[发明专利]一种在线课程中的作业互评方法

说明书

技术领域

本发明属于计算机应用领域，特别是涉及一种在线学习中对学生作业评分的方法。

技术背景

近年来，大规模开放式在线课程(MOOC)在全世界范围内迅速发展，为全球的学习者提供着优质便捷的学习资源，同时MOOC平台也带来了一些挑战。

在教学过程当中，通过完成作业的方式来巩固学习内容是一个非常重要的环节，在传统的作业形式当中，可以分为客观题和主观题两种类型，其中客观题只需要设定好标准答案就可以高效地通过计算机来完成批改评分，但对于主观题作业，一般有三种评分方式：人工评分、机器评分和同伴互评。三种方式各有利弊，人工评分的准确性是最高的，但由于MOOC平台的课程参与人数通常很多，一门课程的选课人数通常在数千人甚至上万人，人工评分的工作量对于教师来说太大，并不具有可行性；机器评分通常使用机器学习的方法，在有合适的训练集(通常由教师评判部分作业作为训练集)的情况下，能够自动地对文本类型的题目进行评分，缺点在目前的技术程度准确性难以得到保证，适用的题目类型也比较单一(仅文字题目)；在设置了合理的规则的前提下，让学生进行互评，可以在降低教师工作量的前提下使得评分也能得到较高的准确性，现有的几大MOOC平台edx，coursera也都采用了互评来完成主观题的评分工作。

MOOC平台上使用互评的主观题通常包括以下几个步骤：

1.学生答题；

2.教师评少量作业作为示例；

3.学生学习评分，即尝试对教师评过的作业进行评分，并与教师的评分结果进行对比；

4.学生正式进行互评；

5.学生获得分数。

在互评的过程中，如何对学生提交的作业进行分配是一个重要的问题。在互评中，若一个学生自己完成的作业只有50分的水平，则以他的能力往往很难评判一份优秀的作业应该给90分还是95分；而作业水平较高的学生，则很可能对较差的作业给出过低的评分。这些现象将会影响到互评结果的可靠性。

发明内容

本发明的目的旨在克服已有的互评方法的不足之处，提出一种在线课程中的作业互评方法，本发明可以根据学生的学习情况，将学习习惯、学习水平相近的学生进行匹配，尽量让评分者与互评者处于同一水平，使得学生在互评时给出的分数较为可靠。

本发明提出的一种在线课程中的作业互评方法，应用在大规模在线教育课程平台上，其特征在于，该方法包括以下步骤

1)提取学生学习记录的特征：对学生在MOOC平台上的学习记录提取一组特征，将这

些特征对应的数值组合成一个向量用于表示一个作用评分者或被评分者；

若一共有lf个特征，生成的向量为F，F在第i个特征的数值为F_i；i＝1、2、…lf

2)对作用评分者与被评分者的相似度计算：

在特征向量的每一个维度上比较评分者与被评分者的相对差别，得到一系列的数值，将这些数值的均值作为衡量评分者与被评分者之间相似度的标准，对于一位评分者与一位被评分者；

3)利用二分图匹配方法对作业进行分配；

4)求解该二分图匹配的最优解，得出最佳的作业分配方案用于作业互评。

所述步骤2)计算相似度的步骤如下：

a)初始化i＝1，sum＝0，l＝0，i用于表示之后的步骤当中，当前正在处理第几个特征，sum用于记录步骤b)中计算生成的中间数值的和，便于步骤d)中的均值计算，l则表示实际有多少个特征参与了计算；

b)计算该值表示被评分者与评分者在第i个特征上的相对差别，F_s,i,F_g,i分别表示被评分者和评分者在第i个特征上的值，若评分者的特征数值F_g,i不为0，将计算的结果加到sum里，l的值加1，转步骤c)；若评分者的特征数值F_g,i为0，则直接转步骤c)；

c)若i等于lf，则进行步骤d)，否则令i的值加1，转步骤b)；

d)计算m＝sum/l，m即为评分者与被评分者在所有特征上的平均相对差别，将1-e^-m作为相似度。

所述步骤3)具体包括以下步骤：