《计算机网络》题库系统构设方法探索.docxVIP

《计算机网络》题库系统构设方法探索 1绪论 1.1项目背景和意义 《计算机网络》是大连理工大学软件学院软件工程专业和网络工程专业的一门基础必修课，是计算机网络系列课程的入门课，对于网络工程专业（包括物联网和网络安全两个专业方向）的学生来说更有着举足轻重的作用，学好这门课程对更加深入的学习和研究网络工程学科其他课程有很大的帮助。近年来，本课程形成了一支以大连理工大学软件学院网络工程系青年教师为主的稳定的教学团队，并积极推行教学改革和实施精品课程建设，在教学内容、教学方法、考核方法、双语教学、实验课建设、网站建设等方面做了一些工作，也取得了一些成效。经过教学团队多年来的共同努力，本课程已于2010年被评为“大连理工大学优秀课程”。但是，本课程的教学工作正面临一些现实的挑战。一是学生人数多，教学工作量大。软件学院《计算机网络》课程每年面向约800名本科生授课，教学对象覆盖软件工程和网络工程两个专业。本课程教学团队共有4名专业教师，平均每位教师需要负责200名本科生的教学工作，因此很难实现个性化辅导和因材施教，同时限制了师生之间的互动。二是课程内容丰富，但课时有限。本课程以Internet为主要载体系统地、分层次地讲述计算机网络的基本概念、基本原理和基本方法，内容涵盖应用层、传输层、网络层、数据链路层和物理层的功能、接口和众多协议等，涉及的概念和知识点较多、知识面较广，且部分内容较为抽象。在48学时的授课时间里，有些学 生很难全面快速地掌握授课内容，从而在一定程度上影响了教学效果。因此，非常有必要找到一个能够同时为教师的“教学”和学生的“学习”提供支持、增强“教”与“学”的互动性、加强“教”与“学”的主动性与便捷性的解决方案。鉴于以上现实需求，我们提出建设面向《计算机网络》课程的教学辅助平台，为教师教学和学生学习提供支持，以进一步提升教学质量。智能题库作为《计算机网络》教学辅助系统的子系统，同样是为教学服务必不可少的重要组成部分。通过智能题库子系统，教师一来可以在平时完成试题的收集工作，并上传到题库中进行统一管理，二来可以在考试来临之际仅需简单的设置就可以轻松生成试卷，帮助教师摆脱沉重的组卷负担，把更多的时间和精力用到科研和教学上面来。另外智能题库系统的自动组卷功能可以有效防止考前漏题等不良行为的发生，实现教学的教考分离，同时也激励学生平时好好学习。 1.2国内外研究现状 1.2.1国外的研究状况 在国外，大型跨国公司的认证考试和一些标准化考试都已经开发出 了比较成熟的考试系统如微软的MCSE、MCDBA、MCS等，SUN公司的Java认 证，思科公司的CCNA、CCNP、CQE认证，IBM公司的AIX 190、DB2数据库、XML认证，还有英语托福、雅思、GRE等考试系统也已经 建立并运行了几十年，一直都能比较科学地测试出学生的真实水平。这充 分地说明试卷的自动生成是可能的也是有效的。但是这些成熟系统所涉及 到的具体设计与实现几乎都是保密的，因此我们需要依靠自己的努力研制 出一套符合中国教育实际情况的试卷自动生成系统。目前考试系统的研究 正朝着如何开发出自适应、高智能、高安全而且网络负载均衡的方向发展 。试卷的自动生成模块作为系统的关键环节已经显得越来越重要。因此， 开发出一套通用的Web试卷自动生成系统是一项很有意义的工作，同时也 是现实的迫切需求。国外在文本相似度算法方面，Lambros[3]等提出基于 文本长度信息计算文本相似度的方法，系统采用两重动态规划技术。Carr oll[4]等人提出了基于两个测试点的文本相似度计算方法，这个测试点分 别是句子的长度信息和句子的内容。Niladri[5]提出了使用多重回归技术 确定相关系数的基于线性模型的文本相似度算法，他将文本之所以不相同 的原因归结为一系列文本徐相似成分导致的。Goldsdeint6]等使用最大边 缘相关的方法计算文本相似度。Nkenburg[7]等提出了基于切块、匹配和 重组的方法计算文本相似度。ChrisH.Q[8]等采用隐含语义索引的方法计 算文本相似度。目前比较成熟的文本相似度算法有SimHash算法、K- Shingling算法和I- Match算法。SimHash算法通过降维技术把文本转化成特征码集合，并为特 征码赋予权值以此作为文本的指纹信息，最后通过计算文本指纹间的相似 度作为文本之间的相似度。K- Shingling算法通过将文本拆分成K个连续字组成的序列，然后比较两个句 子的序列组合之间的相似度得出文本相似度。还有对于短文本相似度计算 准确率非常高的I-Match算法，它使用统计的方法计算文本相似度。 2系统需求分析 该《计算机网络》智能题库系统根据以下计算机网络课程实际情况 对系统进行了全面细致的需求分析。课程实施双语教学；课程以Interne