智慧教育研究现状与发展趋势

郑庆华; 董博; 钱步月; 田锋; 魏笔凡; 张未展; 刘均

doi:10.7544/issn1000-1239.2019.20180758

智慧教育研究现状与发展趋势

郑庆华^1,3,
董博^2,3,
钱步月^1,3,
田锋^1,3,
魏笔凡^2,3,
张未展^1,3,
刘均^1,3

¹(西安交通大学电子与信息工程学院西安 710049)
²(西安交通大学继续教育学院西安 710049)
³(大数据算法与分析技术国家工程实验室(西安交通大学) 西安 710049) (qhzheng@mail.xjtu.edu.cn)

基金项目: 国家重点研发计划项目(2018YFB1004500)；国家自然科学基金项目(61532004,61532015,61502379,61672418,61672419)；国家自然科学基金创新研究群体项目(61721002)；教育部创新团队项目(IRT 17R86)；中国工程院项目

详细信息

中图分类号: TP391
计量
- 文章访问数: 5767
- HTML全文浏览量: 40
- PDF下载量: 2070
出版历程
- 发布日期: 2018-12-31

The State of the Art and Future Tendency of Smart Education

Zheng Qinghua^1,3,
Dong Bo^2,3,
Qian Buyue^1,3,
Tian Feng^1,3,
Wei Bifan^2,3,
Zhang Weizhan^1,3,
Liu Jun^1,3

¹(School of Electronic and Information Engineering, Xi’an Jiaotong University, Xi’an 710049)
²(School of Continuing Education, Xi’an Jiaotong University, Xi’an 710049)
³(National Engineering Laboratory for Big Data Analytics (Xi’an Jiaotong University), Xi’an 710049)

摘要

摘要: 当前，以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势，也成为学术界热点的研究方向.首先，对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析；其次，重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术，包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测，进而对比分析了国内外主流的智慧教育平台;最后，探讨了当前智慧教育研究的局限性，总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向.
- 智慧教育 /
- 教育大数据 /
- 大数据分析 /
- 人工智能 /
- 知识图谱
Abstract: At present the smart education pattern supported by information technology such as big data analytics and artificial intelligence has become the trend of the development of education informatization, and also has become a popular research direction in academic hotspots. Firstly, we investigate and analyze the data mining technologies of two kinds of educational big data including teaching behavior and massive knowledge resources. Secondly, we focus on four vital technologies in teaching process such as learning guidance, recommendation, Q&A and evaluation, including learning path generation and navigation, learner profiling and personalized recommendations, online smart Q&A and precise evaluation. Then we compare and analyze the mainstream smart education platforms at home and abroad. Finally, we discuss the limitations of current smart education research and summarize the research and development directions of online smart learning assistants, learner smart assessment, networked group cognition, causality discovery and other smart education aspects.
- smart education /
- educational big data /
- big data analytics /
- artificial intelligence /
- knowledge graph

HTML全文

参考文献(0)

施引文献(28)

期刊类型引用(15)

1.	叶进，谢紫琪，肖庆宇，宋玲，李晓欢. 数据中心网络中基于ELM的流簇大小推理机制. 计算机科学与探索. 2021(02): 261-269 . 百度学术
2.	林霄，姬硕，岳胜男，孙卫强，胡卫生. 面向跨数据中心网络的节点约束存储转发调度方法. 计算机研究与发展. 2021(02): 319-337 . 本站查看
3.	王金焱. 异构无线网络多路径流量调度算法研究. 常熟理工学院学报. 2021(02): 70-75 . 百度学术
4.	董金良，刘小伟，李海江. 基于蚁群优化的通信网络负荷信息分散协调调度. 水电与抽水蓄能. 2021(03): 68-71 . 百度学术
5.	韩茂玲. 复杂网络大规模数据流均衡调度方法. 成都工业学院学报. 2021(03): 38-42 . 百度学术
6.	武自强，周建涛，赵大明，柳林. 数据中心基于服务满足度的网络流避让方法. 计算机工程与应用. 2021(19): 116-122 . 百度学术
7.	时洋，文梅，费佳伟，张春元 . 一种基于DAG的网络流量调度器. 计算机研究与发展. 2021(12): 2798-2810 . 本站查看
8.	李文信，齐恒，徐仁海，周晓波，李克秋. 数据中心网络流量调度的研究进展与趋势. 计算机学报. 2020(04): 600-617 . 百度学术
9.	陈珂，刘亚志，王思晗. 基于流量特征的流调度策略研究综述. 计算机应用研究. 2020(10): 2889-2894 . 百度学术
10.	郑莹，段庆洋，林利祥，游新宇，徐跃东，王新. 深度强化学习在典型网络系统中的应用综述. 无线电通信技术. 2020(06): 603-623 . 百度学术
11.	柯文龙，王勇，叶苗，陈俊奇. Ceph云存储网络中一种业务优先级区分的多播流调度方法. 通信学报. 2020(11): 40-51 . 百度学术
12.	李维虎，张顶山，崔慧明，周龙，朱志挺，谢挺. 数据中心网络coflow调度机制结构构建及仿真. 电子测量技术. 2019(10): 78-81 . 百度学术
13.	康瑾，李革. 面向医院手术排程的智能规划算法研究. 信息技术. 2019(11): 37-41+45 . 百度学术
14.	孙超. 基于模糊反馈的共享网络远程数据控制仿真. 计算机仿真. 2019(10): 409-412+438 . 百度学术
15.	王远. 数据中心网络拥塞控制研究综述. 信息工程大学学报. 2019(06): 714-719 . 百度学术