基于Hadoop平台的大学多媒体教学管理研究

王雪芹

摘  要： 伴随教学方式的改革，高校教学资源逐渐增多，有效管理教学资源是目前各大高校关注的核心问题。为此，设计与实现一种基于Hadoop平台的大学多媒体教学管理系统。教师、学生等用户在系统用户层输入身份信息登录系统便可进入业务逻辑层，用户在系统业务逻辑层点击自己所需程序，查询教学资源，业务逻辑层将用户指令传输至系统数据层，数据层应用基于粒子群的教学资源推荐算法，获取与用户查询内容最相符的教学资源提供给用户，实现大学教学资源的有效管理。将该系统应用于某大学会计专业多媒体教学教室后，学生与教师对该系统应用效果较为满意，系统可按照学生不同需求将不同阶段会计课程推荐给学生，且该系统吞吐量不受教学程序数量变化所干扰，教学资源管理效果较好。

关键词： Hadoop平台; 大学教学资源; 多媒体教学管理系统; 粒子群; 教学资源推荐; 系统吞吐量

中图分类号： TN99?34; TP181                     文献标识码： A                     文章编号： 1004?373X（2020）09?0175?04

Research on university multimedia teaching management based on Hadoop platform

WANG Xueqin

（Huanghe Science and Technology University， Zhengzhou 450000， China）

Abstract： With the reform of teaching methods， university teaching resources increase gradually. The effective management of the teaching resources is an essential question that all the universities focus on at present. For this purpose， a multimedia teaching management system based on Hadoop platform is designed and implemented. Teachers and students input the identity information in the user layer and login the system to enter the business logic layer. They click the procedures required to query the teaching resources in the business logic layer. Then user instructions in the business logic layer is transmitted to the data layer. In the data layer， the teaching resource recommendation algorithm based on the particle swarm optimization is used to obtain the teaching resources that are most consistent with the user′s query content， and provide them to the user to achieve an effective management of university teaching resources. After applying the system to the multimedia teaching classroom of the accounting major of a university， the students and teachers are satisfied with the effect of the system. The system can recommend accounting courses at different stages to students as their needs. Moreover， its throughput is not interfered by the change of the number of teaching programs. Therefore， the effect of teaching resource management is good.

Keywords： Hadoop platform; university teaching resource; multimedia teaching management system; particle swarm; teaching resource recommendation; system throughput

0  引  言

傳统课堂教学大多是教师使用板书讲解课堂内容，伴随时代进步，板书教学不能符合教学要求。自国家颁布高校信息化建设理念开始，多姿多彩、各式各样的多媒体教学逐渐变成高校信息化建设的核心构成部分[1]，其采用多媒体设备与制作方法，将文字、图像、视频与声音等要素实现有机融合，优化以往教学模式，大大提升了学生的学习积极性，教学质量得以优化。基于高校信息化建设影响下，大学多媒体教学逐渐成为我国各大高校重点关注的教学方式。Hadoop为Apache基金会研发的分布式系统基础架构，通过集群功能完成数据高速运转和保存[2]。分布式文件系统（Hadoop Distributed File System，HDFS）具备高容错性，在低成本硬件中可实现高吞吐量数据运转，适用于具有海量数据集的应用程序[3]。教学资源可看成是一个超大数据集，本文围绕大学多媒体教学管理问题深入研究，设计了一种基于Hadoop平台的大学多媒体教学管理系统，有效管理和推荐教学资源。

1  基于Hadoop平台的大学多媒体教学管理系统

1.1  系统整体架构设计

基于Hadoop平台的大学多媒体教学管理系统分为用户层、业务逻辑层以及数据层。教学资源应用者（学生）、教学资源管理者（教师）以及系统管理者在用户层登录系统进入业务逻辑层，在业务逻辑层点击自己所需程序查询教学资源，业务逻辑层将用户指令传输至数据层，数据层应用基于粒子群的教学资源推荐算法，获取与用户查询内容最相符的教学资源并提供给用户，实现大学教学资源有效管理。系统管理者可管理用户上传的教学资源，可实时分析整理平台日志，让教学资源应用者与教学资源管理者高效应用教学资源[4?5]。基于Hadoop平台的大学多媒体教学管理系统整体架构如图1所示。

此系统的宗旨是构建一个良好的教学资源环境，促进教师和学生的沟通[6]。

1） 用戶层。用户层属于系统窗口，用户在此层进入系统。为方便不同身份用户登录系统，把用户界面分成三类：教学资源管理者界面、教学资源应用者界面与系统管理者界面。教学资源管理者与教学资源应用者通过便捷电脑应用该系统，系统管理者通过主机实现自己管理权限。教学资源管理者与教学资源应用者属于普通用户，系统管理者属于管理用户。按照用户登入系统时输入的用户名称，登录与自己身份相符的界面，实现“量身定制”类用户服务[7]。用户输入个人信息登录时，系统使用ASP.NET Windows身份验证[8]。用户层中普通用户用例图如图2所示。

图2中，普通用户在系统用户层注册登录后，进入系统得到自己所需的教学资源，并且将自己的资源分享给其他用户。系统中的教学资源持续更新，用户收藏自己感兴趣的教学资源，如果此类资源更新便会自动提醒用户。用户下载教学资源后可评价此资源，系统会按照评分完成教学资源排序[9]。其他用户按照教学资源评价判定某资源与自己需求的契合度，资源评价功能可提高用户查询资源、应用资源的效率。

2） 业务逻辑层。业务逻辑层可简单理解为教学资源选取的“中介”。例如，教学视频播放、教学资源查询、教学课件复习。以教学资源查询为例，当用户在用户层登录系统后，在业务逻辑层查询自己所需资源，业务逻辑层便会将用户查询指令传输至数据层。业务逻辑层中核心技术为HDFS。HDFS降低了（relax）POSIX要求，按照流的形式访问数据层中全部教育数据[10]。

3） 数据层。数据层是系统的“资源保存箱”，保存大量基础教学数据 [11?12]。系统数据库数据表中包含所有高校教学资源，该数据库通过study命名，数据库里配有用户信息表、资源信息表以及公告信息表。每种数据表均对应系统不同功能。数据层通过基于粒子群的教学资源推荐算法，获取与用户查询内容最相符的教学资源并提供给用户，实现教学资源高效管理。

用户信息表中具有普通用户个人资料，保存大量应用系统学习资源的用户个人资料[13]。用户信息表结构见表1。

资源信息表属于系统核心构成部分，资源信息表中具有教学资源称谓、内容、上传日期、用户班级、专业和来源等数据，可提供用户浏览资源、查询资源以及系统管理员管理资源一系列应用[14]。资源信息表结构见表2。

公告信息表用于存储系统发布公告的所有信息，结构见表3。

1.2  基于粒子群的教学资源推荐算法

1） 初始化粒子群

将数据层中一系列教学资源集合设成一个粒子，则该粒子用矢量[A=y1k，y2k，…，yMk]描述，为提升算法计算效率，初始化粒子时，摒弃以往随机方法，重点分析用户对系统应用时间上下限，则：

[B-Hkmaxi=1～Mbi≤i=1Myik≤B-Vkmini=1～Mbi，    ?k=1，2，…，k] （1）

式中：[B-Hk]表示用户在应用某类教学资源时预计应用时间下限;[B-Vk]表示用户在应用某类教学资源时预计应用时间上限;[b]表示时间向量;[k]表示量词。

不同用户使用系统检索教育信息时，系统推荐的教学资源数量存在差异性，以此去除某些不重要的粒子，加快算法速度[15]。

2） 使用函数[min gx=i=14?igi]完成粒子适应度运算，其中，[?i]表示权值，概念差异函数设成[g]。

3） 判断粒子最优解和种群最优解所处方位。

假定[qbestj]描述粒子[j]在当前为止获取的最优解位置，[fbestj]描述种群在当前位置最优解。把式（2）中运算的粒子适应度与[qbestj]作对比，若比此粒子[qbestj]好，那么更新[qbestj];把粒子适应度与[fbestj]作对比，若更好，则更新[fbestj]。粒子更新速度运算方法如下：

[ujde=ujde-1+d1randqbestj-yjde-1+d2randfbestj-yjde-1] （2）

式中：粒子[j]在第[e]代维度[d]中的速度设成[ujde];[d1]与[d2]均表示加速常量，值为2;rand表示随机数;[yjde-1]代表粒子[j]在[e-1]代维度[d]中的位置。

因为本文分析粒子速度是用于描述教学资源是否可推荐给用户，判断[ujde]值是0还是1，若值为1，则表示该组教学资源符合用户需求，可推荐给用户，若值为0，代表该组教学资源不符合用户需求。通过Sigmoid 函数对其进行修正，则：

[rujde=11+o-ujd] （3）

式中：[o-ujd]表示修正因子;[rujde]表示修正后粒子更新速度。

4） 返回步骤2），反复操作，直至获取最大迭代次数或者符合停止条件。

5） 输出与用户查询内容最相符的教学资源。

2  大学多媒体教学系统的性能测试

2.1  教学资源推荐测试

为测试本文系统教学资源推荐功能的有效性，将本文系统应用到某大学会计专业多媒体教学中，以学生身份实现会计课程查询，本文系统查询课程的界面图如图3所示。

本文系统课程推荐界面图如图4所示。

分析图3与图4可知，本文系统查询课程的界面图设计框架清晰，且按照学生不同需求，检索不同阶段会计课程推荐给学生，每个课程下方都显示在线学习人数，由此可证本文系统教学资源推荐功能较优。

2.2  系统教学应用效果测试

为测试本文系统应用效果，对使用本文系统一年后的学生与教师进行问卷调查，使用李克特量表对各项实行计分统计，计分等级为1～5，越接近于5分则表示学生和教师越满意，获取的平均分结果如图5所示。

根据图5反馈结果可知，该校学生与教师对本文系统应用效果评价的平均分均大于4.5分，认为本文系统有利于复习，教学资源难度合适，教学资源符合学习目标，教学资源对学习有帮助，且教学资源推荐方式合适，说明该校学生与教师对本文系统应用效果较为满意，本文系统应用效果较好。

2.3  系统吞吐量测试

系统吞吐量较大，代表本文系统在单位时间中实现的用户或系统请求较多，系统教学资源得到充分应用。

为了测试本文系统吞吐量，对比理想吞吐量和本文系统吞吐量。假设本文系统中教学资源属于饱和数据流，那么系统中各个教学程序均存在需传输教学数据。系统吞吐量测试中需要应用的参数见表4。

当教学数据帧载荷是241 bit与151 bit时，测试本文系统吞吐量和教学程序数量间关系，测试结果如图6所示。

由图6可知：当教学数据帧载荷是241 bit与151 bit时，本文系统吞吐量与理想吞吐量变化几乎一致，且本文系统吞吐量没有伴随教学程序数量变化而增多或减少，而以简谐振动的变化趋势交替变化，最终收敛至稳定值。

3  结  论

伴随着计算机技术快速发展，高校教学形式也逐渐出现改革，使用计算机、多媒体等辅助工具教学已成为现在各大高校主流的教学方式。使用计算机、多媒体教学不仅提高了教学效率，也提升了学生学习兴趣，但也存在一定弊端，比如课件数据量较大，以往多媒体教学管理系统吞吐量较低，数据传输性能较差，导致系统应用存在局限。Hadoop平台采用分布式处理系统保存数据，并且对数据存在较高吞吐量，本文设计一种基于Hadoop平台的大学多媒体教学管理系统，经验证，本文系统可向用户推荐满足用户需求的会计课程，且在教学数据帧载荷为151 bit与241 bit时，本文系统吞吐量与理想吞吐量变化几乎一致，应用价值极高。

参考文献

[1] 郑亚娟.“互联网+”高职教育实践教学模式改革与探索[J].成人教育，2018（2）：78?81.

[2] 夏靖波，韦泽鲲，付凯，等.云计算中Hadoop技术研究与应用综述[J].计算机科学，2016，43（11）：6?11.

[3] 覃伟荣.Hadoop中改进的共享式存储设备设计[J].计算机工程与设计，2018，39（5）：1319?1325.

[4] 何明，常盟盟，刘郭洋，等.基于SQL?on?Hadoop查询引擎的日志挖掘及其应用[J].智能系统学报，2017，12（5）：717?728.

[5] 蒙杰，杨生举，赵昕晖，等.基于Hadoop的海量科技信息资源管理系统设计与实现[J].科技管理研究，2017，37（13）：181?186.

[6] 刘彤，张阳，孙琦，等.基于Hadoop的可视化Deep Web采集平台设计[J].计算机工程与科学，2016，38（2）：217?223.

[7] 毛刚，张秀娥，李贺.生态学视角下的图书馆用户需求管理：理念与模式[J].现代情报，2016，36（7）：18?23.

[8] 张萌，刘秋红，宫继兵.基于混沌映射和模糊提取器的身份验证方案[J].计算机工程与设计，2018，39（12）：3655?3660.

[9] 周鹏，李环，刘佩文，等.基于大数据的教育云服务绩效评价研究[J].中国电化教育，2018（6）：22?28.

[10] 郭建华，杨洪斌，陈圣波.基于HDFS的海量视频数据重分布算法[J].计算机科学，2016，43（z1）：480?484.

[11] 张新兴.高校科学数据管理研究综述[J].情报资料工作，2016，37（6）：48?54.

[12] 吴南中，黄治虎，曾靓，等.大数据视角下“互联网+教育”生态观及其建构[J].中国电化教育，2018（10）：27?35.

[13] 金瑜，蔡超，何亨.支持用户追溯和轻量的共享云数据审计方案[J].计算机应用，2017，37（12）：3417?3422.

[14] 朱彦华，刘冬宁.资源受限约束下网络信息共享路径研究[J].中国电子科学研究院学报，2018，13（5）：59?62.

[15] 胡小光，张太华，杨静，等.基于改进粒子群算法的知识主动推送模型[J].组合机床与自动化加工技術，2018（6）：23?26.