教学形成性评价系统

由于大量的试卷和作业资料存放浪费了大量的资源,教师们也没有可行的形成性评价方法,为了方便各位教师根据各自需求设置评价指标,帮助教师把收集的成绩和扫描的试卷、作业等图片录入数据库,帮助学生快速查询自己的学习情况,我们开发了软件教学形成性评价系统。该系统使用Mysql作为数据库平台,基于ASP.NET框架使用C#语言进行后端的开发,通过R语言建立回归模型进行相关系性分析来为教师和学生提供全面客观的评价。     

户内变电站站用电特性分析及节能潜力评估

为推进户内变电站节能用电、降低变电站用能成本,针对户内变电站站用电用能特性进行分析并进行节能潜力评估.首先分析了目前户内变电站耗能现状以及负荷特性,说明了站用电主要的用电构成,针对不同设备的用电性能进行差异化分析.其次分析了影响站用电能效的关键因素,为后续节能潜力评估指标建立奠定基础.最后建立了站用电节能潜力评估的指标,并提出了利用层次结构评价法进行评价的流程,说明了该评估的应用场景.     

基于层次分析法与模糊综合评价法的纺织企业绿色供应链评估研究

基于层次分析法与模糊综合评价法面向纺织企业进行绿色供应链评估模型设计。构建了评估指标体系,其中包含硬性指标与绿色指标两项一级指标与多项二级指标。通过改进层次分析法与模糊综合评估法有机结合,针对纺织企业绿色供应链的供应商做了全方位定量评估。同时以实例分析验证了纺织企业绿色供应链评估模型,结果表明,引进评估人员信度可以避免评估人员存在主观性差异,从而影响评估指标权重赋值,所构建一致性序列关系与评估矩阵一致性要求相符,在很大程度上保障了所计算的综合评估指标权重的科学性与合理性;引进模糊综合评价法可客观、定量评估供应链供应商,评估结果具备较高客观性与公平性。     

基于网络层次分析法的高职混合教学评价指标权重计算

"线下+线上"的混合教学成为高职教育教学改革的重要方向,如何有效评价混合教学课程教学质量,如何有效运行高质量的混合教学课程,是摆在职业教育者面前突出的问题.文章首先对混合教学评价指标体系进行了描述,由于各指标间存在相互影响关系,权重用网络层次分析法计算获得,最后得到了混合教学评价体系.本文的工作为有效开展和正确评估混合教学提供了技术支撑.     

基于百度贴吧的当代大学生价值观评价系统设计与开发

针对当前大学生价值观评价方法中普遍存在的局限性,提出了一种基于百度贴吧的评价系统的设计方法,旨在增强数据来源的真实客观程度,提高评价结果的准确度.使用统一建模语言UML进行了功能设计和数据建模,采用Python+MySQL进行开发,使用Requests+BeautifulSoup对网页进行爬取和解析,使用支持向量机分类器进行情感分析,使用自定义加权平均方法计算价值观评价得分.系统由数据采集子系统、数据分析子系统、数据可视化子系统系统组成,3个子系统相对独立,通过数据库中介进行协同操作,保证功能高内聚低耦合的特性.提出的系统设计和开发方法,对相关系统的设计和实现具有一定的参考意义.     

企业认证与高职网络专业对接的教学评价体系探讨

在建立校内实训基地的过程中,亟须建立新型的、适合于人才培养目标要求的教学评价体系。本文在对传统教学评价体系及实训基地课改情况分析的基础上,对企业认证标准与高职网络专业课程内容对接的教学评价体系进行设计,在河南交通职业技术学院校内实训基地建设实践基础上,总结出具有普适性的教学评价标准。     

工程教育认证背景下Linux系统实践课程教学改革的探索

Linux系统实践课程是高校计算机类专业的重要实践课程。在工程教育认证背景下,为使培养的学生达到预期的毕业要求,课程教学目标需对应毕业要求分解的指标点,并对课程教学目标支撑毕业要求指标点的程度进行达成度评价,利用评价结果对课程进行持续改进。为了提高毕业要求的达成度,对课程的教学内容、教学模式、考核与成绩评定方式等进行了探索和优化。达成度评价结果表明,学生对本课程学习主动性增强,工程实践能力、创新能力有所提高。     

基于生成感知差异的无参考图像质量评价模型

人眼视觉系统中的视觉感知差异是图像质量评价过程中的重要组成部分,通过感知失真图像与原始图像之间的视觉差异,可对图像的失真程度进行判断,然而在无参考图像质量评价中无法获取原始未失真的图像,且缺乏对失真图像的视觉感知差异。通过对深度学习中的生成对抗网络进行分析,提出一种基于生成视觉感知差异的无参考图像质量评价模型。利用生成对抗网络产生与失真图像相对应的视觉感知差异图像,并将其与失真图像输入质量评价网络以进一步学习图像的失真信息,从而达到评估图像质量的目的。在TID2008和TID2013数据库上的实验结果表明,与CNN、SOM、CORNIA等模型相比,该模型能够使失真图像质量预测准确度提升1个百分点以上,且对不同种类失真也表现出良好的预测性能。     

基于主观倾向值和EasyEnsemble算法的虚假评论识别方法

为了有效识别在线虚假评论,提出一种基于XGBoost-EasyEnsemble算法的虚假评论识别方法。首先,根据虚假评论的特点和提出的主观倾向值计算方法,建立多维特征模型;其次,针对评论数据中的类别不平衡问题,EasyEnsemble算法借助集成策略弥补欠采样的缺陷,充分利用样本信息;最后,选择“好而不同”的XGBoost模型作为基分类器训练最终分类器。基于Yelp网站上的评论数据,以AUC作为评价指标,与支持向量机、GBDT、神经网络等热门机器学习算法进行对比,验证了该方法的有效性。     

自然语言生成综述

自然语言生成（NLG）技术利用人工智能和语言学的方法来自动地生成可理解的自然语言文本。NLG降低了人类和计算机之间沟通的难度,被广泛应用于机器新闻写作、聊天机器人等领域,已经成为人工智能的研究热点之一。首先,列举了当前主流的NLG的方法和模型,并详细对比了这些方法和模型的优缺点;然后,分别针对文本到文本、数据到文本和图像到文本等三种NLG技术,总结并分析了应用领域、存在的问题和当前的研究进展;进而,阐述了上述生成技术的常用评价方法及其适用范围;最后,给出了当前NLG技术的发展趋势和研究难点。