APP下载

数据驱动的动态学习干预系统设计

2020-12-06樊敏生武法提

电化教育研究 2020年11期
关键词:数据驱动学习分析系统设计

樊敏生 武法提

[摘   要] 移动信息技术的快速发展使得传统的学习环境发生了巨大变化,走向了虚拟数字化环境和现实物理环境的逐步融合。在这种混合式学习环境中,以测量为核心的“数据驱动教学”强调基于数据的教育决策与干预。文章对学习干预的概念进行了梳理,利用“AGIL”理论提出“数据驱动的动态学习干预系统分析设计框架”,并根据该框架构建了教育云环境下数据驱动的动态学习干预系统,形成了以层级式的干预反应为运行机制,从而协调干预目标系统、干预环境系统、干预运行系统之间的数据有序流转,构建了基于数据驱动的精准化、层级化学习干预系统模型。数据驱动的学习干预系统是一个众多因素整合而成的复杂系统,各要素并非简单的功能堆砌与叠加,研究将教育云环境下动态学习干预环境与所创建的理论相结合,形成了具有理论指导的学习干预实践体系,对研究解决如何有效地在教学中实现基于数据的、动态化的学习干预进行了理论与实践的探索。

[关键词] 数据驱动; 学习干预; 系统设计; 学习分析; 大数据

[中图分类号] G434            [文献标志码] A

[作者简介] 樊敏生(1982—),男,甘肃兰州人。讲师,博士,主要从事智能教育、学习分析、数字化学习资源与学习环境设计研究。E-mail:xmanfms@126.com。武法提为通讯作者,E-mail:wft@bnu.edu.cn。

一、问题的提出

当前人类社会已经进入大数据时代,各行各业都紧跟时代步伐,努力改变各自传统的运行模式,享受大数据时代带来的普惠成果。在教育教学领域,基于互联网、移动技术和多媒体技术的应用使得传统教学环境发生了巨大的改变,数字化的学习设备和网络化的学习平台被大量应用于教学的各个环节之中,学校、教室与虚拟化、数字化的学习环境实现了逐步的融合,形成了数字化、智慧化的混合式学习环境[1]。在这样的学习环境中,为学习者提供数字化、智能化、个性化的学习服务已成为教育发展的一个重要方向。

现代信息技术在教学活动中的广泛应用,积累了大量可被收集与观测的学习数据,打破了以往学习过程难以被监测评估的现状。以测量为核心的“数据驱动的教学”强调在合理量化与全面收集学习者学习行为数据的基础上,利用多种数据处理工具,测量和分析学习者在各种场景下的学习过程中产生的多维度的数据与信息[2]。在中小学当前基于信息化环境的混合式教学中,构建一种高效的学习诊断与干预机制,利用学生在教育云平台中的大量学习行为数据分析影响学生学习绩效的活动变量,进行基于实证的干预和基于数据的决策,满足学生个性化学习的需求,以及如何更好地将动态的评估与干预结合在一起,从而满足中小学实际教学需求,成为具有重要意义的研究领域。

二、学习干预的概念界定

笔者参阅了大量文献并对“学习干预”的概念进行分析梳理。“干预”所表达之意为“过问或参与”。在英文解释中,Intervention的含义更加丰富,除了中文所属的过问、参与之外,还强调了强制性涉入某事,其目的是为了阻碍或者纠正某种行为。就教育学领域而言,尽管“干预”这一概念早已广为人知,但在学术研究方面仍停留在一个宽泛性的层次,并未有学者对这一概念作出明确界定。尤其是教学实践中干预模式的多样性和变动性,导致学术界无法对这一概念作出详细阐释。因此,各种外显化的教学与学习支持服务都被认为是学习干预。随着信息化教育的发展,学习干预可以发生在课堂上,也可以发生在网络上。课堂上的干预主要是教师的各种教学方式或管理手段,而网络中学习干预可以是教师的教学方式或管理手段,也可以是数字化学习环境自适应产生的、为改善学习者的学习绩效和帮助学习者解决问题而实施的各种策略和行为[3]。杜红梅认为,一个有效的教育干预应该整合相关教育与心理学理论,面向不同的干预对象施加特定的干预策略,使得相关干预实施对象能够按照教学干预所制定的目标相向而行[4]。张超指出,学习干预作为联通传统学习场景和线上学习的渠道,更加关注学习者的行为因素、心理因素等对学习成效的影响,所以学习干预设计核心四要素是指在学习过程中对学习者的动机、情感、认知和态度进行干预设计[5]。李彤彤、武法提等学者从学习分析视角出发,认为在学习分析过程中,学习干预是一切对学习者学习产生影响的介入手段,作为与教学过程直接关联的部分,学习干预是改善、提升学习成效的关键[6]。国外有学者认为在理想的状态下,干预始于对学习困难儿童的学习和环境的优势、劣势以及需求进行评估,在对需要帮助的儿童提供学习支持的同时,监控儿童的发展,并对其发展进行重新评估[7]。

学习干预的对象是学习活动中的学习者,作为学习活动的主体,学习者本身所具备的动机水平、认知能力、学习水平等都将对个体的学习过程产生影响。学习干预的目的就是希望干预的策略与方法能够与学习者在学习活动中的特征相匹配。因此,学习干预的设计能否满足学习者在学习过程中的需求,学习干预策略与方法能否匹配不同学习者的学习特征,就成为衡量一个学习干预设计是否优秀的重要参考依据。教育教学是一项极其复杂的社会活动,以现有的技术手段和理论基础很难在具体实践中考虑学习者所有的特征,同时对研究设计来说,也不是学习者所有的特征都具有设计意义,在干预设计过程中要作好可行性分析,明确学习者个体特征中哪些特征是可干预的,而哪些特征则无法干预,因此,要挖掘出那些对个体的学习具有重要影响,并且是可观测、可干预的特征要素。通過对文献的梳理,对学习者特征的分析包括智力与非智力因素两个方面,同时学习行为作为学习过程的重要组成,也可以被用于对学习者的特征进行分析。学习者的智力因素通常指学习者个体的知识基础、认知能力与认知结构等;而学习者的非智力因素特征主要由学习动机和态度、学习风格以及兴趣、情感、意志和性格等;与学习行为有关的特征通常是收集整理并分析e-Learning环境下的学习行为数据。通常情况下,需要分析的学习者特征包括如下几个维度:(1)起点学习水平;(2)认知能力与认知结构;(3)学习态度与动机;(4)学习行为。

在充分总结和借鉴国内外相关研究基础上,本研究对学习干预作如下概念界定:即在相关教学理论与学习理论的指导下,在数字化学习环境下,教育实施者基于大数据思维和学习分析技术对学习者进行数据建模画像,并对学习过程中产生的学习数据、行为数据、个体信息等数据进行处理和分析,从而实现对干预目标精准的干预策略指导和学习支持服务,使得教師能够充分掌握学生的学习状态,选择适当的教学策略,学生能够及时发现自身存在的问题,提高学习效率。

三、数据驱动的学习干预系统设计

(一)基于AGIL理论的学习干预系统设计框架

结构功能主义(Structural Functionalism)是西方社会学中的一个重要理论流派。该理论主要从结构、功能以及二者之间的关系出发来分析社会学问题[8]。而在结构功能主义研究领域中,Parsons是最具代表性的人物之一,他提出:系统就是一个基于行为者互动过程的体系,是由具有不同功能的多层的次系统(子系统)形成的总系统,各组成部分以有序的方式相互关联,每个子系统都发挥着各自的功能,部分功能的发挥会对整体功能的实现产生影响[9]。在Parsons看来,任何一个系统必须实现四项基本功能,方能生存和发展下去,它们分别是适应(Adaptation)、目标达成(Goal Attainment)、整合(Integration)和模式维持(Latency)功能,这就是Parsons提出的著名的AGIL模型,此模型“大到可以解释整个人类社会,小到可解释某一制度”[10]。

以Parsons的AGIL模型为依据来审视数据驱动的学习干预系统体系的构建,其核心内容是对学习干预体系模型功能的描述、结构的架构等方面。针对AGIL模型的四个基本功能,对应指导设计数据驱动的学习干预系统,建立了一个“数据驱动的学习干预系统分析设计框架”(如图1所示)。

该框架首先将数据驱动的学习模型视为一个系统,提高学习者的学习水平则是系统运行所要达到的最终目标。数据驱动的学习干预模型系统由学习干预环境系统、学习干预目标系统、学习干预反应系统、学习干预运行系统构成,它们分别承担着适应、目标,达成、整合、维持的功能,为了实现提高学习者的学习水平的系统目标,各个系统必须进行调适。因此,干预环境数字化的结构性要求决定了建立基于教育云环境的学习平台、为学习者的学习创造良好的数字化环境等功能性诉求;干预目标体系化的结构性要求决定了针对不同学习问题设立不同的干预目标、目标之间存在关联性等功能性诉求;反应系统动态化的结构性要求决定了学习是一个动态进行的过程、干预反应系统通过对学习者学习过程的监控和详尽的数据分析为学习者提供学习干预和服务等功能性诉求;运行系统流程化的结构性要求决定了建立完备的策略体系、使得运行系统能够按照对应的干预策略流畅地运转等功能性诉求。只有这些功能性诉求都得到满足,才有可能实现提高学习者学习水平的目标。

(二)数据驱动的动态学习干预系统构建

构建数据驱动的动态学习干预系统,需要解决两个方面的内容,首先分析在教育云混合学习环境中影响学生的学习绩效的相关因素,找到其中重要的因素,其次是建立学习干预与学习结果之间的联结,为后面学习干预模型系统的构建提供依据。整合之前提出的学习干预效果影响因素与AGIL学习干预系统设计框架,构建了数据驱动的动态学习干预系统模型(如图2所示)。

系统底层架构为系统的功能层,分别由学习干预目标系统、学习干预环境系统、学习干预反应系统和学习干预运行系统组成,并根据功能层的组成对应架构了“目标”“环境”“干预反应”以及“干预类别”和“策略”结构层体系。

1. 学习干预目标系统

学习干预目标系统承载的功能是目标达成,该功能主要目的是在系统目标中建立次序级别,协调各目标之间的相互关系,并协调系统内部各子系统调用资源去实现目标。Marzano指出,思维的过程和技能是相互影响的互动循环[11]。这体现了认知与情感的总体互动,决定了学习者的学习效果。由此可以发现,“愿意学习”“能够学习”和“善于学习”是学习者能够获取学习成功的关键[12]。基于此,本文在提出与设计干预框架模型时,提出了干预目标就是希望通过干预实施的影响与指导,促进学生在学习发生时从“愿意学”的基本要求上升到“能够学”的一般要求,到最终成为一个“善于学”的优秀学习者。数据驱动的动态学习干预系统的目标由“愿意学”“能够学”“善于学”这三个子目标构成,在逻辑关系上是层级关系,因而决定了学习干预系统在目标实现的运转过程中必然是一种层级递进式的过程,通过实现不同层级上各子系统的目标,从而达到系统要实现的总目标,这在结构上也满足了设计框架中所提出的“干预目标体系化”这个结构性要求。

2. 学习干预环境系统

学习干预环境系统承载的功能是适应,一个系统必然要与其运转的环境产生相应的联系,为了能够正常地运转,系统必须从外部获取所需资源,然后在整个系统中进行分配。本研究中,学习干预环境系统主要由教育云环境下的动机唤醒干预子系统、学习水平诊断与干预子系统、认知能力诊断与干预子系统组成。在教学活动之中,学生在教育云环境中开展学习活动,“学习干预环境系统”则保留了大量学生学习数据,包括一系列的学习资源使用情况统计、用户信息、学习者学习过程中所产生的各类型数据等,这些产生和保留的数据,能保证整个动态学习干预模型的正常运转,使得对学生的学习干预需求可以基于数据进行针对性的分析,对学生学习的干预措施可以基于教育云环境进行数字化的实施,满足了设计框架中对学习干预环境系统数字化的结构性要求。数据驱动的动态干预系统要想良好运转,则必须建构合理的结构、准备优秀的干预资源、设置丰富的干预策略和内容来适应信息化条件下学习环境的改变,同时系统也要得到学校、社会、教师、学生的支持,争取更多的业内人员积极参与。丰富系统的数据资源,为更精准的学习干预服务提供数据支持。

3. 学习干预反应系统

学习干预反应系统承载的功能是整合。该系统的主要功能是协调各个子系统之间的数据流转,使系统各部分协调为一个起作用的整体。数据驱动的动态学习干预系统中存在多个子系统,并且模型的“目标系统”是一个自下而上的层级关系,所以“干预反应”子系统就必须能够承载和协调系统内其他子系统自下而上的关系。为了使得各个子系统之间能够相互不受影响地正常运转,必须設计一个合理的干预运行机制。这个机制首先能够保证干预环境系统的正常运转,其次要满足干预目标系统的不同层级目标,最终还要保证干预运行系统能够动态化、流程化地运转,使系统各部分协调为一个起作用的整体。因此,干预反应系统也应当采用分层的策略,明确每个层次中的特定需求是什么、不同层次间功能传递的相互作用。学习是一个动态发展的过程,因此,对于学习的干预也是一个动态变化的过程,本研究提出的学习干预反应系统是建立在美国国家干预反应研究中心(NCRTI)在2006年提出的干预反应模型基础之上的[13]。RTI模型通过系统化三层级结构,连续评估学生学业及行为表现,从而指导教师有目的地开展教学活动。它以多级干预逻辑架构为支撑,具有风险预防、循证,实践和系统改变三大核心理念[14]。如图3所示,干预—反应模型具有一个系统的逻辑框架,其中包括一个具有渐进关系的三级干预水平。

层级式干预可以通过不同阶段的干预方式层层深入,不断丰富学生对自我和知识的认识,在良好的学习氛围中建立起对知识的理解和把握。其干预实质就是在学习过程发生的不同阶段解决不同的问题,研究者与教师作为干预实施的主导,要了解学生在不同阶段所面对的问题,帮助学生完成自己的学习任务。本研究借鉴RTI干预反应模型的分层方式,提出三层级的干预层级。

层级1。这一层级的干预是一种预防性的、先见性的干预,对应干预目标中的“愿意学”,因而该层级是面向全体学生的干预,由动机唤醒干预系统负责干预策略和手段的实施,主要解决在学习之初学生的学习动机与投入问题,通过干预手段使得动机不足的学生能够以自信、饱满的状态投入到已经开始的学习中。在学习活动全过程中,始终在检测学生的动机水平,一旦发现有学生出现学习动机低下的情况,则立刻进行干预,保证学生的动机水平维持在一个稳定的状态。

层级2。第二层级的干预是一种快速反应的干预,适用于大多数学生,对应干预目标中的“能够学”,由学习水平诊断与干预系统负责干预的实施。主要解决学生在具体课程中知识的理解、应用问题,借助于干预系统实施的诊断题目,快速了解学生对知识点的掌握情况,从而自适应推送相关干预练习,促使学生掌握学科知识点,并提高自己的认知维度水平,从而提高学生的学业成绩与水平。

层级3。第三层级的干预是基于评估的、密集的、持续的干预。当第二层级干预实施一段时间后,如果有部分学生还是无法达到相应教学要求,则进入到该层级的干预。这一层级由认知能力诊断与干预系统负责干预的实施。主要通过认知诊断系统检测进入到这一层级学生的认知能力,根据认知能力所反映出的学生的问题进行针对性的干预训练,使得学生的认知能力的某些维度能够得到提升,从而提高学生的学习效果。这一层级需要花费大量额外的教学资源,因而在层级中处于顶层。借助于RTI干预反应模型的三层金字塔型结构,本模型中“干预反应”子系统应用了这种结构,使得整个模型系统可以合理顺畅地运转。由于RTI干预反应模型本身就是基于一种动态化设计的思想,所以“干预反应”子系统也满足了设计框架所提出的“反应系统动态化”的要求。

4. 学习干预运行系统

学习干预运行系统承载的功能是模式维持,在本系统模型中对应于功能层的“干预类别”与“策略”。干预类别的明确与策略制定能够使得整个系统遵循一定的规范运转。干预类别与策略同样围绕着三级干预目标体系制定与建立,整个学习干预运行系统由三个自下而上的层级构成了初级干预、二级干预、三级干预层级体系。各个层级所对应的干预类别和干预策略保证了整个大的干预系统依据相应的运转流程规范并合理地持续运转,满足了设计框架提出的运行系统流程化的结构性要求。

(1)干预的类别

本文参考张超博士对学习干预的二维分类方式,为本系统的干预类别进行划分,分别针对三个干预层级设定了“通用性干预”“选择性干预”和“组合式干预”。这三类干预包含了张超博士提出的两个维度,为干预的具体实施提供了清晰的指向性。

通用性干预:面向的对象是全体学生,包含了一系列促使全体学生取得成功并防止其产生行为问题或学习问题的策略、技巧和方法。这些策略和方法最初也是作为教学设计的一部分建立的,如帮助学生制定个人学习目标、定期指导学生复习等内容,因而教师平时都会应用到。

选择性干预:选择性干预是为了解决个体学生的需要而设立的,当个体学生存在学习问题或者行为问题时,在通用性干预的基础之上实施选择性干预,对一些学生进行额外的帮助与支持,以实现对学生的学习个性化支持与服务。

组合式干预:从干预的规模上看,通用性干预的规模效应最大,面向全部学生,而选择性干预因为面向具体对象或小群体,规模效益很小。从干预的支持服务效益上看,选择性干预的针对性最强。在一些环境下既需要覆盖全体,又需要对个体或小群体实施个性化干预,此时就需要将两种干预类型组合起来使用,因而在干预模型中提出一种组合式干预来解决干预中所面对的这类情况。

“数据驱动的动态学习干预”系统的设计与构建,其目的就是希望通过干预实施的影响与指导,促进学生的学习发生与开展,从而提升其学习水平与绩效。要实现这一总目标,需要四个子系统和谐统一、默契配合,充分发挥其价值与功效,从而实现系统之间的稳定互动。

(2)干预的策略

干预的策略就是为解决学习者在学习过程中所暴露出来的问题而设计的有目的、有计划的方式和方法。本文提出的干预策略系统依据干预的目标和干预的类别在不同干预层级上构建干预策略集,并依托于教育云学习环境中三大干预系统实施干预,构成了三个干预系统的功能组成部分。其中自适应动机干预与教师干预相结合,具体作用发生在动机唤醒干预子系统中,在该子系统中通过数据的收集与分析,系统将自动判别干预对象,同时系统根据干预对象的特点与学习需求,启动相关干预引擎,调用干预策略库中的干预内容并自动推送至对应的干预对象。与此同时,系统还可发送干预提示信息给教师,教师可以根据信息内容,选择性地在传统课堂中进行干预,这样既保证了干预的及时有效性,也保证了干预的普遍适用性,既可针对个体实现个性化干预,也可对全体实现大范围的干预。在学习水平诊断与干预子系统中,所构建的干预策略形式为自适应题目推送,系统构建了具有难度标签的试题库,并测算了学生的能力水平,干预引擎可以根据学生能力水平推送难度稍高于其水平范围的测试题目,使学生能够掌握所学知识内容,达到其最近发展区水平。在认知能力诊断与干预子系统中,所施行的干预策略主要是个性化的认知过程训练。在网络环境下,系统根据诊断所确认的学习者个体认知能力不足进行针对性的认知能力训练,通过本研究所构建的认知能力训练网站中所提供的不同类型的认知训练任务,建构游戏化训练的场景,使得学生的认知能力有所提高,从而提高学习成绩。

(3)干预运行的流程

数据驱动的动态学习干预系统是一个多层级的连续递进模式,系统在对学生的学习数据进行诊断之后,判断一个学生需要接受哪一级干预,不同强度和层级的干预亦由学生对特定干预的反应程度决定。在学习干预运行系统之中,根据学习者对不同范围的干预类别以及所对应的干预策略的反应条件进行设计,可提出一个基于数据诊断的动态学习干预反应模型(如图4所示)。

基于数据诊断的动态学习干预反应模型依据RTI干预反应模型提出。一级干预是通用性干预,干预对象为全体学生,主要解决全体学生在学习之初和持续过程中所产生的动机不足问题,由动机唤醒干预系统负责执行相关干预过程。根据学习者对一级干预的反应,诊断出需要接受二级干预的学习者,二级干预已经是一种通用性干预+选择性干预的组合式干预模式,干预系统会通过学习者在教育云环境中的学习数据进行诊断,得到学习者的学习状态后进行学习水平和认知能力的对应干预,与此同时,第一级的通用性干预继续保持,并对学习者的学习进行检查和监控,该阶段主要由动机唤醒系统和学习水平诊断与干预系统联合运作。在二级干预实施一定阶段之后,如果仍有学生无法达到学习要求,则启动三级干预,进行动机干预、学习水平干预和认知能力干预联合运作,该级别具有高度个性化的特征,通过系统诊断相关数据之后为每个学习者进行定制化干预服务。

四、结   语

人类生活的世界正在飞速变化着,而产生这种变化的根本原因就是无处不在的“数据”。各个行业基于数据的决策已经成为一种常态化方式[15]。但是在教育领域中,对数据的使用却远远落后于其他行业,这是因为在传统意义上,基于教育的相关决策是通过经验、直觉、常识做出的,而往往缺乏数据的支撑[16]。因而在教育教学活动中实施基于数据驱动的、动态的学习干预,一直是个性化学习研究领域中的难点和亟待解决的问题。本文借助于结构功能主义与数据驱动决策的思想,并与教育领域中RTI干预反应模型、马扎诺的认知五维度等理论相整合,建构教育云学习环境中的学习干预系统,这是一次很好的跨学科理论融合研究的尝试,为教育研究领域其他模型构建研究提供了很好的可借鉴的研究方法[17]。当然,动态化的学习干预体系是一个众多因素整合而成的复杂系统,各种要素并不是简单的功能堆砌与叠加。要实现通过学习干预解决学生问题,并有效提升学生的学习水平这一目标,就需要四个子系统彼此配合,充分发挥其价值与功效,从而实现系统之间的稳定互动,并最终形成一个高效运转的有机整体。与此同时,研究者将教育云环境下动态学习干预环境与所创建的理论相结合,形成了具有理论指导的学习干预实践体系,对如何有效地在中学课堂中实现基于数据的、动态化的学习干预进行了理论与实践的探索。

[参考文献]

[1] 黄荣怀,杨俊锋,胡永斌.从数字学习环境到智慧学习环境[J].开放教育研究,2012,18(1):75-84.

[2] 顾小清,张进良,蔡慧英.学习分析:正在浮现中的数据技术[J].远程教育杂志,2012(1):18-25.

[3] 黄荣怀,杨俊锋,胡永斌.从数字学习环境到智慧学习环境——学习环境的变革与趋势[J].开放教育研究,2012(1):75-84.

[4] 杜红梅. 移情与后果认知训练对儿童欺负行为影响的实验研究[D]. 重庆:西南师范大学,2004.

[5] 张超.教师远程培训的学习干预研究[D].上海:华东师范大学,2010.

[6] 李彤彤,黄洛颖,邹蕊,等. 基于教育大数据的学习干预模型构建[J]. 中国电化教育,2016(6):16-20.

[7] RAMEY C T. Early intervention and early experience[J]. American psychologist, 1998, 53(2): 109.

[8] 辛璐璐. 国家治理现代化进程中的政府责任问题研究[D].长春:吉林大学2017.

[9] Talcott Parsons.The social system[M]. New York: The Free Press, 1951: 25.

[10] 鐘明. 20世纪社会科学中的系统理论[J]. 国外社会科学, 1997(3):3-8.

[11] MARZANO R J. The new taxonomy of educational Objectives[M]. California: The Corwin Press, 2001:163.

[12] 盛群力. 旨在培养解决问题的高层次能力——马扎诺认知目标分类学详解[J]. 开放教育研究, 2008, 14(2):10-21.

[13] 牟晓宇,昝飞. 美国特殊儿童学业困难反应模式——RTI模式[J]. 外国教育研究, 2011(4):54-59.

[14] 刘宇洁,韦小满.干预—反应(RtI)模型:美国教育政策理念架构的新趋势[J]. 比较教育研究, 2012, 274(11):86-90.

[15] 迈尔·舍恩伯格,肯尼斯·库克耶.与大数据同行学习和教育的未来[M].赵中建,张燕南,译.上海:华东师范大学出版社,2015:13.

[16] SIEMENS G, LONG P. Penetrating the fog: analytics in learning and education[J]. Educause review, 2011(46):5.

[17] 殷宝媛, 武法提.智能学习系统中学习习惯建模的方法研究[J]. 电化教育研究, 2020(4):55-61.

猜你喜欢

数据驱动学习分析系统设计
大数据思维下教学过程数据分析及应用研究
在线学习过程管理大数据的建设与应用
基于网络与数据智能化的数码印花产品设计定制模式研究
数据驱动理念在大学英语课程中的应用
大数据背景下的警务模式创新研究
简析小学劳动与技术教育的有效合作学习
浅析大数据在教育中的应用
一种基于SATA硬盘阵列的数据存储与控制系统设计研究
目标特性测量雷达平台建设构想
《计算机控制技术》课程教改探讨