壽周翔+魯文科

隨著計(jì)算機(jī)的大量普及，高校的日常管理效率顯著提高，但在教學(xué)管理上，效率改變還不是十分明顯，特別是針對(duì)計(jì)算機(jī)專業(yè)學(xué)生的作業(yè)評(píng)分還是完全人工的方式，教師需要花大量的時(shí)間和精力在作業(yè)批改上，且評(píng)分主觀性大，效率低。如何改變這一現(xiàn)狀呢？能不能采用算法來(lái)提高評(píng)分的客觀性，減少主觀性呢？針對(duì)上述問(wèn)題，筆者提出了借助教育云平臺(tái)（ITbegin）的作業(yè)自動(dòng)評(píng)分技術(shù)，以期幫助教師減少作業(yè)批改時(shí)間，降低評(píng)分主觀性，提高工作效率。

ITbegin云教育平臺(tái)作業(yè)自動(dòng)評(píng)分

ITbegin是一個(gè)云教育平臺(tái)，它已集成了編程知識(shí)庫(kù)、在線編程、在線運(yùn)行、實(shí)時(shí)互動(dòng)等多項(xiàng)要素。同時(shí)，該平臺(tái)已具備整合在線作業(yè)自動(dòng)評(píng)分的兩個(gè)條件：①能支撐各種語(yǔ)言編譯。②能實(shí)現(xiàn)程序的運(yùn)行并取得結(jié)果。因此，我們只要實(shí)現(xiàn)評(píng)分的正確性、客觀性，便能完成作業(yè)的自動(dòng)評(píng)分。所以，我們需要建立一個(gè)評(píng)分模型來(lái)驗(yàn)證評(píng)分的正確性、客觀性。

評(píng)分模型

從正確性、客觀性出發(fā)，代碼運(yùn)行正確、代碼運(yùn)行結(jié)果與答案結(jié)果匹配、代碼與答案代碼匹配、做作業(yè)時(shí)的敲鍵次數(shù)、做作業(yè)時(shí)的運(yùn)行次數(shù)等五個(gè)指標(biāo)會(huì)影響評(píng)分。

評(píng)分模型設(shè)計(jì)可分為嚴(yán)格型、標(biāo)準(zhǔn)型、寬松型三種，教師可以根據(jù)不同的評(píng)分模型進(jìn)行評(píng)分。

嚴(yán)格型的評(píng)分模型必須代碼運(yùn)行正確，且代碼運(yùn)行結(jié)果與答案結(jié)果完全匹配（如表1）。

標(biāo)準(zhǔn)型的評(píng)分模型必須代碼運(yùn)行正確，降低代碼與答案代碼匹配的權(quán)重，提高代碼與答案代碼匹配的權(quán)重（如表2）。

寬松型的評(píng)分模型中，代碼運(yùn)行正確不是唯一標(biāo)準(zhǔn)，所以會(huì)提高敲鍵次數(shù)、運(yùn)行次數(shù)的權(quán)重（如表3）。

作業(yè)自動(dòng)評(píng)分的技術(shù)分析

評(píng)分模型各指標(biāo)需要使用各種算法去匹配，這里主要介紹運(yùn)行結(jié)果算法和代碼相似度算法。

1.運(yùn)行結(jié)果算法分析

由于程序運(yùn)行的結(jié)果一般都以字符串的形式出現(xiàn)，所以可以將代碼運(yùn)行的結(jié)果字符串與答案運(yùn)行的結(jié)果字符串進(jìn)行相似度比較。運(yùn)行結(jié)果算法常采用距離算法來(lái)比較作業(yè)的運(yùn)行結(jié)果與答案的運(yùn)行結(jié)果。

距離算法是指從原串轉(zhuǎn)換到目標(biāo)串所需要的最少插入、刪除和替換的操作次數(shù)。它們的距離越大，說(shuō)明它們?cè)讲煌?/p>

將字符串1轉(zhuǎn)成字符串2的距離算法說(shuō)明如表4所示。

距離算法過(guò)程：

（1）如果字符串1或字符串2長(zhǎng)度為0，則返回另一個(gè)字符串的長(zhǎng)度。

（2）初始化（字符串1長(zhǎng)度+1）*（字符串2長(zhǎng)度+2）的矩陣m，矩陣的下標(biāo)從零開始。

（3）掃描整個(gè)矩陣，如果str1 [i]==str2[j]，則temp=0，否則temp=1，然后矩陣m[i][j]=（上方值+1，左邊值+1，左上方值+temp）三者的最小值。

（4）掃描完后，返回矩陣m的最后一個(gè)值是它們的距離。

（5）相似度的計(jì)算公式：相似度=1-（距離/兩字符串的最大長(zhǎng)度）。例如，abc和abcd的相似度為1-（1/4）=0.75。

2.代碼相似度算法分析

由于代碼中可能存在英文或中文的單詞，所以筆者在代碼相似度算法中，基于Lucene實(shí)現(xiàn)了中英文分詞。Lucene提供了幾個(gè)常用的分詞器，如StandardAnalyzer（標(biāo)準(zhǔn)分析器，去除標(biāo)點(diǎn)符號(hào)）、IKAnalyzer（一個(gè)獨(dú)立的開源中文分詞工具包，提供了語(yǔ)義級(jí)的分詞，更加智能）等。

相似度計(jì)算可以用向量空間模型，向量可以解釋為一組坐標(biāo)，一個(gè)坐標(biāo)表示空間中的一個(gè)點(diǎn)，而向量本身是從空間原點(diǎn)到該點(diǎn)的向量。兩個(gè)向量的夾角越小，方向就越一致，相似度就越高，夾角的計(jì)算用余弦公式。

相似度算法過(guò)程：

（1）字符串分詞（如上頁(yè)表5）。

（2）合并分詞集合并計(jì)算每個(gè)詞的相似度（值為0～1之間，如上頁(yè)表6）。

（3）計(jì)算各點(diǎn)的向量（如上頁(yè)表7）。

（4）用余弦定理計(jì)算相似度。

相似度=sum/Math.sqrt （s1*s2）=0.73706。

作業(yè)自動(dòng)評(píng)分的技術(shù)實(shí)現(xiàn)

作業(yè)自動(dòng)評(píng)分技術(shù)采用Java語(yǔ)言編寫及實(shí)現(xiàn)。

1.運(yùn)行結(jié)果算法實(shí)現(xiàn)

核心代碼如上頁(yè)圖1所示。

2.代碼相似度算法實(shí)現(xiàn)

核心代碼如圖2所示。

作業(yè)自動(dòng)評(píng)分技術(shù)的優(yōu)點(diǎn)

（1）高效率。作業(yè)由原來(lái)的人工評(píng)分變?yōu)橛?jì)算機(jī)自動(dòng)評(píng)分，大大縮短了教師批改作業(yè)的時(shí)間，提高了他們的工作效率。

（2）客觀性。作業(yè)自動(dòng)評(píng)分以評(píng)分模型為標(biāo)準(zhǔn)，評(píng)分較客觀，適用于所有學(xué)生。

（3）公平性。作業(yè)自動(dòng)評(píng)分減少了人為的主觀因素，提高了評(píng)分的公平性。

作者簡(jiǎn)介：壽周翔（1974—），男，浙江省諸暨市人，碩士研究生，講師，主要研究方向?yàn)槿斯ぶ悄堋?/p>

基金項(xiàng)目：浙江省教育技術(shù)研究規(guī)劃課題（項(xiàng)目編號(hào)：JB049）；浙江省高等教育教學(xué)改革項(xiàng)目（項(xiàng)目編號(hào)：jg2015244）。