CN108319733B - 一种基于地图的教育大数据分析方法及系统 - Google Patents

一种基于地图的教育大数据分析方法及系统 Download PDF

Info

Publication number
CN108319733B
CN108319733B CN201810271939.XA CN201810271939A CN108319733B CN 108319733 B CN108319733 B CN 108319733B CN 201810271939 A CN201810271939 A CN 201810271939A CN 108319733 B CN108319733 B CN 108319733B
Authority
CN
China
Prior art keywords
data
learning
theme
map
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810271939.XA
Other languages
English (en)
Other versions
CN108319733A (zh
Inventor
杨宗凯
刘三女牙
周东波
孙建文
舒江波
李�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central China Normal University
Original Assignee
Central China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central China Normal University filed Critical Central China Normal University
Priority to CN201810271939.XA priority Critical patent/CN108319733B/zh
Priority to US16/605,806 priority patent/US11568012B2/en
Priority to PCT/CN2018/085953 priority patent/WO2019184052A1/zh
Publication of CN108319733A publication Critical patent/CN108319733A/zh
Application granted granted Critical
Publication of CN108319733B publication Critical patent/CN108319733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
    • G09B5/12—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations different stations being capable of presenting different information simultaneously

Abstract

本发明公开了一种基于地图的教育大数据分析方法，包括，获取教育资源数据按照一定数据结构存入数据库；针对每个分析主题构建主题图层，根据分析主题对数据进行分类索引并加载至相应主题图层，将主题图层叠加到底图上，形成数据地图；根据分析主题对主题图层数据进行分析，获取主题分析结果；提取目标区域中多个主题图层的数据并融合，获取区域分析结果；获取用户的学习偏好；根据用户请求内容，结合用户的学习偏好，搜索区域分析结果以响应用户请求。发明公开了一种基于地图的教育大数据分析系统。本发明技术方案的方法，针对目前教育数据庞杂、精准分析相对欠缺的情况，采用对教育数据进行分类，按照不同的主题需求进行分析，可以解决其中部分问题，实现教育数据的利用和分析。

Description

一种基于地图的教育大数据分析方法及系统
技术领域
本发明属于认知学科与教育学科的交叉技术领域，具体涉及一种基于地图的教育大数据分析方法及系统。
背景技术
教育大数据的发展十分迅速，围绕教育大数据的数据处理、信息挖掘与应用服务等研究也成为一系列研究热点，通过可视化的方法来高效与准确的表达各类教育数据，实现对教育现象的再现从而可对教育信息进行挖掘，服务于教育管理部门以及满足个性化学习指导成为认知科学、心理科学与教育学研究学者关注的热点。近年来，教育领域中已涌现出了诸多典型的大数据应用，如教学信息化领域的学习分析、行为档案、能力评估，教育管理信息化领域的个性化服务、教学科研支撑、决策支持等，教育大数据的发展正显示出一派生机勃勃的景象。
教育大数据可以应用在如下方面：首先是面向学生管理的教育大数据应用。此类应用往往又称为智慧网格、网格化管理应用，它主要聚焦于高校学生管理中的方方面面，对学生培养全生命周期中的生活、学业、思想等行为轨迹和发展过程进行伴随式辅导，形成协同可持续的智慧管理与导引发展新模式。其次是面向校园服务的教育大数据应用。此类应用主要通过实时爬取、分析校园各类数据，监测校园舆情，优化校园资源配置，为校方提供建设管理决策，展示学校人文关怀。再次是面向教学科研的教育大数据应用。部分高校开始尝试根据每年各专业招生计划、今年开课计划、往年教学安排等多种条件，基于教学资源开展数据分析，对教学活动中各项资源给出预测及预警。也有高校正在探讨通过导入和聚合各类的科研原始数据，建立多维度的高校科研指标数据分析服务，并精准地找到与学校需求更加契合的外部人才。
因此，对教育大数据进行精准的分析是十分必要的，不仅要对教育数据本身采用大数据的方法进行分析，还需要结合其他方面的数据信息。例如，将教育大数据与年龄信息进行结合，获得教育数据信息的年龄分布趋势，根据这一趋势对教育资源进行分配；或者，将教育大数据与地区信息结合，获得不同地区的教育资源分布；或者，将教育大数据与其他类型信息进行结合。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于地图的教育大数据分析方法及系统。本发明技术方案的方法，针对目前教育数据庞杂、精准分析相对欠缺的情况，采用对教育数据进行分类，按照不同的主题需求进行分析，可以解决其中部分问题，实现教育数据的利用和分析。
为实现上述目的，按照本发明的一个方面，提供了一种基于地图的教育大数据分析方法，其特征在于，包括
S1获取教育资源数据并对其进行分类整理，按照一定数据结构存入数据库；
S2获取数据的地理标签，针对每个分析主题构建主题图层，根据分析主题对数据进行分类索引并加载至相应主题图层，将主题图层叠加到底图上，形成数据地图；
S3根据分析主题对主题图层的数据进行分析，获取主题分析结果；根据数据的地理标签提取目标区域中多个主题图层的数据并融合，获取区域分析结果；
S4根据学习时序和/或学习路径对用户进行分析，获取用户的学习偏好；
S5根据用户请求内容，结合用户的学习偏好，搜索区域分析结果以响应用户请求，并将请求结果在地图上呈现出来。
作为本发明技术方案的一个优选，步骤S2包括，
S21获取数据的地理标签，根据地理标签明确数据的地理形态和/或位置；
S22依据分析主题构建主题索引，通过索引将数据加载到不同的主题图层；
S23配置每个主题图层的可视化属性和/或符号样式并加载，形成数据地图。
作为本发明技术方案的一个优选，步骤S3包括，
S31将主题图层加载到底图上进行可视化显示，按照时序节点依次创建主题图层的多个子图层，设置观察时间轴以控制所述子图层的可视属性，获取主题图层的主题分析结果；
S32加载底图，根据地理坐标将目标数据映射到底图中，根据当前目标数据的边界范围，获取边界范围内所有数据并进行分类处理，筛选出与目标数据相匹配的数据并在地图上显示；
S33将教育地图划分为多个学习单元，分别加载每个学习单元的数据，统计当前学习单元中每个用户的学习数据，按照数据类别进行单一分析或交叉分析，根据分析结果进行学习评价；
S34对主题图层进行融合以实现多主题图层的信息提取，同时获取目标区域在不同主题图层上的数据信息并进行融合，对目标区域内的融合数据进行分析，获得目标区域分析的结果；
S35利用目标数据的地理坐标确定缓冲区，针对所述缓冲区进行不同主题图层的数据查询，建立目标数据与不同主题图层数据之间的空间关系，应用根据时序变化确定目标数据与不同主题图层数据之间的时空关系。
作为本发明技术方案的一个优选，步骤S4包括，
S41根据数据的地理标签对学习资源与学习效果进行时序分析，获取学习资源评价结果；
S42对学习路径和/或学习资源进行路径分析，获取学习路径特征；
S43根据学习路径特征和/或学习资源评价结果，生成至少一个学习路径进行规划和/或学习资源进行推荐；
S44根据用户个性化的选择，结合用户的实时位置与时序状态对实时学习路径规划和/或学习资源推荐进行排序。
作为本发明技术方案的一个优选，步骤S5包括，
S51解析用户请求，根据用户访问权限和发出访问请求的位置提取可供访问的主题图层和数据；
S52结合访问请求内容对主题图层和数据进行搜索匹配，将匹配结果在地图上可视化呈现。
为实现上述目的，按照本发明的一个方面，提供了一种基于地图的教育大数据分析系统，其特征在于，包括，
数据获取模块，用于获取教育资源数据并对其进行分类整理，按照一定数据结构存入数据库；
地图构建模块，用于获取数据的地理标签，针对每个分析主题构建主题图层，根据分析主题对数据进行分类索引并加载至相应主题图层，将主题图层叠加到底图上，形成数据地图；
资源关联模块，用于根据分析主题对主题图层数据进行分析，获取主题分析结果；根据数据的地理标签提取目标区域中多个主题图层的数据并融合，获取区域分析结果；
资源推荐模块，用于根据学习时序和/或学习路径对用户进行分析，获取用户的学习偏好；
用户访问模块，用于根据用户请求内容，结合用户的学习偏好，搜索区域分析结果以响应用户请求，并将请求结果在地图上呈现出来。
作为本发明技术方案的一个优选，地图构建模块包括，
地理标签模块，用于获取数据的地理标签，根据地理标签明确数据的地理形态和/或位置；
主题索引模块，用于依据分析主题构建主题索引，通过索引将数据加载到不同的主题图层；
地图可视化模块，用于配置每个主题图层的可视化属性和/或符号样式并加载，形成数据地图。
作为本发明技术方案的一个优选，资源关联模块包括，
图层分析模块，用于将主题图层加载到底图上进行可视化显示，按照时序节点依次创建主题图层的多个子图层，设置观察时间轴以控制所述子图层的可视属性，获取主题图层的主题分析结果；
边界筛选模块，用于加载底图，根据地理坐标将目标数据映射到底图中，根据当前目标数据的边界范围，获取边界范围内所有数据并进行分类处理，筛选出与目标数据相匹配的数据并在地图上显示；
单元评估模块，用于将教育地图划分为多个学习单元，分别加载每个学习单元的数据，统计当前学习单元中每个用户的学习数据，按照数据类别进行单一分析或交叉分析，根据分析结果进行学习评价；
图层融合模块，用于对主题图层进行融合以实现多主题图层的信息提取，同时获取目标区域在不同主题图层上的数据信息并进行融合，对目标区域内的融合数据进行分析，获得目标区域分析的结果；
关联分析模块，用于利用目标数据的地理坐标确定缓冲区，针对所述缓冲区进行不同主题图层的数据查询，建立目标数据与不同主题图层数据之间的空间关系，应用根据时序变化确定目标数据与不同主题图层数据之间的时空关系。
作为本发明技术方案的一个优选，资源推荐模块包括，
时序分析模块，用于根据数据的地理标签对学习资源与学习效果进行时序分析，获取学习资源评价结果；
路径分析模块，用于对学习路径和/或学习资源进行路径分析，获取学习路径特征；
资源评价模块，用于根据学习路径特征和/或学习资源评价结果，生成至少一个学习路径进行规划和/或学习资源进行推荐；
智能导学模块，用于根据用户个性化的选择，结合用户的实时位置与时序状态对实时学习路径规划和/或学习资源推荐进行排序。
作为本发明技术方案的一个优选，用户访问模块包括，
数据解析模块，用于解析用户请求，根据用户访问权限和发出访问请求的位置提取可供访问的主题图层和数据；
资源匹配模块，用于结合访问请求内容对主题图层和数据进行搜索匹配，将匹配结果在地图上可视化呈现。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
1)本发明技术方案的方法，从多学科融合出发，以地图学与可视分析的基础理论为指导，探索一种新的大数据的展示方式、信息提取模式、服务方法，为教育大数据的综合应用、具体服务落地提供有效的方法与工具；
2)本发明技术方案的方法，将地图可视分析的方法，引入到教育大数据的管理、分析与应用中，扩展了教育大数据的应用模式与分析方法，使得针对教育大数据进行精准分析和利用成为可能；
3)本发明技术方案的方法，提出了地图可视分析与教育大数据的结合方法，并考虑将地图可视分析的方法与教育决策、教育管理、教育应用、学习支持以及学习个性化服务融合，填补了应用空白；
4)本发明技术方案的方法，针对不同用户分别设置有数据分析模式，同时针对不同主题设置了多层结构，在保证不同数据层之间相互独立的同时也使不同数据层之间具有一定的数据融合，提高了教育大数据针对具体主题进行分析的准确性，提高了不同主题之间的关联性，充分发挥了教育大数据的作用。
附图说明
图1是本发明技术方案实施例的可视分析与服务方法流程图；
图2是本发明技术方案实施例的数据加载与主题图层设置流程图；
图3是本发明技术方案实施例的基于地图的可视分析应用模式与信息提取模型流程图；
图4是本发明技术方案实施例的基于时序与路径的智能导学与资源推送流程图；
图5是本发明技术方案实施例的基于位置的精准服务与联合评价方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
如图1所示，本发明实施例的基于地图的教育大数据可视分析应用模式与服务方法包括如下步骤：
(1)获取教育大数据。通过与现有的教育管理机构、教育单位与在线学习平台对接，获取与教育管理相关的数据、教育水平相关的数据、教学资源相关的数据以及个体学习数据等教育资源数据。在一个具体的分类中，教育资源数据可以分为教学资源与学习资源。这些数据作为教育资源数据的组成部分，通过对其进行分类、分析等操作，可以利用其进行围绕教育管理与决策信息的可视分析以及个性化学习数据的可视分析等；具体地，教育大数据的获取与整理包括对既有的电子版本数据的管理，其中包括文本格式数据，如excel格式的报表数据，对这些数据进行规划整理，形成数据库形式的教育管理数据。
在一个优选的实施例中，教育大数据至少包括教学资源数据和学习资源数据。教学资源数据包括：学校信息，即学校的概况、师资、学生、课堂、教务、设备、实验室等；以及相关政府部分信息，即教育行政部分的概况、辖区学校、经费投入、政策与文件等。学习资源数据包括：课程数据、课程资源数据、学生个人信息、所学课程状态数据、学习行为数据、学习考核与评价数据等。
本实施例中，优选针对不同来源的数据，进行不同的预处理，处理后的数据按照一定结构存储到数据库中。如针对教学资源数据与学习资源数据分别处理，本实施例中，数据库存储结构优选使用PostgreSQL数据库与MongoDB组织的方式来构建存储系统，其中PostgreSQL用于存储空间数据以及关系型数据，而MongoDB则用于存储非关系型数据，即NO-SQL数据，具体包括课程资源内容，如课程视频、语音、课件、习题等。
(2)生成教育数据的地理标签，对数据进行分层，明确数据的地理形态；依据分析主题构建主题索引，生成对应图层并加载。也就是说，通过数据的位置属性、地名服务与地图映射等方法可以对每个教育数据建立地理标签，从而实现基于位置的数据整合；在此基础上可以进一步加载教育、教学管理数据，教学资源数据，个性化学习状态数据等，以实现对文本数据、音频数据、图像数据等多模态数据融合管理；根据应用需求的不同，可以针对每种需求建立相应的主题分析图层集，实现基于主题的内容重构，并依主题创建图层，加载该图层对应的数据。本实施例中，主题图层优选根据数据的地理标签对应加载在底图(如静态地图)上。优选的，如果针对同一主题具有多个数据集，则构建时序数据集，即将同一主题的多个数据集进行时序排列。进一步的，将不同类型数据建立地图分层，设置图层属性与图层样式。
如图2所示，步骤(2)中进一步包括如下步骤：
(2-1)获取教育大数据的地理标签。本实施例中，优选针对教育大数据构建教育数据地理标签化方法，建立数据的地理空间化算法，以实现对教育数据的地理位置计算，生成每一个教育数据的地理坐标。
具体地，本实施例中，优选分三类情况对现有的教育数据生成其地理标签。
第一类，针对使用在线学习系统、移动学习系统等应用软件本身的采集功能获得的数据，采集时即可获取其学习时的位置坐标。如，使用移动学习系统中的GPS来获得其学习时的GPS位置，或在线学习系统通过其IP地址来确定其位置。本专利基于假设是，该学生或用户是真实在其位置进行的学习活动，并不考虑是否存在位置虚假的情况。
第二类，通过应用地名解析的方法来获取数据的地理标签。应用文本分析的方法，得到数据中与地名相关的文本；或者通过数据依附的主体来得到与地名相关的文本，应用开放的地图地名服务，如百度地图API，谷歌地图API的地名解析来得到相应地名对应的地理坐标，生成其地理标签。
第三类，通过使用知识地图映射的方法来生成其地理坐标，采用应用知识的层次信息，构建地图映射，根据知识单元来得到数据的映射地理位置。即对教育大数据应用知识的层次信息，构建地图映射，根据知识单元来得到映射地理位置，即某一知识确定映射的确定位置。需要说明的是，使用地图映射方法时，若采用不同的规则来生成地图，则同一个知识单元可能会产生不同的地理位置。因此，应用时，需要统一映射规则，以确保不同的应用时位置唯一。
(2-2)对具有地理标签的数据进行分层，明确数据的地理形态。本实施例中，优选建立基于位置的数据整合算法，实现对教育管理数据、教学资源数据与个性化学习数据的集成，设置不同数据分层，并存储到空间数据库。具体地，在所有的数据获得其地理标签后，需要对其进行层次处理，即明确数据的地理形态，即明确地理空间里的点数据、线数据与面数据，并生成其相应的形态。针对不同类别的数据，分别进行不同的处理。例如，本实施例中，针对教学资源数据和学习资源数据，可以分别采取以下处理方法：
教学资源数据：建立类似于行政区级别的数据单元，即最小行政单元，如某一个学校，某一个班级等数据以点形式表达，而其上一级行政单元使用面形式表达。对于各级各类行政管理单元，本文采取使用大众开放地图服务如百度地图等获取其对象的位置信息及其边界多边形。其地图对象记录其中心点位置以及对象的边界，如，学校的范围多边形，行政区的多边形等。
学习资源数据：记录每一个位置的数据，使用数据点的方法进行表达，而对连续学习过程，则采用线方法进行表达。
(2-3)依据分析主题构建主题索引，生成相应图层并加载该图层对应数据。本实施例中，优选依据分析主题，对各类管理数据、资源数据、学习状态数据等不同类型构建主题索引，并依据主题构建图层，通过索引并将数据加载到相应图层。具体地，根据分析主题需求，建立主题图集；依据主题要求，建立图层集合；针对图层，确定图层对应数据内容；由主题的限定因素，确定数据时空条件，应用时空条件，查询数据库得到相应的数据内容，逐一图层加载时空数据及资源数据，建立基于地图的图层。
换而言之，由于在使用教育大数据的时候，会遇到不同的分析需求，如根据空间范围进行学习者来源统计分析；学习者学习行为的时间规律与分布状态等。针对每种分析需求，需要对应建立分析模式，构建不同的图层，并将每种分析需求的图层基于地图进行呈现。
(2-4)配置主题图层的图层可视化属性与符号样式，形成教育地图。本实施例中，优选在确定好图层后，设置图层的可视化属性以及可视化中相应的符号样式。作为本实施例的优选，一方面，可以使用自动配色原则来实现对既有图层的颜色设置，自动配色方案是通过选定色系，并以图层数量来自动计算图层颜色间隔，自动配色方式中，提供不同色系以供选择。另一方案，用户也可以自定义配色方法，由用户自定义选择每一个图层颜色，对图层颜色进行个性化配置。
本实施例中，图层符号是用于对图层中不同数据要素的展示，如，表图图层中学习者的位置表达，学习过程的路径表达以及行政单元的表达等，进一步地，优选应用地图制图原则，对点对象、线对象及面对象，提供符号化的展示方法。区别于一般地图制图方法，本实施例中各类对象的符号化展示可以引入教育、教学形象符号，如学生形象、学习形象、学习资源的卡通形象等，也可以是其他形式的符号，如用户自定义形象；进一步地，根据不同的年龄需求，还可以建立系列化的形象库，同时针对主题分类，建立适应于每个主题的形象库，确保匹配的符号化表达；即针对主题分类可以在该主题下设置一组符号形象，如一组动物形象，选定该形象组即可在该主题图层上呈现该组动物形象。
也就是说，在利用本实施例的技术方案添加图层符号的时候，一方面可以增加多种选择方式，使得地图能以多元化的符号形象呈现，另一方面，也需要建立起同一对象的不同符号之间的关联关系，避免统一对象不同形式的符号在切换时出现不匹配的情况。
(3)以图层为基础，构建多种应用模式，实现基于地图可视分析的教育应用模式与服务模型。简而言之，教学资源与学习资源之间具有密切的联系，用户(教育者或学习者)充分调用教学资源和学习资源是提高教学质量的前提之一。例如，教育者可以根据学习者的学习状态评估，对教学资源进行合理的分配；或学习者根据教学资源的分布，结合自身信息合理进行利用等。本实施例中，优选围绕教育管理信息、资源信息等时空分布可视分析，构建基于地图时空分布的教育决策支持可视分析应用模式；针对个性化学习过程中的位置定位，构建基于位置检索的自主学习可视分析应用模式；以学习空间为单元，构建基于空间统计的教学评估可视分析应用模式；构建基于多主题地图图层整合的信息提取模型，实现对教育管理信息、教学资源信息以及个人学习信息的有效提取；应用点、线、面等缓冲区分析方法实现教学资源与学习资源的关联分析，最终实现多主题、多主体、多层次联合分析与应用。
或者说，将图层以二维视角来看，可以认为一个图层上的数据形成一个图层平面，以底图为基准，多个主题图层平行于底图排列形成了三维结构。也就是说，主题图层是将数据根据分析主题的不同进行横向加载，基于单一主题图层的分析也是横向进行的，即提取横向图层数据进行分析；相应的，利用主题图层融合提取某一特定空间区域的全部图层数据，就是以底图为基准进行的纵向分析，即提取纵向数据进行分析。采用这种方式的原因之一在与，基于某一位置上的数据，既可能包含在横向的主题图层内(即分析主题所确定的主题图层所决定的)，也可能包含在纵向的空间区域内(数据的地理标签所决定的)。
如图3所示，步骤(3)进一步包括如下步骤：
(3-1)通过基于地图的时空可视化方法，构建基于地图时空分布的教育决策支持可视分析应用模式。本实施例中，优选通过使用教育地图实现上述效果。首先加载基础地图作为底图，如相应区域的行政区域图，应用地图制图图例与样式进行可视化；在此基础上，进一步加载主题数据图层，将主题图层叠加到底图上进行可视化显示，本实施例中，图层优选应用自定义样式；最后，针对同一主题，依据时间序列，每一个时间节点创建一个图层，同时设置观察时间轴，通过时间轴控制图层的可视属性，即改变时间轴上时刻位置，即可显示该时刻的数据信息。
本实施例中，对每一个时间节点下的图层，优选建立聚类分析，并使用包围盒形式进行标注，以突出聚类资源。此外，优选应用时序展示过程，从而使得表达类型依时间变化的过程可以获得直观的视觉化展示。最后，应用时空分布展示的方法来准确表达既有数据的现势状态，用于决策过程中的信息辅助。
(3-2)针对个性化学习过程中的位置，构建基于位置检索的自主学习可视分析应用模式。具体地，这一过程的实现首先需要建立学习者认知地图，即将认知过程映射到地图中，从而获取当前认知位置的地理坐标，进而通过应用空间点查询的方法，来查询当前点所处的知识地图相应图元对象，即知识对象；其次要获取知识对象的边界，并应用边界多边形为单位，进行空间查询，获取与空间相关的所有知识点数据、资源数据以及个体学习状态数据等；再对知识点数据、资源数据与学习状态数据进行分类处理，明确已学与未学知识点，已学知识点的掌握状态；进一步分析所需学习知识点及资源，通过分析既有已学习人员的学习状态，对所需学习知识资源进行筛选与优先过滤，得到最适应当前个人的学习资源，个人可以在地图页面上选择，即可跳转到对应的学习平台，进行在线学习。
(3-3)以学习单元为区域核心，构建基于空间统计的教学评估可视分析应用模式。本实施例中，以不同层次的学习单元为基础，获取每一个单元的多边形边界，应用此边界来检索学习人员，并获取不同学习人员的学习评估结果，即学习时长、学习资源内容与学习自测效果，统计其学习情况，并建立结果索引存储表，实现对不同学习结果的增量统计与评估。根据图示比例，选择图与表的形式来可视化展示当前学习单元的学习效果评估结果。作为本实施例的优选，当比例较大时，选择图状形式，居于单元区域的中心来进行展示，图状展示选择饼图、柱图以及多维混合图形式可视化；而图的比例过小时，可以使用表格的形式，对评估结果单独列举展示，表格使用动态交互形式展示；无论图状还是表格，都应用动态方式呈现，以支持用户在查看过程中对详细信息进行探查。
(3-4)建立主题图层融合算法，构建基于多主题图层信息提取模型，提取教育管理信息、资源发展信息与个人学习信息。具体地，应用图层融合算法，实现不同图层信息提取。通过图层融合提取模型，获取底图图层多边形信息以及底图图层中数据过滤因子，由过滤因子根据色彩融合的规则建立融合底色；然后将叠加图层中的需要进行融合的数据，以融合色为基础，根据数据情况，归一化色值，并与底图进行融合，其保留图斑与色彩，则为融合操作后提取的内容。对融合后的图斑对象，获取其矢量边界，应用其矢量边界与融合阈值重新检索相应空间范围内的数据，得到融合后信息的原始值，即为表达相应信息的参数，此参数用于导学与推荐学习。
(3-5)通过点、线、面等缓冲区分析，建立教学资源、学习环境与教育及学习个体间的关联分析模型，实现多主题、多主体、多层次联合分析。具体地，应用地理信息空间分析方法，以知识点或学习者所处位置地理坐标点为基础，设置多个半径构建点缓冲区，获取缓冲区边界，针对学习资源、学习内容以及学习个人等主题应用边界进行空间查询，获取缓冲区内相关内容，建立当前所学个人或知识与教学资源、教育内容与学习个体间的空间关系，再应用时间关联分析，对当前所学习情况进行阶段分析，得到相应的学习阶段的时间与空间相关性。
对当前学习过程的不同点建立连线，以预设固定大小为半径，建立线缓冲区，获取缓冲区边界，类似于点缓冲区操作流程，应用该边界多边形进行空间查询，得到相应的教学资源、教学内容与学习个体的情况。同时使用时序阶段分析，得到此区域内的个体关联。
面缓冲区的建立，以所学内容的多边形为基础，应用预设半径构建新的缓冲多边形，得到多边形边界后，应用空间查询得到区域中的相应内容，类似于点缓冲区与线缓冲区的方法，实现对区域中的不同教学资源、内容与学习个体进行相关分析。
需要进一步指出的是，点缓冲区、线缓冲区与面缓冲区的方法适应于不同层级的地图对象，即应用地图图元表达的个体位置、个体学习经历以及个体学习区域，同样适应于教育信息管理单元，包括以点形式表达的人、班、校或行政单元。同一对象在不同层次的应用中，可以泛化为不同的图元单元，区别在于其所分析所选择的尺度或范围。
缓冲区的方法同样包括对不同的应用单元进行缓冲区的空间分析操作，即应用不同行政单元进行缓冲区分析后的缓冲区的空间关系分析，分析重叠范围或路径的覆盖面积等，这些信息用于揭示不同区域政策影响的重叠特征。
(4)应用时空分析方法，对个体学习过程进行时序可视分析；应用最佳路径分析方法，对学习者学习路径及其所学资源进行路径分析，并通过模式分析方法，分析既有已学路径模式。创建学习效果量化分析模型，根据既有学习时序与路径定位学习者所处位置及其学习资源偏好；创建智能导学模型，对既有学习内容推出优化复习导学以及未学内容建立路径推荐与资源推送。如图4所示，步骤(4)进一步包括如下步骤：
(4-1)应用地图时序分析方法，对个体学习过程进行时序可视化，并建立学习资源与学习效果时序分析方法，实时评估学习过程。以个人记录号为检索条件，从数据库中查询得到该编号的所有个人学习相关数据，包括每一个学习位置、内容与学习时间。根据位置坐标，将数据绘制到地图的相应点，并根据时间序列，按顺序将不同的点使用线连接。对每一个位置的学习效果，根据其学习资源与学习评测结果建立学习效果展示样式，根据学习资源的优质参数、测试成绩的情况以及学习时长的关系计算学习效果评估参数，并根据参数来统一样式表达。构建模糊评价模型，本实施例中优选如下：
设学习效果评估对象为P，其因素集U＝{u1,u2,u3}，因素内容包括，学习资源参数，测试成绩，学习时长；评价等级集V＝{v1,v2,v3}。对U中每一个因素根据评价集中的等级指标进行模糊评价，得到评价矩阵：
Figure BDA0001612774010000121
其中，rij表示ui关于vj的隶属程度。
对每一个因子建立重要性权值，记为A＝{a1,a2,a3},满足，
Figure BDA0001612774010000122
合成并归一化处理后，得B＝{b1,b2,b3}，表达为P的评价矩阵。
(4-2)应用路径分析方法，对学习路径及其所学习资源进行路径分析，建立路径聚类模型，分析现有学习过程中学习过程路径特征。具体地，以学习者为基础，检索每一个学习者的学习过程数据，以其时序过程，绘制其学习过程路径；得到不同学习过程中对不同的知识点的学习过程；选择需要分析的知识点，构建知识点间的空间包括盒或空间查询矩形；应用此矩形来查询这区间内所有相关的线段，即学习者的学习路径；应用路径线段聚类分析，首先对完全相同的路径进行聚合；然后查找线段中最大相似度的线段。设置相似阈值为α，即线段的不同大于α时，分为不同类，α为预设值；得到聚类后的路径数，每一条路径为学习过程特征。
(4-3)优选建立学习效果量化分析模型，通过学习过程路径特征与资源评价结果，推荐后续所学路径及相关资源。优选的，如建立学习资源的学习时长评价机制，认为同一个学习资源，学习时间长，则资源内容更丰富，更有助于学习；对每一个学习资源，积累计算其所经历的学习者的学习时长，得到已学时长参数，描述此资源被学习的重视程度。
此外，对每一个学习资源建立被推荐指数，用于描述此资源的后述推荐优先级，其推荐指数计算公式如下：
Figure BDA0001612774010000131
其中，
Figure BDA0001612774010000132
表示推荐指数，T表示已学习时长，α为权重系数，C表示内容难度系数，β表示权重系数，H表示资源质量评价参数，ε表示权重参数；其中权重参数的和为1，
α+β+ε＝1
建立资源与学习路径的关联关系，描述不同资源的学习顺序以及同一个路径中，同一个学习位置的先后顺序，指导更好的学习途径。
(4-4)引入学习者个性化状态，建立智能导学模式，并根据位置与时序状态实现路径导航与资源推送。具体地，针对学习者，建立其学习过程路径，并与后续未学知识点的学习路径建立匹配关系，查找最为合适此学习者的学习路径；获取当前学习者的学习状态、学习位置、评估结果，根据推荐路径，根据其学习能力评估结果计算后述知识点的推荐学习顺序与相应学习资源；当学习者进行学习活动时，根据其学习完成情况及位置变化，推送相应的适合其个性化要求的学习资源。
(5)建立统一的教育大数据地图访问入口平台，实现所有用户基于统一入口的应用模式；解析用户服务需求，建立基于位置的服务精准定准；分解服务需求内涵，应用空间查询与分析的方法实现优质资源的精准匹配；根据服务请求的精准定位，实现基于位置的可视分析服务；最终获取用户服务满意状态，应用联合评价模型实现服务评价。如图5所示，步骤(5)中进一步包括如下步骤：
(5-1)构建基于地图入口的统一访问平台，实现所有用户的统一入口访问方式。具体地，建立基于地图为底图的服务平台，所有用户通过同一入口访问资源，建立不同的用户权限，不同的权限访问的资源权限进行区别。学习者仅可访问学习资源以及个人的相关学习路径、学习成果等。
(5-2)解析用户需求，建立基于位置的服务需求精准定位。具体地，定义服务分类，区分教育管理信息服务与个人学习应用服务；针对不同的服务分类，建立层次递进的服务解析与明确操作；对教育管理信息服务，区分数据展示、信息提取、发展分析等，通过明确服务的目的来定位服务的具体内容，并定制可视化操作；针对个人学习应用服务，定义学习行为与信息浏览行为，通过不同的行为来定位其数据服务内容，并定制可视化操作流程。
(5-3)实现基于位置的资源精准匹配。具体地，在明确了具体的服务后，根据当前服务所处位置，或服务要求处理的空间范围来确定数据检索空间范围，生成用于查询的空间范围，即查询矩形；将空间范围作为输入条件，选择服务所对应内容数据图层为对象，进行空间检索，获得数据；对检索到的数据，加入过滤条件或引入应用规则进行排序，生成服务资源的匹配队列，依序展示，供用户选择。
(5-4)应用基于位置的可视分析服务。具体地，资源完成匹配后，依据资源所处位置设置可视化要素，通过交互选择来实现基于位置的可视化。在某位置时，用户在得到匹配资源后，根据需要，选择可视规则，对众多的资源进行可视化展示。管理类可视化服务，实现对数据与信息的时空分布展示与信息展示；个人学习可视化服务，提供各类学习工具，实现在线学习。
(5-5)获取用户服务状态，应用联合评价模型实现服务精准度评价。具体地，通过记录用户服务需要操作过程、返回结果、服务时长、用户后续操作内容建立联合评价模型，实现对服务精准度的评价。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于地图的教育大数据分析方法，其特征在于，包括，
S1获取教育资源数据并对其进行分类整理，按照一定数据结构存入数据库；
S2获取数据的地理标签，针对每个分析主题构建主题图层，根据分析主题对数据进行分类索引并加载至相应主题图层，将主题图层叠加到底图上，形成数据地图；
S3根据分析主题对主题图层的数据进行分析，获取主题分析结果；根据数据的地理标签提取目标区域中多个主题图层的数据并融合，获取区域分析结果；
S4根据学习时序和/或学习路径对用户进行分析，获取用户的学习偏好；
S5根据用户请求内容，结合用户的学习偏好，搜索区域分析结果以响应用户请求，并将请求结果在地图上呈现出来；
其中，所述步骤S4包括，
S41根据数据的地理标签对学习资源与学习效果进行时序分析，获取学习资源评价结果；
S42对学习路径和/或学习资源进行路径分析，获取学习路径特征；
S43根据学习路径特征和/或学习资源评价结果，生成至少一个学习路径进行规划和/或学习资源进行推荐；
S44根据用户个性化的选择，结合用户的实时位置与时序状态对实时学习路径规划和/或学习资源推荐进行排序。
2.根据权利要求1所述的基于地图的教育大数据分析方法，其中，所述步骤S2包括，
S21获取数据的地理标签，根据地理标签明确数据的地理形态和/或位置；
S22依据分析主题构建主题索引，通过索引将数据加载到不同的主题图层；
S23配置每个主题图层的可视化属性和/或符号样式并加载，形成数据地图。
3.根据权利要求1或2所述的基于地图的教育大数据分析方法，其中，所述步骤S3包括，
S31将主题图层加载到底图上进行可视化显示，按照时序节点依次创建主题图层的多个子图层，设置观察时间轴以控制所述子图层的可视属性，获取主题图层的主题分析结果；
S32加载底图，根据地理坐标将目标数据映射到底图中，根据当前目标数据的边界范围，获取边界范围内所有数据并进行分类处理，筛选出与目标数据相匹配的数据并在地图上显示；
S33将教育地图划分为多个学习单元，分别加载每个学习单元的数据，统计当前学习单元中每个用户的学习数据，按照数据类别进行单一分析或交叉分析，根据分析结果进行学习评价；
S34对主题图层进行融合以实现多主题图层的信息提取，同时获取目标区域在不同主题图层上的数据信息并进行融合，对目标区域内的融合数据进行分析，获得目标区域分析的结果；
S35利用目标数据的地理坐标确定缓冲区，针对所述缓冲区进行不同主题图层的数据查询，建立目标数据与不同主题图层数据之间的空间关系，应用根据时序变化确定目标数据与不同主题图层数据之间的时空关系。
4.根据权利要求1或2所述的基于地图的教育大数据分析方法，其中，所述步骤S5包括，
S51解析用户请求，根据用户访问权限和发出访问请求的位置提取可供访问的主题图层和数据；
S52结合访问请求内容对主题图层和数据进行搜索匹配，将匹配结果在地图上可视化呈现。
5.一种基于地图的教育大数据分析系统，其特征在于，包括，
数据获取模块，用于获取教育资源数据并对其进行分类整理，按照一定数据结构存入数据库；
地图构建模块，用于获取数据的地理标签，针对每个分析主题构建主题图层，根据分析主题对数据进行分类索引并加载至相应主题图层，将主题图层叠加到底图上，形成数据地图；
资源关联模块，用于根据分析主题对主题图层数据进行分析，获取主题分析结果；根据数据的地理标签提取目标区域中多个主题图层的数据并融合，获取区域分析结果；
资源推荐模块，用于根据学习时序和/或学习路径对用户进行分析，获取用户的学习偏好；
用户访问模块，用于根据用户请求内容，结合用户的学习偏好，搜索区域分析结果以响应用户请求，并将请求结果在地图上呈现出来；
其中，所述资源推荐模块包括，
时序分析模块，用于根据数据的地理标签对学习资源与学习效果进行时序分析，获取学习资源评价结果；
路径分析模块，用于对学习路径和/或学习资源进行路径分析，获取学习路径特征；
资源评价模块，用于根据学习路径特征和/或学习资源评价结果，生成至少一个学习路径进行规划和/或学习资源进行推荐；
智能导学模块，用于根据用户个性化的选择，结合用户的实时位置与时序状态对实时学习路径规划和/或学习资源推荐进行排序。
6.根据权利要求5所述的基于地图的教育大数据分析系统，其中，所述地图构建模块包括，
地理标签模块，用于获取数据的地理标签，根据地理标签明确数据的地理形态和/或位置；
主题索引模块，用于依据分析主题构建主题索引，通过索引将数据加载到不同的主题图层；
地图可视化模块，用于配置每个主题图层的可视化属性和/或符号样式并加载，形成数据地图。
7.根据权利要求5或6所述的基于地图的教育大数据分析系统，其中，所述资源关联模块包括，
图层分析模块，用于将主题图层加载到底图上进行可视化显示，按照时序节点依次创建主题图层的多个子图层，设置观察时间轴以控制所述子图层的可视属性，获取主题图层的主题分析结果；
边界筛选模块，用于加载底图，根据地理坐标将目标数据映射到底图中，根据当前目标数据的边界范围，获取边界范围内所有数据并进行分类处理，筛选出与目标数据相匹配的数据并在地图上显示；
单元评估模块，用于将教育地图划分为多个学习单元，分别加载每个学习单元的数据，统计当前学习单元中每个用户的学习数据，按照数据类别进行单一分析或交叉分析，根据分析结果进行学习评价；
图层融合模块，用于对主题图层进行融合以实现多主题图层的信息提取，同时获取目标区域在不同主题图层上的数据信息并进行融合，对目标区域内的融合数据进行分析，获得目标区域分析的结果；
关联分析模块，用于利用目标数据的地理坐标确定缓冲区，针对所述缓冲区进行不同主题图层的数据查询，建立目标数据与不同主题图层数据之间的空间关系，应用根据时序变化确定目标数据与不同主题图层数据之间的时空关系。
8.根据权利要求5或6所述的基于地图的教育大数据分析系统，其中，所述用户访问模块包括，
数据解析模块，用于解析用户请求，根据用户访问权限和发出访问请求的位置提取可供访问的主题图层和数据；
资源匹配模块，用于结合访问请求内容对主题图层和数据进行搜索匹配，将匹配结果在地图上可视化呈现。
CN201810271939.XA 2018-03-29 2018-03-29 一种基于地图的教育大数据分析方法及系统 Active CN108319733B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810271939.XA CN108319733B (zh) 2018-03-29 2018-03-29 一种基于地图的教育大数据分析方法及系统
US16/605,806 US11568012B2 (en) 2018-03-29 2018-05-08 Method and system for analyzing educational big data on basis of maps
PCT/CN2018/085953 WO2019184052A1 (zh) 2018-03-29 2018-05-08 一种基于地图的教育大数据分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810271939.XA CN108319733B (zh) 2018-03-29 2018-03-29 一种基于地图的教育大数据分析方法及系统

Publications (2)

Publication Number Publication Date
CN108319733A CN108319733A (zh) 2018-07-24
CN108319733B true CN108319733B (zh) 2020-08-25

Family

ID=62898887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810271939.XA Active CN108319733B (zh) 2018-03-29 2018-03-29 一种基于地图的教育大数据分析方法及系统

Country Status (3)

Country Link
US (1) US11568012B2 (zh)
CN (1) CN108319733B (zh)
WO (1) WO2019184052A1 (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109344212A (zh) * 2018-08-24 2019-02-15 武汉中地数码科技有限公司 一种面向主题特征的地理大数据挖掘推荐的方法及系统
CN109446285B (zh) * 2018-09-26 2022-02-22 阜阳职业技术学院 高校校园空间认知与活动的交互系统及方法、处理器
CN109739924A (zh) * 2018-12-25 2019-05-10 苏州庚商教育智能科技有限公司 资源可视化方法及平台
CN110516119A (zh) * 2019-08-27 2019-11-29 西南交通大学 一种自然资源场景数据的组织调度方法、装置和存储介质
CN111432024B (zh) * 2020-04-09 2022-11-04 兰州聚源信息科技有限公司 基于scorm技术的复合云培训平台的搭建方法
CN111598749A (zh) * 2020-05-07 2020-08-28 重庆第二师范学院 一种教育发展研究的优化方法
CN111538464B (zh) * 2020-05-10 2021-05-07 浙江智飨科技有限公司 一种基于物联网平台的数据清理方法及装置
CN111782720A (zh) * 2020-06-05 2020-10-16 上海高绩数据科技有限公司 用于快速进行检测与定位办学效果的图示化方法、系统以及终端
CN111651548B (zh) * 2020-06-08 2023-05-23 广州欧科信息技术股份有限公司 基于历史文化遗产地图数据的分路分析方法及装置
CN111866608B (zh) * 2020-08-05 2022-08-16 北京华盛互联科技有限公司 一种用于教学的视频播放方法、装置和系统
US11521282B2 (en) * 2020-08-14 2022-12-06 Pearson Education, Inc. Progress monitoring assistant
CN112287115A (zh) * 2020-09-30 2021-01-29 北京大米科技有限公司 基于知识掌握程度图的个性化教学方法、系统及装置
CN112202823B (zh) * 2020-12-07 2021-03-19 杭州筋斗腾云科技有限公司 网络资源访问系统及方法、用户门户及资源门户
CN112686995B (zh) * 2020-12-25 2023-09-12 浙江弄潮儿智慧科技有限公司 一种红树林智能监管系统
CN112612933B (zh) * 2021-01-05 2024-03-26 同方知网(北京)技术有限公司 一种分类数据可视化方法
CN112700170A (zh) * 2021-01-15 2021-04-23 科技谷（厦门）信息技术有限公司 一种基于园区大数据的精准招商平台
CN112884304A (zh) * 2021-02-02 2021-06-01 温州洪启信息科技有限公司 一种基于大数据的在线远程教育系统
CN113032466A (zh) * 2021-03-01 2021-06-25 国网浙江省电力有限公司临海市供电公司 一种用电数据监控方法及系统
CN112883217B (zh) * 2021-03-12 2024-04-09 北京图众科技有限公司 一种自然资源数据融合方法
US20230367783A1 (en) * 2021-03-30 2023-11-16 Jio Platforms Limited System and method of data ingestion and processing framework
CN113220773B (zh) * 2021-05-28 2023-09-01 华中师范大学 一种学生评测数据画像的地图可视化方法及系统
US11557218B2 (en) 2021-06-04 2023-01-17 International Business Machines Corporation Reformatting digital content for digital learning platforms using suitability scores
CN113742586B (zh) * 2021-08-31 2023-10-24 华中师范大学 一种基于知识图谱嵌入的学习资源推荐方法及系统
CN114385627A (zh) * 2021-12-08 2022-04-22 北京大数元科技发展有限公司 一种基于gis地图的数据分析方法、装置及存储介质
CN114357324B (zh) * 2022-03-21 2022-06-14 南京师范大学 一种大数据探索性标签地图的生成方法
CN115185663B (zh) * 2022-07-26 2023-04-07 贵州开放大学(贵州职业技术学院) 一种基于大数据的智慧化数据处理系统
CN116109456B (zh) * 2023-04-03 2023-07-28 成都大学 一种智慧教育综合评价方法、系统、电子设备及存储介质
CN116524524B (zh) * 2023-04-25 2024-03-15 上海任意门科技有限公司 一种内容识别方法、装置、设备及存储介质
CN116628339B (zh) * 2023-06-09 2023-11-17 国信蓝桥教育科技股份有限公司 一种基于人工智能的教育资源推荐方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102253825A (zh) * 2010-05-18 2011-11-23 邹顺鹏 制作个性化电子地图及其友好界面的方法
CN103605706A (zh) * 2013-11-11 2014-02-26 华中师范大学 一种基于知识地图的资源检索方法
US9818136B1 (en) * 2003-02-05 2017-11-14 Steven M. Hoffberg System and method for determining contingent relevance

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10096033B2 (en) * 2011-09-15 2018-10-09 Stephan HEATH System and method for providing educational related social/geo/promo link promotional data sets for end user display of interactive ad links, promotions and sale of products, goods, and/or services integrated with 3D spatial geomapping, company and local information for selected worldwide locations and social networking
TWI463445B (zh) * 2013-01-23 2014-12-01 Quanta Comp Inc 實境教學方法與系統
CN105518644B (zh) * 2013-08-09 2020-08-07 杨绍峰 在地图上实时处理并显示社交数据的方法
CN104318340B (zh) * 2014-09-25 2017-07-07 中国科学院软件研究所 基于文本履历信息的信息可视化方法及智能可视分析系统
CN105760428B (zh) * 2016-01-29 2017-04-26 华中师范大学 一种知识地图映射生成方法
US20170316528A1 (en) * 2016-04-28 2017-11-02 Karen E. Willcox System and method for generating visual education maps
CN106205248B (zh) 2016-08-31 2019-01-18 北京师范大学 一种表征学习者在特定领域知识学习掌握状态的在线学习认知地图生成系统及方法
CN106530161A (zh) * 2016-11-21 2017-03-22 浪潮软件集团有限公司 一种用于教育大数据模型构建的方法
CN107239832A (zh) * 2017-06-12 2017-10-10 西南交通大学 一种在线动态知识地图集制作方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9818136B1 (en) * 2003-02-05 2017-11-14 Steven M. Hoffberg System and method for determining contingent relevance
CN102253825A (zh) * 2010-05-18 2011-11-23 邹顺鹏 制作个性化电子地图及其友好界面的方法
CN103605706A (zh) * 2013-11-11 2014-02-26 华中师范大学 一种基于知识地图的资源检索方法

Also Published As

Publication number Publication date
WO2019184052A1 (zh) 2019-10-03
CN108319733A (zh) 2018-07-24
US20200125618A1 (en) 2020-04-23
US11568012B2 (en) 2023-01-31

Similar Documents

Publication Publication Date Title
CN108319733B (zh) 一种基于地图的教育大数据分析方法及系统
Nöllenburg Geographic visualization
US20160364115A1 (en) Method, system, and media for collaborative learning
Sigala Investigating the role and impact of geovisualisation and geocollaborative portals on collaborative e-learning in tourism education
Marty Museum informatics and collaborative technologies: The emerging socio‐technological dimension of information science in museum environments
Sampson Jr et al. Counselor intervention strategies for computer-assisted career guidance: An information-processing approach
Chang Hakka genealogical migration analysis enhancement using big data on library services
US10102774B2 (en) Systems and methods for organizing and presenting skill progressions
Garita et al. TEC Digital: A case study of an e-learning environment for higher education in Costa Rica
Hopster-den Otter et al. Comparing the influence of various measurement error presentations in test score reports on educational decision-making
Zhou et al. A map-based visual analysis method for patterns discovery of mobile learning in education with big data
Mago A Proposed Framework for Big Data Analytics in Higher Education
KR101857386B1 (ko) 자기 주도 학습 유도 방법 및 장치
Najdawi et al. Exploring the Role of Big Data Analytics in Reinnovating Higher Education: The Case of UAE
Yoon Critical space analysis: Integrating geographic information systems into critical educational research
CN113220773B (zh) 一种学生评测数据画像的地图可视化方法及系统
Mamykova et al. Development of the information and analytical system of the university
Thompson et al. Towards a framework for learning with GIS: The case of urban world, a hypermap learning environment based on GIS
Moradi et al. Identifying Effective Factors on Acceptance and Establishment of Mobile Learning in Virtual Training Center for Academics
Shoman et al. Labelling Hierarchy for Street Maps Using Centrality Measures
Zuo et al. Space-Time Cube for Visual Queries over Metadata of Heterogeneous Geodata
Gilblom et al. Using Geographic Information Systems in Educational Research: A Beginner's Exercise
Oladipupo et al. Applications of learning analytics to student engagement data: A systematic literature review
Fang et al. Time to Upgrade Our Tools: Integrating Urban Data Science into Economic Development Research and Curriculum
Greenfeld GIS Body of Knowledge for Surveying.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant