一种在线课程中的作业互评方法
【技术领域】
[0001] 本发明属于计算机应用领域，特别是涉及一种在线学习中对学生作业评分的方 法。 技术背景
[0002] 近年来，大规模开放式在线课程（MOOC)在全世界范围内迅速发展，为全球的学习 者提供着优质便捷的学习资源，同时MOOC平台也带来了一些挑战。
[0003] 在教学过程当中，通过完成作业的方式来巩固学习内容是一个非常重要的环节， 在传统的作业形式当中，可以分为客观题和主观题两种类型，其中客观题只需要设定好标 准答案就可以高效地通过计算机来完成批改评分，但对于主观题作业，一般有三种评分方 式：人工评分、机器评分和同伴互评。三种方式各有利弊，人工评分的准确性是最高的，但由 于MOOC平台的课程参与人数通常很多，一门课程的选课人数通常在数千人甚至上万人，人 工评分的工作量对于教师来说太大，并不具有可行性；机器评分通常使用机器学习的方法， 在有合适的训练集（通常由教师评判部分作业作为训练集）的情况下，能够自动地对文本 类型的题目进行评分，缺点在目前的技术程度准确性难以得到保证，适用的题目类型也比 较单一（仅文字题目）；在设置了合理的规则的前提下，让学生进行互评，可以在降低教师 工作量的前提下使得评分也能得到较高的准确性，现有的几大MOOC平台edx，coursera也 都采用了互评来完成主观题的评分工作。
[0004] MOOC平台上使用互评的主观题通常包括以下几个步骤：
[0005] 1.学生答题；
[0006] 2.教师评少量作业作为示例；
[0007] 3.学生学习评分，即尝试对教师评过的作业进行评分，并与教师的评分结果进行 对比；
[0008] 4.学生正式进行互评；
[0009] 5.学生获得分数。
[0010] 在互评的过程中，如何对学生提交的作业进行分配是一个重要的问题。在互评中， 若一个学生自己完成的作业只有50分的水平，则以他的能力往往很难评判一份优秀的作 业应该给90分还是95分；而作业水平较高的学生，则很可能对较差的作业给出过低的评 分。这些现象将会影响到互评结果的可靠性。
【发明内容】
[0011] 本发明的目的旨在克服已有的互评方法的不足之处，提出一种在线课程中的作业 互评方法，本发明可以根据学生的学习情况，将学习习惯、学习水平相近的学生进行匹配， 尽量让评分者与互评者处于同一水平，使得学生在互评时给出的分数较为可靠。
[0012] 本发明提出的一种在线课程中的作业互评方法，应用在大规模在线教育课程平台 上，其特征在于，该方法包括以下步骤
[0013] 1)提取学生学习记录的特征：对学生在MOOC平台上的学习记录提取一组特征，将 这
[0014] 些特征对应的数值组合成一个向量用于表示一个作用评分者或被评分者；
[0015] 若一共有If个特征，生成的向量为F，F在第i个特征的数值为F1;i = 1、2、… If
[0016] 2)对作用评分者与被评分者的相似度计算：
[0017] 在特征向量的每一个维度上比较评分者与被评分者的相对差别，得到一系列的数 值，将这些数值的均值作为衡量评分者与被评分者之间相似度的标准，对于一位评分者与 一位被评分者；
[0018] 3)利用二分图匹配方法对作业进行分配；
[0019] 4)求解该二分图匹配的最优解，得出最佳的作业分配方案用于作业互评。
[0020] 所述步骤2)计算相似度的步骤如下：
[0021] a)初始化i = l，sum = 0，1 = 0，i用于表示之后的步骤当中，当前正在处理第几 个特征，sum用于记录步骤b)中计算生成的中间数值的和，便于步骤d)中的均值计算，1则 表示实际有多少个特征参与了计算；
[0022] b)计算
该值表示被评分者与评分者在第i个特征上的相对差别， Fsi u Fgi i分别表示被评分者和评分者在第i个特征上的值，若评分者的特征数值F gi i不为0， 将计算的结果加到sum里，1的值加1，转步骤c);若评分者的特征数值Fgii为0,则直接转 步骤c);
[0023] c)若i等于If，则进行步骤d)，否则令i的值加1，转步骤b);
[0024] d)计算m = sum/1，m即为评分者与被评分者在所有特征上的平均相对差别，将 l_em作为相似度。
[0025] 所述步骤3)具体包括以下步骤：
[0026] a)设所有评分者的集合为R，被评分者的集合为H，将H、R中的每一个元素都用一 个点来表不，其中H集合中的点用I^h2,…，hH表不，R中的点用r η r2，…，r|R|表不；
[0027] b)把H中的每一个点h与R中的每一个点用边连接，边的方向都是从H指向R构 造作业分配二分图；
[0028] c)给步骤b)中的每条边赋予两个属性，分别是：费用、容量，边的费用即为作业作 者相对于评分者的相似度，容量均为1，表示一份作业对应一位评分者的组合只能被选 中一次；
[0029] 每一种作业分配方案对应于从步骤b)所有边中选择一部分的边，被选中的边连 接的评分者和作业表示一个匹配，选择一部分边满足如下条件：设H中每个元素对应的点h 有η条边相连，R中每个元素对应的点r有m条边相连，最小化以下值：
[0031] d)在二分图中添加一个源点S，源点S与H集合中所有点相连，与S点相连的每条 边的费用均为〇,容量为每份作业需要被评的次数n，以保证将每一份作业都分配给了 η位 评分者；在二分图中添加一个汇点Τ，汇点T与R集合中所有点相连，与T点相连的每条边 的费用也为0,容量为每位评分者需要评的作业数量m，以保证每位评分者都被分配了 m份 作业；
[0032] e)为该图中的每一条连接两个点u和V的边，方向是从u至V，增加一条反向回边， 方向是从V至u，回边容量为0,费用为从u至V这条边的费用的相反数，即'n= -W
[0033] 所述步骤4)具体步骤如下：
[0034] a)找出从S到T的最短路径，路径的长度由边的费用来定义，不考虑当前容量为0 的边；
[0035] b)若能找到最短路径，则对最短路径上的边做如下操作后转步骤a):
[0036] I)对最短路径上的所有边的容量减1 ;
[0037] II)对最短路径上的所有边的回边的容量加1 ;
[0038] c)若已经无法找到最短路径，则匹配完成，此时选择图中所有容量为0且从H指向 R的边即为最优解，这些边连接的h与r即为作业互评中被分配的作业与评分者。
[0039] 本发明的特点及有益效果：将作业分配问题转化为图论问题，并运用图论相关算 法对问题进行求解，求解的结果能从全局的角度充分考虑评分者与被评分者之间的相似 性，以达到最大程度地将学习习惯、水平相近的学生进行匹配的效果。
[0040] 为每个评分者选择m份作业评分，为每份作业分配η位评分者，同时尽可能地使互 评的双方具有相似的水平、学习习惯。
【附图说明】
[0041] 图1为本发明中作业分配示意图。
【具体实施方式】
[0042] 本发明提出的一种在线课程中的作业互评方法，应用在大规模在线教育课程平台 上，结合附图及实施例说明如下：
[0043] 该方法及实施例具体包括以下步骤
[0044] 1)提取学生学习记录的特征：
[0045] 对学生在MOOC平台上的学习记录提取一组特征，这些特征可以包括但不限于：学 生在课程中回答问题的数目、尝试次数、得分等一切与学生在课程内的表现相关的指标；将 这些特征对应的数值组合成一个向量用于表示一个学生（作用评分者或被评分者）；
[0046] 若一共有If个特征，生成的向量为F，F在第i个特征的数值为F1;i = 1、2、… If
[0047] 2)对学生的相似度计算：
[0048] 在特征向量的每一个维度上比较评分者与被评分者的相对差别，得到一系列的数 值，将这些数值的均值作为衡量评分者与被评分者之间相似度的标准，对于一位评分者与 一位被评分者，计算相似度的步骤如下：
[0049] a)初始化i = l，sum = 0，1 = 0，i用于表示之后的步骤当中，当前正在处理第几 个特征，sum用于记录步骤b)中计算生成的中间数值的和，便于步骤d)中的均值计