高等教育中计算机科学单元大纲的相似性匹配

### 高等教育中计算机科学单元大纲的相似性匹配 #### 1. 引言 随着教育全球化，学生可在全球各地接受高等教育，但不同大学的课程设置存在差异。尽管网络搜索引擎可帮助查找不同大学提供的潜在相似课程或科目，但判断它们之间的相似程度目前仍是手动过程，学生或教职人员需仔细阅读课程内的科目/单元描述，以了解所教授的不同主题。本文研究运用文本挖掘评估不同单元之间的相似性或重叠程度，并提出一个能帮助学生和教职人员做出判断的系统。单元或课程描述通常较短，约 100 - 200 字，且写作方式多样。 高等教育学位通常通过一系列单独的学习单元（有时称为科目或论文）来授予。单元大纲是每个单元提供的学习和教学目标及体验的简洁总结，它是学生选择学习单元以及不同机构比较自身学位与竞争对手学位的一种机制。随着高等教育学生的流动性增加，从一个机构转到另一个机构的学生可能会获得先前学习的学分，而正是学生先前学习的单元大纲用于确定他们获得学分的单元。 判断单元大纲之间的相似性是核心问题，因为它们是单元详细内容的代表。然而，基于如此小的文档确定学习单元之间的相似性是一项具有挑战性的任务。不同大学的单元大纲，即使是相同主题，在结构和内容上也可能有很大差异。有些单元大纲只指定涵盖的高级主题，而有些则可能给出详细描述。有时不同单元对同一主题使用同义词，例如在计算机单元中，有些大纲使用“编程语言”，而有些则使用特定的编程语言名称，如“Java”。比较不同大学的这些多样单元大纲并非易事。 教育数据挖掘已成为一个重要的研究领域，各种应用和工具被开发出来解决教育研究问题。这些工具旨在提高决策过程的效率，从而增强学生的学习和体验。但据我们所知，目前没有专门设计用于比较不同大学单元内容的现有系统。因此，本文的目标是研究文本挖掘的应用，基于概念之间的共性程度来衡量不同单元大纲之间的相似性。 寻找单元之间的相似性是一个逐步的过程： - 第一步是从单元中识别与领域相关的关键字，提取的关键字也可视为概念。 - 第二步是获得不同单元大纲中概念之间的相似程度。 - 然后通过组合每个概念的相似性得分来计算单元之间的相似性。单元到单元的相似性得分可作为推荐系统的输入。 本文的主要贡献如下： 1. 找到从单元描述和学习成果中准确提取关键字和主题的最佳技术。 2. 一个基于维基百科衍生语料库计算两个单元大纲之间相似性得分的系统。 3. 评估 31 所澳大利亚大学提供的部分一年级计算机单元之间的相似性。 #### 2. 系统架构 所提出的系统通过每个大纲中出现的单个概念的相似性来判断单元大纲之间的相似性。完整的系统工作流程如下： ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(单元大纲描述或主题列表):::process --> B(关键字提取):::process B --> C(单元间相似性计算):::process C --> D(推荐):::process ``` 系统主要包括以下组件： 1. **关键字提取**：这是分析单元大纲描述或主题列表的初始步骤，其作用是识别可能代表单元内容和学习成果的概念。 2. **单元间相似性计算**：通过对两个单元大纲中关键字提取所识别的每个概念进行成对比较来衡量。其作用是识别两个单元之间最相似的概念及其相似程度。 3. **推荐**：任何特定用例的组件，支持基于单元之间的相似程度做出决策。根据不同的上下文，可以设计不同的推荐模型。例如，系统在比较所有单元后可能会建议不选择特定课程，甚至在考虑其他因素（如先前学习单元的水平、学生在这些单元中的表现以及先前机构的排名）后，可用于学分评估。 本研究主要涉及前两个组件的实现和评估。为了评估，使用了来自澳大利亚和国际大学计算机科学学位的 26 个单元来比较几种替代的关键字提取方法：其中 11 个单元（来自 7 个机构）来自澳大利亚，10 个单元（来自 4 个机构）来自马来西亚，2 个单元来自新加坡的一个机构，3 个单元来自越南的一个机构。所有单元大纲均为英文。用于评估相似性匹配方法的数据来自 31 个澳大利亚机构教授的 40 个入门级和中级编程单元的单元大纲，其中 20 个是入门级编程单元，20 个是教授算法和数据结构的中级单元。 以下是部分入门级编程单元的信息： | 单元代码 | 单元标题 | 机构 | | --- | --- | --- | | COMP1100 | 编程导论 | 澳大利亚国立大学 | | COIT11222