基于黑盒测试的.net源代码在线评测系统优化设计

本文档探讨了一种改进的源代码在线评测系统的设计与实现，发表于2014年的《长江大学学报(自然科学版)》第11卷第1期。作者何爱华和戚晓明来自蚌埠学院计算机科学与技术系，他们提出了一种创新的方法，应用黑盒测试原理来设计数据驱动的源代码评判算法。这个系统利用C#语言的逻辑控制实现输出重定向，同时借助Linux操作系统实时监控内核进程信息，以精确控制用户程序的运行时间和内存使用。 传统的评测系统存在一些局限性，如运行时间精度不高以及无法有效限制物理内存。该系统通过.net平台实现了B/S结构，支持C/C++/VC等多种编程语言的源代码在线自动评测。它采用了黑盒测试技术，即不关注程序内部细节，只关注输入和输出，以此来评估程序的功能完整性。这种设计方法提高了评测的效率和正确性，使得教师能更轻松地管理和评估学生的编程作业，同时也减少了人工干预导致的错误。 学生只需通过网络提交源代码，服务器就会自动进行评测并记录成绩，包括运行时间、内存使用、代码长度等关键指标。这不仅节省了教师的时间，还缩短了考试或竞赛的周期，便于学生及时了解自己的表现并进行调整。此外，系统的透明度和可追溯性使得学生能够方便地查看自己的成绩、排名和统计数据，促进了学习过程中的自我反馈和进步。 这项研究在提升编程教育的效率和公正性方面具有重要意义，为在线编程教育和编程竞赛提供了新的技术支持，对于培养学生的程序设计能力和提升计算机技术教育的质量具有积极作用。