[发明专利]一种开放式实训课程的学生组队方法

权利要求书

1.一种开放式实训课程的学生组队方法，该学生组队方法基于学生在校数据和校友发展数据，其特征在于，包括以下步骤：

S1：采集校友发展数据和学生在校数据，对数据进行处理保存；构造校友组队收益矩阵P，其元素p_ij正比于校友i、j的组队次数及校友发展水平特征T4；

S2：获取课程APP上个人组队意愿数据，并上传数据；

S3：以每组学生数和个人意愿选择意向数据为约束条件，建立带约束的“组-学生”二部图模型，根据R1初始化每个组中的学生成员；其中，学生k与组g间的权重是学生k与组g中每位学生l组队收益w_kl的组合，w_kl＝p_ij，i与j是与学生k和l最相似的校友，以学生特征A1、A2、A3与校友特征T1、T2、T3为基础计算k和l的相似性；

S4：以最大化约束条件下整体组队收益为优化目标，使用迭代式聚类算法生成学生组队；在算法的每一次迭代中，首先使用带约束的二部图最大匹配算法，生成不违反约束条件下的二部图最大匹配划分；其次，依该划分构造本轮迭代产生的学生组队，按S3的权重计算方法重新计算每位学生与组间的权重；

S5、输出S4算法迭代终止时产生的学生组队；

个人组队意愿数据表中有意向角色、意愿同学、不意愿数据；

通过对在校学生的学生在校学习数据、学生在校科技活动数据进行聚类分析，可以获得其专业技能A1；通过对学生在校社会活动数据、学生在校科技活动数据进行聚类分析，可以获得其个性特点A2；通过对个人组队意愿数据，结合盖洛普优势能力测验结果、贝尔宾团队角色测试结果和TKI冲突模式测试结果进行分析，可以获得其心理特征A3；然后综合A1、A2和A3，初步形成推荐的团队角色R1；

通过对校友在学期间的学生在校学习数据、学生在校科技活动数据进行聚类分析，获得其专业技能T1；通过对其在校数据之学生在校社会活动数据、学生在校科技活动数据进行聚类分析，获得其个性特点T2；通过对其在校数据之学生在校基础数据、T1、T2及心理特征数据的分析和挖掘，获得其个性心理特征T3；通过对校友发展数据之学生毕业数据、校友基础数据、校友发展数据，结合MBTI人格测验数据分析，获得校友发展水平特征T4。