（三）要充分发挥小组负责人的作用

　　由于任务是以小组来完成，小组负责人在任务实施过程中起着非常重要的作用。小组成员参与的积极性，以及小组任务完成的好坏与小组负责人有很大的关系。所以要选择具有较强的责任心，且专业水平高，具有协调能力的同学来担任组长，这有样有助于整个任务驱动教学法的顺利实施。

　　（四）任务的实施不能虎头蛇尾

　　任务完成情况的评定方式也是任务驱动法中非常关键的环节。如果教师在任务设计中下了很大工夫，而结果评定的方式过于简单，就会影响到对学生的激励效果。所以，在教学中评定方式的设计即要能评估小组合作的成绩，也要能考核每个成员的参与情况，目的是激励学生通过参与并认真完成任务，来学习新的知识。为此，评估任务完成情况的方式也需要花心思去琢磨。

　　四、结论

　　任务驱动法是让学生带着真实的任务去探索，易于激发学生的学习兴趣，提高学生的自主学习能力和创新水平。电子商务课程导入任务驱动教学法，充分发挥了该门课程实践性强的特点，容易把知识点融入任务当中，对于提高学生的创新能力和操作水平有较大的帮助。任务驱动法在电子商务课中的应用，即要重视任务的设计，也不能忽视对任务实施过程的管理和结果的评定。只有对任务实施的全程进行监控，才能有效地调动学生的积极性，从而实现教学目标。

电子商务的论文15

　　0引言

　　电子商务突破了传统商务交易中对于时间和空间的限制，极大地丰富人们的商务交流活动的范围，为人们的日常商务活动提供了新的模式。伴随着电子商务为人们带来便利的同时，一些欺诈纠纷现象也应引起人们的警觉。电子商务环境中，和传统交易相比，我们很难简单地通过网络好友就可得到交易对象的信用客观评价。现在大多数电子商务网站的交易评价模型是基于声誉的评价模型，只是简单的对之前所有交易完成后给出的信任评价值进行加权处理，并没有考虑评价用户的信用度等因素，难以消除商家利用小额交易提升信用额度等问题。如何通过历史交易数据给出交易对象的合理评价信息对于电子商务交易模式的完善有着重要和深远的意义[1-3]。

　　1研究现状

　　近些年来电子商务评价模型的研究受到了研究学者的广泛的关注。陈建刚等人提出了基于模糊数学的信任评价模型，通过建立基于模糊网络的评价信任关系，在一定程度上解决了信任评价中信任欺诈等问题，但是并没有考虑时间复杂度和空间复杂度将随着电子商务网络中交易实体的增加而成指数级增加的特点[5]。王家昉等人在对于Agent系统中对于基于认知的信任框架进行了研究，通过对认知推理和模糊推理的研究，给出一种动态的信用评价规则，但并没有对模糊因子的进行深入讨论，最终评价的可靠性有待提高[6]。Clifoord等学者把信用之间的关系刻画成太阳系行星之间的关系，提出一种SolarTrustModel信用模型，在处理大规模复杂的信任网络关系时却又显得力不从心[7]。本文借鉴了传统商务交易特点，构建了交易实体之间的网络模型，考虑网络实体与实体之间的关系，设计一套相对合理的评价模型。

　　2评价模型的信任关系

　　传统商务交易中，买家对卖家的信用评价一般是基于买家的社会关系网络中的朋友、亲戚、同事之间的推荐以及口碑相传的方式获得的，并且给出的信用评价是买家在以往所有相似店铺交易过中的一个相对评价。而在虚拟的电子商务系统中，人们在获得商家的信用评价中忽略了传统商务交易中的社会关系网对于评价机制的积极作用，这里我们尝试构建类似传统商务交易中的评价机制的评价模型[8]。现实生活中，人与人的信息交互可以看作是实体与实体之间的信息交互，当把实体作为网络环境中的节点时，就是节点与节点之间的信息交互。因此构建基于传统交易模式的网络框架，对评价机制进行分析。对于网络框架中的任意节点，记作m，所有网络节点的集合，记作M，m∈M。在某次随机的电子商务交易中，网络框架下有发起信任请求的源节点n，目标节点c，源节点的.在网络框架下所有相关节点集合W，称为源节点的朋友节点集合。目标节点的相似类节点集合P。陌生及不相关节点集合R。定义1：朋友节点的定义[8]。朋友节点分为直接朋友节点和间接朋友节点。直接朋友节点是节点i在网络中已经标识的节点j，记为i→j。所有具有朋友关系的集合记作F={i，j│i，j∈W}。间接朋友节点是节点i的朋友节点j的朋友节点k。如果i→j，j→k，则i～k。具有间接朋友关系的集合记作G={i，j，k│i，j，k∈W}。朋友节点具有传递性，所以对于源节点i在网络框架下任意可以连通的两个节点都是间接朋友节点。间接朋友的节点关系随着之间存在的网络节点数的增加而松散。定义2：相似类节点的定义。相似类节点是与待评价的目标节点c的属性相似的节点。属性相似是指它们在交易活动中可以提供与源节点相同的需求目标。定义3：陌生节点和不相关节点的定义。陌生节点与不相关节点是指在交易活动中不影响或者影响价值可以忽略的节点。是在集合M中，除了源节点，目标节点，朋友节点和相似类节点之外的所有节点。源节点n向目标节点c发出信用请求，网络框架生成源节点的朋友节点集合W和目标节点的相似类节点集合P。抽取朋友节点集合W的各个节点对目标节点c和相似类节点集合P中的各个节点的历史评价数据，经过计算后反馈目标节点对源节点的相对评价结果。