高校智能化管理系统的应用

高校智能化管理系统的应用

0资源选择的系统性论文是连接高等教育的非常重要的工作。如何对毕业工作的全过程进行监控和管理已成为高校教育管理者研究的重点之一。早期的毕业设计管理系统大多只具有教师出题和学生选题的功能,学生与课题的匹配主要以人工操作的方式完成,使得学生的选题结果某种程度上与操作人员的主观因素密不可分。文献提出了可供教师和学生双向选题的系统。当选某个课题的学生远超于课题要求人数时,学生与课题的匹配完全由出题教师决定,有可能使学生不能选到适合自己的课题。因此有必要进一步改进毕业论文管理模式,寻求具有针对性的匹配算法,以期减少管理者的工作量,宏观上更大程度和更优地满足所有选题学生的需求。1改进的二图匹配方法文献提出应用模糊匹配技术支持学生和教师完成毕业设计课题的匹配过程。该系统支持学生网络在线填报毕业设计课题选择的意向,包括精确的第一、第二志愿课题选择意向和模糊表示的感兴趣领域、研究方式和方法及其他要求。然后系统采取模糊匹配技术进行第一轮学生与课题的自动匹配,对那些配对未能成功的学生和课题,再提供约束支持下的人工调整配对功能。该方法存在两个弊端:第一,方法中的模糊匹配无法在学生选题阶段对不同专业方向和不同层次的学生进行选题分流,容易出现选择某些课题的学生过多或过少的情况,谈不上更优地匹配学生和课题。第二,对自动配对未能成功的学生和课题,系统将工作转交以人工操作的方式进行调整,这样就使得剩余学生与课题间的匹配存在着主观因素。文献在毕业设计选题系统中应用了改进后的二分图匹配算法Ford—Fulkenson,它能对学生选题志愿和老师要求进行自动匹配。假设v1为<教师,课题,课题类型,课题要求,剩余要求>五元组,v2为<学生,志愿,志愿类型,爱好课题>四元组。匹配时先将课题与志愿匹配,在匹配冲突或无匹配时,考虑课题类型与志愿类型匹配,如果仍不匹配,那么进行课题要求或剩余要求与爱好课题的匹配。这里尽管增加了匹配条件,但是如果有多名学生匹配条件均相同,算法并未给出哪位学生可与课题进行匹配,还得采取手动调节的方法。针对以上问题,本文研究如何使系统根据志愿实现更大和更优的匹配,同时更大程度地挖掘未匹配学生志愿信息,实现剩余未匹配学生与未匹配课题之间的更大和更优匹配,减少由人工操作而导致的主观性问题。2深度匹配算法的挖掘本算法由志愿自动匹配算法和调剂学生算法两部分组成。两者都是通过深度挖掘课题与学生的信息实现更大和更优的匹配。后者是对前者的补充。2.1设计流程及算法2.1.1启发如文献所述,学生与课题间的选择关系可以认为是一个带权二分图。要使系统自动实现两者的更大和更优匹配,理想的状态是每个备选课题都是为某位学生量身定做的,这样就不需要算法来决定课题与学生之间的匹配。根据这一想法,我们可以设计出一种近似理想的系统。教师出题时,根据学生总体情况给出课题的特性以及对学生的要求。每个学生根据自己实际情况进行对照,判断自己匹配课题的概率有多大,选择最有可能匹配的课题。这样,系统在学生选题的源头上起到了分流学生的效果。显然,对课题的特性及该课题对学生要求的设置越详尽,就越能体现课题间差异性与层次性,更能贴近每个学生的特点,匹配的过程与结果就越接近理想状态。2.1.2设计思路根据以上启发及毕业论文工作管理流程的要求,我们从教师出题着手。以往出题时,先出大题,供多个学生选择。匹配学生确定以后,再将大题拆分成多个小题,一一地分配给各个学生。其中,教师出题时,需设定课题所属类别、难度、以及需要修读课程达到的分数等信息。学生选题前,工作人员预先从教务管理系统获取选题学生对应的积点分和课题要求修读课程的成绩,并将其导入到系统中。对于出题教师所设定的修读课程,算法根据教师给定的分数线判断选题学生是否符合。课题难度分为难、较难、一般和简单四个等级,成绩则有优、良、中和及格。对于难度为“简单”的课题,算法挑选学生时默认择差录取。2.1.3算法描述每个学生可选择三个课题作为自己的志愿。学生完成选题后,系统按志愿自动匹配。以下是具体匹配的过程:在自动匹配算法中,当选题学生数超过课题需求人数时,根据出题教师设定的课程和分数线筛选学生。若达到分数线的学生数刚好等于课题需求人数,则这些学生匹配成功;若达到分数线的学生数超过课题需求人数,仅达到分数线的学生有资格继续参加下一轮竞选;若达到分数线的学生数少于课题需求人数,除达到分数线的学生匹配成功外,未达分数线的学生仍有资格参加竞选。这里参加竞选的学生都是依据综合排名决定与该课题匹配的成功与否的。若出现成绩之和完全相同,则由学生的积点分决定名次高低。第一轮成绩排名结束后,再根据学生的积点分进行排名。然后将竞选的每个学生的两组排名相加得出权重值。最终将竞选学生的权重值以升序排列,得出综合排名。若竞选学生的权重值相同,则仍由积点分决定学生的综合排名。所以算法整体上是先志愿,后课程,最后才是综合排名。这个策略是优先照顾具备该课题相关知识的学生,而后才是那些积点分高、相关知识略为欠缺的学生,较好地将要求课程成绩和积点分两个指标结合在了一起。另外,因为算法默认学生参加难度为简单的课题竞选时,从综合排名最低的学生开始匹配,这就要求课题的难易程度的比例要和参加选题的学生专业水平大致相对应,尤其是难度为简单的课题。否则会产生专业水平较好的学生,由于积点分的缘故导致综合排名较高,无法匹配简单课题的情形。2.2按志愿自动匹配算法经过第一轮匹配后,算法将根据剩余学生志愿信息进一步挖掘潜在的匹配关系,从而完成剩余学生和课题之间的调剂工作。2.2.1设计思路本阶段将第一轮匹配失败学生志愿所选课题的类别、教师和难度三个因素作为进一步挖掘其潜在意向的依据。根据学生的这三个因素,按排列顺序依次作为搜索条件进行搜索与该志愿相近的课题,三个因素的排列顺序由学生在选题阶段自己设定。搜索时可按序增加三个因素中其他因素来缩小搜索的范围。若最终的相近课题仍有多个,可由工作人员与学生协商决定其最终的课题。作为对按志愿自动匹配算法的补充,增加学生满意度。为照顾积点分低的学生,算法默认积点分低的学生优先调剂。2.2.2算法描述其中,第26-42行是“获取该志愿相近课题的起始搜索条件”函数。第43-69行是“搜索课题”函数。第1-25行为“调剂学生”算法的主函数。若搜索到的相近课题有多个,则需要工作人员手动匹配其中一个。第28、34、51行提到的“根据学生三个因素优先级和当前志愿信息获取搜索条件”的实现原理是:首先根据学生设定的三个因素优先级进行遍历,当遍历到其中一个因素时,依据这个因素获取当前志愿中对应的信息作为搜索条件。如学生设定的三个因素优先级为课题类别、所选教师和难度,则首先根据第一个因素“课题类别”获取当前志愿的课题类别信息作为搜索条件搜索相近课题。若有课题,则以此搜索条件作为起点,根据三个因素优先级尝试增加该志愿中与下一个因素对应的信息作为搜索条件继续搜索,进一步缩小相近课题的范围。经过这一轮学生与课题的匹配,剩下的学生都是属于无相近课题可供选择的情况。但这种情况并不多,此时建议使用人工协调的方式解决这些学生的课题匹配问题,并通过手工的方式完成课题的匹配工作。2.3第四,七大因素的竞争相对分散,有利于提高志愿匹配的成功率本算法让学生在选题过程中,了解适合自己情况的课题相关信息,然后结合课题要求课程的成绩和学生积点分水平,选择课题。这样使得第一轮的选题结果相对分散,不致于出现选择某些课题的学生过多或过少的情况,大大提高了第一轮志愿自动匹配的成功率。此外学生选题时,课题类别、教师和难度三个因素优先级顺序的设定也很重要,因为以不同的三因素优先级搜索相近课题,其结果有可能完全不同。基于本文提出的深度挖掘匹配算法进行毕业论文管理,可使绝大部分的匹配工作交由计算机完成,从而大大减少工作管理者的工作量,而且还能做到从宏观上较好地满足选题学生的需求。2.4与课题匹配的筛选定义1二分图是比较特殊的无向图。若无向图G的顶点集V可划分成两个子集V1和V2(满足V1∪V2=V且V1∩V2=Φ),使图中每一条边的一个端点在V1中,另一个在V2中,则称G为二分图或二部图。学生与课题之间的匹配可以抽象成如图1所示的二分图。学生集合相当于子集V1,而课题集合相当于子集V2。每个课题后的数字表示需求人数。每个学生有三个志愿可供选择,图中用不同类型的线条标识。第一轮的志愿自动匹配算法在2.1.3节算法描述中有详细介绍。完成志愿自动匹配算法后,再根据选题未成功学生设定的三因素优先级和志愿信息进一步挖掘与该学生志愿相似的课题并进行匹配。这一轮的调剂算法在2.2.3节算法描述中有详细描述。这样系统就实现了对此二分图的较完美的匹配。3不同类型课题的结果对比基于以上算法的思路,我们开发了相应的毕业论文管理系统,并在某个学年应用该系统进行毕业论文管理工作,为算法的实验提供了部分数据。整个实验先后通过不使用任何算法和基于该算法进行毕业论文的出题、选题与匹配。实验对象均为相同的102个备选课题和相同的102位参加选题学生,以便在实验数据对比上,体现出真实的差异性。具体实验数据对比如表1所示。表中“不使用任何算法”是指只根据学生志愿主观地进行课题与学生的匹配,随后也没有调剂学生的工作。这种情况下,实验数据表明,完成志愿匹配后,剩下的49个待定课题和49位待定学生必须通过人工协调的方式完成后续的匹配。此外,在这种情况下也没有在学生选题阶段使得选题分流,容易出现选择某些课题学生过多或过少的情况。在课题匹配阶段,工作人员的较大的主观盲性,又使得出现大量学生和课题无法匹配