摘要: 大学程序设计类课程的编程与调试行为分析对于教师优化课程教学设计和提升学生实践编程能力具有重要意义. 传统的编程与调试行为分析工具缺乏从课程类型、题目类别和内存中数据关系的实时变化等维度给出协同交互的可视化分析, 导致无法准确地刻画学生编程和开展学生自我评价. 为此, 文中根据程序设计类课程的数据特点设计多视图协同交互的编程与调试行为可视分析系统——MPDVAS. 首先通过多维度环状热力图-雷达图, 集成展示班级、课程、编程作业及考试成绩在学期和代码提交场所的时空分布; 然后构造基于多平台在线课程数据的主题模型, 将学生按照不同用户画像进行聚类, 生成具有不同编程行为特征的子群体, 提出基于层次气泡图可视化展示方法; 通过扩展桑基图, 将课程、成绩和编程行为评价进行多维度量化分析与交互推理; 最后设计对称堆叠柱状图和多维时间序列图相结合的新布局, 实现对学生代码调试过程的实时评估及程序结果自动对比, 并进一步给出编程题目推荐和课程推荐结果. 通过313名学生的真实编程数据案例分析, 收集2名相关管理人员、2名主讲教师和20名学生的反馈进行方差分析, p值为0.008小于显著性水平0.05, 验证了MPDVAS的有效性和实用性.