您好, 访客   登录/注册

基于朴素贝叶斯理论的高职院校软件项目实训综合评价研究

来源:用户上传      作者:

  摘   要:软件项目实训是高职院校软件技术专业实践教学的重要环节,其综合评价具有不确定性、综合性、非线性等特点。基于朴素贝叶斯理论构建评价模型,有利于提高综合评价的客观性和真实性。本文首先进行综合评价指标的探讨分析,然后重点探讨基于朴素贝叶斯理论的评价模型的构建,并以实例数据对评价模型进行训练和预测。
  关键词:贝叶斯  朴素贝叶斯  综合评价
  中图分类号:TP309.2                             文獻标识码:A                        文章编号:1674-098X(2019)02(b)-0213-02
  1  软件项目实训综合评价存在的问题
  以真实项目为载体的软件项目实训是高职院校软件技术专业的一个重要教学环节。对整个项目实训过程和结果进行科学的评价考核是检查与提高学生实践项目能力的重要手段和措施,需要考虑过程、结果、技术、作品和管理等各个维度,因此,对软件项目实训的综合评价具有过程性、多因素性、不确定性、综合性、非线性、主观和客观相结合等特点。然而,常用传统的评价方法是通过各指标分值与其权重进行线性计算得出其评价结果。但是,对软件项目实训的评价,很多考核因素无法通过定量的分值来确定,只能以考核等级的定性来确定,因此,这种的传统定量计算的评价方法或多或少存在些问题或不足,使得评价结果的客观性和真实性程度较低,不适合具有主观性较强、定性、不确定性和综合性等特点的项目的综合评价。
  通过对目前高职院校软件技术专业的软件项目实训的教学情况调研,探索采用朴素贝叶斯理论对软件项目实训进行综合评价。以朴素贝叶斯理论为基础构建综合评价模型,最后以实例数据对模型进行训练和预测,验证模型的合理性。
  2  朴素贝叶斯理论在软件项目实训综合评价中的应用可行性
  根据以上朴素贝叶斯分类的思想,可先设计软件项目实训综合评价的指标体系,每个指标对应于特征条件作为算法的输入,评价等级对应于分类作为算法的输出,这样构建综合评价的算法模型。然后以样本数据训练模型,验证模型的合理性,用以确定给定的预测类型。这样实现了输入数据(评价指标)到输出数据(评价等级)的映射关系,构建了可行的、科学的综合评价模型,以提高综合评价结果的真实性和客观性。
  3 基于朴素贝叶斯理论的软件项目实训综合评价模型的构建
  基于朴素贝叶斯理论的软件项目实训综合评价模型的构建,除了前面所描述的朴素贝叶斯算法作为评价模型的计算方法外,还涉及到两个方面[3]:
  (1)评价模型的输入。要对软件项目实训进行综合评价,既需要考虑实训结果的评价,还需考虑实训过程的评价,这样才较为合理、科学。基于朴素贝叶斯理论的评价模型,将各评价指标设计为评价模型的输入,即特征向量。软件项目实训的综合评价指标可设计如下指标。各指标的考核等级为{优秀,良好,合格,不合格}4个等级。
  项目文档(D):考核内容包括结构合理性、内容丰富性。软件界面(V):考核内容包括布局合理性、美观程度、易用性。软件功能(F):考核内容包括完备性、正确性、实用性、稳定性、创新性。过程管理(P):考核内容包括团队合作、成员分工、过程成果。作品演示(S):考核内容包括演示熟练、讲解清晰、答辩流利。
  (2)评价模型的输出。在软件项目综合评价过程中,作为输入的大部分评价指标很难用定量的分值来考核,而是采用主观性较强的定性的等级考核,所以,作为输出的综合评价结果相应地采用定性的等级考核较为合理。软件项目实训的综合评价结果等级设计为{优秀,良好,合格,不合格}4个等级。
  4 基于朴素贝叶斯理论的软件项目实训综合评价模型的训练与预测
  根据前面设计的基于朴素贝叶斯理论的软件项目实训的综合评价模型。其输入的评价指标为6个维度的特征向量:X={D,V,F,P,S},在进行模型训练与预测时使用[1,2,3,4]4个值表示,即1表示“优秀”,2表示“良好”,3表示“合格”,4表示“不合格”。输出的评价结果等级为4个类别:C={优秀,良好,合格,不合格},在进行模型训练与预测时同样使用[1,2,3,4]表示。以某软件技术专业班级35位学生的软件项目实训为例,选取25位学生的综合评价数据作为训练数据集,例如:X1={1,2,3,1,1,1},X2={2,3,3,3,2,3},…, X25={2,3,3,2,1,1}。然后再选取10位学生的评价数据作为测试数据集。
  利用Python语言编写模型算法,并导入这25位学生的样本数据进行模型训练。训练结果如下所示:
  朴素贝叶斯评价模型训练准确率:0.96
  朴素贝叶斯评价模型训练结果:[1 3 2 4 2 1 1 2 2 4 2 1 2 2 4 3 2 2 4 2 1 1 2 1 2]
  由上可知训练准确率在90%以上,说明模型有效可行。然后再导入10位学生的测试数据进行预测,得出这10位学生的综合评价等级。预测结果如下所示:
  朴素贝叶斯评价模型预测结果:[2 4 2 1 4 2 2 4 1 2]
  由上可知,这10位学生的软件项目实训的综合评价等级依次分别为:[良好,不合格,良好,优秀,不合格,良好,良好,不合格,优秀,良好]。
  5 结语
  由于软件项目实训本身的不确定性、强主观性、定性而非定量等特点,传统的评价模式不能客观地评价学生的综合表现,通过本文的分析与应用,将朴素贝叶斯理论用于软件项目实训的综合评价中是可行的。也为具有类似特点的项目评价拓展了评价思路,具有参考价值。当然,由于样本训练数据本身具有一定的主观性,而且任何一种评价方法或模型,都无法做到绝对的客观和公正。因此,需通过不断的探索与研究,优化或拓展评价方法和模型,尽可能提高评价的客观性、公正性和真实性。
  参考文献
  [1] 华校专,王正林.Python大战机器学习[M].北京:电子工业出版社,2017.
  [2] 李航.统计学习方法[M].北京:清华大学出版社,2012.
  [3] 周志华.机器学习[M].北京:清华大学出版社,2016.
转载注明来源:https://www.xzbu.com/1/view-14797628.htm