检索结果-南通市图书馆

基于视觉联合学习的教育数据挖掘隐私保护技术（英文）

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电子器件 2023年第6期 1661-1672页

作者：孟凡海涛张瑞华盛晓丽郑茂兴张慧琴宝鸡教育学院专业技术人员继续教育基地办公室马来西亚世基大学教育语言心理和音乐学院黔南民族师范学院计算机与信息学院南昌理工学院马克思主义研究学院宝鸡文理学院计算机科学学院玛拉工艺大学教育学院

在过去十年中，教育越来越依赖人工智能。然而，在智能时代，隐私泄露已经成为一个必须立即解决的重要问题。为了实现这一目标，介绍了人工智能领域新兴的联合学习概念，分析了联合学习的定义、系统模型和训练过程以及隐私保护技术，并... 详细信息

在过去十年中，教育越来越依赖人工智能。然而，在智能时代，隐私泄露已经成为一个必须立即解决的重要问题。为了实现这一目标，介绍了人工智能领域新兴的联合学习概念，分析了联合学习的定义、系统模型和训练过程以及隐私保护技术，并将联合学习与各种教育数据挖掘算法相结合。该框架可以在不集成数据的情况下对某些活动和情况执行加密训练，然后生成反映所有数据特征的可视化模型。联合可视化是联合学习体系结构在可视化领域的扩展。它主要侧重于在维护数据隐私的前提下，在对来自多个数据源的数据进行可视化分析时，部署一种互利双赢的联合合作技术。必须消除行业数据壁垒，共享数据和专业知识，以解决教育数据挖掘中可能出现的隐私保护问题。研究发现，联合学习方法原则上可以保护数据隐私，并且易于集成到现有的教育应用中。在保护隐私的基础上，使用联合可视化框架可以最大限度地提高模型的准确性。联合学习将为教育的信息化和智能化发展提供一条新的途径。

关键词：联合学习教育数据挖掘隐私保护可视化特征数据可视化

基于教育数据挖掘的高校学生第二课堂投入研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于教育数据挖掘的高校学生第二课堂投入研究

作者：吴士雨南京审计大学

学位级别：硕士

高校实施“第二课堂成绩单”制度是积极落实习近平总书记提出的“要重视和加强第二课堂建设”的重要要求,推动学校思想政治工作改革创新,适应高等教育中和改革的积极举措。随着2016年第二课堂成绩单制度的正式出台,第二课堂对于学生发... 详细信息

高校实施“第二课堂成绩单”制度是积极落实习近平总书记提出的“要重视和加强第二课堂建设”的重要要求,推动学校思想政治工作改革创新,适应高等教育中和改革的积极举措。随着2016年第二课堂成绩单制度的正式出台,第二课堂对于学生发展的作用越来越受到重视。本文使用GA算法+SPBO算法+KMeans算法对高校学生第二课堂投入数据进行分析,为高校学生参与第二课堂活动提供合理化建议,探索运用教育数据挖掘技术赋能高等教育管理。本文的主要工作如下:第一,数据采集和数据预处理。本文的数据为学生在高校环境中参与第二课堂的数据,主要从口袋校园、学校图书馆、团委和学生管理系统中采集学生第二课堂投入数据和学生基础数据,通过数据预处理整合相关数据。第二,提出基于GA算法的K-Means算法最佳聚类个数选择方法。K-Means算法在使用过程中需要确定聚类个数。针对K-Means算法使用过程中最佳聚类个数选择问题,使用GA算法对K-Means算法进行改进,提高K-Means算法精度和时间效率。第三,基于SPBO算法改进K-Means算法。K-Means算的初始聚类中心是随机选择的,会导致最终的聚类结果会有很大的差异。使用SPBO算法改进KMeans算法之后达到更好的聚类效果,改进之后GA+SPBO+K-Means算法对UCI公开数据集聚类的内部评价指标最高提升了13.39%。第四,使用GA+SPBO+K-Means算法对高校学生第二课堂投入进行研究。采集某高校学生第二课堂投入数据,运用GA+SPBO+K-Means算法对其进行研究,结果显示,改进后的算法比原始K-Means算法具有优势,轮廓系数(SC)对提升了30.71%,Calinski-Harabaz指数(CH值)提升了14.73%。应用GA+SPBO+K-Means算法对本文数据集进行研究,发现第二课堂投入“积极”学生比“超级积极”学生和“不积极”学生学业表现更好,参与学术讲座对学业表现的提升效果最明显。

关键词：教育数据挖掘 K-Means聚类算法优化第二课堂 GA算法 SPBO算法

基于教育数据挖掘的在线学业拖延精准识别及干预实证研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于教育数据挖掘的在线学业拖延精准识别及干预实证研究

作者：胡琼东北师范大学

学位级别：硕士

目前,在线学习已经成为各年龄段学生学习的重要方式之一。与传统学习方式相比,在线学习对于学生的自主性提出了更高的要求。据不完全统计,至少有50%以上的大学生存在学业拖延行为,且这种现象还在增长。鉴于此,本研究着眼于学生的在线学... 详细信息

目前,在线学习已经成为各年龄段学生学习的重要方式之一。与传统学习方式相比,在线学习对于学生的自主性提出了更高的要求。据不完全统计,至少有50%以上的大学生存在学业拖延行为,且这种现象还在增长。鉴于此,本研究着眼于学生的在线学业拖延行为,遵循“学业拖延识别-拖延原因分析-拖延干预实证”的路线,结合文献研究法、教学应用研究、问卷调查法、访谈法等,展开了研究。识别出学生的学业拖延倾向是开展研究的第一步。目前,针对学业拖延识别主要采用主观性量表,容易导致测评结果的偏差。为从客观角度识别学生的学业拖延倾向,研究使用教育数据挖掘技术设计在线学业拖延识别方法,并使用支持向量机(SVM)、决策树(DT)等六种主流算法对划分结果的精准性进行验证。结果表明,六种分类器的预测精度均达到70%以上,说明了在线学业拖延识别方法的精准性。在精准识别学生的学业拖延倾向后,为深入了解学生产生学业拖延行为背后的原因,研究以拖延的概念模型为理论基础,对存在学业拖延倾向的29名学生开展了调查研究。结果显示,在本研究中,学生的延迟时间敏感性、其他课业任务的消耗和诱惑(游戏、短视频、微博等)对学业拖延行为的产生影响较大。结合识别结果和原因分析,研究基于时间决策模型,采用学习分析仪表盘自我调节和即时通讯软件教师消息提醒的方法,在9-16周对这29名存在学业拖延倾向的学生实施了教学干预。结果显示,干预后学生的集群划分有所改变,拖延倾向有所减缓;干预后的学生作业提交时间提前、成绩提升,说明作业的及时提交提高了作业质量;学生对拖延行为干预方法识别准确性、隐私性保护和行为纠正性的满意度均较好。总之,实证研究验证了在线学业拖延识别方法的精准性和可行性,对学业拖延产生的原因有了初步的探索,同时,验证了早期干预对学业拖延行为改善的可能,期待为相关从业者提供在线学业拖延的识别方法和干预策略,促进在线教育体系持续、健康发展。

关键词：学业拖延教育数据挖掘拖延行为识别干预

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于教育数据挖掘的C语言学习支撑技术研究

基于教育数据挖掘的C语言学习支撑技术研究

作者：李彬中南大学

学位级别：硕士

C语言由于其应用广泛的特性,常被高校作为其编程教育首选语言。具备自动判题和实时反馈等功能的在线评测(Online Judge,OJ)系统被大规模用于C语言编程课程的学生日常练习和考试,其记录了大量包含海量学生学习行为信息的高应用价值数据,... 详细信息

C语言由于其应用广泛的特性,常被高校作为其编程教育首选语言。具备自动判题和实时反馈等功能的在线评测(Online Judge,OJ)系统被大规模用于C语言编程课程的学生日常练习和考试,其记录了大量包含海量学生学习行为信息的高应用价值数据,可为C语言的教学和学习提供更好支撑。但当前针对OJ系统数据的学生学习行为挖掘及分析的研究相对较少,数据未得到充分利用。因此,本文对OJ数据展开了全面深入的挖掘与分析。同时在分析数据时发现,部分初学者直接编写代码存在较大困难,因此本文引入基于块编程的帕森斯方法,以促进其编程学习。本文以C语言学习中OJ系统和帕森斯方法两项技术为研究对象,主要研究内容和贡献如下:(1)针对利用OJ系统数据挖掘分析学生学习行为研究较少的问题,构建OJ系统学生编程行为数据集,提出一种学习模式挖掘方法和一种成绩预测模型。首先本文收集了某校OJ系统中C语言课程大一学生的数据,经过数据清洗、归约、集成、转换和特征工程等处理后,构建了一个在C语言学生学习行为挖掘分析领域较为缺乏的数据集。其次,基于该数据集,本文提出了学生学习模式挖掘方法,通过对学生编程行为聚类获取了3种典型学习模式,并从中发现了部分学生存在直接编写代码学习困难问题。最后本文构建了基于Stacking集成学习算法的成绩预测模型,该模型可有效预警风险学生,在上述数据集的不平衡数据条件下表现优异,准确率达0.8667,召回率达0.7824,对比其他4种集成模型相对提升了19.3%。(2)针对上述研究中发现的部分C语言初学者存在编码学习困难问题,本文引入了帕森斯方法支撑学生编程学习,并对其有效性进行了评估。为深入分析学生使用该方法学习过程中的代码块操作模式和行为特征,本文提出了一种操作模式挖掘方法和一种学习行为特征重要性分析方法。首先本文设计并进行了帕森斯方法在C语言中应用实验,从统计学客观层面和问卷主观层面,得出了帕森斯方法可有效帮助C语言学习的结论。其次本文提出了基于动态时间弯曲(Dynamic Time Warping,DTW)操作序列度量的操作模式挖掘方法,该方法先获取学生学习过程中的操作类型时间序列,再基于DTW计算的序列间距离聚类,获得了3类操作模式。最后本文提出了基于机器学习的学习行为特征重要性分析方法,该方法先提取学生学习行为特征,再通过构造基于机器学习的成绩预测模型并计算特征成绩相关性,分析了学生学习中不同行为特征的重要性及其对成绩影响情况。图44幅,表15个,参考文献85篇

关键词：教育数据挖掘 C语言学习 OJ系统帕森斯方法学习行为分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

教育数据挖掘中的学习者建模研究

中国远程教育 2018年第6期 5-11页

作者：徐鹏飞郑勤华陈耀华陈丽北京师范大学信息科学与技术学院北京师范大学远程教育研究中心

近五年网络教育的变革和深度学习等人工智能技术的飞速发展给学习者模型的研究和应用带来了新的机遇和挑战。目前,教学数据中蕴含的大量价值亟待挖掘,而实践中绝大部分教学环境对学习者的理解、状态跟踪和自适应性仍处于初级阶段。如何... 详细信息

近五年网络教育的变革和深度学习等人工智能技术的飞速发展给学习者模型的研究和应用带来了新的机遇和挑战。目前,教学数据中蕴含的大量价值亟待挖掘,而实践中绝大部分教学环境对学习者的理解、状态跟踪和自适应性仍处于初级阶段。如何从数据中建立学习者模型、如何在教学环境中设计和使用学习者模型是下一阶段教育变革的核心技术问题。为此,本文从知识状态模型、认知行为模型、情感模型和综合模型四个类别分别阐述了具有代表性的学习者模型及其主要应用场景。研究认为,深度学习未来将在学习者模型的研究和实践中扮演重要角色,而基于各种学习者数据对学生进行全面而综合性建模的综合模型应用是大势所趋。

关键词：在线教育在线学习学习者模型学习分析教育数据挖掘

在线全文

学校读者我要写书评

暂无评论

教育数据挖掘研究进展

计算机工程与应用 2019年第14期55卷 15-23页

作者：李宇帆张会福刘上力唐兵湖南科技大学计算机科学与工程学院湖南湘潭411201 湖南科技大学网络信息中心湖南湘潭411201

教育数据挖掘(Educational Data Mining,EDM)是一门涉及计算机科学、教育学、统计学的交叉学科。它致力于探索来自教育环境的独特数据,其目的是更好地了解学生及其学习环境,从而提高教育成效。为了深入分析EDM的研究进展,从Web of Scie... 详细信息

教育数据挖掘(Educational Data Mining,EDM)是一门涉及计算机科学、教育学、统计学的交叉学科。它致力于探索来自教育环境的独特数据,其目的是更好地了解学生及其学习环境,从而提高教育成效。为了深入分析EDM的研究进展,从Web of Science库相关文献、国内外研究现状对EDM进行了系统性梳理,介绍了EDM的工作流程,把数据挖掘技术在教育领域的应用归纳为4类,对处于快速发展阶段的一些EDM典型案例进行了统计分析并讨论了其不足与发展趋势。

关键词：教育大数据教育数据挖掘数据挖掘

在线全文

学校读者我要写书评

暂无评论

基于教育数据挖掘的学情数据分析研究

兵团教育学院学报 2023年第3期33卷 62-67,80页

作者：陈泉吉牛彦敏重庆师范大学计算机与信息科学学院重庆401331

大数据时代,教育数据的价值正在被广大的教育研究者重新认识和评估。因此,采用教育数据挖掘方法进行数据分析,让数据发声,指导教学。研究通过数据特征分析、聚类分析、相关性分析和社会网络分析四个角度展开。结果表明:该高校网络课程中... 详细信息

大数据时代,教育数据的价值正在被广大的教育研究者重新认识和评估。因此,采用教育数据挖掘方法进行数据分析,让数据发声,指导教学。研究通过数据特征分析、聚类分析、相关性分析和社会网络分析四个角度展开。结果表明:该高校网络课程中,大部分学生能够保证课堂任务的完成;课程群体划分为优秀学习者、普通学习者和风险学习者三类;课堂内相关学习因素之间呈现一定正相关性,但是网络课堂行为与线下考试之间并没有直接相关性;讨论区中呈现教师为中心的“问题式”讨论。

关键词：教育数据教育数据挖掘聚类分析网络课程

在线全文

学校读者我要写书评

暂无评论

教育数据挖掘在高校实验教学中的应用研究

实验室研究与探索 2018年第1期37卷 204-207页

作者：丁国勇钱静珠南京师范大学教育科学学院南京210097 南京审计大学教务处南京211815 南京工业大学教务处南京211815

教育数据挖掘是数据挖掘技术在教育领域的应用。介绍了教育数据挖掘的主要概念,分析了教育数据挖掘在高校实验教学中的可行性,包括充足的数据来源、提升实验教学质量的需要、提高实验教学管理效能的要求,提出了基本应用步骤,最后阐述了... 详细信息

教育数据挖掘是数据挖掘技术在教育领域的应用。介绍了教育数据挖掘的主要概念,分析了教育数据挖掘在高校实验教学中的可行性,包括充足的数据来源、提升实验教学质量的需要、提高实验教学管理效能的要求,提出了基本应用步骤,最后阐述了可能存在的问题和相关建议。

关键词：教育数据挖掘实验教学大数据

在线全文

学校读者我要写书评

暂无评论

近十年国内教育数据挖掘领域的应用技术分析

中国教育信息化 2022年第4期28卷 62-69页

作者：杨志禹吴士雨王增琦丁国勇南京审计大学信息工程学院江苏南京211815

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... 详细信息

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。

关键词：教育数据挖掘数据挖掘技术教育大数据