基于微信小程序的会计职称考试培训系统设计

王素珍

(延安职业技术学院, 经济管理系， 陕西，延安 716000)

0 引言

在移动互联网时代中基于移动学习和移动终端的平台已经成为重要的手段和方法[1]。市场为了适应新时代用户获取知识的需求需要开发面向不同群体、具有多种不同功能的移动网络学习平台[2]。国内有学者提出了一些设计方法。楚巍等[3]提出基于德尔菲法的会计职称考试培训系统设计方法，该方法通过德尔菲法对培训体系框架中存在的相关要素进行分析，根据分析结果建立系统正常运行的体系、保障体系、数据管理体系以及题库制度体系，完成会计职称考试培训系统的设计，该方法在组卷过程中没有考虑试卷的曝光率和试卷结构约束，导致试卷的信度和效度较低。杨利等[4]提出基于云计算的会计职称考试培训系统设计方法，该方法通过云计算技术设计会计职称考试培训系统的架构，通过教学资源共享和培训资源调配完成会计职称考试培训系统的设计，该方法在组卷过程中未将知识点覆盖率作为约束条件，导致试卷的知识点覆盖率较低。

为了解决上述方法中存在的问题，提出基于微信小程序的会计职称考试培训系统设计方法。按功能模块将系统按层次划分，设计了系统的硬件部分；根据会计职称考试试卷的特点，以试卷结构、知识点、难度为约束条件，利用加权离差模型实现了组卷多约束条件下的建模，利用遗传算法对模型进行求解，实现了约束条件下的最优解。为会计职称考试培训中应用提供了一定参考价值。

1 系统设计

1.1 系统总体设计

采用三层架构对微信小程序结构进行设计，自上而下分别为数据服务层、业务逻辑层和表示层，每层的任务都不相同，划分系统中存在的任务，可以降低会计职称考试培训系统的耦合性。设计的微信小程序结构如图1所示。

图1 程序总体结构

表示层的主要作用是接收、处理并展示用户输入的数据，包括系统的交互效果和UI界面，属于直接将数据呈现给用户的界面[5-6]。针对会计职称考试的特点，将交互页面设计为类似试卷排版的界面。

业务逻辑层在微信小程序架构中属于核心，具有桥梁作用，连接着数据服务层与表示层，其主要目的是传输数据和处理业务逻辑[7-8]。业务逻辑层分为移动端在线学习平台和Web端管理系统2个部分，移动端在线学习平台会接收移动设备传输的如会计职称考试题库联系模块等用户操作，业务逻辑层收到请求信息后，为了获取数据库中存在的会计职称考试题库数据，向服务端发起请求，接收到响应后业务逻辑层处理数据，并向表示层中传输处理后的数据进行展示[9]。Web端管理系统接收浏览器传递的如会计职称考试题库上传模块等用户操作，接收到请求后业务逻辑层执行对应的业务逻辑，用二进制的格式对上传的题库文件进行解析和存储，并向数据服务层传输解析后的数据。

数据服务层负责数据库的访问，在会计职称考试培训系统中由服务端实现数据服务层，提供题库文件的解析、存储和传输等服务。在微信小程序结构中可以实现数据库与客户端的交互，在数据库中提供存取接口服务，在RESTful API规范的基础上设计接口，有助于系统实现缓存机制，提高系统的规范性、合理性[10]。

数据存储包括云存储、MongoDB数据库和文件存储3个部分。会计职称考试培训系统中的云存储服务的主要任务是保存教师上传到系统中的会计职称考试培训视频文件，为了实现移动设备的访问提供了视频资源接口；视频数据、用户数据、缓存数据、考试信息和题库信息等数据都存储在MongoDB数据库中；文件存储的主要目的是在Web端管理系统中存储教师上传的题库文件，方便服务端解析文件[11]。

1.2 系统功能设计

按照功能模块会计职称考试培训系统可以分为移动端在线学习平台和Web端管理系统，系统总体功能图如图2所示。

图2 系统总体功能图

2 系统组卷算法

根据组卷基本原则，从试卷结构、知识点和难度3个方面约束组卷问题。

设S代表抽取试题组中属性指标b构成的矩阵，其表达式为

(1)

矩阵中的每一列描述试题对应的属性，矩阵中的每一行都描述试题对应的属性值[12]。

(1) 难度约束，教师在组卷前设定试卷的难度值：

(2)

式中，PSt代表试卷中第t个难度等级试题设定的难度值，其中难度参数C1i的计算式如下：

(3)

(2) 知识点分数约束

设I1、I2分别代表重点知识点和次重点知识点构成的集合，[L1,U1]、[L2,U2]分别代表集合I1、I2的设定试题总分数范围：

(4)

知识点分数约束定义了重点知识点和次重点知识点在试卷中的分数应该符合的要求，由教师设定集合I1、I2以及范围[L1,U1]、[L2,U2][13]。

(3) 知识点覆盖面约束：

(5)

式中，R代表知识点覆盖率，R的最大值为1，参数r的值通常大于80%,Sbd代表试题组中已经存在的知识点数量,Shd代表试卷应该包含的知识点数量。当一个题目出现多个知识点，或一个知识点出现在多个题目中，始终以知识点为中心进行计算，重复出现算一次。

(4) 试卷结构约束

设K代表由教师制定的试卷总分，其计算式如下：

(6)

设Qt代表第t个题型在试卷中的分数，其计算式如下：

(7)

(5) 曝光率约束

bi5≤n,i=1,2,…,m

(8)

组卷问题属于多重约束目标优化问题，通过加权离差模型完成组卷问题建模：

(9)

式中，Lj、Uj分别描述j个约束条件的取值上限和取值下限,aij为在不同约束条件j下试题的取值。

用目标函数描述组卷问题：

f(X)=w1×d1+w2×(dL1+dU1+dL2+dU2)+w3×d3

(10)

式中，X代表抽取的试题构成的组合,w1、w2、w3分别代表约束条件在组卷目标函数中对应的权重,d1、dL1、dU1、dL2、dU2、d3分别代表在不同约束条件下对应的离差。

组卷中试题的构成还需要对不同试题和知识点的权重及分数比重等进行计算求解，并寻求最优化的解。但由于会计职称考试的知识点较多且复杂，面对海量试题组卷寻优具有较高的难度。采用遗传算法求解组卷目标函数。利用遗传算法将最优化问题转换为求解目标函数的最优解问题，借助遗传算法求解的连续性，可以较好地对全局试题进行验算，得到最优组卷解，完成会计职称考试的组卷，具体流程如图3所示。

3 实验与分析

为了验证设计方法的整体有效性，对设计方法进行测试。实验环境如下。辅助工具：Robo3T、Postman2；操作系统：Microsoft Windows 7/8/10、Mac OS；数据库：MongoDB；编程语言：HTML5、CSS3、JavaScript。实验采用2015年—2020年的中级会计职称考试真题作为数据集进行测试。

图3 函数求解流程

分别采用设计方法(方法1)、文献[3]方法(方法2)和文献[4]方法(方法3)通过试卷的信度和效度对系统的整体有效性进行测试，其计算式分别如下：

(11)

(12)

测试结果分别如图4、图5所示。

图4 试卷信度测试结果

图5 试卷效度测试结果

由图4可知，方法1的信度最高，平均为87，而方法2和方法3的信度平均为59和36.2。由图5可知，方法1的效度最高，平均为86.4，而方法2和方法3的效度平均为57和41。方法1系统中的试卷信度和效度远远高于方法2和方法3中的试卷信度和效度。因为方法1在系统中组卷时，对试卷的曝光率和试卷结构约束进行了考虑，提高了试卷的信度和效度。

采用方法1、方法2和方法3进行组卷测试，试卷的题量和知识点都已确定，对比不同方法试卷中知识点的覆盖率，测试结果如表1所示。

表1 知识点覆盖率 单位:%

分析表1中的数据可知，方法1组建的试卷中除了试卷5的知识点覆盖率为99%，剩余试卷的知识点覆盖率均为100%，方法2组建试卷的知识点覆盖率次之，方法3组建试卷的知识点覆盖率最低，对比可知，方法1的知识点覆盖率最高。这是因为本文方法在构建组卷目标函数之前，将知识点覆盖率作为函数的约束条件，通过设定的约束进行会计职称考试组卷，进而提高了试卷的知识点覆盖率。

4 总结

目前会计职称考试培训系统设计方法存在试卷信度低、试卷效度低和知识点覆盖率低的问题，提出基于微信小程序的会计职称考试培训系统设计方法，设计了系统的功能模块，并在软件设计中构建了组卷目标函数，实现会计职称考试培训系统的设计，为无纸化培训和考试的发展奠定了基础。同时通过微信小程序可以做到“触手可及”“用完即走”，使用时不需要担心安装太多手机应用而带来的存储容量问题[14]。