基于J2EE架构的通用教学评价系统的设计与实现

1、基于J2EE架构的通用教学评价系统的设计与实现摘要基于目前数字化校园系统中教学评价模块的功能单一、模型固定和重复开发等问题，作者给出了一个通用的教学评价系统，该系统的主要功能流程、系统的体系构造和实现技术，以及所用到的两种重要算法：AHP法和BP神经网络。该系统可作为一个模块直接嵌入不同的网络教学平台与数字化校园系统，具有通用性强、扩大性好等优势，能有效的排除模型定制中人为因素的干扰，具有较强的实用和推广价值。关键词评价模型struts框架AHP法BP神经网络1引言随着Internet应用的普及，网络化教学日益成为一种重要的教学手段和教学场所，作为网络化教学系统的一个模块，教学评价系统承当着监

2、视教学效果、使教学双方形成有效交互与反响以及对教学过程的决策取向产生直接参考根据的重要任务。但是，目前我国还没有网络化教学评价的根本标准，教学形式和教学对象的多样性也导致难以制定一个统一的标准。为理解决上述问题，本文给出了一个通用的教学评价系统，该系统不仅解决了重复开发造成的资源浪费，对不同的基于J2EE架构的网络教学系统或者数字化校园平台，只须把该系统作为一个模块嵌入其中，就可轻松实现评价功能，而且针对各种不同的需求，提供评价表单、权值的定制功能，教学单位可根据自己的实际情况选择使用AHP法、BP神经网络法或常规法定制合适自己的评价模型。前两种方法，本系统提供评价模型的生成和检验机制，用以保

3、证所定制的模型符合用户需求，以最大程度排除人为因素的干扰，是本系统的核心和关键技术。2相关算法介绍2.1AHP法AHP是AnalytiHierarhyPress层次分析法的简称，它是一种定性和定量相结合的系统化、层次化的分析方法，适用于多目的、多准那么的复杂评价问题。它能提供一种方法把定性的评价标准定量化，形成对每一评价指标的权值，由于它同时提供一致性检验从而可以保证所得权植的客观合理性。其主要步骤为：1)建立层次构造模型2)构造判断矩阵3)层次单排序及其一致性检验4)层次总排序及其一致性检验利用AHP法建模的关键在于判断矩阵的构造，这需要在建立层次构造之后进展两两标度比拟，这项工作一般要由专

4、家来做。2.2BPNN法即BP神经网络法，又称误差逆传播学习算法，分为三层：输入层、隐含层和输出层。在详细应用该网络时分为网络学习及网络工作两个阶段。网络的学习过程由正向和反向传播两部分组成。在正向传播过程中，每一层神经元的状态只影响到下一层神经元网络。假如输出层不能得到期望输出，就是实际输出与期望输出值之间有误差，那么转入反向传播过程中，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次向输入层传播去进展计算，再经过正向传播过程，这两个过程的反复运用，使得误差信号最校当误差到达人们所希望的要求时，网络的学习过程就完毕。在网络的工作阶段，根据训练好的网络权值及给定的输入向量，按照“

5、形式顺传播方式求得与输入向量相对应的输出向量的解答。BP网是一种反向传递并能修正误差的多层映射网络。当参数适当时，此网络可以收敛到较小的均方差，是目前应用最广的网络之一。使用BP神经网络来进展权值的定制是基于它具有能任意精度近似线性非线性函数的特性，把样本与权值组的映射关系看作一个非线性函数，用BP网络去近似这个函数，只要样本是合理的，那么得出的权值也是合理的。根据R.Heh-Nielsn的论证，一个三层BP神经网络可以实现任意精度、任意连续函数的映射，故我们仅取一个隐含层。输入层和输出层的节点数，按实际应用需要而定。隐含层节点数确实定，跟输入层和输出层的神经元个数有关，但详细的定量关系目前仍

6、无定论。按照hareneN.Tan和GerhardE.ittig(1993)的说法，一般情况下输入层、单个隐含层和输出层的神经元个数根本相等或呈金字塔构造时，BP模型的运行效果较好。因为取节点太少,网络不“强壮，难以到达目的；取节点太多，使学习时间过长，误差不一定最校3系统的体系构造图1系统总体构造图如图1为评价系统的总体构造图，从逻辑上可以把整个系统分成三个大的子系统，模型定制子系统、教务管理子系统和教学评价子系统，分别由模型管理员、教务管理员和评价用户来操控。每一用户登录时，首先查找自身的数据库，假设数据库中没有该用户的身份认证信息，将访问平台系统数据库，从中获得用户的合法身份信息，并将有

7、效用户存入评价系统自身的数据库，同时，根据用户的角色进入相应的功能页面。3.1模型定制子系统中评价模型的定制分两步，第一步要从指标库中选取评价指标，对指标库的维护由模型管理员负责，评价指标分为两类，一类是定性描绘指标，一类是定量指标，定量指标须从元数据集中选择指标所对应的元数据。元数据集是可以从网络教学系统提取的定量信息的数据集合，客观反映了学生和老师参与教学的情况。指标选择完毕，还要定制每一指标的权值，定制权值的方式有三种：自定义法、BP法和AHP法。自定义法可以对某一模型的指标直接输入权值，这一方法和目前大部分评价系统的实现功能一样，当评价模型已经确定或是有统一的评价标准时，可选择这种方式

8、定制权值。AHP法需要对评价领域较熟悉的专家决定出反映各指标的相对重要性的判断矩阵，在定制过程中，系统提供了一个界面友好的定制模块，让用户可以比拟方便的完成定制操作。假如输入的判断矩阵不满足一致性要求，那就意味着比拟参数有自相矛盾的地方，系统将会报错并返回重新输入参数。AHP的这种验证机制能保证用户最大限度的准确量化在潜意识中指标的重要程度，从而定制出符合要求的评价模型。使用BP法在定制权值时需要评价样本的输入，评价样本提供了一个模板，它实际是由一些孤立的点来确定一条多维的权值曲线，权值曲线的合理与否与样本的合理性严密相关。样本库由教务管理员员管理和维护，可以组织专家制定样本或是在AHP法运行

9、一段时间后由教务人员从产生的评价实例中提取样本来组成样本库。BP法通过误差反传的方法来不断调整预设的权值，当误差小于某一预设的值时完成权值训练，否那么继续调整下去。由此可见，BP法自身也具有检验机制，这样得出的权值能最大限度满足用户的需求。通过定制不同的评价模型，系统可以对教学的各个方面进展评价。模型管理员负责模型的管理维护工作，可以对模型进展编辑和删除操作，还可以通过提供样本对已经定制完成的某模型进展模型检验，以此来对模型的可用性进展评估。评估算法主要采用取所有样本的实际评价结果和理想值之间的均方误差，将该误差值与某一上限值做比拟，并在该模型做上标记，并附上误差值，以供教务管理员选定评价模型

10、时参考。3.2教务管理子系统由教务管理员施行，主要完成评价模型的选择、翻开或关闭模型以及样本库的管理以及其它管理功能。评价模型定制完成之后，由教务管理员来控制系统的评价流程，教务管理员选择一个或多个评价模型使其生效并进入实际运行，参评者就可以对相应模型进展评价。教务管理员还可以将评价开关关闭，使评价暂停。此时假设参评者访问评价页面，系统会告知评价功能由管理员关闭，暂停评价。关闭评价并不影响正常的阅读等其它操作的进展。在样本库管理中，可添加和删除样本，或者从以往的评价结果信息中提取出一些评价结果作为样本存入样本库，以备BP法定制权值和模型检验时使用。教务管理员还可以阅读全部的评价信息，系统对评价

11、结果采用横向比拟、纵向比拟、表、图等多样化显示，方便快速直观的对评价结果做出判断。3.3教学评价子系统该子系统是系统的核心，主要完成对评价对象的评价功能。参评者登录之后，系统根据参评者的评价权限列出其可参评的有效评价工程，参评者可以从其中选择一个进展评价，评价时，每一项评价指标的评价得分都要输入相应的评价模型进展运算。其中，定性描绘指标得分通过参评者提交得到，而定量指标得分那么由评价系统从网络教学系统自动提龋所得到的评价得分存入参评者的评价记录，每隔一定时间，系统将从评价记录中读取这些信息，产生最终的评价结果。评价可以重复进展，此时旧的评价信息将被交换，被评价者可以实时阅读评价结果，以到达对教

12、学的实时反响作用。4实现技术4.1基于struts的框架构造图2系统的框架构造设计本系统采用基于struts的V编程设计思路，将用户显示界面、流程控制和业务逻辑进展别离。其框架构造图见图2，在客户端，用户提交需求，数据信息以request或FrBean两种方式提交到eb效劳器，在eb效劳器中，StrutsAtin完成主要的数据封装和流程转发工作，AtinServlet起着控制器的作用，控制逻辑利用Struts-nfig.xl文件来配置。在模型层，EJB那么处理业务逻辑，定制模型所涉及到的算法都在EJB中完成，之后通过DA访问数据库完成数据的存龋4.2与教学平台系统的数据同步设计由于该评价系统定

13、位于可嵌入不同的教学平台，对于各种教学平台，其数据库的构造设计也有着较大差异，因此，如何解决与不同平台系统数据库的数据同步，是解决通用性的关键。本系统采用在XL根底上开展起来的eb效劳ebServie技术来实现系统间的功能控制和信息交互与共享。eb效劳使用基于XL的消息处理作为根本的数据通讯方式，消除使用不同组件模型、操作系统和编程语言的系统之间存在的差异，使异类系统可以作为计算网络的一部分协同运行。开发人员可以使用像过去创立分布式应用程序时使用组件的方式，创立由各种来源的eb效劳组合在一起的应用程序。由于eb效劳是建立在一些通用协议的根底上，如HTTP、SAP、XL、SDL、UDDI等，这些

14、协议在涉及到操作系统、对象模型和编程语言的选择时，没有任何倾向，因此eb效劳将会有很强的生命力。两个应用程序通过eb效劳进展远程通信时，所需的标准核心构件如图3所示：图3ebServie的核心构件块使用ebServi方式进展数据共享，对使用本评价系统的教学平台而言，只须在原系统的根底上开发一个访问其数据库的模块，并将其部署到ApaheSAP上(可选择使用其他的效劳器)，访问数据的接口方法由本系统的数据访问标准确定，而由教学平台端实现。当评价系统需要访问平台系统的数据信息时，调用SAP客户端代码，把恳求发送至效劳器，调用相应的效劳接口方法，结果返回和参数传递都是通过RP来完成。ebServie基

15、于XL文档进展效劳描绘，效劳恳求和反响结果，可以在Internet上通过HTTP协议进展传递，很容易的被访问和返回结果。同时，由于ebServie的相关标准都是3的开放协议，与平台和操作系统无关，不同的平台和操作系统上的ebServie的实如今很大程度上可以做到互操作，这就使异构平台上应用的集成变得很容易。4.3评价的有效性解决方案除常规法外，另外两种定制权值方法即AHP法和BP神经网络法自身都具有有效性验证机制。对AHP法，用户在建立各指标的两两标度比拟矩阵后，评价系统将对矩阵的一致性进展判断，假设误差(一般采用均方误差)大于设定的某个最小值，将会报错，那就意味着输入参数不符合一致性标准，系

16、统将提示用户重新定制，直到所定制的模型能真正反映用户的需求，这在一定程度上防止了定制的随意性。其次，BP法本身有一个逐渐收敛的学习过程，在评价样本具有足够可信度的情况下，评价权值将无限接近样本所反映的理想模型(需要有足够多的样本)，收敛的时间正常是与样本的数量成正比，用户可在运行速度和准确性之间求得折衷。本评价系统把评价成绩和访问量、登录次数、考试成绩这样一些硬性指标挂钩，对评价对象的评价角度从多个方面来考虑，教学单位在定制评价模型时可选择使用，从而给被评价对象一个尽可能公正的评价。5结论本文大概介绍了系统的设计思路、体系构造以及所用到的主要的实现技术和算法根据。对于详细的细节，由于篇幅所限，没有涉及。从用户需求角度讲，该系统通用性、可维护性强，可防止相当大一部分重复开发工作，并且，由于引进两种算法使评价结果的有效性和合理性得到更大的保证，具有较大的实用和推广价值。参考文献：1)卢宗华.AHP矩阵一致性判别和元素修正方法及其应用J.山东科技大学学报第三期,2000-092)焦李成.神经网络系统理论.西安:西安电子科技大学出版社,19963)Heht-NielsenR.TheryftheBakPrpagatinNeuralNetrkA.In:Pr