开放性实验室专家评测系统设计

管荣强，于 静，党金淼

(吉林工程技术师范学院，吉林 长春 130052)

0 引言

为了顺应以新技术、新业态、新产业、新模式为特点的经济发展，国家和社会对新工科创新型卓越工程科技人才提出更为迫切的需求。目前，开放性实验室教育模式逐渐在各大高校掀起一股浪潮[1]。与此同时，教育部启动“卓越计划”[2]，将提升实验室教学效率、完善实验室教学体系，作为新时期高等院校教育教学改革的重要着力点[3]。为顺应新时代人才培养的发展趋势，本文以开放性实验室为载体，融合大数据、神经网络算法，打造人工智能视域下开放性实验室专家评测新模式，为新工科背景下的应用型本科人才培养模式提供新思路、新方法、新理论和新途径。

在高校专业教学领域，专家和学者对开放性实验室建设模式的研究较为广泛。2007年，赵丽华等[4]提出传统实验室教学模式存在局限，专注于理论知识的学习及操作技能的训练，势必会造成学生对实验的感受不够深刻，对仪器运行的机制与状态不够了解，导致操作不够熟练，还存在当出现故障时实验结果不正确、无法及时得到教师的帮助等问题。2013年，沈嘉幸等[5]指出实验室开放程度具有一定限制，设备使用情况无法及时传达给管理教师，导致学生在进行实验过程中造成设备损坏时无法得到及时维修。2016年，陆宝萍等[1]提到由于开放性实验室制度不够完善，缺乏一定的考评与管理制度，学生使用实验室的时间与频次不固定，导致学习效率降低。刘佳霖等[6]也提到由于缺乏完善的考评与管理制度，学生在实验技能实验规范以及实验习惯等方面存在差异，导致实验使用时间出现冲突，使用设备存在超时及损坏等严重情况，造成资源的浪费。2020年，杨宗凯等[7]指出互联网的发展和人工智能技术的兴起，使数据计算智能化、规模化，为教育科学化提供了新的途径，从而为个性化学习提供了新方向。2021年，杨素婷、廖军等[8-9]提到建设基于大数据智能一体化的智能化实验室，以能力、场地、过程、技术作为逻辑模型，设计多层次体系结构，从教学准备、计划、实施及评估过程实施建设，进一步提高实验室在数字化和智能化上的建设水平。刘学平等[10]也提到，要进一步提升实验室的现代化和智能化水平。此外，教师不仅教授学生基本的学科知识，还要培养其科学探究精神，促进学生的个性发展，最终提升学生的科学素养[11]。如何将现代科技、人工智能融入到实验室建设中，为学生提供个性化教育，是值得学者探讨的问题。

针对上述问题，本文设计开放性实验室专家评测系统。将教师经验录入评测系统规则库中作为评判标准，根据此标准使用神经网络对学生学习数据进行筛选和分析，最终由该系统给出针对性建议。由于此系统可在线上运行，因此能够大大提高实验室教学效率，协助教师合理安排教学内容及时间，培养学生自主学习能力及创新能力，对培养学生个性化发展起到积极促进作用。通过使用专家评测系统对学生数据进行分析，能够做到以学生为本，凸显学生在实验教学中的主体地位。

1 专家评测系统

专家评测系统(ES系统)包括数据库、规则库及其他组成部分，可应用于开放性实验教学，是对学生学习完成情况进行数据分析的一种智能评测系统。ES系统整体框架如图1所示，包括数据库、规则库及其他部分。

图1 专家评测系统结构图

人机操作界面包括两个子系统，分别为基于神经网络的数据分析系统和基于规则库的个性化建议系统。如图2所示。

图2 人机操作界面

1.1 数据分析系统

数据分析包含三个步骤：首先通过大数据采集学生信息；然后将采集到的信息转化为机器能够识别的数据；最后将这些机器数据通过神经网络系统进行归类。

1.2 个性化建议系统

个性化建议系统包含三个部分：第一部分是汇总学生所有信息的综合数据库；第二部分是神经网络分析数据后产生的多种类型的规则库；第三部分是将学生数据与规则库进行比对形成的个性化建议库。个性建议库的信息将通过机器翻译系统显示到人机交互界面上，由学生自主选择。

操作界面两个子系统的设计源于实验教学的客观需求，体现了对学生进行个性化培养的教育理念。根据大数据与神经网络相结合的专家评测系统，实现教育教学评价体系的多元化、智能化。通过个性化培养为学生提供针对性建议，从多维角度挖掘学生学习天分，培优补差，充分发挥学生这一教育主体的主观能动性[12]，培养学生的创新能力及自主学习能力。

专家评测系统中基于大数据的综合数据库，涵盖学生从实验、学习到生活中可以记录的数据。通过摄像头收集学生在课堂上的动作片段，提取不同时间段的学生面部表情、肢体动作和眨眼频率[13]，利用局部提取、小波包络等方式对人脸表情进行分析，反映学生学习过程中的专注程度[14]。综合数据库中实验数据来自于学生平时实验所记录的结果数据和实验过程数据；学习数据是学生在学习过程中使用学习软件所记录的作业完成情况、资源查看情况及测试得分情况；生活数据为学生平时手机定位情况、使用情况的信息收集。

2 基于神经网络的数据分析系统

2.1 信息收集模块

信息收集模块是专家评测系统运行的基础。通过对学生数据进行全面性分析，能够给出相应的数据类别。信息收集模块在大数据的基础上分为信息抽取、转换、输入、检测。目前部分高校教师使用“云班课”来辅助教学，学生平时学习情况源自“云班课”移动平台大数据统计的结果，平时成绩由总经验值反映，总经验值由学生在“云班课”中查阅资料、签到、测试、参与活动的表现来获得[15]。收集学生在云班课中的信息数据可以了解学生对课程学习的情况。通过信息转换将“经验值”信息转化为具体数据，输入到综合数据库中。

2.2 信息处理模块

信息处理模块将学生表层的行为数据信息转化为计算机可以识别和判断的信息。通过简单便捷的循环神经网络直接实现自然语言之间的自动翻译，将机器语言作为样本值输入到神经网络系统中，赋予特定的权值与偏置，输出的结果即为翻译后的结果。使用循环神经网络进行机器翻译，可以大大提升翻译的准确率和效率，节省信息处理时间。翻译后的语言采用编码器-解码器框架来实现序列到序列的转换，信息处理模块图如图3所示。

图3 信息处理模块图

该编码器-解码器主要依据以下公式进行信息的处理：

lgp(x)-DKL[q(z│x)‖p(z│x)]=Ez-p[lgp(x│z)]-DKL[q(z│x)]-DKL[q(z│x)‖p(z)],

其中，lgp(x)为优化目标，DKL[q(z│x)‖p(z│x)]为趋近为0的数，Ez-p[lgp(x│z)]为解码器，DKL[q(z│x)‖p(z)]为正则项。通过使用该系统，不仅可以将学生的行为数据作为样本信息进行处理，并且可以预测学生接下来可能会产生的行为数据。

2.3 数据分析模块

在收集和预测学生的信息之后，通过神经网络对数据进行分析归类。将收集到的学生信息以及预测的信息输入到数据分析模块中后，将这些信息进行特征提取，将每一个数据拆分为由不同的特征值组成的数据，含有相同特征值的数据归到一种特征范围里，最终根据一定比例将该数据作为学生的特征，如图4所示。

图4 数据分析模块图

3 基于规则库的个性化建议系统

基于规则库的个性化建议系统包括两个部分：规则库的建立、个性化推荐系统的建立。在综合数据库建立起来之后，需要通过规则库将学生的数据自动进行智能分类，来辨别学生的兴趣点以及学生存在的问题，根据这些不同的兴趣点和问题，通过个性化推荐系统给出相应的建议。

3.1 规则库的建立

规则库的建立是根据卷积神经网络和反卷积神经网络对数据进行拆解，找到数据之间的相似点归为一类，作为学生的特征数据。基于规则的专家系统具有统一结构，可将知识处理过程分离，根据自然知识的描述进行相应规则激活；将教师经验作为标准输入到规则库中，对学生特征数据进行分析，达到针对性指导及个性化教学的目的。基于神经网络的规则库系统，可通过原本存在的分类规则，结合神经网络进行拆分，并进行新的排列组合，从而形成新的规则。根据这些规则，将学生数据进行划分，能够更加准确地分析学生的数据，为学生找到适合自己的方向。

规则库见图5。基于专家系统的规则库在建立时需要根据教师经验输入相应的规则权重、前提属性权重和置信度。当满足某一规则的条件时，便激发规则，执行动作部分。

图5 规则库示意图

3.2 个性化推荐系统的建立

个性化推荐系统是基于规则库建立的一种系统，在规则库将学生的数据信息按照一定的规则进行细致的划分，根据评判体系将学生的兴趣点、学习能力、学科优势、学科劣势作为样本数据进行划分，依据这些特征分别给学生相关建议，通过渗透法、暗示法等为学生提供不同的个性化建议，由学生自主选择，达到对学生进行个性化培养的目的。

4 结语

为响应新时代新工科背景下的应用型本科人才培养需求，本文设计开放性实验室专家评测系统，以学生个性化发展为核心目标，依托神经网络，提取学生特征数据，完成数据库及规则库层面的构建，通过对学生特征数据进行智能化筛选和分析，为学生提供针对性建议。开放性实验室专家评测系统的设计既能辅助教师提高教学质量和教学效率，加强应用型本科学生在专业实践方面的自主创新、自主学习能力；也能进一步推动开放性实验室智能化建设的发展，为新工科创新型卓越工程科技人才的培养提供新思路。