在线教育知识导图

以下介绍了面向在线教育领域的大数据研究及应用，包括摘要、关键词、在线教育领域中的数据、面向在线教育领域的大数据模型等。

面向在线教育领域的大数据研究及应用

• 摘要
  • 随着互联网和视频通信技术的发展，在线教育如火如荼地展开，在线教育平台产生的数据日益增多．面向在线教育领域的大数据研究及应用对于在线教育的高效性至关重要．首先明确了在线教育平台上大数据的基本概念、分类及特点，其次介绍教育数据挖掘、学习分析和知识图谱等有关技术，然后构建面向在线教育领域的大数据模型，最后按照服务对象的分类重点描述有关大数据的功能，勾勒出未来在线教育平台上大数据应用的基本轮廓，为之后在线教育领域大数据的研发起到指导性作用
• 关键词
  • 在线教育；大数据；应用；模型；智能化
• 在线教育领域中的数据
  • 数据的分类
    • 按获取方式分类
      • 显式数据
      • 隐式数据
    • 按来源分类
      • 用户信息
      • 课程信息
      • 习题信息
      • 视频信息
      • 论坛信息
      • 用户行为信息
      • 知识图谱
    • 按存储形式分类
      • 结构化数据
      • 非结构化数据
  • 数据的特点
    • 数据间联系紧密
    • 数据存储异构
• 相关工作
  • 教育数据挖掘
    • 知识表示<-模式评估<-数据挖掘<-数据变换<-数据选择<-数据集成<-数据清理
  • 学习分析技术
    • 内部限制
      • 学生的能力
      • 对相关知识的接受度
    • 外 部 限 制
      • 平台的规范
      • 学生教师的约定
    • 工具
      • 技术
      • 算法
      • 理论
    • 数据
      • 公开数据
      • 隐私数据
    • 目标
      • 反思教育模式和预测学生发展前景
    • 关 益者
      • 学生
      • 教师
      • 机构
  • 知识图谱
• 面向在线教育领域的大数据模型
  • 数据层
    • 用户信息库
    • 课程信息库
    • 习题库
    • 视频库
    • 论坛信息库
    • 用户行为库
    • 知识图谱
  • 处理层
    • 作用
      • 处理层负责处理底层的异构数据库，为分析层提供有效 并 可 用 的 数 据
    • 数据清理
      • 根据实现功能和使用算法的不同对底层数据删除无效或无意义的数据
    • 数 据 转 换
      • 把底层的数据使用字段切割、合并等手段为上层提供输入
    • 数 据 整 合
      • 将来自不同数据库的数据整合到一起
    • 数据提取
      • 从数据库中提取有用数据以供处理
    • 数据维护
      • 进行备份、权限管理等以保证底层数据库的安全性
  • 分析层
    • 教育数据挖掘的算法库
      • SVM
      • Apriro
      • FP-tree
    • 学习分析技术的模型库
      • 社会网络分析模型
      • 话语分析模型
      • 内容分析模型
  • 功能层
  • 对象层
    • 学生
    • 教师
    • 决策者
• 大数据支撑的在线教育系统应用
  • 面向学生的智能化功能
    • 基于知识图谱的学习
    • 个性化课程服务
      • 课程间关联性
      • 学生学习弱点优势
    • 结合知识点的字幕定位
    • 智能化习题训练
      • 智能生成习题
      • 习题巩固
      • 习题配套提示
      • 习题纠错
    • 基于论坛数据的智能化服务
      • 论坛挖掘
      • 学生分级
      • 用户建模和信息推荐
  • 面向教师的智能化功能
  • 面向决策者的智能化功能
• 结 论