ERP實(shí)訓(xùn)課學(xué)習(xí)過程性評價(jià)體系的構(gòu)建與實(shí)踐

王 泓

(沈陽師范大學(xué) 軟件學(xué)院, 沈陽 110034)

0 引 言

過程性評價(jià)又稱為形成性評價(jià),是在教學(xué)過程中即時(shí)、動(dòng)態(tài)、多次對學(xué)生實(shí)施的評價(jià),它注重及時(shí)反饋,用以強(qiáng)化和改進(jìn)學(xué)生的學(xué)習(xí)[1]。近年來,關(guān)于過程性評價(jià)的應(yīng)用和研究越來越多,張俊超等人研究發(fā)現(xiàn)過程性學(xué)習(xí)評價(jià)對學(xué)生學(xué)習(xí)投入度和學(xué)習(xí)效果均有影響[2],過程性評價(jià)的教學(xué)研究在幼兒園、小學(xué)、中學(xué)、高中基礎(chǔ)階段都已經(jīng)開展[3-6],我國高校最早引入過程性評價(jià)是大學(xué)英語課堂,袁樹厚等對2002—2016年之間關(guān)于外語教學(xué)形成性評價(jià)相關(guān)研究文獻(xiàn)進(jìn)行統(tǒng)計(jì)和分析,結(jié)果顯示,研究視角不斷學(xué)科融合,研究內(nèi)容由過程性評價(jià)向動(dòng)態(tài)即時(shí)評價(jià)發(fā)展[7]。之后過程性評價(jià)也被應(yīng)用到理工類、人文社科類、藝術(shù)體育類和中西醫(yī)學(xué)類的不同課程當(dāng)中,但從袁偉對高校實(shí)踐教學(xué)形成性評價(jià)的現(xiàn)存問題進(jìn)行的研究中發(fā)現(xiàn):目前, 理工類相關(guān)專業(yè)對于實(shí)踐教學(xué)形成性評價(jià)體系的研究較為薄弱。構(gòu)建合理全面的評價(jià)指標(biāo)體系是理工類專業(yè)實(shí)踐教學(xué)研究的重點(diǎn)[8]。林萍等以企業(yè)ERP電子沙盤模擬對抗課程為例,基于UbD(理解性教學(xué)設(shè)計(jì))的“逆向設(shè)計(jì)”和“過程性評價(jià)”思想來設(shè)計(jì)課程環(huán)節(jié)和評價(jià)指標(biāo)方案[9]。古平等人針對計(jì)算機(jī)實(shí)踐教學(xué)中的突出問題,提出一種面向程序設(shè)計(jì)類試驗(yàn)的形成性評價(jià)體系[10]。由于ERP實(shí)訓(xùn)課程是本校軟件學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)下的一門綜合實(shí)訓(xùn)類課程,與管理類ERP電子沙盤和理工類的程序語言設(shè)計(jì)類實(shí)驗(yàn)都有所不同,所以本文希望通過分析ERP實(shí)訓(xùn)這一課程的特點(diǎn),設(shè)計(jì)出符合該門課程要求的過程性評價(jià)指標(biāo)體系,然后根據(jù)該指標(biāo)體系對本課程的教學(xué)數(shù)據(jù)進(jìn)行收集,獲取相關(guān)的數(shù)據(jù)集。最后使用SVM[11](Support Vector Machine支持向量機(jī))數(shù)據(jù)挖掘技術(shù)對收集到的樣本數(shù)據(jù)集進(jìn)行評價(jià)和分析。

1 ERP實(shí)訓(xùn)課程引入過程性評價(jià)的必要性分析

傳統(tǒng)的《ERP實(shí)訓(xùn)》課程[12-13]還是主要采用結(jié)果性評價(jià)方式,即:實(shí)驗(yàn)報(bào)告+虛擬系統(tǒng)成績+平時(shí)成績作為評價(jià)依據(jù),把重點(diǎn)都放在學(xué)生學(xué)習(xí)結(jié)果的價(jià)值判斷上,缺少形成結(jié)果的過程中其他因素的考核和評價(jià),如學(xué)生素養(yǎng)、知識點(diǎn)掌握、能力增長和創(chuàng)新能力等。而過程性評價(jià)通過定性和定量結(jié)合的方法,可以更好地從多個(gè)角度對學(xué)生的學(xué)習(xí)情況進(jìn)行概括和對比,提供個(gè)體的差異性評價(jià)。

實(shí)訓(xùn)課程重在培養(yǎng)學(xué)生的實(shí)際應(yīng)用和應(yīng)變能力,通過過程性評價(jià)方法可以把在實(shí)際操作過程遇到的問題進(jìn)行統(tǒng)計(jì)并記錄學(xué)生解決問題的能力。這樣就能夠把過程性評價(jià)融入到實(shí)訓(xùn)的教學(xué)過程中,更好地幫助學(xué)生在培養(yǎng)其專業(yè)能力的同時(shí)進(jìn)一步發(fā)展他們的創(chuàng)造型思維。

2 ERP實(shí)訓(xùn)課程過程性評價(jià)目標(biāo)體系

過程性評價(jià)是希望能夠更為客觀、多方面、多維度地反映出學(xué)生在學(xué)習(xí)過程中的各種表現(xiàn)的一種評價(jià)方法。根據(jù)ERP實(shí)訓(xùn)課程以及過程性評價(jià)的特點(diǎn),建立出基于任務(wù)的、難度逐步遞增的七大模塊和三大維度的課程體系。其中七大模塊包括: SAP GBI介紹、SD(銷售和分銷)模塊、MM(物料管理)模塊、PP(生產(chǎn)計(jì)劃)模塊、FI(財(cái)務(wù)會計(jì))模塊、CO(成本會計(jì))模塊和WM模塊(倉庫管理)。三大維度的基礎(chǔ)練習(xí)部分(Exercise)主要著重熟悉和掌握各業(yè)務(wù)的簡單操作流程,案例練習(xí)部分(Case Study)主要通過基于具體任務(wù)的案例讓學(xué)生熟悉綜合業(yè)務(wù)的復(fù)雜操作流程,挑戰(zhàn)練習(xí)部分(Challenge)主要強(qiáng)調(diào)獨(dú)立分析以及運(yùn)用能力,在沒有任何提示下給出一個(gè)全新任務(wù)來具體考察學(xué)生的實(shí)際應(yīng)用所學(xué)知識的能力。

表1 各部分考核比重

對于構(gòu)建過程性評價(jià)指標(biāo)來說, 應(yīng)該遵循“評價(jià)有法, 評無定法, 因課而異”[14], 即針對不同專業(yè), 不同課程, 即使是同一專業(yè)下的不同課程, 根據(jù)其教學(xué)要求、學(xué)生情況等制定不同的評價(jià)內(nèi)容和形式。本課程是參考林怡的《高校課程學(xué)習(xí)過程性評價(jià)的實(shí)踐研究》一文中給出的實(shí)踐課程的過程性評價(jià)指標(biāo)作為參考, 并結(jié)合ERP實(shí)訓(xùn)課程的教學(xué)大綱要求以及本校軟件學(xué)院本科學(xué)生的學(xué)習(xí)特點(diǎn), 從學(xué)習(xí)態(tài)度、學(xué)習(xí)過程、學(xué)習(xí)效果和創(chuàng)新能力這4個(gè)方面來構(gòu)建學(xué)習(xí)過程性評價(jià)指標(biāo)體系, 具體內(nèi)容如表2所示。

3 過程性評價(jià)的實(shí)施

過程性評價(jià)的實(shí)施是一個(gè)收集→反饋→再收集→再反饋的多次循環(huán)迭代的過程。對于ERP實(shí)訓(xùn)課程來說,三大維度的項(xiàng)目內(nèi)容是逐級遞進(jìn)的,難度也具有一定的跨越性。

根據(jù)ERP實(shí)訓(xùn)課程的安排,本類課程包含的實(shí)驗(yàn)可以大體分為2類:一類是基礎(chǔ)性的實(shí)訓(xùn)內(nèi)容,另一類是創(chuàng)造性的實(shí)訓(xùn)內(nèi)容。ERP課程實(shí)訓(xùn)前期是基于多任務(wù)的基礎(chǔ)性實(shí)驗(yàn),主要是熟練使用ERP系統(tǒng),完成若干個(gè)系統(tǒng)模塊內(nèi)容的操作。第二類實(shí)訓(xùn)內(nèi)容是基于一個(gè)虛擬項(xiàng)目,通過經(jīng)營一家公司,讓一組學(xué)生作為公司的管理團(tuán)隊(duì),持續(xù)經(jīng)營6～8期。

3.1 數(shù)據(jù)的收集和整理

根據(jù)表2的學(xué)習(xí)過程性評價(jià)體系,每組數(shù)據(jù)有10個(gè)指標(biāo),每種屬性有一定的取值范圍,數(shù)據(jù)樣本有10個(gè)輸入和1個(gè)目標(biāo)輸出組成,構(gòu)成學(xué)生的向量。學(xué)生的ERP實(shí)訓(xùn)課程的學(xué)習(xí)過程性評價(jià)等級分為5類,即:優(yōu)秀、良好、中等、及格和不及格。根據(jù)表2的指標(biāo)體系,把相關(guān)數(shù)據(jù)進(jìn)行整理,取得73份數(shù)據(jù)作為訓(xùn)練樣本和測試樣本數(shù)據(jù),并代入指標(biāo)體系。

表3 過程性評價(jià)數(shù)據(jù)集

3.2 數(shù)據(jù)預(yù)處理

在進(jìn)行數(shù)據(jù)分析之前,很重要的一步就是進(jìn)行數(shù)據(jù)預(yù)處理。scikit-learn(sklearn)[15]是一個(gè)開源的基于Python語言的機(jī)器學(xué)習(xí)工具包。本文中數(shù)據(jù)的預(yù)處理通過比較分析,采用sklearn下的Impute模塊來填補(bǔ)缺失值,proprocessing.StandardScaler 模塊進(jìn)行數(shù)據(jù)的歸一化處理。

3.3 采用SVM進(jìn)行評價(jià)

支持向量機(jī)(support vector machine, SVM)由Vapnik于1995年提出,主要用于解決二值分類模式識別問題[11]。SVM方法建立在統(tǒng)計(jì)學(xué)VC維和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則上,具有良好的魯棒性,對未知數(shù)據(jù)擁有很強(qiáng)的泛化能力,特別是在數(shù)據(jù)量較少的情況下,相較其他傳統(tǒng)機(jī)器學(xué)習(xí)算法具有更優(yōu)的性能。學(xué)習(xí)過程性評價(jià)是一種分類問題,并且是一種多分類問題。本文是使用sklearn模塊下svm.SVC類來完成的。

通過對評價(jià)指標(biāo)體系及數(shù)據(jù)進(jìn)行初步分析(見表4),可以看出評價(jià)指標(biāo)與評價(jià)結(jié)果兩者呈現(xiàn)出明顯的非線性關(guān)系。

表4 不同的核函數(shù)的評價(jià)結(jié)果對比

使用python sklearn來實(shí)現(xiàn)多分類SVM,選用RBF(高斯徑向基)函數(shù)來作為多分類SVM的核函數(shù),對于高斯徑向基核函數(shù),需要調(diào)節(jié)gamma和coef0這兩個(gè)參數(shù)。通過測試和分析學(xué)習(xí)曲線,得到gamma=0.042,coef0=22.04,分類結(jié)果0.986。

圖1 Coef0學(xué)習(xí)曲線

圖2 Gamma學(xué)習(xí)曲線

4 結(jié) 論

2018年8月,教育部《關(guān)于加強(qiáng)高校課堂教學(xué)建設(shè)提高教學(xué)質(zhì)量的指導(dǎo)意見》中提到:要求高校切實(shí)加強(qiáng)過程考核,增加過程考核成績在課程總成績中的比重,而傳統(tǒng)教學(xué)中難以把握對學(xué)生學(xué)習(xí)的監(jiān)控。本文根據(jù)ERP實(shí)訓(xùn)課程的特點(diǎn),制定了該門課程的過程性評價(jià)指標(biāo)體系,應(yīng)用Python下的sklearn模塊對收集到的樣本數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)并得到較好的準(zhǔn)確率0.986。通過把過程性評價(jià)引入實(shí)訓(xùn)課程能更準(zhǔn)確反映學(xué)習(xí)過程,提升過程性評價(jià)的科學(xué)性。