基于在线评测技术的“Python程序设计”课程自主学习平台设计

摘要：常规的“Python程序设计”课程自主学习平台易受请求标签交换作用影响，综合运行性能不佳，因此，文章提出一种基于在线评测技术的“Python程序设计”课程自主学习平台。硬件部分设计了FMC高速数据连接器和MAX1479ATE+C2R存储芯片，软件部分设计“Python程序设计”课程自主学习功能模块。测试结果表明，设计的课程自主学习平台的综合性能良好，不存在运行异常问题，具有可靠性，有一定的应用价值，为提高“Python程序设计”课程教学质量作出了一定的贡献。

关键词：在线评测技术；“Python程序设计”；课程；自主学习；平台

中图分类号：G40-057 文献标志码：A

0 引言

“Python程序设计”是一门基础计算机编程课程，包括Python基础知识、面向对象编程、文件操作、常用模块等［1］。受“Python程序设计”课程特殊的教学模式及复杂的教学知识组成影响，其自主学习难度较高［2］，因此，须要对“Python程序设计”课程自主学习平台进行深入研究。

相关研究人员针对“Python程序设计”课程特点设计了几种常规的自主学习平台。冯书彬［3］提出基于MOOC网络的自主学习平台主要设置了知识提炼覆盖框架，进行了大规模资源建设，但该平台的运行流畅性偏低；林至扬等［4］提出基于小组学习方式的课程自主学习平台主要构建了多元学习小组连接终端，得到了高性能指令处理组件，实现学习嵌入，但该平台易受markdown嵌入作用影响，导致资源链接异常。为了满足该课程的教学要求，文章基于在线评测技术设计了一种有效的“Python程序设计”课程自主学习平台。

1 硬件设计

1.1 FMC高速数据连接器

在课程自主学习平台运行过程中，涉及多资源模板库与目标文件，包括大量的结构化与非结构化数据，严重增加了接口数据的提取难度，增加了数据连接时长，造成平台运行卡顿［5］。因此，文章选取现场可编程门阵列夹层卡（FPGA Mezzanine Card，FMC）高速数据连接器进行了接口数据拼接处理，实时调用多份模板数据。该数据连接器主要利用结构化形式完成对接，实现数据分类处理［6］，满足数据标准化关联协议与数据属性要求。除此之外，FMC高速数据连接器的整体功耗较低，可以跨行列识别阶跃数据属性，完成单元遍历与校核［7］。

1.2 MAX1479ATE+C2R存储芯片

课程自主学习平台对访问与处理效果要求较高，须要记录和分析每个学生的学习行为和习惯，提供个性化的学习推荐和资源。因此，文章选取MAX1479ATE+C2R存储芯片作为平台的核心存储芯片，临时或永久地存储大量的课程数据、学习资料和用户信息。

该存储芯片的存储容量较高且读写速度较快，能实现随机位置读取且在高温潮湿等环境下同样适用，兼容性较高。

2 软件设计

2.1 基于在线评测技术构建课程自主学习模型

在线评测技术主要基于基础计算机程序进行评测反馈，生成相关的测试标准，实现实践性分类，具有较强的自动性与灵活性。因此，文章基于在线评测技术构建了课程自主学习模型。首先须要根据自主语言干扰计算，此时的教学资源相似度d（X，Y）如式（1）所示。

d（X，Y）=|xp-yp|（1）

在公式（1）中，xp代表横向资源文本，yp代表纵向资源文本，此时可以进行Borland集成处理，此时的学习通道划分目标函数k（n）如式（2）所示。

k（n）=ω（n＼Tn）（2）

在公式（2）中，ω代表学习兴趣参量，n代表知识覆盖率，Tn代表学习常量，基于此，构建的课程自主学习模型如图1所示。

由图1可知，该课程自主学习模型可以有效引入自主学习策略和有效促进因素，如目标设定、学习策略选择、自我监控等，获取多元意见，提高学习平台的综合反馈性能。

2.2 设计“Python程序设计”课程自主学习功能模块

为了提高课程自主学习平台的教学完整性，文章根据“Python程序设计”教学要求设计了功能模块。课程内容模块主要展示整个课程的章节结构、每个章节的学习目标和主要知识点，提供每个知识点的视频教程，学生可以根据自己的学习进度选择观看。该模块的视频教程应包含详细的讲解和实例操作。学习进度跟踪模块可以展示学生当前的学习进度。允许学生查看每个章节的详细学习进度。学生可以设置自己的学习计划，包括每天或每周的学习目标。在线评测模块提供大量的练习题，包括选择题、编程题等。练习题应覆盖课程的所有知识点，难度逐渐递增。个性化学习推荐模块可以通过在线评测结果，评估学生 对每个知识点的掌握情况。

3 平台测试

3.1 测试准备

结合上述的测试准备，文章选取Visual Studio.NET作为基础框架进行了平台测试。该框架主要利用万维网（World Wide Web，Web）多语言环境开发，创建测试应用程序，建立基础测试通信通道。该测试框架内部设置了公共语言运行时（Common Language Runtime，CLR）公共语言运行库，可以实现Win Forms全编程访问，完成Microsoft开发，综合性能良好。此时设置的测试数据访问模式如图2所示。

由图2可知，待上述访问模式确定后即可得到高质量运行参量，得到可靠的平台性能测试结果。

3.2 测试结果与讨论

在上述的测试准备基础上，文章调整了基础服务器结构，生成符合测试要求的测试代码，此时可以对测试参数进行归一化处理，运行文章设计的基于在线评测技术的“Python程序设计”课程自主学习平台，得到的平台性能测试结果如表1所示。

由表1可知，文章设计平台的平均响应时间为0.286s，最高响应时间为0.514s，在处理用户请求时具有较快的响应速度，有助于提供良好的用户体验。在模拟多用户同时访问时，最高并发用户数达到了1558个，最优并发用户数为543个，表明平台能够在大规模用户同时访问的情况下保持稳定运行，具有良好的并发处理能力。在平台运行时，CPU平均使用率为21.5%，内存平均占用为1.24 GB，具有较高的运行效率。

平台在模拟不同数量用户下的请求量时，每秒处理请求数（Hits-per-Second，HPS）达到了200个，具有较高的处理能力，可以迅速响应大量用户的请求。经过24h连续运行测试，平台无故障发生。证明平台具有较高的稳定性，能够长时间稳定运行。通过漏洞扫描与渗透测试，平台未发现任何漏洞。平台支持7种主流浏览器和8种操作系统，表明平台具有较广泛的兼容性，能够满足不同用户的设备需求。

4 结语

“Python程序设计”属于编程基础课程，其学习难度较高，涉及的知识十分复杂，须要利用相关平台完成实践学习。常规的课程自主学习平台的综合性能较差，运行流畅性过低。因此，文章基于在线评测技术设计了一种全新的“Python程序设计”课程自主学习平台。测试结果表明，设计的自主学习平台的综合性能良好，具有可靠性，有一定的应用价值，为推动 该课程实践学习进步作出了一定的贡献。

参考文献

［1］叶静，薛招腾.基于超星学习通平台的线上线下混合式创新教学探索与实践：以化工原理课程为例［J］.科教文汇，2024（9）：76-79.

［2］田永晓，王倩飞，岳增慧，等.基于超星学习通平台的《管理学基础》BOPPPS教学模式探索［J］.陕西教育（高教），2024（5）krPUqCZ1YkSc5mNd+H0LvFEJt7GN+H2c7Qt8gviE/aY=：38-40.

［3］冯书彬.基于MOOC网络教学平台的专升本大学英语线上自主学习模式改革［J］.海外英语，2023（15）：131-133.

［4］林至扬，木斯塔帕·迪力木拉提，李海芳.基于小组学习方式的Web辅助平台设计与实现［J］.电脑知识与技术，2023（14）：50-53.

［5］刘天坤.iSmart智能学习平台支持下大学英语混合课程构建研究：以呼伦贝尔学院为例［J］.呼伦贝尔学院学报，2024（2）：130-134.

［6］司智慧，孙炜，苗晓宇，等.在线学习不同阶段用户体验要素构建与平台提升的设计策略［J］.中国教育技术装备，2024（8）：116-119，134.

［7］孙聪聪，张英姿，张晓敏，等.基于在线学习平台问卷调查的混合式教学在妇科教学中的应用［J］.中国继续医学教育，2024（8）：80-84.

（编辑 王永超）

Independent learning platform design of “Python Programming Design” course based on online evaluation technology

HU Xingtong

（Jiangxi Vocational College of Mechanical & Electrical Technology， Nanchang 330013， China）

Abstract： The conventional “PythonhF9okPf5DhWcjd7IvdD9MKMtVjDUn0HaJxZblfjstCc= Programming Design” course self-learning platform is susceptible to the influence of request label exchange， resulting in poor overall performance. Therefore， a “Python Programming Design” course self-learning platform based on online evaluation technology is proposed. The hardware part is designed with an FMC high-speed data connector and MAX1479ATE+C2R storage chip， while the software part is designed with a “Python Programming Design” course self-learning function module. The test results show that the designed course self-learning platform has good comprehensive performance， no abnormal operation problems， reliability， and certain application value， making a certain contribution to improving the teaching quality of the “Python Programming Design” course.

Key words： online evaluation technology; “Python Programming Design”; course; independent learning; platform