博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
【总结】考试维护心得
阅读量:2241 次
发布时间:2019-05-09

本文共 1833 字,大约阅读时间需要 6 分钟。

  从12月初开始,到今天已经有整整一个月都在做考试维护,期间有辛酸也有快乐,有舍有得,最重要是我们在期间发现了什么,而不是失去了什么。

  一说到考试维护,大家心目中无非就是导数据,监考,“小黑屋”看服务器等等。我开始也是这样想的,可是在期间和师哥师姐以及米老师的交流中发现,考试维护并不仅仅如此。当我们像机器一样,用这样的思维去思考问题时,就会发现,考试维护都是在耽误工夫,在影响我的进度等等。可是我们不是机器,我们是一个有思考能力的人。我们可以从不同的角度去思考问题。

从程序员的角度——学生

  作为一年多的“学员”程序员来说,考试维护就是技术提高的地方,这也是我开始参加考试维护的目的之一。这次考试维护,我们(小胖,雅雯,美静,江涛,子腾,井朝,金田,姜晶,建清,李娜)作为考试负责的人的身份参加的,从指定考试模版,到题库导入,再到成绩导出,我们每一步都跟了下来,大概对整个就考试系统的系统流程有了大概的了解,相信在以后的ITOO或者其他的项目中,能快人一步。

  当我们能对一个系统有一个大致的了解,能清楚一个系统的业务逻辑时,了解一个系统中应该有什么功能,缺失那些功能,这都是十分有必要的。就像一家企业的制度,规定员工做什么工作,以及如何完成工作,能够有效限制员工的主观随意性和做事是隐蔽性。系统也是一样一个系统的业务流程,是保证系统高效,准确运行的基本,也是满足客户要求的重要环节。

管理者角度——考务安排

  米老师常说让我们学习作为一个管理者。我们成为技术“大牛”只是为了基本生计,而成为管理“大牛”的人是为了生活。

  这次考试维护,我们几个在刚鹏师哥的带领下,深刻认识到了管理的重要性。

1)开始没有非常详细的文档:让我们都是刚鹏师哥的带领下进行工作的,师哥不厌其烦的一遍遍的指导我们导数据,学习数据库,导考试成绩等(刚鹏师哥真的是一个有耐心的人,同时也是一个遇事不慌张的人。)导致了我们的刚开始的工作进展的很是缓慢。此时就需要时刻记录我们的工作漏洞,查漏补缺,随机应变。

2)人力资源管理:考务安排,免不了有人的参与。需要人就需要人力资源管理。金田在这方面就做的非常的好,懂得知人善用。比如在门口安排考生进场的人,其责任其作用不小于场内的考试维护人员。比如门口那些能的安抚跃跃欲“试”考生,让考生有序进场的事情就不是一件简单的事情。

3)考试安排人员要求合理:考试中考务和技术应该分开管理,让大家的工作既轻松有能不感到收获。

战略者角度——米老师角度

  看似是一场简简单单的考试维护,却又大量的同学参与进来——纪争光师哥,陈伟东师哥,邱穆夏师姐,马士超师哥,盖丽男师傅,十二期的师哥师姐,还有我们13期的小伙伴们以及14期的小师弟小师妹等,甚至老师亲自来“压场子”,这么兴师动众,难道老师不知道“节约经费”吗。不是的,老师更想让我们参与进来,让我们从在事件中锻炼,这次米老师特地让没有参与考试维护的人加入进来学习,真是用心良苦。这些人中大致分为三种(个人认为):第一种就是认为仅仅是监考的人员,抱怨之言,滔滔不绝。第二种就是我这样的,非常的老师,负责人让做什么就做什么,虽然能学到东西确实非常的有限。第三种就是米老师这样的人,思考着看问题——比如看学生做题的样子,看学生鼠标滑动的速度和做题的速度,了解同学们对每一道题的了解程度,从而以后再教学方面更加注重,在以后分配题型时如何分配难易程度等等。

  米老师思考问题,总结能将一些东西联系起来,这样能发现更多的问题。

从“局外人”的角度——学生

  在这里,我们能以客户的角度去使用,审视软件的机会非常的少,如果能发现这个问题,相信大家就不会在抱怨考试维护耽误时间了。现在网络中经常提起一个词语,叫做“用户体验”。用户体验(User Experience,简称UE/UX)是一种纯主观在用户使用产品过程中建立起来的感受。其实也就是怎么样让用户用着“爽”“痛快”。如果你对软件,用户用了一次就“吐了三天三夜”,那他肯定不想去用第二次。无论是界面设计还是色彩搭配,甚至是最基本的功能质量,都需要我们用心去体验。

总结:

  这次考试维护,感觉好多话都想说,可是感觉一篇文章总是不能说清楚,并且一些东西无法用言语表达。感觉我如果能从上面几个角度去抽象看问题——思想上移,然后在生活中在将其实例化——行动下移,我就能离成功更加近一点吧。最后说一声,欢迎大家来参与考试维护,无论大家的时间多磨紧张,项目多么的紧,机会难得,你可要把握好哦。

转载地址:http://oihbb.baihongyu.com/

你可能感兴趣的文章
详解循环神经网络(Recurrent Neural Network)
查看>>
为什么要用交叉验证
查看>>
用学习曲线 learning curve 来判别过拟合问题
查看>>
用验证曲线 validation curve 选择超参数
查看>>
用 Grid Search 对 SVM 进行调参
查看>>
用 Pipeline 将训练集参数重复应用到测试集
查看>>
PCA 的数学原理和可视化效果
查看>>
机器学习中常用评估指标汇总
查看>>
什么是 ROC AUC
查看>>
Bagging 简述
查看>>
详解 Stacking 的 python 实现
查看>>
简述极大似然估计
查看>>
用线性判别分析 LDA 降维
查看>>
用 Doc2Vec 得到文档/段落/句子的向量表达
查看>>
使聊天机器人具有个性
查看>>
使聊天机器人的对话更有营养
查看>>
一个 tflearn 情感分析小例子
查看>>
attention 机制入门
查看>>
手把手用 IntelliJ IDEA 和 SBT 创建 scala 项目
查看>>
GAN 的 keras 实现
查看>>