888电玩app官网

本網站提供普刊和核心期刊職稱論文業務;提供實用新型專利、發明專利業務;提供個人出書業務、主編、副主編、參編掛名,獨著;提供國家級課題一條龍服務,課題上知網,歡迎各位客戶加微信、qq 在線咨詢。

聯系方式:QQ:1994174574 微信:18982547237 郵箱:ren0508@outlook.com

當前位置: 主頁 > 論文寶庫 > 教學論文 >

教學論文:基于灰色聚類分析的體育教學綜合評估模型

來源:未知 2020-08-16 11:26

摘要:

  傳統的教學方式存在著一些弊端,如教師和學生參與度低,對學生成績的改善作用不明顯,家長的反對等,制約著在線遠程體育教育模式的建設。根據上述問題,構建了基于灰色聚類分

  

  教學論文:基于灰色聚類分析的體育教學綜合評估模型

  摘要:傳統的教學方式存在著一些弊端,如教師和學生參與度低,對學生成績的改善作用不明顯,家長的反對等,制約著在線遠程體育教育模式的建設。根據上述問題,構建了基于灰色聚類分析的體育教學綜合評估模型。根據灰色聚類分析理論,構建數據源跟蹤規則、數據聚類規則和模型預警規則,并在以上原則基礎上構建了綜合評估模型;運用灰色聚類分析理論構建體育綜合評估因子集,計算各因子的權重,得出相對比例。權重建立綜合因素評估矩陣。構建模型函以數保證數據的平穩存儲,最后以三個原則和四個步驟為基礎,構建了體育教學綜合評估模型。經過實驗研究,采用課題設計的綜合評估模式與教學管理相結合,在學生信息獲取量及成績合格率方面表現十分良好。由此可見,基于灰色聚類分析的體育教學綜合評估模型可行性較好。

  關鍵詞:大數據;體育;教學;綜合評估;模型構建

  1引言:

  隨著體育科技的飛速發展,人們逐漸步入了信息化教學時代。體育課不僅是課堂上的活動,也發展到了遠程教學。遠距離網絡教學是突破傳統教學空間限制的新型教學模式。因為在網絡上廣泛傳播的體育教學視頻信息,讓更多的人有了學習的機會。遠程教學的參與者不僅僅是學生。它還為不同身份的人提供了學習的途徑。整合評估與構建的目標是:將能夠反映數據參數的相關模型融合,并以直觀直觀的形式呈現給構建人員;構建人員使用聚類數據分析模型進行系統和理論分析,并記錄實時運行數據與參數變化。起到警告作用。如果學生落后于學習進度,必須立即給予警告。

  詳細分析了國內外體育綜合評估的標準、原則,并介紹了構建體育評估模型的主要工具和方法。文獻[3]提出基于提出證據理論及神經網絡的教學綜合評估模型。構建神經網絡評估模型,利用證據體得出評估結果,完成教學綜合評估模型設計。該模型能提高評估精度,但學生信息的獲取不夠全面;文獻[4]提出基于醫學培訓的教學質量評估體系,采用直接觀察考核法和臨床演練評估法,在培訓考核過程中構建教學質量評估體系。該模型的評估結果準確,但并不適用于體育教學評估;文獻[5]提出基于多元智能理論的高校體育教學綜合評估模型。一方面,對高校體育教學評估過程中存在的問題進行了分析。另一方面,在上述基礎上討論了相關的改進措施。從教學各個步驟多方面構建了體育教學評估指標體系,對體育教學進行科學,準確,客觀的評估。在層次分析法的基礎上,根據各種評估指標的權重,結合模糊評估信息,得到了高校體育教學綜合模糊評估模型。該模型能夠全面獲取學生信息量,但評估效能較差。

  根據上述文獻分析可知,日常教學空間狹小,無法滿足廣大學生的需要。基于灰色聚類分析法,建立了體育教學質量綜合評估模型。課題建立的綜合評估模型系統主要由三個部分組成:數據源跟蹤規則,數據聚類規則,預警規則,以及具體的算法分析。然后導出局部綜合評估模型,建立流程圖,并對其進行分析實現模型功能。然后對學生的學習成績進行實驗,并與模型教學法進行對比分析。研究表明,建立綜合評估模型是遠程教學發展的一個重要方面。

  2數據灰色聚類原則構建

  傳統體育教學質量評估具有學習行為的多因素、多層次特點。其教學目標模糊不清,許多不確定因素造成半結構化教學問題;從統計學的角度來看,傳統體育教學難以建立完整的評估模型;從控制科學的角度看,準確跟蹤教學質量是不可能的。建立基于灰色聚類分析的體育教學質量綜合評估模型具有重要意義。運動聚類灰色聚類分析用于遠程教學過程中,旨在讓學生了解其特征學習行為的數據。建模主要通過幾個系統組件來分析。

  (1)制定資料來源追蹤規則

  建立基于灰度聚類分析的體育教學質量綜合評估系統模型,采用數據源跟蹤的方法,對學生的學習收入情況進行跟蹤,及時收集學生學習行為的數據。評估因子包括:學習時長、學生參與程度、教師實時互動、積極回答教師提問、學習進度、各種考試成績、知識點反映等。所有的數據源都來自運動數據采集服務器端的備忘錄模型,每3分鐘自動保存一次,所以數據源的采集誤差很小,并且對跟蹤源有很好的效果。

  (2)建立數據聚類規則

  知識庫的選擇是建立綜合評估模型的核心。知識庫是一種常規的集合,它可以對不同類型的有效數據進行聚類.基于數據熵的特征算法可以用于數據。

  在數據聚類過程中,知識庫中會不斷加入新的規則,限制模型的智能程度。在此基礎上構建信息聚類模型,不僅以知識庫的形式展示了該方法,還對挖掘結果進行了分析。

  (3)建立預警模式規則

  根據教學模式設置對學生的實際學習進行評估,根據教學質量對學生進行評估。在某一特定時間內,學生的學習信息獲取量 低于標準值的70%,則會出現警告信息。

  據以上3個規則的構建基礎上,可以得出綜合評估模型的體系構建。如圖1所示。

  

  圖1綜合評估模型的體系構建

  從圖1中可以看出,學生通過遠程學習來學習知識,綜合評估模型的備忘錄構建將記錄學生的學習情況并進行整理電子數據。 對數據進行預處理,并傳遞給數據跟蹤規則。 利用數據聚類知識計算數據規則,構建模型數據,并重新顯示群集數據對結果進行了分析。 最后將數據傳輸到模型的報警裝置。 如果學生的學習進度落后,警告模型將被激活,整個綜合評估系統建設完成。

  3體育教學綜合評估模型構建

  為實現綜合評估模型部分的構建,必須遵循三個基本原則:標準體系、數據編號和事實遵從表。 4個步驟: 每個學生的學習進度影響只能在模型存儲的數據庫中進行評估;模型備忘錄存儲學生學習進度的數據并對數據進行聚類。 數據具有一定的標準化性,追溯到數據源,分析后得到綜合評估的初始值,確定綜合評估的最終值,并予以評估。更好地提高體育綜合優化評估模型的準確性,有必要運用灰色聚類分析理論構建體育綜合評估因子集,計算各因子的權重,得出相對比例。權重建立綜合因素評估矩陣。根據收集到的數據信息,若已知存儲速度,可通過學生的學習進度計算學習質量信息的屬性。

  模型函數的建立是為了保證數據的平穩存儲,其空間大小也必須根據模型函數來構建,模型函數包含多種編碼機制 用于實際代理中使用的數據。綜合評估模型的構建不僅建立了體育遠程教學灰色距離分析的監督機制,而且建立了體育遠程教學灰色距離分析的監督機制。 從而保證了學習情況的進展,為模型的構建奠定了堅實的基礎。

  4實驗結果與分析

  為驗證基于灰色聚類分析的體育教學質量綜合評估模型,對學生績效的影響。 數據來自某大學的學生體育教育。運用國內外學者的具體教學方法驗證綜合評估模型構建的有效性。

  4.1實驗步驟

  4.1.1參數設置

  首先設定實驗參數,從體育課程參與學生中隨機抽取100名學生參與實驗。學校有40名男女學生,20名教師。每月教師和學生視頻教學次數分別設置為5次、10次、20次、30次。在校學生10人、30人、50人、70人,教師10人、20人。20個人,20個人。具體設置如表1所示。

  表1 教學評估參數設置

學生參與次數

教師參與次數

視頻

次數

師生視頻

次數

對比

10

10

5

1:1

30

20

10

2:3

50

20

20

2:5

70

20

30

2:7

  4.1.2實驗步驟

  針對需要運動評估的各種行為模塊進行數據收集,包括:論壇,課程,作業,資源,用戶消息,在線教室。從學期中選擇教師和學生的教學視頻以收集實驗數據 :論壇中的討論,學生作業的完成,資源瀏覽的頻率以及師生之間的視頻交流。采用蝶形算法計算如下:

  

  (1)

  在算法中:

  

  代表提取的學生成績數據;

  

  代表數據的校正系數;

  

  代表數據的方位角參數;

  

  代表學生成績的差異參數;

  

  代表綜合評估結果的數據;

  

  6代表綜合評估數據的理想參數;

  

  代表綜合評估數據的差值;

  

  、

  

  和

  

  分別代表視頻數據的校正系數。

  根據折線圖等綜合評估教學數據的算法模型,橫坐標表示時間的不同行為,分析視頻的縱坐標個數,通過分析學生在平時學習過程中偏愛運動 遠程教學,期末考試人數減少。

  4.2實驗結果

  從以上的實驗過程可以看出,基于灰色聚類分析的體育教學質量綜合評估體系與傳統教學相比具有一定的合理性和有效性。 建立綜合評估模型的過程非常簡單,學生的總分為650分即為滿分,通過圖2可以更清楚地了解該模型的優勢。

  

  圖2不同方法的的體育教學的對比

  從圖6可以看出,傳統的網絡教學評估方法,在教學時長為3分鐘時,其學生信息獲取量為225/KB;在教學時長為4分鐘時,其學生信息獲取量為300/KB;在教學時長為5分鐘時,其學生信息獲取量為375/KB;在教學時長為6分鐘時,其學生信息獲取量為450/KB;而基于灰色聚類分析的體育教學綜合評估模型,在教學時長為3分鐘時,其學生信息獲取量為400/KB;在教學時長為4分鐘時,其學生信息獲取量為475/KB;在教學時長為5分鐘時,其學生信息獲取量為500/KB;在教學時長為6分鐘時,其學生信息獲取量為575/KB;由此可見,基于灰色聚類分析法的體育教學不僅可以提高學生的成績,而且可以節省時間,給不能及時解決家庭問題的學生帶來極大的方便。

  表2不同方法的的教學對比

評估對象

課題評估模型

傳統的

評估模型

教師參與

15-20

10-15

學生參與

50-75

20-45

家長支持率

100%

20%

學生成績合格率

80%

40%

  從表7可以看出,傳統教學教師的參與度占總參與度的一半,而灰色聚類分析的教學占總參與度的90%,傳統教學學生的參與度占整體參與度的45%。 總參與度,灰色聚類分析教學占總參與度的95%,傳統教學學生及格率為40%,灰色聚類分析學生及格率為80%。 因此,根據以上實驗獲得的數據,基于灰色聚類分析的體育教學與傳統教學相比具有多種派生形式,有效地提高了學生的表現,也使 教師的教學效果明顯被學生吸收和吸收。

  5結束語

  大數據技術的日益發展為體育遠程教學的發展提供了一定的保證。綜合評估模型構建的意義應遵循高質量,高效率,低成本和大規模的遠程教學四個原則。基于灰色聚類分析的遠程教學必須以學生為主體,以學習成績為目標,運用綜合評估模型的體系結構來跟蹤學生的學習進度,并利用綜合評估的結構來分析學生的成績。隨著模型的進一步完善,有必要在遠程教學課程中實時記錄和存儲教師的教學方法和內容系統,為以后的學生復習提供一條途徑。基于灰色聚類分析的遠程教學質量綜合評估體系的構建為我國教學事業奠定了堅實的基礎。

核心期刊推薦


体彩飞鱼开奖查询 (★^O^★)MG边境之心客户端下载 青海快3开奖号码走趋图 2元彩票的网站是多少 (★^O^★)MG幸运日_破解版下载 辽宁35选7一等奖多少钱 (^ω^)MG旋转大战_电子游艺 (★^O^★)MG财富之轮奖金赔率 25选5 河内五分彩开奖号码彩经网012路 (^ω^)MG财炮连连送彩金 (^ω^)MG青龙出海_稳赢版 vr彩票平台网站 广东36选7走势图表 14场胜负彩20.期 (★^O^★)MG怪物赛车app (-^O^-)MG搞笑斑马怎么玩容易爆分