python虚拟仿真参数

一、技术指标：

1. ★系统采用B/S 架构，支持PC端使用模式，支持本地部署及云端部署。
2. 系统分为教师端、学生端、管理员端，教师端提供班级管理、实验管理、实验报告管理，浏览器模式支持,Chorme,FireFox等支持HTML5主流浏览器使用，无需指定浏览器种类，无需下载插件，管理端可以对实验数据进行配置，配置生效后，学生端看到的实验数据实时发生变化，直接影响学生决策。
3. ★系统界面直观、流程清晰，容易理解和使用，操作方便；教师可根据不同班级开设不同实验，同一个班级可以开通多个实验，教师端操作界面可实时监控每个班级每个学生的实验情况。
4. 支持教学设计、教学过程、教学评价、教学资源、教学观测的全过程信息化管理。
5. 支持实验结束后可自动生成实验报告，学生实验成绩可导出。
6. 系统支持带有常见异常问题处理参考功能。

• 功能指标:

1. 教师端功能
   • 班级管理：

1.1.1、★教师可以创建班级，可通过excel导入，也可以单独添加班级内的学生；教师可以删除和修改已有班级信息，教师可以对学生密码进行重置。

• 实验管理：
  • ★实验前可进行实验设置，包括开课方式、实验数据、是否显示代码答案，开课方式支持“班级开课”和“快速开课”，快速开课无需创建班级，通过实验码所有人都可进入课程，对于不同实验数据会有不同的实验说明，告知教师不同数据的区别，选择显示代码答案，学生在实验时可以查看实验答案。
  • ★进入实验后，教师可以看到实验控制台界面，包括实验知识点和规则、实验入口、实验进度、实验分析、更多操作；实验入口界面有实验链接，学生可通过实验链接在电脑端浏览器进入实验，系统支持快速复制功能可将电脑端实验链接快速复制；实验进度界面老师可以实时查看每个学生的进度；实验分析界面系统支持学生的成绩可以进行表格统计和图表统计，并且带有实验讲解的功能，教师还可以在授课时通过“随机点名”功能对已经加入课程的学生进行点名。
• 实验报告：

1.3.1、★实验结束后支持教师在“授课历史”界面进行数据分析，同时系统支持教师查看所有的开课历史；系统支持教师导出实验成绩；系统支持教师在实验结束后通过授课记录查看之前的实验授课数据；学生成绩默认用的是系统自动打分，老师可以设置自动打分和手动打分权重比例，设置完比例后，老师可以手动对每个学生进行打分，然后学生成绩会实时重新计算。

2. 学生端功能

2.1、我的实验：系统支持学生查看老师开启的所有实验，点击“进入实验”按钮可直接进入实验中。

2.2、★实验报告：学生可以查看参加的所有已结束的实验，系统支持点击“查看详情”按钮，查看详细的实验数据及得分详情。

2.3、学生端可以查看系统基本操作流程以及一些异常处理方案。

3. 管理员功能

3.1、管理员管理：可以新增管理员需填写姓名、账号、初始密码及权限分配（权限内容不少于28种）,系统支持对已经存在的管理员进行修改或删除。

3.2、用户管理

3.2.1、学校管理员:可以新增学校管理员，可以填写姓名、账号、初始密码、子账号上限

3.2.2、正式用户:支持新增老师操作，可以实现填写老师的院系、姓名、手机号及可以将已有老师的信息导出等功能操作。

3.3、实验管理

3.3.1、实验标签：系统支持添加实验标签，填写标签名及所属大类，系统支持修改已有信息。

3.3.2、实验类型：系统支持新增类型，填写类型名、实验开始地址、实验历史记录地址、录制实验数据地址、学生开始实验数据地址、学生2d页面菜单Json，系统支持选择是否需要上传实验报告、pc端实验注意事项、手机端实验注意事项的功能，系统支持已有信息进行修改。

3.3.3、学科大类：系统支持添加大类，系统支持二级小类添加、修改、删除。

3.3.4、实验列表：系统支持新增实验，填写实验大类、标签、实验名、实验时长、是否对外可用、实验封面、实验介绍。系统支持对原有实验“数据”进行修改，或者屏蔽实验。

3.3.5、实验视频：系统支持对已有的实验视频进行上传或者删除的功能。

3.3.6、教程章节：系统支持新增教材填写教材名称。

3.4、统计

3.4.1、教师日志：系统支持根据教师姓名、手机号进行模糊查询或全匹配查询的功能，系统支持查看教师的开课记录、登录日志。

3.4.2、开课日志：系统支持根据实验名称、教师姓名、手机号、时间段进行模糊查询或全匹配查询。

3.4.3、登录日志：系统支持查看账号类型、登录时间、登出时间及登录IP。

3.4.4、开课次数统计：系统支持根据实验名称，时间段查询教师开课次数，可以按倒序排列、按正序排列，也可以进行导出等功能。

4. 实验功能

4.1、实验全过程以2D形式展开，通过2D课程表方式带入学生认识实验知识点及实操题，学生需学习相关知识点内容并完成相关实操题代码撰写。

4.2、学生端有开始实验和实验报告界面。

4.3、★学生进入实验主界面后，在左菜单栏可看到课程表，含有基本介绍，特征工程的知识点及实操题，回归分析的知识点及实操题，关联规则分析的知识点及实操题，分类分析的知识点及实操题，聚类分析的知识点及实操题，神经网络与深度学习的知识点及实操题，机器学习实战-数据挖掘。

4.4、★学生进入实验后学生可点击左侧基本介绍了解“数据挖掘”，“机器学习”实验知识点基本介绍。

4.5、★学生点击左侧“特征工程”，系统通过图文并茂的方式显示学习特征预处理的标签编码、独热编码、二值特征、多项式特征、分箱处理、分位数切分、对数变换、标准化和归一化等知识点，系统内置部分知识点的例子。

4.6、★学生点击左侧“特征选择”，系统通过图文并茂的方式介绍主成分分析（PCA）方法，系统内置代码实例；

4.7、★实操题界面系统内置实操题及 Python 代码编译器，系统内置支持明亮主题不少于 4 种、暗黑主题不少于 5 种，学生切换主题后系统会实时切换，输入代码后有快捷代码提示，点击右上方绿色“运行”按钮系统会将输入的代码运行，系统会给出相对应的提示，提示内容有得分逻辑：本题分值，其中运行结果得分，核心代码部分得分；得分组成为运行结果得分和核心代码匹配点得分，点击运行旁边“保存”按钮可以保存数据，系统支持将写代码界面全屏功能，若实验设置开启显示代码答案，在实操题提交后会显示正确答案。

4.8、★学生实验点击“回归分析”

4.8.1、★“回归分析”实验内容下含“回归分析简介”介绍回归分析的定义与分类、回归分析的过程等知识点。

4.8.2、★“回归分析”实验内容下含“线性回归简介”介绍线性回归知识点，系统内置数学公式例子。

4.8.3、★“回归分析”实验内容下含“一元线性回归”介绍一元线性回归知识点。

4.8.4、★“回归分析”实验内容下含“多元线性回归”介绍多元线性回归知识点，含特征选择，模型训练，模型评估，残差分析等知识内容。

4.8.5、★“回归分析”实验内容下含“逻辑回归”介绍逻辑回归知识点，含多分类问题（模型训练，模型评估，决策边界）二分类问题（模型训练，模型评估，决策边界）等知识内容。

4.8.6、★“回归分析”实验内容下含“多项式回归”介绍多项式回归知识点，含数据准备，线性回归，多项式回归，等知识内容。

4.8.7、★“回归分析”实验内容下含“岭回归”介绍岭回归知识点。

4.8.8、★“回归分析”实验内容下含“lasso回归”介绍lasso回归知识点。

4.8.9、★“回归分析”实验内容下含“逐步回归”介绍逐步回归知识点。

4.8.10、★“回归分析”实验内容下，系统内置不少于3道实操题。

4.9、学生实验点击“关联规则分析”

4.9.1、★“关联规则分析”实验内容下包含有关联规则分析简介，Apriori算法的案例数据，关联规则挖取，关联规则可视化等知识点，“关联规则分析”实验内容下，系统内置不少于1道实操题。

4.10、★学生实验点击“分类分析”

4.10.1、★“分类分析”实验内容下包含“分类分析”简介，，决策树，K近邻算法，支持向量机等知识点，系统内置不少于3道实操题。

4.11、★学生实验点击“聚类分析”

4.11.1、★“聚类分析”实验内容下包含“聚类分析”简介，AGNES层次聚类，DBSCAN密度聚类等知识点，系统内置不少于3道实操题。

4.12学生实验点击“神经网络与深度学习”

4.12.1、★“神经网络与深度学习”实验内容下包含神经网络，深度学习等知识点，系统内置不少于1道实操题。

4.13、★学生实验点击“机器学习实战-数据挖掘”

4.13.1、★“机器学习实战-数据挖掘”含电话营销响应预测建模，系统不少于1道实操题。

4.14、★评分标准：章节阅读，了解大数据分析知识，满足阅读时长给分，满分20分；实操题，运用已知知识进行编程，满分60分；实战题，运用综合性知识进行编程，满分20分。

未经允许不得转载：乐搜源码 » python虚拟仿真参数