林民山，林宗英

（泉州职业技术大学智能制造学院，福建 泉州 362000）

1 计算机专业辅助教学硬件设计

计算机辅助教学系统在设计结构分为数据层、服务器以及客户端三层结构，用户操作系统过程中，通过对数据库内部的调动操作，经服务器响应并发送命令至数据库执行，最终对客户端予以响应，其架构如图1所示。

图1 结构示意图

图中所示服务器的响应和发送命令速度会直接影响用户接收数据的时间，重置服务器命令传输电路，通过电阻和磁珠组成晶体振荡器，为数据传输提供稳定的电压，设置电阻阻值在28-32欧间之间变化，当电路振荡器产生信号时，将发出信号直接传送给WSE芯片终点[1-2]。

将外部的电压设置为3.6V，路过电阻后没有信号转换开关，传输信号可以直接接入至WSE芯片，直接将信号送到指定位置，传输效果更好。

2 计算机专业辅助教学系统软件设计

2.1 基于k-means算法聚类学生信息

辅助教学的主体是学生群体，在系统设计时要考虑学生的专业能力、兴趣爱好和学习成绩等基本信息，能够对后续个性化教学提供帮助。通过对学生基本信息的整理进行分组，将相似特征或者相同特征的学生聚类到一起， k-means算法适用于数据类型的符号辨认，聚类效率最高，通过此算法进行学生信息的聚类分析。首先要对收据到的数据进行属性划分，一般将数据信息属性表示为学生的学习兴趣、性格特征和学习成绩：其中将学习兴趣设定为唱歌、足球、游泳、旅游和篮球等十项；将性格特征划分为开朗、内向和稳重三类；学习成绩按照一般、良好、优秀和合格划分。其次将所收集到的数据进行规范化转换，变成统一的格式，采取最小最大的划分方法将学生属性控制在数值[1，10]之间，以聚类值S为3计算学生到聚类中心的距离h：

式中，学生数据集合用 表示；聚类中心用 来表示。在计算得到每个学生数据和中心均值的距离后，以最小距离为划分点对相应的学生群进行划分，再次重新计算划分好的学生群的聚类中心点均值，当均值点不产生变化时表示聚类完成，如果不满足条件重新回到第二步计算对象到中心均值的距离，由此在k-means算法得到聚类后的学生信息。

2.2 分层法设置知识点结构模块

受计算机专业学生专业选择的盲目性，许多学生在专业选取上并不是指针对自己的爱好进行选取，有些是为了找到更好的工作，有些是为了大学的生活较为轻松，以此导致该专业学生在学习过程以及成绩上存在多个问题。对上述现象进行分析调查，根据在校学生反映情况基本得出以下几点问题：一是由于计算机专业学习过程较为枯燥，多数学生在课堂听讲中存在大小差或者逃课现象。二是在讲课过程中授课教师一般以书本为主，在授课方式上无法做到紧跟潮流，实操与理论不能完全结合。三是教学内容利用多媒体软件的次数较少，在后期布置随堂测试和单元小结测评中，仍以试卷考试为主。四是随堂小考成绩不纳入期末考试成绩中，考试成绩仅以一次为标准。以上几点因素使得学生在课堂的专注度降低，导致后期考试过于注重课本知识，都是在考试前期临阵磨枪只为了快速把知识点背劳，取得的综合成绩有所下降。首先建立课程的知识点结构，其次对平台上的所有教学资源进行知识点标注，为后期的层次化知识点推导规则打好基础。分析程序设计课程的知识点，包含有宽泛的知识概念和粒度较细的知识点，最终形成层次化的知识结构，将知识点模块分为两层式，第一层知识点模块分别为“基本元素”“基本语句”“构造型数据”“模块化程序设计”和“指针”和“文件”，统一的被称为“一级知识点”。这些节点位于知识结构的第一层，它们又有各自的子节点，如“模块化程序设计”的子节点为“函数”和“模块化程序设计”，这些节点位于树的第二层，被称为“二级知识点”[3]。以此方式类推近将知识点结构层层细化，设置知识点结构模块，对所有的知识点进行层次化地编码，便于后面的规则推导。

2.3 融合思政元素制定知识点推导规则

在设置好知识点结构模块后，由于知识点对应的课程体系不一致，无法直接按照分布的知识点模式组织课程体系，在后续学生的答题过程中不能直接找到差错点进行统计。为此需减少对知识点教学的分割，根据各个知识点之间的关联性，以相似知识点集合为基础，在思政元素融合的基础上，制定辅助教学系统的知识点推导规则，划分教学过程各个阶段，实现教学课程体系的设定。假设知识点Ao、Ap和Aq之间存在如下关系，用W表示存在关系为 且 ，则制定过程如下：

式中，已知Ao、Ap和Aq的关系为和，。根据上述各知识点的关联，在知识点模块中自动生成循环语句，通过for语句作为while语句的上级知识点，导入至循环语句中，将只含有一个知识点的题目板块去除，设定每个知识点之间联动值为0.3，如果导入语句的关联度小于30%，便将该知识点再其板块中去除，由此找出支持度较高的知识点聚合，当知识点之间的关联度大于60%，即可输出，具体关联度计算公式如下：

式中，表示知识点之间的关联度；表示两个知识点之间的联动参数。根据输出的知识点之间的强大关联性，对教学资源的知识点模块进行细化，使相似知识点之间能够满足关系，确定了知识点的推导规则。由此在k-means算法聚类学生信息下，分层法设置知识点结构模块，融合思政元素制定知识点推导规则之后，完成计算机专业辅助教学系统软件设计。

3 实验论证分析

3.1 实验准备

为验证本文设计的计算机专业辅助教学系统具有实际应用效果，采用实验测试的方法进行其功能与性能的分析，在针对学生学习效率优化对比中进行系统测试，验证本次设计的辅助教学系统能够在一定程度上提高学生的学习效率。测试开始前选取某高校，临近毕业的计算机专业的学生进行分组讨论，按照其期末专业成绩进行平行分组。该专业学生历史专业学习成绩按照时间分成三个阶段，即大一上下学期、大二上下学期以及大三上下学期，将每学期的期末考试成绩进行分批次统计，每10分为一个分级阶段，将对应分数等级的学生人数做出排序分类，具体数据参数如表1所示。

表1 不同学期计算机专业考试成绩人数范围（人）

根据表中内容所示，该校计算机专业学生总人数在名，其中0分成绩的学生为缺考以及当年退学人数的综合，其余分数学生均为在校学生的实考成绩。在大二和大三两个学年中成绩在满分的人数有所下降，在较低的学生分数中组出现，说明可能存在些许因素导致其学习成绩有所下滑。

3.2 系统应用过程

根据统计出的各个学期的综合成绩，将其按照特优、优秀、普通以及较差四个等级进行分类，将综合成绩在90分以上的学生群体设置为特优等级，综合成绩在80分到90分范围的学生设置为优秀等级，综合成绩在60分-80分之间的范围设置成普通等级，60分以下的设置为较差等级。分别对四个组别的学生进行平均分类，按照选定好的学生按照学习成绩分成成A、 B两个小组，其中A组作为实验组使用文本系统进行学习，B两个小组作为对照组选择传统教学系统进行学习，每个小组的学习人数均不低于100人。在本文系统与传统系统的应用下，每个小组的学习效率有所变化，以周期为一个月实验阶段，学习效率对比结果如图2所示。

图2 不同系统应用下学习效率对比结果

根据图中内容可知，两组系统应用下各学习小组的学习效率差距较大，其中应用传统系统后会随着时间的推移，该组内学生的学习效率有下降，且从始至终小组内成员的学习效率没有高于60%。而文中系统应用下实验组的学生的学习效率基本在90%以上，还存在出100%完成的效果，说明本文系统具有实际应用效果。学习效率为改良侧重点，在吸引学生学习兴趣的基础上，不断提高计算机专业学生的学习效率，能够在一定程度上提高其学习成绩，进行对比结果分析。

3.3 测试结果分析

为进一步验证本文系统能够在辅助教学方面提高学生的学习成绩，以不同等级的学生学习效率为侧重点，进行多轮应用测试。在为期一个月的新系统与传统教学系统应用过程中，实验组和对照组的学生所教学的老师均为同职称教师，学习时间和原因学习成绩全过程均不作出改变。在MATBEL测试平台中导入原有每组选定的人数分别为：特优等级110人、优秀等级210人、普通等级300人、较差等级200人，以大三下学期的考试试卷为例各自进行4组测试，使用不同辅助教学系统下，考试成绩人数变得情况如表2所示。

表2 不同辅助教学系统应用下成绩对比结果（人）

根据表中内容所示本文辅助教学系统，考试成绩在特优等级和优秀等级的人数均有所提升，较差等级的人数减少为原有人数的一半。传统辅助教学系统在普通等级的人数急剧增加，使得特优等级以及优秀等级有所减少，且较差等级的人数比重也加重。综合实验结果来看：本文系统能够在提高学生学习效率的基础上，促使计算机专业学生在期末考试成绩中占据90分以上的人数有所提高，能够在提升学生学生成绩上作用正向帮助，具有实际应用效果。

4 结束语

本文融合思政元素设计计算机专业辅助教学系统，在为期一个月的使用中，新的系统使学生的学习效率能够保持在90%以上，学习成绩有所提高，较传统系统有所改进。但是受知识能力和技术水平的限制，本文在设计过程中仍存在一些不完善的地方，本次教学系统设计针对题目标记上，未去除任何人工标记的过程，教师的工作量并没有得到大幅度改善，覆盖用户群体不够广泛。希望能够在后续的研究中进一步增加对教师工作量的删减工作，减轻教师的工作压力，提高教学水平。