| 选课类别:基础 | 教学类型:理论课 |
| 课程类别:研究生课程 | 开课单位:自动化系 |
| 课程层次:硕士 | 学分:3.0 |
梁青老师在《决策支持系统》课程中主要通过PPT授课,内容较为粗略且偏向理论,没有实际应用的例题,这被认为对科研帮助有限,尤其对于未有相关背景的学生会感到挑战较大。课程内容被多数学生反映为陈旧且难以从中学到新知识,但有同学表示课程内容对智能决策相关人士还有一定帮助。老师虽年事已高且健康不佳,却仍坚持上课,显示了极高的敬业精神。
课程不设平时作业和签到,整个学期没有作业布置,期末闭卷考试为唯一评估方式。考试前通常会给出约30道重点题目,但今年考试难度较往年有所提升,仅靠背诵重点题目难以取得高分。出题范围和考试卷面的一致性受到质疑,考试包含部分较复杂的计算和分析题,涉及离散数学和数据挖掘的知识。考试环境宽松,发生了许多作弊现象,严重影响公平性。
近年来,该课程的给分被认为较为严格,不少认真复习的同学表示成绩低于预期。作弊现象严重,部分学生因得益于作弊而取得高分,而有些认真准备的学生则成绩受影响,导致关于给分的争议较大。多数学生认为该课给分对整体绩点造成毁灭性打击,不建议对绩点有要求的同学选择。
总体而言,这门课程适合希望轻松过课、不在乎成绩的学生,但性能考核方式和内容对无相关背景的学生而言非常具挑战性。相比于之前评价为佳的“神课”,近年来其得分下降和课堂管理问题使其声誉受损。选课时需谨慎考虑自己的学习目标和对成绩的要求。对于期望从课程中获取到实质性知识和公平评估结果的学生,这门课可能不符合他们的期待。
看到曾经评分接近满分的“神课”跌落成为“烂课”,我想仔细说一下该课的考核,供后续学弟学妹参考
关于上课时间:每次上课时间为周五9,10节课,一个半小时的时间,6.20下课吃完饭,7点继续上课,同样也是一个半小时,一共四节课时。我一般9,10节课基本都会去,也就是坐着干自己的事情,主打一个陪伴(当时觉得老师腿脚不好,且到了退休年纪还不退休,就想来坐着),晚上有时候有事情就不去了。一般9,10的课人就很少了,晚上回来人更少了,但老师还是很认真自顾自地讲课,全程没有和学生互动。第一节绪论课只说了闭卷考试,也没说平时分占比,而且本课程没有建立群聊,最终的PPT还是在同学告诉下知道在学校的某系统。PPT纯理论,基本没有例题,书上也没有,书上很多也是说的大空话。
关于签到:本学期无任何签到
关于作业:本学期无任何作业
关于考试范围:考试前老师给了30个题目,重点是最后一次课下课后,还是有很多同学没走,下课找老师问问题,老师也说了一些,我记得清楚地是,那个模糊数据挖掘的过程,因为一开始猜测这个题目必考且只考这一个计算(因为别的看起来像简答题和填空题的形式),而且比较难算,步骤繁琐需要很仔细,刚和朋友交流会之后,下课有人问老师例题的某某计算步骤怎么来的,老师说不会考这么复杂的计算;还有人问什么什么那个槽这么复杂也要背啊,这能怎么考,老师说这背下来就行了,其余就不记得了。感觉说的比较重要,因为有些很复杂的一开始真的不想背,就想赌他不考。
关于最终考试:我和朋友分工整理,整理出30个题目的最终答案,就开始狂背,三天不干其他任何事情,从早背到晚,找规律尽量理解地背,晚上相互提问回忆,基本说背的滚瓜烂熟。试卷分为三个部分,选填空题,简答题,分析计算题。填空题40分,背完了大概有5到6个空不会,因为不在范围内;简答题30分,全是范围内的题目,背就完了;分析计算题30分,第一题考的文法的推导,一点不会,虽说范围里面有,但是完全没有例题,基本瞎写,第二题考的谓词演算,整理的时候背了例子,但不完全一样,模模糊糊地写的,第三个题考的模糊数据挖掘的聚类分析的部分,就是画一颗树聚类分析(确实没有考下课同学开始问的复杂的计算),比较简单,书上和PPT上都有同一个例题,解释也比较清晰。至于作弊,我周围人也不算多,没看见用手机的(没怎么注意),但确实看见有紧挨着坐在一起的,一开始老师提醒了不要做到一起,后面来的人就没有在次提醒了。而且是在阶梯教室考试,老师最后一次课说是因为借不到教室了,写字比较累。