基于物联网的ISIC—CDIO学习评价系统的设计与实现

胡海燕

摘 要 随着全球CDIO工程教育模式改革的全面开展，为更好的实现我国工程教育改革目标，根据我国现状，本文在CDIO的基础上创新性地提出了一种新型的ISIC-CDIO教学培养模式，构建了ISIC-CDIO学习评价层次模型，建立了量化与非量化相结合的评价体系，运用数据挖掘技术提取学生网络学习过程的关键信息，运用物联网技术采集学生日常学习有效行为，通过层次分析法来制定指标体系间的权重，减少人为因素，以加权平均法得到学生学习的综合评价结果，从而培养具有ISIC-CDIO素质的综合型工程人才。

关键词 物联网 ISIC-CDIO CDIO 教学评价 层次分析法

中图分类号：G40-057 文献标识码：A

0引言

在ISIC-CDIO教学培养体系中包含了课程培养体系、智能化教学体系、智能化实验体系和专家评价体系。本文重点介绍ISIC-CDIO教学评价体系的实现，并结合物联网技术，使此评价系统采集的数据更加能够真实反映学生的学习过程，真正实现了对学生学习状态的真实评价。

1 ISIC-CDIO培养模式

在CDIO的基础上，本文创新性地提出建立ISIC-CDIO培养模式：即Information、Skill、Innovative和Collaborate并与Conceive-Design-Implement-Operate进行有机结合的工程教育新模式。

ISIC-CDIO模式目的在于通过技能性、信息性、创新性、协作性能力培养，让学生获得社会所需的技术技能、职业技能和人际技能。ISIC-CDIO教学培养模式不仅注重学生专业知识和实践能力的培养，更关注他们的技能性、信息性、创新性和协作性，培养他们在现实工作中所需的各种技能，尤其是人际交往技能。让学生能够更快更好地融入社会，满足社会需要，成为21世纪的工程领导人。

2 构建ISIC-CDIO学习评价系统

2.1 评价指标体系的构建

本文结合吉林工商学院ISIC-CDIO智能化学习平台借助物联网技术对传统网络学习评价指标体系进行了改进，首次将相关资料的借阅、智能化学习设备的操作、操作性实验的完成、团队协作情况及设计作品等无法用传统方法采集到的能力环节引入评价指标体系，为评价学生的综合学习能力做基础。本指标体系符合学生学习的特点，科学、典型、可行性强，解决了现行的评价体系中评价指标过多，又难以实现及时评价的问题。

2.2采集评价信息

2.2.1运用数据挖掘技术采集学生网络学习行为

在网络学习过程中，运用Web数据挖掘技术进行学习学习信息的采集，借助服务器用户访问日志记录，对学生在网络教学平台中的学习行为进行挖掘和分析，通过对这些学习行为的分析、对收集到的评价信息进行处理，得到原始的评价数据，为下一步运用模糊理论与层次分析法进行最终的学习评价提供有力的数据支持。最终得出较为客观、全面的学习评价。

2.2.2运用物联网技术采集日常学习过程

首先，物联网的引入使得物理教学环境的每个物件都具有数字化、网络化、智能化特性，可以与虚拟学习环境进行无缝整合，可以即时地捕捉、采集学生学习动态并记录学生学习行为。其次，利用物联网采集更丰富的实验环节，即采集数字化、网络化与智能化的实验过程。最后利用物联网支持自主学习管理，即通过物联网可以采集学生的考勤、图书资料的借阅情况、使用教学资源等自主性学习过程信息。 因此，本文提出构建一个基于物联网获取学习过程综合信息的学习评价体系，从而对学生学习全过程做出全面高效的评价。

2.3学习评价模型

（1）学习评价指标。确定评价因素，设评价因素集合为U：则有U={u1，u2，……，un}：ui为各评价因素。

U={u1，u2}={量化评价，非量化评价}u1={u11，u12，u13，u14}，u2={u21，u22}

（2）利用层次分析法确定评价指标体系权重。建立判断矩阵群，构造评价体系各层次问指标重要性的比较判断矩阵，以便求出各指标的权重。将各层次问指标两两进行比较，以确定其等级。记aij（i，j=1，2，…，n）为I指标比J指标的重要性等级，按两两比较结果构成的判断矩阵A=（aij）n€譶。计算判断矩阵的最大特征值与特征向量。计算判断矩阵的最大特征值与特征向量最常用的方法是和积法和方根法，本文采用和积法，具体计算步骤如下：

第一步：将判断矩阵A的每一列元素作归一化处理，所得矩阵记为B：bij=aij

第二步：将经归一化处理后的判断矩阵按行相加，得到的矩阵记为C：cij=bij（i=1，2，…，n）

第三步：对矩阵C的各数进行归一化处理可计算出特征向量：wi=cj（i=1，2，…，n） W=[wi]

第四步：计算判断矩阵的最大特征根 max： max=

（3）对矩阵群逐个矩阵进行一致性检验。通常情况下，由实际得到的判断矩阵不一定是一致的，即不一定满足传递性。实际中，也不必要求一致性绝对成立，但要求大体上是一致的，即不一致的程度应在容许的范围内，主要考查指标有一致性指标（CI）、随机一致性指标（RI）、一致性比率指标（CR），当CR<0.1时，认为判断矩阵的一致性是可以接受的，则 max对应的特征向量可以作为排序时的权重向量。

3结论

基于物联网技术的ISIC-CDIO学习评价系统是一个量化和非量化相结合的评价过程，探讨实现了将物联网技术应用于评价信息的采集环节，是对常规评价数据采集的开拓和发展。从而培养具有ISIC-CDIO素质的综合型人才。

基金项目：吉林省社会科学基金项目 《基于大数据服务平台的创新创业型大学生培养研究》（2016B192）。