基于ASP.NET的学生素质评价管理系统设计

2020-07-29王东新曲建晶

微型电脑应用 2020年7期

王东新　曲建晶

摘要：为了科学、全面、真实的反映和考察学生的综合素质，提出基于ASP.NET的学生综合素质评价管理系统。利用ASP.NET技术和K-Means算法进行学生综合素质评价数据的聚类分析，通过对评价指标的制定、权重集的构造以及评价系统各个功能的搭建，可实现学生综合素质的可视化显示。测试表明，可有效助力学生个人全面发展，帮助学校改善教学方案，为高质量人才培养提供参考依据。

关键词： ASP.NET; K-Means; 学生综合素质评价; 聚类分析

中图分类号： TP 311文献标志码： A

Design of Student Quality Evaluation Management System Based on ASP.NET

WANG Dongxin1， QU Jianjing2

（1. School of Aeronautical Manufacturing Engineering， Xi'an Aeronautical Polytechnic Institute， Xian， Shanxi 710089， China;

2. School of Economics and Management， Xidian University， Xian， Shanxi 710126， China）

Abstract： In order to examine quality of students scientifically， comprehensively and truly， this paper proposes a comprehensive quality evaluation management system based on ASP.NET. This paper uses ASP.NET technology and K-means algorithm to cluster the students' comprehensive quality evaluation data. Through the formulation of evaluation indicators， the construction of weight sets， and the construction of various functions of the evaluation system， the visual display of students' comprehensive quality can be realized. Tests show that it can effectively help students to develop in an all-round way， help schools improve their teaching programs， and provide a reference for high-quality personnel training.

Key words： ASP.NET; K-means; student comprehensive quality evaluation; cluster analysis

0 引言

隨着我国经济、科技的高速增长，人才已经成为我国各行各业急需的重要资源[1-2]。教育作为国家发展、民族富强的基础性工作，是人才培养关键的土壤。自1980年以来，国家逐步推进学校教育的改革，考试成绩不再是评判学生的唯一标准，综合素质评价成为社会关注的热点之一[3-7]。

由于传统的教育评价过于重视学生考试成绩的作用，致使学校和家长忽视了学生非智力因素在个人成长中的作用。现阶段，大多数高校依据《普通高等学校学生管理规定》和《高等学校学生行为准则》来制定符合该校实际情况的学生综合素质评判标准。众多学校将学生素质考察项目分为德、智、体和美这4个方面，并按照一定的比例计算总分，作为学生素质的评判依据。虽然该种评价方式在某种程度上起到了一定的作用，但其指标数量和各指标权重的设置不够科学。此外，随着学生数量的增加，传统的评价方式费时费力，通常容易出现统计错误等弊端，不能保证测评结果的公平、公正和科学客观[8-10]。

本文利用ASP.NET技术和K-Means算法进行学生综合素质评价数据的聚类分析[11-16]，探究了基于ASP.NET的学生综合素质评价管理系统。通过对评价指标的制定、权重集的构造以及评价系统各个功能的搭建，可实现学生综合素质的可视化显示。

1 基于ASP.NET的学生综合素质评价管理系统

本文采用ASP.NET技术和K-Means算法进行学生综合素质评价数据的聚类分析，搭建了基于ASP.NET的学生综合素质评价管理系统来评价学生多维度的综合素质。该系统包括“系统平台搭建”和“学生综合素质评价模型”两个部分，如图1所示。

“系统平台搭建”主要涉及系统需求分析、系统结构设计、系统数据库设计、和系统安全性设计等;“学生综合素质评价模型”主要包括评价指标的确定、评价指标权重的配置、评价模型算法的构建等。

1.1 系统需求分析

根据学生综合素质评价系统的总体设计思想，为了全面考核学生的综合素质，本文提出的系统评定方式为：学院、班长和学生共同参与的方式，如图2所示。

（1）辅导员

辅导员作为学院工作人员，具有评价指标管理、指标权重管理、评价数据管理、综合素质计算、综合素质查看、聚类分析和评价结果导出这7个功能权限。其中，评价指标管理是指根据高校的人才培养实际情况和社会、企业对人才培养的要求，辅导员可对具体的评价指标进行增加、删减及修改等操作;指标权重管理是通过层次分析法来计算各级指标的权重值，以实现不同的素质维度差异化对待。辅导员可根据政策的改变对各级指标的权重值进行修改;评价数据管理是对学生综合素质评价指标的相关数据进行数值化管理，即可以导入、增加、修改、删除数据;综合素质计算模块是通过既定的综合素质计算公式和各个评价指标的权重值，代入具体指标数据进行计算;综合素质查看模块是将计算得到的评价结果在网页上相应位置进行显示，方便各个用户依据不同筛选条件进行查询显示;聚类分析模块是运用设计好的学生综合素质聚类算法，对各个学生的评价结果进行挖掘，得出有益于学生个人发展和学校教育管理的信息;评价结果导出，则是实现导出和打印等操作。

（2）班长

班长作为各个班级的事务管理人员，具有审核评价材料、查看和导出评价结果的权限。审核评价材料是将学生上传的评价材料，按照学校相关规定进行材料有效性的审核;查看和导出评价结果是指用户可以查看自身的评价数据，包括各指标数据是否正常、总体评价数据、所占专业、年级的排名以及自身所处的素质水平等信息，并将相关信息以PDF文件格式导出。

（3）学生

学生作为此系统的主要服务对象，具有上传评价材料、查看和导出评价结果的权限。上传评价材料是依据学校制定的相关规定，将自己参加各类竞赛、比赛、活动的获奖证书或者荣誉证明等材料的电子版上传到系统中，方便班长与辅导员审核;查看和导出评价结果，与班长的权限定义相同。

1.2 系统结构设计

本文提出的学生综合素质评价系统，基于ASP.NET平台、采用了浏览器和服务器结构。ASP.NET平台具有Web应用程序开发的优势，包含了身份验证、状态管理、调试和部署等。本文采用了ASP.NET平台中的MVC设计模式，以便降低系统的业务层和页面的耦合度。ASP.NET平台的优势主要体现在：

（1）数据绑定技术可使数据库中的信息与控件绑定，可灵活适用于各类数据库;

（2）代码隐藏技术可使表现层代码和逻辑层代码隔离，将数据库逻辑代码全部保存在单独的文件夹内，使得程序维护更简单;

（3） ASP.NET平台的分层可大大提高软件应用开发的效率。

浏览器和服务器结构，（Browser / Server）简称B/S结构。在B/S结构中，最主要的功能逻辑均在Server中实现，其他部分由Browser实现，如图3所示。

通过B/S结构，在高性能服务器端运行后台总控制程序，在用户端运行ASP.NET程序。

1.3 数据库设计

學生综合素质评价系统由于涉及到的用户较多，且评价指标涉及了多个维度。因此，决定了系统要求数据量较大的运行环境。这使得数据库的设计要兼顾容量大、兼容数据类型多的特点，具体如下：

（1）兼容多种数据类型

由于统计数据涉及多种性质的数据，比如字符、时间和数字等。因此，系统数据库的设计要支持多种数据类型。

（2）具有较大的容量

系统的数据包括各类登入角色的身份信息、各项评价指标的内容、各项评价指标的数据等，不仅数据类型多且数据量也较大。因此，系统数据库设计必须有足够的空间。

（3）数据访问权限的限定

本文提出的学生综合素质评价系统涉及学生、班长、辅导员等多个角色，各个角色的功能和职责不尽相同。所以，制定严格的用户权限对系统安全极为重要。

基于上述数据类型及特点，本文以SQL Server为数据库服务器来实现学生素质评价管理系统的数据储存。

2 学生综合素质评价指标

2.1 评价指标设置原则

本文根据大学高校的实际情况以及社会与用人单位对大学生素质的侧重点，制订了指标体系的要素集和权重集。大学生综合素质评价体系作为高校评价学生素质能力的标准，其构建要遵循一定的原则，如图4所示。

2.2 评价指标的设置

学生综合素质评价指标体系分为5个一级指标：思想道德、专业知识、身心素质、人文素质和创新实践素质。其中，思想道德素质的二级指标包括政治观念、集体观念、法制观念、诚实守信和劳动卫生这5个要素;专业知识素质的二级指标包括基础课成绩、专业课成绩、选修课成绩和专业认证情况4个要素;身心素质的二级指标包括体能达标状况、体育竞赛成绩和心理测试情况3个要素;人文素质的二级指标包括文化常识、文艺活动表现和兴趣爱好3个要素;创新实践素质的二级指标包括学术研究能力、科技创新能力、社团工作能力及社会实践能力4个要素。

2.3 评价指标权重值设置

为了构建科学、准确的评价系统，本文主要采用了层次分析法来确定各个指标的权重值。并通过与多位专家的沟通进行配置计算，得到平均值来作为各个指标的权重值。本文采用层次分析法确定大学生综合素质评价体系各指标的权重，操作步骤如下：

（1）构建素质评价体系的层次结构：依据各个要素之间的关联性，将问题分成不同的层次。用最高处、中间层和最底层分别代表总目标、决策要考虑的因素及具体准则、供决策参考的方案和措施。

（2）权重配置咨询表的制定：在咨询表中依次将排列同级指标，并进行比较。

（3）制作标度方法表：在进行两个指标的比较时，为了量化比较的程度，使用1～9标度来刻画重要性。

（4）判断矩阵的构建：利用第3步标度方法表对待比较的指标逐个进行重要性比较。然后，将比较所得的结果填写到权重配置咨询表中，构建出判断矩阵。

（5）计算权重系数：求解上一步的判断矩阵的最大特征值和相应的特征向量。

（6）一致性检验：使用一致性比率C.R来进行一致性检验。

3 学生综合素质评价聚类算法

本文采用K-Means算法进行学生综合素质评价数据的聚类分析。K-Means算法又被称K-均值算法，是一种聚类算法，根据相似性原则，将具有较高相似度的对象归类为同一类簇。假设需要将数据归类为k类，所属类别为ti，每个类别的中心为wi，则函数如式（1）。

当Tnk在数据点j被归类为ti时，函数值为1，否则为0。通过迭代运算的方式使得J最小化，具体步骤如下：

（1）确定数据的聚类个数k，再在数据中随机选取k个对象作为聚类的初始中心。

（2）依据各个数据到中心数据的距离，将所有数据进行归类，到中心点距离最短的归为一类。

（3）判断是否满足收敛条件。若不满足，依据距离的长短，更新中心点。

（4）重新计算数据对象到新的中心点的距离，按照（2）的原则更新划分。

（5）重复（3）和（4），直至满足收敛条件，聚类结果稳定。

当k的取值为5～10时，柱状图的增幅比较缓慢，变化不明显。由此可认为，k值合适的取值应小于6。当k值取4时，柱形图的增幅变化明显，但小于k值取1～3时的增幅。因此，k的取值可以选定为4，如图5所示。

4 实际验证

为了验证上述系统方案的可行性，本实验数据来源于某学院的4个年级所有学生的各项指标数据。根据上文确定的各指标权重表，运用并行化的K-Means算法进行了聚类分析。

当用户登录后，系统会依據用户的权限自动列出该用户的功能列表，如图6所示。

点击左侧的选项，即可进入相应的模块，进行权限对应的各项操作。

分别展示了学生综合评价查看界面和学生综合素质评价聚类结果，学生可以查看各自当前的各项素质发展状况。该系统使用列表和雷达图的形式显示其各项指标得分与班级平均分、专业平均分及年级平均分的对比情况，如图7所示。

表明本系统具有一定的准确性，可以灵活制定学生综合素质评价指标，真实反映学生当前综合素质各个维度的发展状况以及与所在的班级、年级的对比情况，并具有一定的精度，如图8所示。

5 结束语

本文利用ASP.NET技术和K-Means算法进行学生综合素质评价数据的聚类分析，探究了基于ASP.NET的学生综合素质评价管理系统。从测试结果可以看出，该系统可以全面、科学、真实地反映出学生综合素质各个维度的发展状况。并可有效助力学生个人全面发展，帮助学校改善教学方案，为高质量人才培养提供参考依据。

参考文献

[1] 张阳.高校大学生综合素质评价体系的优化——基于提升学生素质视角[J].江西科技师范大学学报，2014，2（2）：89-93.

[2] 魏茵.基于模糊综合评判的大学生综合素质测评系统的设计与实现[D].西安：西安建筑科技大学，2015.

[3] 石磊.基于 ASP.NET 的大学生体质测试查询系统的设计与实现[J].电子制作，2017（12）：50-51.

[4] 颜韵.基于B/S模式的单独招生在线考试系统设计与实现[D].成都：电子科技大学，2013.

[5] 李瑞江.基于ASP.NET的学生综合素质评价管理系统的设计与实现[J].电子设计工程，2014，22（9）：48-50.

[6] 鲍倩.基于Java语言的学生成绩管理系统设计与实现[J].电子科技，2013， 26（9）：155-156.

[7] 李霞，李荣国.基于ASP.NET和ADO.NET技术交互式教学辅助网站的设计与实现[J].网络与信息，2010 （7）：23-24.

[8] 廖红强，邱勇，杨侠，等.对应用层次分析法确定权重系数的探讨[J].机械工程师，2012（6）：22-25.

[9] 常茜茜，张月琴.一种基于划分的混合数据聚类算法[J].计算机应用与软件， 2014，31（6）：154-157.

[10] 张天宇，谌志群，黄孝喜，等.基于改进CFSFDP算法的电信投诉文本聚类方法[J].电子科技，2017，30（10）：93-96.

[11] 沈泽刚，钟德春.粗糙集理论在学生综合评价中的应用研究[J].电子设计工程，2012，20（8）：52-54.