教育大数据

摘要： 教育大数据在教育信息化中的作用愈发凸显,挖掘教育数据潜在价值已经成为当前教育技术研究领域的重要课题。文章以中国知网(CNKI)和科学网(Web of Science)数据库的期刊论文为研究对象,以Hist Cite软件分析和内容分析法为主要研究方法,对比国内外教育大数据的研究热点与发展趋势。分析发现,“数据挖掘”“学习分析”等技术依然是教育大数据的技术研究热点,“思想政治教育”“人工智能”“智慧教育”等领域是目前国内教育大数据的热门研究方向,我国大数据标准正在走向国际并产生影响。

摘要： 如今,信息技术已广泛应用到社会各个领域,进入我们生活的各个方面,很多人已经感受到了信息技术带来的便利。随着国家对信息化投入的不断加大,互联网+教育、智慧校园、教育大数据等在教学中的重要作用日益突显。信息技术作为一种先进的教学手段进入到了课堂,被广大教师所接受,尤其对语文教学有着非常重要的影响。在《教育信息化2.0行动计划》的实施推进下,各学科教师非常关注信息化条件下资源应用的必要性。那么,如何进行教育技术与语文课程的优化整合呢?如何实现教学方式、学习方式的创新与改革呢?如何有效利用信息技术手段培养学生的学科素养呢?

摘要： 教育研究具有描述、解释、预测等基本功能,受数据、算法和算力的限制,多年来教育研究的主要取径是理论思辨和统计验证,而对教育预测则可望不可即。算法时代的到来,为处于学科交叉前沿的定量社会科学研究带来新的曙光,也为开展真正意义上的教育预测研究提供了新的可能。该研究对教育预测的概念和前提进行了解析,提出了在算法时代实现教育预测的原理和方法,从宏观、微观两个方面分别阐明了算法时代教育预测的应用价值,同时对算法时代教育预测研究的范式特征进行了探讨,展现研究取向从“始于假设”向“基于数据”转变,研究数据从“人为设计”到“全量真实”转变,预测方法从传统回归向机器学习转变,研究模式从单一路径到多元融合转变的整体特征。随着算法时代大数据的广泛应用和机器学习算法的不断普及,教育预测研究将助推教育定量研究乃至整个教育研究的范式实现突破。

摘要： 教育数据挖掘是一个跨学科的研究领域,它综合多门学科的方法和技术应用于教育环境,以解决教育问题。为了研究国内近十年教育数据挖掘领域技术使用情况,文章以“教育数据挖掘”为关键词在CNKI进行检索,筛选了2010—2020年125篇教育数据挖掘领域技术类文献,对其技术的使用以及使用变化进行总结分析。研究结果表明,一些传统的数据挖掘方法日渐式微,技术的使用正向多元化、跨领域的方向发展。

摘要： 数据驱动精准教学是通过对学生进行多样化的及时测评,有意向地收集多种有效的数据,由此引导和实施有针对性的教学决策。其成功实施需要在全校范围内建立信任文化,推动循证路线,基于一定交流规程开展富有成效的教师合作研讨,从而实现教学目标精准确定、关键学情精准分析、教学改进精准规划。在这个过程中,教师的教学策略得以丰富,专业判断愈加敏锐,整校教学质量持续提升。

摘要： 人工智能教育应用的伦理讨论重点有教育大数据导致信息数据存在隐患、智能应用潜在威胁着教师职业的稳定、定制化推荐算法潜藏的伦理问题、教育方面难以避免的数字鸿沟引发的伦理风险、智能应用兴起存在的社会情感的伦理冲突等不同方面的伦理问题。究其原因,与用户太过追崇技术、独立思考与选择能力弱化、监督管理与法律制度的不足等有着重要关系。人工智能教育应用应健全智能教育应用的伦理法规机制,建立追责制度,完善算法透明与数据监督体系,构筑以人为本的伦理认知,来推动人工智能教育应用高质量发展。

摘要： 借鉴DWIP模型,从教学设计、教学实施、教学评价三个方面分析了构建高职教师数据智慧模型的12个评价因子,提出教师要注重数据智慧职业能力的培养,使用教育大数据改进优化教学,不断提高人才培养质量。

摘要： 人工智能的快速发展,是目前科研人员和教育工作者的研究热点。尤其是近年来,人工智能与教育的结合,给教育带来了新一轮的变革,人们普遍关注人工智能给教育带来的机遇,却很少有人关注其背后隐藏的教育风险。该文对人工智能背景下隐藏的教育风险进行梳理,并提出一些规避策略,以期人工智能可以更好地为教育教学服务,这对人工智能以及教育信息化的发展具有重要意义。

摘要： 本文以贵州省轻工职业技术学院机电工程系专业基础课程《PLC应用技术》为例,根据教学实践和专业基础课程特点,改善教学方法和教学内容,构建基于学习通平台的线上线下混合式教学模式,并结合该模式下具体的教学实践,实践研究中以《PLC应用技术》中一个项目为例,设计一系列教学活动,实现了《PLC应用技术》混合式教学实践分析。总结此模式的实践效果及问题,并提出基于教育大数据《PLC应用技术》课程混合式教学模式的优化建议。

摘要： 增值评价在科学与价值、个性与公平、传统与未来之间具有辩证张力,契合教育循证化、教育高质量发展、教育大数据等时代趋向,为中小学生劳动素养评价提供了新的视角。内在逻辑层面,劳动素养与增值评价不仅在理念和特性上具有一致性,并且其结合能够实现二者优势互补;技术逻辑层面,增值评价模型可以为劳动素养评价提供技术迁移,延展其实施范围。为保障劳动素养增值评价的真正实现,可设立专职的测评机构,制定量化的指标体系并注重在真实情境中测量,同时要探索学段间与学校间的数据衔接机制。

摘要： 本文首先讨论了教育大数据环境及教育大数据给教育所带来的积极效应,在此基础上提出了一种基于离群挖掘算法的高校学困生学业预警干预模型,包含学因生筛查、异常因素反馈、负向离群干预、智能化的精准个体帮扶等功能模块,并进行了功能的应用分析.最后,对大数据的教育应用进行了深入讨论与思考,技术与教育的结合是如此具有吸引力和挑战性,应当做出人的发展与技术应用之间的权衡.

摘要： 为了更直观更准确地提供教育相关信息,设计并实现一种基于知识图谱的教育大数据可视化平台.首先,在对知识图谱进行建模的基础上,构建教育知识图谱,包含了教育相关概念和关系,通过对其中内容进行计算和推理不仅可以为用户提供准确的信息,还可以推理得到隐含的与教育相关的知识;其次,对可视化平台进行了设计,阐述了平台功能与创新点;最后,通过应用实例对该平台进行了功能展示.

摘要： 以Web of Science和CNKI数据库为数据源,利用共词分析法和LDA模型获取中外教育大数据研究的主题分布.国内教育大数据研究主要集中在教育教学改革、教学模式及应用、教育数据分析和个性化学习研究、人才培养、教师专业发展5个方向;国外研究主要集中在技术环境研究、数据挖掘及应用、教育应用研究、用户研究、开放资源与个性化教学5个方向.通过国内外研究主题的对比分析,发现国内在教育数据挖掘、教育数据保护、教育应用和教育数据开放4个方面与国外存在较大的差距,针对于国内教育大数据研究存在的不足,分别从政策法规制定、智慧校园建设、人才培养模式以及媒体融合等方面提出国内教育大数据的发展策略.

摘要： 教育大数据指的是与教育教学要素相关的以及教育教学过程中产生的全量超大规模、多源异构、实时变化的数据。学习分析技术分析的对象是学生及其学习环境，目的是评估学生、发现潜在问题、理解和优化学习，基础是海量数据。应用分布式文件系统对海量数据进行并行运算，通过自然语言理解、信息抽取实现非结构化向结构化的转换以及异构向同构的转换。

摘要： 教育数据是人类主观建构的记载教育系统及其活动和活动结果的体系.在大数据时代,教育数据既是科学研究范式又是产品和资源.本文在界定并分析教育数据概念的基础上,论述了教育数据制式及其结构与内容、教育数据设计及其结构与内容.教育大数据作为科学研究范式,它对教育学学术研究提出的实质性挑战是,教育学尽快建立起教育信息学和计算教育学两个分支,为促进教育实现从工业化教育到数字化教育的转型提供理论指导.

摘要： 分析目前教育学研究者对于认知诊断模型的观点,指出基于试题知识点关联矩阵的DINA模型难以适应学生解题的海量数据呈现出的不同粒度层次问题,提出多粒度知识点表示模型并改进认知诊断模型,说明模型可以构建知识点之间的关联关系、解决数据稀疏问题和不同粒度的知识点表示问题.

摘要： 分析目前教育学研究者对于认知诊断模型的观点,指出基于试题知识点关联矩阵的DINA模型难以适应学生解题的海量数据呈现出的不同粒度层次问题,提出多粒度知识点表示模型并改进认知诊断模型,说明模型可以构建知识点之间的关联关系、解决数据稀疏问题和不同粒度的知识点表示问题.

摘要： 分析目前教育学研究者对于认知诊断模型的观点,指出基于试题知识点关联矩阵的DINA模型难以适应学生解题的海量数据呈现出的不同粒度层次问题,提出多粒度知识点表示模型并改进认知诊断模型,说明模型可以构建知识点之间的关联关系、解决数据稀疏问题和不同粒度的知识点表示问题.

摘要： 分析目前教育学研究者对于认知诊断模型的观点,指出基于试题知识点关联矩阵的DINA模型难以适应学生解题的海量数据呈现出的不同粒度层次问题,提出多粒度知识点表示模型并改进认知诊断模型,说明模型可以构建知识点之间的关联关系、解决数据稀疏问题和不同粒度的知识点表示问题.

摘要： 本文提出了改进后的用于诊断分类模型中模型选择的Wald统计量.尽管Wald统计量在DCM的模型选择中具有重要作用,但是以往研究(Ma,Iaconangelo,&de la Torre,2016;de la Torre&Lee,2013)中Wald统计量的表现并不好.本研究中共进行了两个模拟研究.模拟研究1的目的是检验分别使用观察信息矩阵以及三明治信息矩阵计算的用于模型选择的Wald统计量的一类错误控制率.模拟研究2的目的是检验以上两种方式构建的Wald统计量的统计检验力.模拟结果显示:(1)使用观察信息矩阵时,Wald统计量在DINA,C-RUM以及DINO模型上的一类错误控制率很接近预先设定的显著性水平.(2)当使用三明治信息矩阵构建Wald统计量时,DINA,C-CUM的一类错误控制率略低于预先设定的显著性水平.对于DINO而言,当时其一类错误控制率相对保守;当样本量较小且时,一类错误控制率膨胀.(3)对于DINA与DINO而言,用于模型选择的Wald统计量的统计检验力在所有条件上都很高.对于C-RUM而言,当样本量比较小且时,Wald统计量的统计检验力偏低.

摘要： 本发明实施例提供一种针对大数据隐私保护的数据处理方法及大数据处理设备，从第一数据安全等级的用户行为数据集合中获取具有相同类别的数据描述属性的目标类型数据在所述用户行为数据集合的多个用户行为数据区块中的数据属性标识，然后从各用户行为数据区块中分别获取各数据属性标识对应的数据片段，得到多个待处理数据信息，最后将各个第一数据安全等级的待处理数据信息按照预设的隐私数据处理规则进行隐私数据处理得到第二数据安全等级的目标数据信息，如此可以实现针对所述目标数据信息的大数据隐私保护。

摘要： 本申请为基于大数据的用户数据处理方法及大数据服务器，可以基于用户数据分析策略对待处理用户数据进行用户画像分析，得到用户画像分析结果。这样，能够对用户行为数据特征进行全局性和局部性的分析，从而考虑用户画像在全局层面和局部层面的差异性以及关联性，这样确定出的用户画像分析结果能够从实际层面反应用户的实际画像情况。

摘要： 本申请实施例所提供的应用于大数据和云计算的数据处理方法及大数据服务平台，能够通过映射报文字段之间的交叉权限认证结果，提取目标云业务数据对应的数据访问权限列表，从而可以根据业务互动轨迹中携带的业务设备的设备身份信息准确确定出数据访问权限列表。在目标云业务数据对应的第一业务设备在访问第二业务设备时，数据访问权限列表用于指示第一业务设备在第二业务设备中的访问路径，从而避免第一业务设备在访问第二业务设备时第二业务设备对第一业务设备的访问请求的误拦截，进而确保第一业务设备和第二业务设备之间的正常的数据交互。

摘要： 本申请的基于大数据的入侵防护数据处理方法及大数据服务器，在编译得到目标行为描述对应的第一参考交互行为数据后，能结合云端参考交互行为数据库筛分与第一参考交互行为数据的操作行为习惯特征匹配的云端参考交互行为的数据片段队列，以结合本地参考交互行为数据库构建第二参考交互行为数据并确定出本地参考交互行为数据片段，进而将入侵防护交互行为数据库中与本地参考交互行为数据片段对应的入侵防护行为数据片段融合得到目标入侵防护交互行为数据。确保目标入侵防护交互行为数据保留相应的操作行为习惯特征，并减少目标入侵防护交互行为数据相对于其他入侵防护策略的识别误差，确保目标入侵防护交互行为数据适用于不同的入侵防护策略。

摘要： 本申请的应用于大数据和在线教育的业务处理方法及大数据服务器，能够将满足预设热点课程事件分析条件的在线教育互动数据确定为第一热点课程事件并导入第一全局同步课程日志，并利用获取到的历史全局同步课程日志对第一全局同步课程日志进行调整。如此，实现了对持续可变的在线教育互动场景的全局同步课程日志的生成，并且由于在生成全局同步课程日志的过程中，利用同一课程交互状态的历史全局同步课程日志对已生成的全局同步课程日志进行调整，从而可以降低已生成的全局同步课程日志的课程日志错误率，进而确保生成的全局同步课程日志在较长时间范围内的可用性，还可以确保对生成的全局同步课程日志的快速、实时更新和优化。

摘要： 本发明公开了一种大数据平台的数据传输方法、装置及大数据平台，其中该方法包括：获取大数据平台中多个数据节点的数据接收发送记录；根据所述数据接收发送记录，确定所述多个数据节点之间的数据传输路径统计信息；根据所述数据传输路径统计信息，确定出所述多个数据节点之间的数据传输积压情况；根据所述数据传输积压情况，生成传输指令；所述传输指令用于指示任一所述数据节点在任一时间段接收任一其他所述数据节点反向传输的数据，或是停止向任一其他所述数据节点传输数据，来缓解所述数据传输积压情况。可见，本发明能够合理地控制大数据平台之中的数据传输，使得大数据平台的数据传输更加流畅和高效，减少因数据积压而导致的出错。

摘要： 本发明公开了互联网技术领域的一种基于大数据和人工智能的数据维护方法及大数据平台。一种大数据平台，包括信息收集单元、数据验证单元、通信连接单元、数据处理单元和数据存储单元；对上述数据平台进行数据维护，包括下述步骤：S1：定期对大数据平台和网购平台、物流信息平台的连接进行检查，确定连接无误，可实时、准确的从网购平台和物流信息平台获取物流信息数据；S2：定期对客户端连接进行检查，确保客户端可及时收发信息，查询信息数据。本发明的有益效果是：通过数据平台对物流信息进行汇总、整合，提高物流信息查询效率，同时提高物流信息准确性，为客户查询物流信息提供便捷，同时通过定期维护，提高数据平台的运行稳定性。

摘要： 本发明公开了基于大数据和云计算的数据处理方法及大数据服务平台，从全国疫情数据库中获取所有感染病例在其感染日之前的一个潜伏期内的数据，将每一个感染病例和所获取的每一个未感染用户在身体特征、接触用户、感染以及出行轨迹这四个维度的数据作为数据集进行训练，得到感染预测模型；对待识别人群集合中每一个待识别用户在一个潜伏期内的身体特征以及绑定了触用户和感染时长的出行轨迹作为输入数据输入到感染预测模型，以得到待识别人群集合中每一个待识别用户的感染预测结果。本发明能够进一步区分出接触人群的感染风险。

摘要： 本发明公开了基于大数据和云计算的数据处理方法及大数据服务平台，包括以下步骤：S1、大数据实时性分析：对控制系统的实时数据进行分析，根据所述控制系统设定的阈值及报警持续时间进行分级报警，并根据不同岗位，通过语音、消息推送的方式对报警异常信息进行分级提醒。本发明中将矿区大型设备运行大数据系统融合物联网、云计算、大数据、人工智能等技术，具备全面感知、趋势预测、风险隐患预警及生产管理与安全管理智能决策支持等能力，综合运用物联网技术、大数据技术及智能决策支持技术，形成对矿井大型设备安全运行的强大支撑和保障，为最终实现无人矿山奠定坚实基础。

摘要： 本申请的基于大数据的入侵防护数据处理方法及大数据服务器，在编译得到目标行为描述对应的第一参考交互行为数据后，能结合云端参考交互行为数据库筛分与第一参考交互行为数据的操作行为习惯特征匹配的云端参考交互行为的数据片段队列，以结合本地参考交互行为数据库构建第二参考交互行为数据并确定出本地参考交互行为数据片段，进而将入侵防护交互行为数据库中与本地参考交互行为数据片段对应的入侵防护行为数据片段融合得到目标入侵防护交互行为数据。确保目标入侵防护交互行为数据保留相应的操作行为习惯特征，并减少目标入侵防护交互行为数据相对于其他入侵防护策略的识别误差，确保目标入侵防护交互行为数据适用于不同的入侵防护策略。