一、文献综述
- 国内外研究现状
随着社会和经济的快速发展，国家对于教育模式提出了更多层面的要求，突出以教育选择性为基本核心，力求打造多样化的课程体系，探索科学合理的选择机制。为了使得选课过程更加合理便利，国内外相关学者进行了相关研究，学生选课论坛系统成为其必不可少的支撑｡
国外的高校早在上世纪六七十年代便开始了对教务信息化管理的探索，并且由于其计算机技术相对成熟，在教务管理的信息化方面的进程也较为深入｡经过 近50年的发展，已经逐渐完成了非常完善的数字化校园平台｡A. Zare（2010）[1]指出，就目前来看，在美国的高等院校中，已经有接近于 86%的高等院校提供了在线课程目录服务，已经有接近于 75%的高等院校提供的在线课程注册服务，欧洲很多的大学也建立了自己的网络管理平台｡Estevez R（2014）[2]指出目前欧美等地区的教务平台在系统结构上大多基于 C/S(Client/Server)或 B/S 以及两者的组合模式，注重各种教学资源的整合以提高各类校园业务的管理效率｡多年的不断改进､迭代，使得这种模式在国外的高校中的规模逐渐扩大，系统功能基本完善､平台运行十分稳定，后圆圆（2015）[3]指出使用分布式系统进行性能提升和系统间整合｡
目前，国外优秀的教学平台例如： WebCT、Blackboard、WISH等等。其中Blackboard这一教学平台是由Blackboard公司根据不同教育机构的需求所提出的完美解决方案。它包括信息管理平台、资源管理平台、门户社区平台。WebCT则是由美国著名的British Columbia大学计算机科学系所开发的。它包括主动学习督查、查询课程内容、考试成绩管理和信息发布等功能。
在美国的一些大学中，实行的是以自由选课制为基础的个性化教育，它主要是针对学生的个性化需求，实行个性与多样性相结合的教学计划。为了保证大学的教学质量以及加强对学生选课的指导和专业的培养，美国各个大学都建立了一套学术顾问指导制度。学术顾问指导制度是美国大学实行的完全学分制和自由选课制的补充，主要特点是组织结构规范化、指导内容多样化和指导目标个性化，经过长期的实践和完善，已成为个性化教育的一种有效形式，这种制度对我国的选课系统具有一定的借鉴意义。
国内高校的信息化建设虽然起步较晚，但经过多年的努力和发展获得了巨大的进步｡伴随着高校信息化进程的推进，计算机技术介入到了校园业务的方方面面，其中选课工作也逐渐完成从落后的人工安排课程计划，到学分制中学生自主选课再到线上实时自主选课的改造｡沈苗，来天平（2015）[4]分析目前国内上百家高校的选课工作都在使用由杭州正方电子工程公司开发的正方教务管理系统｡该系统采用模块化设计，功能丰富基本能满足一般高校日常需求｡此外国内一些知名的综合性大学，如清华大学､北京大学､天津大学､华中科技大学等都采用自主开发的方式｡其优点是可以针对学校情况做针对性的定制开发，系统的可维护性也较强。
（二）研究主要成果
国内外学者对学生选课系统的研发都取得了较多的成果｡A. Bittarelli（2010）[5]指出学生选课系统的发展大概经历了三个不同的阶段｡第一阶段是单机模式｡学生选课管理系统当时只能是一个独立的功能简单的管理系统，并且只能由操作员使用，数据不能够进行共享。第二阶段是基于 C/S 模式｡选课管理系统开发在这个阶段是客户端和服务器端的管理系统｡系统管理员需要在不同的客户端安装学生选课系统应用程序，通过 LAN 网络互连，所有用户需要相互通信｡第三阶段学生的选课管理系统是基于 B/S 模式的｡这一阶段是一个浏览器和服务器模式的学生管理系统，只要互联网存在，用户就可以方便地共享数据｡于虹博（2016）[6]分析了国外选课系统的研究成果，指出国外选课系统发展时间久远，功能相对完善，能确保系统的保密性，可靠性和稳定性与可维护性｡哥伦比亚大学资深教师Murry Goldberg自行开发了WebCT高校异步课程传递及管理系统，可开发联机课程，并具有良好的师生交互性，在同类产品中有极高的市场占有｡
国内的相关研究起步较晚，研究成果众多｡唐蕊（2012）[7]采用多层次性能优化的方案:修改选课业务流程，降低选课集中程度;对运行环境利用服务器负载均衡以及进行预选课程来减少高峰期的访问人数以提高系统性能｡此外，作者还对数据库表结构和 SQL 脚本进行优化｡测试结果中利用两台负载均衡服务器､两台应用服务器和一台数据库服务器使系统高峰期可满足 5000用户在线，每个请求的相应时间在 5s 以内｡刘莲辉，易灵芝等人（2015）[8]提出利用服务器集群技术和动态负载均衡算法对系统的性能进行提升｡此外对系统的 Web 层业务逻辑和 SQL 的 JDBC 连接进行优化｡作者利用 5 台服务器，分别模拟 1000 用户和 3000 用户作为低负载和高负载情况，对系统进行压力测试｡测试结果显示，优化后平均用户等待时间减少约 1s，异常数据包减少 200 个，在一定程度上提升了系统的性能｡王佳、高引春等人（2017）[9]利用 F5_BIG_IP 负载均衡服务器，并搭建虚拟服务器集群搭建选课系统｡系统测试结果中系统达到了吞吐量为 5G，并发连接数为 1500 的极佳性能｡然而，文中所用的 LTM 负载均衡服务器价值 20 万到 90 万不等太过昂贵，借鉴意义有限｡2017 年，滕金国,李贵安（2017）[10]通过 Nginx 反向代理做软件负载均衡，利用 1 台服务器做Nginx 代理，其余 17 台服务器搭建集群｡作者统计了线上选课的实际情况，系统达到了10 分钟内 10000 门次课程的成功选择，同时在线人数 7000 人的极佳性能｡王理江（2016）[11]借鉴当前互联网电子商务平台中应对高并发访问的方案，提出利用 Redis 缓存将热点信息预加载减轻数据库压力､同时利用 Nginx 负载均衡技术平衡服务器之间的负载的综合方案｡作者利用 1 台应用服务器，一台 Redis 缓存服务器，1 台 Nginx 服务器，两台数据库服务器和 3 台 IIS 服务器搭建选课系统，并对系统进行最多 2000 人的压力测试｡测试结果中页面平均响应时间小于 1s，峰值相应事件小于 2s｡支持 11000 人同时在线｡在用有限硬件设备的前提下选课系统性能得到了极大的提升｡程曦, 陈军（2016）[12]汇总了适用于选课系统的主流推荐算法，包括:基于协同过滤的推荐､基于内容的推荐和基于关联规则的推荐等｡其中，基于协同过滤推荐具有预测准确度高､实现简单､扩展性强等特点，最适合应用于选课系统中｡陈万志（2017）等人[13]利用算法中相似性的计算方法，确定对选课影响最大的学生近邻集合，将集合融合到基于概率矩阵分解的协同过滤推荐算法，提升推荐效率；奚竹安（2019）[14]结合神经网络的思想，结合课程之间的关系计算选修课权值，并通过对课程权值排序，选取权值较高的选修课，直接推荐｡
（三）发展趋势
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
