基于校园大数据平台的面向学科竞赛的学生团队组建模型方法技术

一种基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，首先通过教务管理模块、实验室管理模块和竞赛管理模块三个数据平台采集学生信息，再建立竞赛模型和学生模型，最后通过团队匹配算法得最终组建团队。该方法在学生效用和团队效用方面性能优异，同时通过上述方法，提升了学生的学习能力、实践能力、团队协作能力和创新能力，并且缩小了学生个体间的能力差距。

A method of building student team model for subject competition based on campus big data platform

【技术实现步骤摘要】
基于校园大数据平台的面向学科竞赛的学生团队组建模型方法
本专利技术涉及一种学生团队组建模型方法，尤其是一种基于校园大数据平台的面向学科竞赛的学生团队组建模型方法。
技术介绍
随着高等教育的快速发展和社会需求的不断增长，实现创新创业教育已成为当前高等教育的主要趋势。学科竞赛作为教学实践的重要组成部分，是实现创新创业教育的重要途径，同时也是培养学生实践、创新和工程能力的良好途径。学科竞赛越来越受到学校、教师、学生的关注。学生和教师在课堂上获得理论知识后，希望提高学生的实践能力，企业也希望吸引更多的学生参与他们的实践项目，因此越来越多的学科竞赛被不同组织举办。因为学科竞赛项目很多，并且大多数学科竞赛都要求多个学生组成一个团队，因此如何构建学生团队是一个重要问题。例如，一个学生团队应该有多少个团队成员，以及如何选择“合适”的竞争对手。此外，竞争会带来最高的收益，但“适当”是一个复杂而模糊的概念，不仅要考虑学生的实践能力、领导能力等各种属性，还要考虑竞争的目的。此外，当多个竞赛同时进行时，学生因精力有限不应选择参加所有竞赛。目前，学科竞赛学生团队组建还没有得到深入研究。目前的组建方案一般有两个方面：一方面，选择理论成绩较好的学生组建学生团队；另一方面，选择同一班级或者同一寝室的学生组成团队。现有技术，仅仅考虑了学生理论成绩或者仅仅选择学生身边熟悉的同学组成团队，缺乏合理性，且具有一定的盲目性，容易导致团队同质化、团队及队员收益较低等问题。
技术实现思路
为了解决上述存在的技术问题，本专利技术提供了一种基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，首先通过教务管理模块、实验室管理模块和竞赛管理模块三个数据平台采集学生信息，再建立竞赛模型和学生模型，最后通过团队匹配算法得最终组建团队。为了实现上述目的，本专利技术创造采用的技术方案为：基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，其步骤为：1)采集信息：通过大数据平台收集学生的行为数据，包括有日常学习数据、实验数据、和竞赛数据；2)建立竞赛模型：对于每个竞赛Gj构建竞赛模型G，竞赛模型使用一个六元组表示：<Gpf，Gcl，Gta，Gpa，Gce，Gre>Gpf为竞赛专业领域，Gcl为竞赛评级，Gta为竞赛所考察的理论能力，Gpa为竞赛所考察的运用能力，Gce为参加竞赛所获得的竞赛经验，Gre为参加竞赛消耗的疲劳值；3)建立学生模型：对于每个学生Si构建学生模型，学生模型使用一个六元组表示：<Sta，Spa，Sce，Sla，Sca，Sae>Sta为理论能力、Spa为运用能力、Sce为竞赛经验、Sla为领导能力、Sca为协作能力、Sae为精力值；3.1)建立学生能力模型：计算学生的理论能力Sta(Si)、运用能力Spa(Si)、竞赛Gj1的竞赛经验Sce(Si，Gj1)、领导能力Sla(Si)、协作能力Sca(Si)、精力值Sre(Si)；3.2)建立学生效用模型：对应学生的六项属性，学生效用模型也使用一个六元组表示：<Uta，Upa，Uce，Ula，Uca，Uae>Uta为学生的理论能力效用、Upa为运用能力效用、Uce为竞赛经验效用、Ula为领导能力效用、Uca为协作能力效用、Uae为精力值效用；基于效用模型，计算学生Si参加的竞赛Gj的效用和团队Tk的总效用；4)团队匹配：利用粒子群优化算法(PSO)，求解参加竞赛Gj的最优团队Tk，使团队Tk中每个学生的效用和团队Tk的总效用最大化。所述的步骤2)中，Gpf：按照授予学位的学科领域进行等距划分为，并均匀的分布于(0，1)区间内，两个具有相似专业领域的竞赛在属性Gpf中相邻；Gcl：使用层次分析法(AHP)量化，层次分析法是结构化的技术，用于组织和分析复杂的决策，以量化竞赛评级属性；首先使用层次分析法将该属性分为三层，依次为目标层、准则层、方案层，具体如表1所示：表1：竞赛评级分层表其次，对每层建立比较矩阵，其对角线均为1，且矩阵中下三角矩阵元素满足其中aji为矩阵中第j行、第i列的元素；然后，通过公式计算出每层的权重向量，并进行一致性验证；最后，根据各准则层的权重和其对应的方案层的权重向量归一化乘积计算方案层总权重；通过对竞赛G建立模型，通过提取竞赛属性，建立竞赛属性向量，竞赛Gj1与竞赛Gj2相似度Simi(Gj1，Gj2)公式如下：所述的步骤3.1)中，具体方法为：3.1.1)Sta(Si)：学生Si的理论能力Sta(Si)公式如下所示：其中，NTC(Si)表示学生Si参加理论课程数量；tg(Si，Ch)表示学生Si在理论课程Ch的成绩；te(Si，Ch)表示学生Si在理论课程Ch的课堂表现评价，其课堂表现由学生的出勤情况、课堂作业完成情况决定；tc(Ch)为理论课程Ch对应的学分；ωtg和ωte为权重参数，ωtg+ωtg＝1；3.1.2)Spa(Si)：运用能力反映了学生的动手能力，其使用实验课程加权成绩量化，学生Si的运用能力Spa(Si)公式如下所示：其中，NPC(Si)表示学生Si参加实验课程数量；pg(Si，Ch)表示学生Si在实验课程Ch的成绩；pc(Ch)为实验课程Ch对应的学分；3.1.3)Sce(Si，Gj1)：当有多种比赛可供选择时，学生将有很高的概率参加一个类似于他所参加过的竞赛并可能获得很好的成绩，因此，学生Si参加竞赛Gj1的竞赛经验Sce(Si，Gj1)如下所示：其中，表示学生已经参加竞赛的数量；Gce(Gj2)表示竞赛Gj2的竞赛经验；simi(Gj1，Gj2)表示竞赛Gj1与竞赛Gj2的相似度；3.1.4)Sla(Si)和Sca(Si)：竞赛结束之后，竞赛参与者的领导能力和协作能力通过同组成员评价得到，因此学生Si的领导能力Sla(Si)和协作能力Sca(Si)公式如下所示：其中，表示学生Si参加团队的个数；ave(Ela(Si，Tk))表示学生Si在团队Tk中的平均领导能力评价；ave(Eca(Si，Tk))表示学生Si在团队Tk中的平均协作能力评价；3.1.5)Sre(Si)：学年开始时，学生拥有最大精力，当其参加竞赛时，会消耗竞赛对应的疲劳值，因此，学生Si的精力值Sre(Si)公式如下所示：其中，表示学生Si参加的竞赛G的数量；Gre(Gj)表示竞赛Gj的疲劳值。所述的步骤3.2)中具体计算如下：3.2.1)Uta：Uta(Si，Gj)＝Sta(Si)×Gta(Gj)3.2.2)Upa：Upa(Si，Gj)＝Spa(Si)×Gpa(Gj)3.2.3)Uce：Uce(Si，Gj)＝Sce(Si，Gj)×Gce(Gj)3.2.4)Ula：Ul本文档来自技高网...

【技术保护点】
1.基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，其特征在于，其步骤为：/n1)采集信息：通过大数据平台收集学生的行为数据，包括有日常学习数据、实验数据、和竞赛数据；/n2)建立竞赛模型：对于每个竞赛G

【技术特征摘要】
1.基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，其特征在于，其步骤为：
1)采集信息：通过大数据平台收集学生的行为数据，包括有日常学习数据、实验数据、和竞赛数据；
2)建立竞赛模型：对于每个竞赛Gj构建竞赛模型G，竞赛模型使用一个六元组表示：
<Gpf，Gcl，Gta，Gpa，Gce，Gre>
Gpf为竞赛专业领域，Gcl为竞赛评级，Gta为竞赛所考察的理论能力，Gpa为竞赛所考察的运用能力，Gce为参加竞赛所获得的竞赛经验，Gre为参加竞赛消耗的疲劳值；
3)建立学生模型：对于每个学生Si构建学生模型，学生模型使用一个六元组表示：
<Sta，Spa，Sce，Sla，Sca，Sae>
Sta为理论能力、Spa为运用能力、Sce为竞赛经验、Sla为领导能力、Sca为协作能力、Sae为精力值；
3.1)建立学生能力模型：计算学生的理论能力Sta(Si)、运用能力Spa(Si)、竞赛Gj1的竞赛经验Sce(Si，Gj1)、领导能力Sla(Si)、协作能力Sca(Si)、精力值Sre(Si)；
3.2)建立学生效用模型：
对应学生的六项属性，学生效用模型也使用一个六元组表示：
<Uta，Upa，Uce，Ula，Uca，Uae>
Uta为学生的理论能力效用、Upa为运用能力效用、Uce为竞赛经验效用、Ula为领导能力效用、Uca为协作能力效用、Uae为精力值效用；
3.3)基于效用模型，计算学生Si参加的竞赛Gj的效用和团队Tk的总效用；
4)团队匹配：
利用粒子群优化算法，求解参加竞赛Gj的最优团队Tk，使团队Tk中每个学生的效用和团队Tk的总效用最大化。


2.根据权利要求1所述的基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，其特征在于：所述的步骤2)中，
Gpf：按照授予学位的学科领域进行等距划分为，并均匀的分布于(0，1)区间内，两个具有相似专业领域的竞赛在属性Gpf中相邻；
Gcl：使用层次分析法(AHP)量化，层次分析法是结构化的技术，用于组织和分析复杂的决策，以量化竞赛评级属性；首先使用层次分析法将该属性分为三层，依次为目标层、准则层、方案层，具体如表1所示：
表1：竞赛评级分层表



其次，对每层建立比较矩阵，其对角线均为1，且矩阵中下三角矩阵元素满足其中aji为矩阵中第j行、第i列的元素；然后，通过公式计算出每层的权重向量，并进行一致性验证；最后，根据各准则层的权重和其对应的方案层的权重向量归一化乘积计算方案层总权重；
通过对竞赛G建立模型，通过提取竞赛属性，建立竞赛属性向量，竞赛Gj1与竞赛Gj2相似度Simi(Gj1，Gj2)公式如下：





3.根据权利要求1所述的基于校园大数据平台的面向学科竞赛的学生团队组建模型方法，其特征在于：所述的步骤3.1)中，具体方法为：
3.1.1)Sta(Si)：学生Si的理论能力Sta(Si)公式如下所示：



其中，NTC(Si)表示学生Si参加理论课程数量；tg(Si，Ch)表示学生Si在理论课程Ch的成绩；te(Si，Ch)表示学生Si在理论课程Ch的课堂表现评价，其课堂表现由学生的出勤情况、课堂作业完成情况决定；tc(Ch)为理论课程Ch对应的学分；ωtg和ωte为权重参数，ωtg+ωtg＝1；
3.1.2)Spa(Si)：运用能力反映了学生的动手能力，其使用实验课程加权成绩量化，学生Si的运用能力Spa(Si)公式如下所示：



其中，NPC(Si)表示学生Si参加实验...

【专利技术属性】
技术研发人员：曲大鹏，吴松林，吕国鑫，
申请(专利权)人：辽宁大学，赛尔网络有限公司，
类型：发明
国别省市：辽宁;21