对抗恶意评价的互助学习同伴互评算法：有效性与应用验证

本文主要探讨的是在互助学习环境中，如何设计一种能够抵抗恶意评价的同伴互评算法。随着在线学习的普及，同伴互评已经成为学生自我提升和教师反馈的重要手段。然而，由于学习者的个人能力、动机等因素，同伴互评结果往往存在偏差，特别是在存在利益驱动的情况下，恶意评价问题尤为突出。为了提高互评质量，该研究引入了教师预评分的哨兵机制。 哨兵作业被设计用来作为基准，评审人对其评价的情况被视为其信誉的反映。通过分析评审人对哨兵作业的评审表现，建立一个信誉评价向量，该向量作为权重用于衡量其他学生的评价。同时，利用一个阈值策略，可以有效地筛选出那些可能的恶意评价，即那些明显高于或低于哨兵作业实际得分的评价。这种方法旨在减少虚假评价对整体评价体系的影响，使得评价结果更加客观公正。 实验结果显示，这个抗恶意评价的同伴互评算法相较于传统的互评方法，更有效地过滤了恶意的高分或低分，对于大规模学习群体的互评场景也表现出良好的适应性。然而，未来的研究将集中在进一步优化信誉模型，例如，如何动态更新和调整评审人的信誉评价，以及如何处理特殊情况下的复杂评价行为。 值得注意的是，本文的研究成果发表在《计算机应用研究》网络首发论文中，由赵鸣铭、王聪和李敏三位作者完成，论文的DOI为10.19734/j.issn.1001-3695.2019.03.0055。该论文经过严格的录用定稿、排版定稿和整期汇编定稿过程，符合出版法规和学术规范，确保了内容的严肃性和准确性。网络首发的录用定稿意味着研究成果已正式接受并通过了同行评议和主编的审核，将在《中国学术期刊（网络版）》上发表，标志着研究成果的正式出版。