基于集群计算的高校艺术专业理论教学与实践模式

鲁小艳

关键词：集群计算;艺术学专业;教学实践;动态评估

中国艺术学专业的建设兴盛于20世纪末和21世纪初，高校竞相开设艺术学专业，办学规模不断扩大，迅速成为高等教育领域的重要新课题。但是，从近年就业情况来看，教学质量并不乐观。一方面，数字电影产业的发展每年约递增200萬，影视人才市场的需求远远不能满足。另一方面，相当数量的影视专业毕业生达不到就业单位的实践要求，找不到相对应的专业职位。因此，影视专业学生的就业差距较大，毕业生的就业率持续下降是不可否认的事实，高校培养学生的实践能力迫在眉睫。

高校只有积极对接下游用人单位的需求，及时更新艺术学科人才培养目方案，才能达到育人目标。优化艺术学人才培养计划的聚焦点应落在艺术学培养方案实践环节的效果上，学生是否能将课堂学习的理论知识熟练运用在实践操作中，毕业后无缝对接就业岗位。集群计算方法动态评估学生实践技能，全面评估教过效果的同时，搭建艺术学专业自具特色的教学实践平台。

一、基于动态评价的艺术学专业教学实践

动态优化教学评估技术结合了动态优化技术与动态二进制评估技术，可以作为一种独立的代码优化技术，也可以组合二进制评估系统进行使用。采取动态集群计算的方法对艺术学专业教学进行评价，可以有效地在应用程序运行时收集和分析程序的信息，并合理优化教学内容。需要强调的是，艺术学专业教学的动态评价应考虑正确性和有效性。

在移植不同平台二进制代码时，首先是要确保评估的正确性，使评估的代码等同于源代码。同时，需要通过优化高质量目标代码的生成来补偿教学评估带来的运行时间开销，因此动态优化成为动态二进制评估中必不可少的环节。具体内容如图1所示：

在艺术学专业教学评估过程中，如果跳转的目标地址为addressl，则以0表示;如果跳转的目的地址是地址2，则用1表示。采用上述编码方法，每条路径唯一对应一个代码字，如表1所示。

图2表明（B，D）与（C，D）之间仅存在一个跳转地址，因此无需对其进行编码就可以有效地缩短代码的长度。上文定义的编码方法仅用于条件跳转，并且码字的每个位都对应一个分支。如果这些分支由二叉树表示，则从根节点到叶节点的每条路径都对应于从循环入口到出口的路径，如图2所示。假设该路径的平均长度为k，则就是说，二叉树的高度是k，那么不同路径的数量大约是2k，它将随着路径的长度呈指数增长。当k大时，不可能为每个路径设置计数器以找到热路径。传统NET预测算法通过路径头信息来预测热路径，该算法可以减少长度，延迟预测，但是存在一些盲目性，制造了大量生成热路径额外的工作。

二、基于集群计算的艺术专业教学实践评估步骤

在集群计算的背景下，这里解释了评估艺术学教学实践的步骤，主要说明了该算法的具体应用。该算法被引入计算机，然后对教学指标进行排序和评估。在评估过程中，由于每个评估路径唯一地对应一个码字，因此初始评估索引可以定义为A，长度为k的路径如下：

也就是说，评估指标可以唯一地表示为基本示教模块和一系列0，1序列，其中0或1表示在循环入口和出口之间经历的基本示教模块。同样，教学评估指标的一部分可以定义如下：

它表示从循环中任何基本示教模块B开始的长度为1的路径。根据教学评估指标和教学模块的概念，定义两个教学评估指标的计算如下：

三、艺术学专业作品评价的具体算法

为了准确地制定教学指标，需要收集更详细的教学信息。传统的教法是分模块收集并通过计数器进行留存执行数据。这就要求收集的教学信息务必做到全面覆盖，尽可能的获取可能会成为热代码的教学模块相关信息。优化后的策略较好地控制了投入成本，只需要收集可能位于循环内部的基本示教模块的示教信息，使用二进制代码方法与教学指标作一对一比对，并为每个教学指标配置一个计数器。当教学指标出现落差，将示教指示符的最大长度设为L，可以有效地防止程序在执行序列时过长。

当一个教学指标的计数值远大于同一周期内其他教学指标的值时，称为绝对热教学指标，这类指标可直接优化处理。但在循环中有更多分支时，平均将实现两个或多个教学指标。这时，确定了相对热的教学指标，其基本教学模块是冷热的，在热代码中添加优化可减少不必要的开销。为此，有必要在相对热示教指标中确定热段。热门部分在教学指标中具有三个可能的位置。当热点位于教学索引的两端时，实现相对简单。当热区位于教学索引的中间时，实现会更加复杂。但是，由于这种情况相对于其他两种情况较低，因此将不考虑这种情况。在实际应用中，大多数热线段位于教学指示器的头部，并且最容易识别该热线段，这是主要考虑因素。为了找到热点，按照高位分别对与同一周期内两次执行次数最多的示教索引相对应的代码字进行排序，结果代码字中与0对应的段为候选热门片段。当候选热点与原始教学指标中的第一个基础教学模块相同时，可以确认为热点。

假设有p（A，7）=（A，0110010），p（A，6）=（A，011110）两个相对高频率教学指标，通过对齐高位置的结果是：0110010^011110=000111，因此将前三个基本教学模块的顺序确定为热点。由于热区的长度通常较短，因此将几个基本教学模块可以组合，命名为超级教学模块，由多个教学指标共享，具有一个入口和多个出口是其基本属性。如图3所示，箭头上的数字表示发生跳跃的次数。同时，由于A，B，D和F的频繁执行，进而组合为一个超级示教模块。试着将此套程序在超级教学模块中运行，则不会通过调度程序搜索下一个基本教学模块，从而减少了上下文切换次数。生成超级教学模块时，首先从第一个教学模块开始，然后插入下一个教学模块的代码。如果当前示教模块最终没有片段跳转，则删除该跳转指令，然后直接插入下一个示教模块的指令。否则，将保留失败的退出地址，并插入下一个示教模块的指令，直到所有热段上的基本示教模块合并为一个超级示教模块为止。

教学实践在高校教学培养方案中占有极大比重，尤其是根据艺术学独特的学科特性，实践教学环节可以有效培养学生创新意识，促进教学质量的高效发展，并在一定程度上检验教学成果的优劣，启发教师不断进行教学改革。基于此目的，这套教学算法主要用于教学评估，将机器评估结果与人工评估结果进行比较和分析，从而确保机器评估结果的准确性。同时根据实际评价指标，邀请三名学生对艺术学教学模式进行评价。规定学生给出的完整描述，并且所使用的词汇来得出最终结论。

表2规定了用于评估的特定数据，相比之下，可以看出，机器评估标识的指标众多，每个教学评估指标仅需要搭配一个代码字，极大地节省了存储空间，减少了更新计数器的频率，节约了成本的同时，也丝毫不会影响检测的准确性。

将教学评估指标划分出绝对与相对值，并各自界定概念及条件，规定基准测试的程序中必须包含有绝对与相对教学评估指标（见图4、图5）。结果清晰可见：基准测试程序中的条件与切换语句占比较重，绝对热教学评估指标的数量呈现度高，教学评估指标的评估相对统一。

在评价词的教学方面，采用了原研究所选择的三选二表决的方法进行对与错的判断。如果相应的手动注释参考集中的两个或更多实验者使用该词进行标记，则该词被确定为正确。分别计算上述两类中的单词选择准确度和平均单词选择准确度。在整个句子级别，如果测试指令索引中测试短语的所有五个类别中的单词都是正确的，则确定该句子是正确的。相反，只要单词有错误，就判定该句子是错误的。横坐标表示预测延迟，它是达到阈值之前热路径执行总数的百分比。定义命中率时已考虑了预测延迟。从结果可以看出，大多数程序的最高命中率都是在大约10%的预测延迟下获得的。由此可见，优化路径预测算法在提高预测精度和减少系统开销方面表现出极大可行性。

总而言之，通过以上分析，该算法可以评价艺术专业的理论教学。可以知道，在对所选学校进行评估和实践研究之后，当前的学校也需要多样化其教学策略。这不仅是优化教学模式的一种方式，而且是学生的兴趣所在。

四、结论

当前，中国艺术产业的发展已经到了全面升级的历史时刻。该行业的长期发展及其持续繁荣离不开众多专业人士的加入。但是，目前的现实是，该行业的从业者人数众多，但综合素质和专业技能高的人才供应严重不足。在此基础上，研究基于集群计算的影视文学专业高校理论教学与实践相结合，主要构建了动态的教学评价模型。首先闡述了研究背景和意义，提出了一种基于动态评价的教学评价算法，优化了算法。阐述了艺术专业教学评价的具体步骤，并进行了教学评价。从实验中可以看出，该算法可以起到很好的评价作用。艺术学专业在教学过程中应遵循艺术专业的特点和规律，充分调动学生的积极性，牢牢把握自己的优势，抓住发展机遇，以找到满足当地高校实际需求的人才培养模式。