受 VLSI 启发的学生学习社区创建与优化方法

COVID-19 严重扰乱了学术机构中教育内容的传递方式，迅速加速了在线与混合式学习的采用。本文探讨优化学生学习社区的创建与细化，作为在疫情及后疫情环境中支持在线与混合式学习的手段。大学课程注册的学生可建模为类似于电路网表的注册网络。学习社区通过将学生聚类为群组来创建，以最大内部连接（支持学生学习）和最小外部连接（减少疾病传播）为优化目标。三种基于 VLSI 的聚类算法：超边粗化、改进超边粗化以及最佳选择，被改进以聚类学生注册网络。聚类算法创建的学习社区进一步由模拟退火算法依据相同优化准则进行细化。学习社区创建与细化框架结合了网络建模、学习社区创建和学习社区细化三个阶段。所提框架在第三年电气工程 2020 年秋季注册数据集及一个非常大的 2020 年秋季和 2021 年冬季注册数据集上进行了测试。最佳选择在聚类算法中表现最好，能为给定最大簇大小创建满足优化准则的学习社区。模拟退火可通过显著提升簇质量来细化聚类结果。该框架能够为小型和大型注册网络创建并细化学习社区，但更适用于在课程项目层面创建定制学习社区。未来工作，包括基于其他优化准则创建学生学习社区，值得探索。