文摘

为了提高在线英语教学的效果在流行的背景下,本文结合智能特征识别技术进行在线英语教学系统的流行,极大地减少了变异的数量通过选择变异算子具有优良的性能。此外,在本文中,突变充足率和变异操作的数量被认为是两个目标函数,生成和变异算子的选择问题为两级优化问题,并由遗传算法解决了上述问题。此外,本文各种突变的树枝,优先覆盖相应的突变体的突变分支突变分数较高的变异算子。实验研究表明,该在线英语教学系统基于智能特征识别技术提出了符合实际需要的在线英语教学的流行病。

1。介绍

受到疫情影响,教育部先后发布相关政策指导高校开展网络教学以有序的方式,努力实现“实质等同”为了支持高校做好“暂停类没有停止教学和学习。“为了确保信息的有效传播在有限的时间内,一些老师有“支离破碎”的知识内容。考虑到组织教学交互所需的时间明显长于离线课堂教学所需的时间来达到相同的效果,一些老师再计划学习目标和教学内容,可以覆盖在一个在线直播。与此同时,一些教师设计任务驱动和学生自主学习提供更多的权力。

目前,教学教师公认的概念包括“以学生为中心”和“以教师为中心的,目标明确。”其中,“教师为中心”和“以学生为中心”通常被称为反对。本研究将研究网络教学是如何影响教师的教学指导思想和教学理念,特别是是否和教师如何理解“以学生为中心”已经改变了。教学管理部门和教学发展机构的研究人员应该继续强调“实质等同”的网上教学和线下教学。在线和离线混合教学模式的推广,可能在未来应该提前开展教育研究和实践。

长期以来,高校教学一直以面对面的形式,它面临着许多障碍和困难从离线到在线。对于教师来说,这并不容易通过再学习,更新教学观念和习惯,很难掌握新的在线教学技能一夜之间,和网上师生互动教学提出了更高的要求。在学生方面,网络教育的特点是教师与学生的分离,时间和空间的分离,分离的教学,要求学生有很高的学习自主性和自我管理和约束能力。社会认可,关键在于人才培养质量的在线教学,但这需要很长的反馈循环,也缺乏相关数据和信息的研究和实践。

本文结合智能特征识别技术进行在线英语教学系统流行的背景下提高在线英语教学效果,促进英语教学改革的影响。

教师教学的投资是一个重要因素影响学生的学术投资、学术成就和教学质量1]。现有的研究表明,教师的教学投资和学习性能之间的关系不是简单的正相关关系(2),教师高投入不一定会导致学生的学习性能高,和教学投资学习性能的影响等因素会影响学生的动机(3]。在网络教育的背景下,一方面,教师的教学对学生的投资的影响学习的性能将会削弱由于老师和学生在时间和空间的分离;更多的能量来促进教学和学习的融合。因此,探索网络教师如何有效地投资于教学,以提高学生的学习表现在更大程度上是一个重要的课题,迫切需要研究探索在线教学规律和教学管理(4]。

“教学参与”的概念主要来自“工作接触,”和类似的概念还包括“老师参与”和“教师参与工作。”Work engagement is a multidimensional concept, which is an individual’s overall and all-around investment in work, and a concept that connects individuals, organizations, and work performance [5]。研究认为,工作接触反映了个人的自愿的个人资源配置范围内的任务所需的职业角色(6]。工作参与被定义为“通过自我管理组织成员将自己与工作角色,”这是体现在个人的能源和认知和情感投入工作(7]。工作参与被定义为“积极的、全面的与工作相关的情感和认知状态的特点是活力,奉献,和吸收。”The definition of energy, dedication, and focus corresponds to Kahn’s definition of energy or behavior, emotion, and cognition, respectively, Saffili notes. This view of defining work engagement from behavioral, affective, and cognitive dimensions is widely accepted and has strong operability [8]。教学参与被定义为情感的总和,时间,能量由教师教学。老师“老师工作参与”和“接触”是一个概念,比教学接触更丰富的内涵,它描述了工作接触的教师职业范围,如投资在教学、教学研究和职业发展。(9]。教学输入能量的总和,情感,和认知投入的教师在教学工作中,它反映了个人的自愿分配能量,情感,和认知范围内的教师工作任务对应的教学功能,与个体差异,动态平衡,(波动与教师的内部和外部环境的变化),和可塑性(将受到其他因素的影响)的特点10]。

学习性能是一个重要的变量来评估和测试教育教学的质量和效率,也是远程教育质量的核心因素(10]。学习性能包括完成客观的学习目标和学习成果,满意度,和其他相关的主观经验的学习者。根据现有的定义,学习绩效不仅包括学生的学业成绩,而且他们的表现和情感体验在学习活动11]。根据研究需要和数据收集的便利,现有研究往往使用学业成绩和学习满意度测量指标的学习性能(12]。与情境学习分析在网络教育的兴起,越来越多的研究包括学习订婚,这反映了学习过程的性能,属于学习绩效评估(13]。学习接触是一个重要的变量影响学业成绩(14]。学习接触是一个多维、复杂的概念。学习参与的更多认可结构包括行为、认知和情感投入维度(15]。

3所示。智能语音识别技术

弱变异测试的方法可以有效地减少变异测试的执行成本。根据弱变异测试标准,变异语句转换成一个条件语句。然后,插装原来的声明之前,测试数据覆盖的分支条件语句必须杀了相应的变体。因此,当执行变异测试,只需要覆盖的分支条件语句,使弱变异测试的效率。

我们假设原来的程序P,实现变异操作的声明年代后,变异算子实现的声明年代,获得的变体 ,和一个变体米通过替换年代在P与 。如果一个测试数据t可以执行 在米和国家在执行语句 不同的状态吗年代那么,根据弱变异测试标准,变体米被杀。如果条件语句 安装前突变原始程序的语句,测试数据的真实条件语句的分支b可以覆盖和突变米可以被弱变异测试标准。根据这一原则,变异测试的变异造成的问题可以转化为一个真正的分支问题覆盖条件语句b在测试。

在测试中,很多条件语句b可以构造成有变异,而真正的分支条件语句对应的变异米一对一,b分支被称为变体。所有变异操作的集合E和所选组变异算子来标示 。所有突变运营商实现P记录,并由此产生的突变体米, 。相应地,所构造的不同分支集表示B, 。可以看出 ,和真正的分支 对应于 ,一对一的。

我们假设测试下的程序P运营商的集合E,它被设置为 。与此同时,我们假设变量对应的突变分数变异算子子集E前减少100%,那么当前的问题可以描述为一个子集E的E最少的元素被发现,所以相应的变异的突变分数E不会显著降低。

它可以从问题描述,选择变异操作的目的是使变异算子的数量尽可能小,突变分数基本上是不变的。因此,变异算子中包含的元素数量E′是作为目标函数,(16),

研究发现,使用ABS, AOR,电感电容电阻测量,ROR, UOI,这些五组变异操作可以实现更高程度的变异充分性。这五种类型的变异操作符包含58特定突变操作符。

在选择变异算子集E,如果随机测试数据集可以杀死变异组中的每个变量,那么相对应的突变分数E可以表示如下:

相对应的突变分数减少变异算子不应该减少。也就是说,相应的减少变异后的变异算子和相应的变体的原始变异算子可以获得相同的突变分数,然后第一个约束条件减少变异算子子集可以表示如下:

的一个变体是死亡可以衡量测试数据的数量比杀死变异测试数据的数量,可以执行变异的位置,也就是说,

在这里,米代表了突变体, 代表的杀人率突变米, 表示测试数据能杀死变异的数量米, 代表执行的测试数据,可以数变异的位置。

越接近语句之前和之后的变异算子,实现困难产生的突变体是被杀,和接近 是0。此外,前后的语义相关性变化不同句子的杀伤率负相关变体。因此,从动态的角度来看,前后的语义相关性变化变量可以表示如下:

基于上述讨论,减少变异算子的问题给出的数学模型可以表示如下(17]:

一个人是最初的一个子集的运营商。

我们假设的候选解决方案减少变异算子的数学模型问题 和编码 。编码方法如下。

自 原始操作符集的一个子集,每个测试数据 或 在 ,有

通过以上公式,你可以得到一个0 - 1的字符串的长度n问, 。如果两个人不包含完全相同的变异算子,然后相应的0 - 1弦也不一样的。相反,不同的0 - 1的字符串对应不同的变异算子的子集。也就是说,之间存在一一对应的变异算子集和0 1∼字符串。此外, 可以用作个人密码 。因此,一个人 可以表示为一个0 - 1的字符串 的长度n。

从公式(1)(3),它可以知道目标函数的值范围 是0∼n,得分值范围的变化 是0 1∼。此外,该模型要求的价值越小 ,更好的,更大的价值 ,约束就越有可能满足。因此,他们需要转换合理。为目标函数 ,我们有下列方程(18]:

这样,的价值 可以映射到的范围0∼1,值越小的 ,的值越接近 是0。

的约束 ,越接近 是 ,越接近约束。因此,之间的区别 和 可以用作一个惩罚项,我们有以下方程:

的价值 在0到1的范围。

根据设计的权重系数,加权的组合目标函数和罚函数,适应度函数是解决,见以下方程:

在这里, 代表惩罚项的权重系数。它可以看到从健身价值函数,个人的健身价值 确定解决目标的预期的结果。值越小,越接近目标的解决方案是期望值;相反,更多的解决方案目标偏离期望值。适应度函数所描述的优化问题可以制定如下:

用遗传算法解决问题,需要给予适当的遗传算子,包括交叉算子、变异算子,和选择算子:(1)的交叉算子:它使用单点交叉设置实现人与人之间的交流。(2)变异操作:它使用单点突变,实现个体的变异操作。(3)选择操作:本文个体选择方法得到基于变异算子的语义分析,改进的轮盘赌法。我们假设n个人 人群中,所有个人的健身的总和

的概率kth个人选择

越近的句子前后的变异算子,实现更加困难产生的突变体是被杀,和作的值越接近1,选择k个体的概率就越高。

k累积概率的个人

设置,号码是随机选择从0到1,记录是哪一个 。如果 ,的我th个体被选中时,等等,直到选中的个体达到所需的数量。

根据above-given策略,利用遗传算法的主要步骤解决减少变异算子的问题如下:步骤1:算法执行参数赋值和初始种群的编码。算法设置人口规模,终止代数、交叉和变异概率,选择概率,等等。在编码的过程中个体的人口,个人人口是现有操作符子集的一个子集。步骤2人口:算法执行初始化。在完成初始种群的生成 ,个人的人口是随机生成的,和人口规模是第一代人口参数设置链接t= 1。步骤3:算法计算个人健身价值。每个单独的健身价值我th代人口 是健身价值计算的函数。健身价值越低,个体是期望值越近,就越容易被选择和遗传下一代的人口的个人。步骤4:该算法确定是否满足终止条件。算法判断结果和观察人口是否有更好的个人或达到最大进化一代。如果人口不再产生更好的个人,或者人口已达到最大进化代数、算法步骤6输出结果。如果above-given条件不满足,算法去第五步继续遗传算法程序。步骤5:算法实现了遗传操作。进行交叉、变异和选择根据遗传操作方法生成我1代人口。该算法将新的人口转移到第3步继续操作。步骤6:算法终止。该算法选择最优结果和输出。

实施后所有的变异算子在P,由此产生的突变体集表示米, ;相应地,构造变异分支集表示B, ,和 。需要生成的测试数据集来标示T。根据弱突变的概念转换,五种变异算子在MuClipse用于产生突变体。然后,它发现相当于变体通过人工分析,生成一个变量声明的帮助下突变测试软件,构造一个分支覆盖声明,声明中装入源程序获得一个新的测试程序 。分支覆盖报表可以从日志文件中获得“ 。”

测试程序P,构造变异分支集表示 ,和变异分支组根据above-given排序方法 。这些变异分支被覆盖,直到生成测试数据。我们假设生成测试数据集T这一次, ,和变异分支覆盖测试数据生成方法是:首先,我们把前面大部分分支语句 覆盖目标分支和产生随机数据根据输入的定义范围,这些随机数据作为输入的测试数据t。然后,测试程序 是执行。如果测试数据t涵盖了分支语句 或其他分支语句在测试程序中,删除这些变异分支中的分支语句集合B并添加测试数据t测试数据集t .继续,直到所有变异分支被覆盖或设计算法达到最大值。突变的分支集是完全覆盖时,相应的测试数据集T就是我们正在寻找的, 成为一个空集。

具体算法步骤覆盖变异分支机构设置如下:步骤1:根据选择的结果变异算子,该算法优先选择相对应的变异突变分数高的运营商在选择过程和各种变体在降序排列。步骤2:算法种类变异分支对应于上面的变异,变异分支集排序 ,以确定的顺序覆盖变异分支。步骤3:算法的变异分支 最高的排名顺序作为目标分支和生成覆盖 测试数据t。步骤4:如果变异分支 覆盖, 从突变消除分支吗 ,和测试数据t添加到测试数据集T。步骤5:算法确定是否达到终止条件。如果是这样,该算法输出的测试数据集T;否则,算法步骤3继续运行。

为新项目 卸载分支语句后,突变后分支覆盖测试数据集t执行的是 ,那么相应的测试数据覆盖变异分支过程是:在输入域D程序的 ,测试数据集 的 发现这对任何变异分支 ,有一个测试数据 ,可以覆盖变异分支 。突变的分支覆盖的测试数据集T是 。此外,根据弱变异测试的想法,原始程序语句分析,和变异分支结构。在装货前成原来的语句,测试数据生成过程转化为覆盖的分支突变的问题,这是在编程容易实现。因此,转换后的问题是制定以下最小化问题:

在这里,n测试数据的数量,D表示程序的输入域 。当测试数据集在B,涵盖所有变异分支机构 。

根据弱变异测试标准,优秀的变异分支是优先覆盖,测试数据生成问题的数学模型。考虑到解决问题时,传统的遗传算法有机会落入局部最优解,从而导致人口老龄化的现象,阻碍了解决问题的效率。在本节中,将使用再生的遗传算法解决above-given模型获得更合理和有效的测试数据。本文使用最常用的分支覆盖测试数据生成适应度函数、邻近层和分支距离的总和,也就是说,

如果有一个新的人口,但健身价值并不增加或减少,解决过程将进入局部最优解,这将影响解决方案的效率。为了描述这种情况下,我们假设老化的因素问是用来测量的老化程度的进化遗传算法, 代表了我th的个人jth代人口 表示测试数据的数tth代,然后整个tth生成测试数据可以表示为整数 。老化的因素问表明,在 一代人口,新添加的有效的测试数据的数量高于测试数据的总数,如下:

具体的计算公式可以表示如下:

分支覆盖准则,当价值问衡量人口的老龄化程度,达到一个阈值时,人口不能继续发展提高覆盖率的健身价值,和人口再生。当前的人口被丢弃,并生成一个新的人口继续进化和解决方案,使遗传算法具有更强的跳出局部最优解的能力。重生遗传算法的流程图如图(RGA)1。


图1
重生的遗传算法的流程图。

在本文中,基于再生的遗传算法,针对测试数据生成的具体问题,设计的具体步骤如下:步骤1:优先战略是由突变分支,该算法给出了降序排列的变异分支测试程序和设置参数值生成所需的遗传算法。步骤2:该算法初始化人口和随机生成测试数据的输入域。步骤3:该算法需要人口个体作为输入,以最高的分支语句的排名为目标分支,并执行测试程序。步骤4个人评价:算法执行。如果个人的人口可以覆盖目标突变分支突变的分支集B,分支覆盖被删除和个人保留。步骤5:该算法确定是否满足终止条件。如果满意,该算法去第七步输出结果;否则,它继续运行。步骤6:算法对决定人口老龄化。如果人口老龄化,执行复位操作。否则,算法执行交叉、变异和选择根据遗传操作方法生成下一代群体。该算法将新的人口转移到第3步继续操作。步骤7:算法终止。该算法选择最优结果和输出。

4所示。在线英语教学系统的背景下基于智能疫情特征识别技术

学校构建一个在线课程教学质量管理体系从不同阶段之前,期间和之后的课程开始。从多个角度如学生、教师和管理者,数据分析和信息披露进行教学过程的操作,后台数据,师生的反馈,等,不断提高网络课程质量的教学(图2)。


图2
网络课程教学质量管理体系。

从实用的角度知识,教师网上教学能力模型的基础是建立在类别(参见图之间的关系3)。实践知识的生成路径的土壤模型建设。在教育教学改革的实践,实践知识生成的路径通过某些教师的行动和反映问题的情况。外部化老师的实际行为内化成老师的能力,然后是隐性知识是外部化通过访谈等定性数据收集方法提供支持的建设能力模型。研究教师的实践性知识是教师的可观察到的和可衡量的外部行为的结构和推理深教师内在的认知和道德维度构成了内力的实用知识。


图3
教师网上教学能力模型。

本文提出了一种网络教学应用系统集成“教育教学评价”中小学(如图4)。


图4
“Learning-teaching-evaluation”网络教学应用系统集成。

可以在一个基于OBE的教学理念与经典反馈控制理论一一对应。教学控制对象相当于学生的学习效果,设置值相当于课程目标,信号处理单元相当于学习状态评价体系,和控制器相当于教学过程的动态调整和反馈回路相当于学生的学习状态反馈。整个过程如图5。


图5
类比教学过程和典型的控制结构。

对教师来说,这相当于把学生学习的过程和学生的能力在远程端,和执行过程和学习效果的学习必须被推迟是因为网络的物理隔离。教师的教学过程无法实时调整根据学生的学习状态。网络教学模式的影响,网络延迟和不确定性因素的提出和反馈路径,如图6。


图6
原理图在线闭环实现课程目标的教学模式。

图7显示了闭环网络教学模式对学生基于云的控制。它的目标是解决以下网上教学问题实现显著教学效果。本文使用student-side相机来检测学生的实时状态,应用人工智能,模式识别,和其他技术方法,并集成了多个异构数据,如学生的姿态,学习时间和学习环境的噪声评价和预测学生的学习状态。此外,本文根据评价结果动态地调整教学过程学生的学习状态。在线教学方法,它可以显示学生的百分比兴奋,疲劳,和分心,从而促使教师调整课程进度和休息时间。教学方法的课程录像、状态提示给学生,或视频暂停时间是动态调整的。根据评价学生的学习状况,综合得分的课堂表现,包括在学生的总分,这实质上相当于线下教学的课堂表现分。


图7
三端协作学生和设备的部署模型闭环OBE基于云的网络教学平台控制。

云控制器架构部署在云计算和网络延迟和不确定性补偿被添加到模拟本地控制器的控制效果。的视频指导老师实验室的网站,大部分的实验相关核心控制理论和控制算法的自动化,电气工程,自动化可以完成。在线教学实验平台的实现结构基于云控制图所示8。


图8
在线实验平台基于云的设备控制。

上述构造一个在线英语教学系统基于智能特征识别技术。在此基础上,在线英语教学系统的影响基于智能特征识别技术提出了验证,和特征识别效果和英语教学效果进行了验证,结果分别如表所示1,图9得到了。

表1
效果验证的在线英语教学系统基于智能特征识别技术。

图9
统计图的效果在线英语教学系统基于智能特征识别技术。

上述研究表明,在线英语教学系统基于智能特征识别技术提出了符合实际需要的在线英语教学的流行病。

5。结论

内部管理制度和组织形式的高校对网络教学是一个更大的挑战。此外,学院和大学的官僚组织和行政方向不完全匹配的平坦,高度灵活的、灵活的网络教学所需的组织环境。上述困难的“暂停类和不间断的学习”国内高校在新皇冠肺炎疫情相当于一个“遇到。”This article objectively describes the school’s long-term training and preparation, prior deployment and arrangements, practices and evaluations in the process, and review and evaluation of gains and losses under this “encounter.” Moreover, this paper summarizes and reflects on the development process of online teaching transformation. In addition, this paper combines intelligent feature recognition technology to carry out an online English teaching system under the background of the epidemic, so as to improve the effect of online English teaching and promote the effect of English teaching reform. The experimental research results show that the online English teaching system based on intelligent feature recognition technology proposed in this paper meets the actual needs of online English teaching in the context of the epidemic.

数据可用性

标签数据集用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。