變量預(yù)測(cè)因變量，所以首先采用多元線性回歸算法預(yù)測(cè)。進(jìn)行回歸預(yù)測(cè)的目的是想得到更佳的預(yù)測(cè)效果，由于多元線性回歸算法確定的回歸模型是要滿足所有樣本的規(guī)律，往往會(huì)把異常點(diǎn)也考慮到模型中，最終得到的模型將會(huì)出現(xiàn)欠擬合的現(xiàn)象。為了能夠提高預(yù)測(cè)效果，改進(jìn)基本算法給局部的點(diǎn)加權(quán)，采用局部加權(quán)線性回歸算法提高預(yù)測(cè)的準(zhǔn)確度。隨著研究的深入，數(shù)據(jù)量將會(huì)不斷的激增，在進(jìn)行數(shù)據(jù)分析時(shí)將會(huì)出現(xiàn)擴(kuò)展瓶頸的問(wèn)題，為了能夠讓改進(jìn)的算法在運(yùn)算速率上有所提升，將局