CN106462923A - 预测社会、经济和学习成果 - Google Patents

预测社会、经济和学习成果 Download PDF

Info

Publication number
CN106462923A
CN106462923A CN201480078991.3A CN201480078991A CN106462923A CN 106462923 A CN106462923 A CN 106462923A CN 201480078991 A CN201480078991 A CN 201480078991A CN 106462923 A CN106462923 A CN 106462923A
Authority
CN
China
Prior art keywords
student
achievement
index
data
time
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.)
Pending
Application number
CN201480078991.3A
Other languages
English (en)
Inventor
迈克尔·约翰·施梅德伦
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.)
Hewlett Packard Development Co LP
Original Assignee
Hewlett Packard Development Co LP
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 Hewlett Packard Development Co LP filed Critical Hewlett Packard Development Co LP
Publication of CN106462923A publication Critical patent/CN106462923A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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
    • 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
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • 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
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • 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
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/0061—Geography
    • 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
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/18—Book-keeping or economics
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Abstract

一个示例包括预测地理实体在将来时间的社会、经济和学习成果。使用接近实时的学生数据指标以及指标与成果之间的相关性来预测成果。

Description

预测社会、经济和学习成果
背景技术
地理实体(诸如像国家或州)经常针对在未来的时间点实现具体的经济、社会、和学习成果而设定目标。在许多情况下，这些成果与学生在他们学校中的教育成绩有关。学校通过在教育系统中的干预或处理——诸如像通过采用具体技术、工具、方法和政策而具有影响学生的教育成绩的能力。这些干预的目标用于改善期望的成果。
附图说明
图1是根据本公开的示例包括用于预测地理实体在将来的时间的社会、经济和学习成果的服务器的系统的框图。
图2是根据本公开的示例包括用于预测地理实体在将来的时间的社会、经济和学习成果的服务器的另一系统的框图。
图3是根据本公开的示例的图2的系统的数据存贮器的低层级框图。
图4是根据本公开的示例的图1或2的系统的数据库的低层级框图。
图5是根据本公开的示例的可由用于具体地理实体在将来时间的预测的社会、经济和学习成果的计算机显示的仪表板的示意性表示。
图6A-6B是根据本公开的示例的可用于图5的仪表板的成果图形显示的示意性表示。
图7是根据本公开的示例的用于预测地理实体在将来时间的社会、经济和学习成果的方法的流程图。
图8A-8C是根据本公开的示例的用于预测地理实体在将来时间的社会、经济和学习成果的另一方法的流程图。
图9A-D是根据本公开的示例的使用一个数据库预测在将来时间的关于地理实体的两个成果的、图7和8A-B的方法或图1-2的服务器的操作的示例。
具体实施方式
在测量和预计教育系统干涉对地理实体已经建立的经济、社会和学习成果的实现的影响和效果时，地理实体面临挑战。一个挑战是识别具体干预在具体期望成果上的影响。另一挑战是估计直到“当前”时刻的影响和效果；所述估计经常使用反映数月或者甚至数年之前状况的滞后数据来执行，并且因此当接收到这些评估时他们可能是过时的。尤其对于在它们的教育系统中包含大量学生的地理实体而言，另外的挑战是数据可能是被抽样的，使得数据的收集仅针对一小部分学生而不是针对每个学生。又一挑战是不仅测量朝向期望成果的当前改进，而且还预测在将来时间将有什么成果。并且，如果在将来时间的预测成果达不到实体的目标，那么附加的挑战是确定能够进行怎样的数据驱动可执行的引导(例如，基于用于生成预测成果的数据推荐进一步的干预)以便使实体返回正轨以实现期望成果。如果这些建议的干预包括就实体而言的实质性财政承担，则希望获知关于干预是否将实现期望成果的特定置信度。
本公开通过基于地理实体的当前学生数据指标和类似的地理实体的事先存在的时间序列成果数据来预测在将来时间的地理实体的社会、经济和学习成果以来克服这些挑战，所述预测在以下三个尺度上进行：区域性对等实体(那些具有与目标地理相邻的边界的对等实体)；绝对对等实体(那些具有类似的人口、人种和经济特性的对等实体)；以及全球对等实体(具有可用数据的地球上的所有地理实体)。在该预测中，指标数据不是来自于对学生进行的抽样，而是利用来自地理实体中的每个学生的数据。这克服了采样可能经常发生的不准确性。所有指标与所有成果进行关联以确定指标和成果之间的预期的关系和非预期的关系两者。
如在本文以及所附权利要求中定义的，“学生数据指标”可被宽泛地理解为意指关于学生个体所收集的数据。该数据可以采用宽范围的形式，包括人口统计(例如，年龄、性别、种族)、出勤、表现、参与运动、参与学校活动、和学业成绩(例如，教学评估、测试分数、学科分数、平均绩点)等许多其他形式。可以将一些数据存储在教育数据库中，诸如存储在学习管理系统(LMS)、学生信息系统(SIS)或类似系统的那些教育数据库中。可以自动地从诸如被指配给具体学生并且与该具体学生相关联的笔记本或平板电脑之类的计算机收集其他数据。这种计算机可以由学生携带并且在在学校中和离开学校(诸如当学生在家时)二者的情况下使用。这种源自计算机的数据包括：指示安装在计算机上的应用的配置信息、指示随着时间的计算机的地理位置的移动性信息和指示学生与计算机(包括应用和因特网)的交互的使用信息。
到目前为止描述的学生数据指标的类型被考虑为“现场”学生数据指标，这是因为它们反映关于学生的当前信息。此外，自动地从学生计算机收集的那些现场学生数据指标被考虑为“接近实时”的指标。如在本文以及所附权利要求中定义的，“接近实时”的指标可以被宽泛地理解为意指其在源处生成(例如，在学生计算机中生成)时或者其在源处接收(例如，在学习管理系统(LMS)或学生信息系统(SIS)中接收)时就从源“推送”的学生数据指标。在源连接到网络的情况下，接近实时的数据在大约50ms至120秒的时间范围之内从源发送。然而，当在源未连接到网络的时间生成指标时，此类数据指标可以直到进行连接时再通过源发送，并且因此可能花费更长的时间从源推送此类数据指标。例如，当学生在家时，学生计算机可能未处于无线连接至网络(例如，Wi-Fi)的范围之内。当学生计算机进入到网络的通信范围之内时、当计算机跨地理围栏(GeoFenced)阈值时、或者当通过诸如蓝牙的近场通信协议将连接激活时，学生计算机可以连接到网络。因此，指标将由源在计算机连接到网络大约50ms至120秒之内进行发送。术语“接近实时”被理解为包含由于缺乏学生计算机的连接所引起的此类延迟。此外，在一些情况下，可以在该时间范围之内由源发送数据，而不是在该时间范围内在数据的预定目的地接收数据。这可以发生在以下情况中，例如，系统的端到端带宽受限——诸如具有像慢连接、不可用的网络链路等等的不良连接的地理实体。在该情况下，在该时间范围之内数据可能未由分析器接收，而是可以被延迟高达数小时或者甚至更长。术语接近实时被理解为包含由受限的端到端带宽引起的窗口之外的在预定目的地处的接收时间。
通过使用“现场”学生数据指标，以及通过使用在许多情况下“接近实时”的学生数据指标，相关联的预测基于关于地理实体的所有学生的最新的当前信息反映“现在”地理实体的教育系统的状态。如果基于手动收集的数据来尝试此类预测，到完成预测时，数据可能已经过时数月或数年。随着学生的数量增加，诸如像在地理实体包含整个国家的情况下，这变得更加显著。如果仅从学生本中获得学生数据指标以尝试减少指标的量，则准确度可能被妥协。或者如果不将一些指标和一些成果彼此关联以尝试减少复杂度、付出或时间，则可能丢失成果的驱动。
如在本文以及所附权利要求中定义的，“综合指标”可以被宽泛地理解为意指表示关于学生集合的数据的指标。在一些示例中，综合学生数据指标是由学生个体数据指标的集合形成的。例如，综合指标可以是个体指标的集合的平均数或中位数。在一个示例中，学生集合可以与具体地理实体的所有学生相对应。在另一示例中，学生集合可以与参与具体教育干预的学生相对应。在一些示例中，综合指标产生于以接近实时的方式提供的学生数据，而在其他示例中，可以从国家或州总结性评估提供地理实体的至少一些综合学生数据指标。总结性评估包括国家的、省的或其他标准化的测试。总结性评估不一定与地理实体的学生计算机相关联，并且/或者不是接近实时地提供的。这些较迟的综合指标可以被考虑为“滞后”(而不是“现场”)的指标，其反映关于实体的学生的过去的信息。
如在本文以及所附权利要求中定义的，“时间序列”数据可以被宽泛地理解为意指在时间段内的相同的参数的一个或多个数据集。在一些示例中，参数将综合指标与多个年份的社会、经济和/或学习成果相关联。时间序列数据用于与学生数据指标相关联的地理实体的对等实体。时间序列数据因此表示对等实体的历史成绩。
如在本文以及所附权利要求中定义的，“成果”可以被宽泛地理解为意指这样的结果：可数学地校正为综合指标、综合指标的集合、干预或者干预的集合。干预是意欲提高学生的具体技能或一系列技能的动作、过程或方法。成果可以是经济、社会或者学习成果。经济成果是对地理实体的经济的测量。示例性经济成果包括人均国内生产总值(GDP)、失业率或者在接受指定教育等级之后移民的学生的百分率。社会成果是对地理实体的社会状况的测量。示例性社会成果包括人均犯罪率、按教育等级的犯罪率、参与教育系统的女孩对男孩的比率、投票率或者宽带接入率。学习成果是对地理实体的教育发展的测量。示例性学习成果包括在数学、科学或语言方面的教学评估和总结性成绩评估。“比率”可以被表示为地理实体的具有该特性的人口的百分比。附加的学习成果能够包括初等、中等和高等教育的毕业率以及升学率、职业准备度(如地理实体所定义的)，以及ICT(信息、通信和技术)课题的掌握。
如在本文以及所附权利要求中定义的，“预测成果”可以被宽泛地理解为意指被预测的或者被预计为存在于指定的未来的时间点的成果。
如在本文以及所附权利要求中定义的，“地理实体”可以被宽泛地理解为意指与对应的地理区域相关联的实体。在一些示例中，地理实体可以是诸如国家、州、郡、城市之类的地理政治体，或者另一类型的地理政治划分。在一些示例中，地理实体可以是诸如学校系统、学区、学校个体或者学校中的班级个体之类的地理教育体。在一些示例中，地理实体可以是地理政治和地理教育两者，诸如整个国家的学校系统、具体郡的学区等。
现在参考附图，其中图示出了基于地理实体的当前学生数据指标和对等实体的事先存在的时间序列成果数据来预测在将来时间的地理实体的社会、经济和学习成果的系统的示例。接收并综合学生个体的数据指标，并且计算每个综合指标和每个成果之间的相关因子。然后将相关因子和综合指标用于预测将来时间的成果。作用于影响一个或多个综合指标的潜在干预的成果的预测的影响能够被探索以便提供用以改善成果的引导。
现在考虑用于预测地理实体在将来时间的社会、经济和学习成果的一个示例系统，并且参考图1，系统100包括提供接近实时的学生数据指标112的多个学生计算机110、具有时间序列数据132的数据库130以及服务器150，所述时间序列数据132将处于综合形式的学生数据指标112与对等实体集合的社会、经济和学习成果相关联。服务器150包括采集模块152，采集模块152被构造为从多个学生计算机110接收接近实时的学生数据指标112。服务器150还包括访问模块156，访问模块被构造为从数据库130获取时间序列数据132。服务器150进一步包括联接到采集模块160和访问模块170的预测相关器160。预测相关器160被构造为综合多个学生的指标。预测相关器160还被构造为将每个综合指标与每个社会、经济和学习成果相关联。预测相关器160被进一步构造为基于综合指标和相关性来预测具体地理实体在将来时间的社会、经济和学习成果。可以以硬件、软件或者硬件和软件的组合的形式实施服务器150。在至少部分地以软件形式实施的情况下，服务器150包括在其上存储有计算机可执行指令的计算机可读存贮媒介，和执行指令的联接到媒介的处理器。
现在考虑用于预测地理实体在将来时间的社会、经济和学习成果的另一示例系统，并且参考图2，系统200包括分析服务器250。学生计算机110和数据库130可以分别经由网络214、234联结到服务器250。照此，服务器250相对于计算机110和数据库130既可以是本地的，也可以是远程的。网络214、234可以是因特网或者其他类型的网络。
可以从学生计算机110将接近实时的学生数据指标112推送或者上载到网络114上的数据存贮器120。数据存贮器120进而向服务器250的采集模块252提供指标112。随后更详细地参考图3讨论数据存贮器120。
分析服务器250包括可视化模块270。可视化模块270从预测相关器160接收预测的社会、经济和学习成果262并且将至少一些成果262呈现给用于对用户292进行显示的客户端计算机290。服务器250和客户端计算机290可以经由网络275联接，网络275可以是因特网或另一类型的网络。(在一些示例中，两个或更多个网络214、234和275可以是相同的网络。)客户端计算机290可以是台式计算机、笔记本或膝上型计算机、个人数字助理(PDA)、移动式电话或任何其他类型的计算机。客户端计算机290上的web浏览器或者应用(“app”)与可视化模块270交互，该可视化模块270可以起到浏览器或app的服务器的作用。客户端计算机290的浏览器或app向用户292显示交互式仪表板296。随后更详细地参考图5和6A-6B所讨论的仪表板296以数字、图形或其他形式来显示预测成果262。用户292或者管理员(未示出)能够配置在仪表板296上显示哪些成果262。
服务器250还包括联接到预测相关器160和可视化模块270的蒙特卡罗模拟器280，蒙特卡罗模拟器280允许用户292探索“如果-则”情景。这些情景包括模拟改变一个或多个综合指标并且估计这些改变对预测成果的影响。用户292通过与客户端计算机290的仪表板296进行交互来向蒙特卡罗模拟器280提供修改的综合指标298，客户端计算机290经由可视化模块270服务器向蒙特卡罗模拟器280传达修改的综合指标298。蒙特卡罗模拟器280还接收指标112、时间序列数据132和预测成果262。通过使用这些输入，蒙特卡罗模拟器280然后执行运行足够大的次数(例如，1000至50,000次)的模拟情景，以便在统计上获取可靠的结果。蒙特卡罗模拟器280然后生成修改后的成果282并且将它们提供给可视化模块270，可视化模块270进而将它们提供给客户端290以用于在仪表板296上进行显示。
如先前描述的，学生计算机110生成新指标112或者对指标112进行更新，该生成新指标112或者对指标112进行更新的操作与分析服务器250的操作异步。当计算机110连接到网络114时，接近实时地将这些指标112传达到数据存贮器120、并且因此传达到服务器250的采集模块252。采集模块252向可视化模块270和相关器160提供指标112。可视化模块270然后接近实时地使仪表板296被更新以反映最新的指标112对用户292的影响。可以向地理实体呈现两个可视化集合。第一集合是实体的关于一个或多个给定指标的成绩的接近实时的总结。第二集合是基于给定指标的接近实时的成绩所进行的对未来的学习、经济和/或社会成果的预测。
现在更详细地考虑数据存贮器120，并且参考图3，在一个示例中，数据存贮器320包括一个或多个服务器。服务器联接到分析服务器350，该分析服务器350可以是分析服务器150(图1)或250(图2)。
数据存贮器120的一个服务器可以是移动数据管理服务器360。每个学生计算机310包括被配置为访问移动数据管理服务器360并且接近实时地向移动数据管理服务器360自动地提供学生数据指标112的移动数据管理客户端315。在一个示例中，移动数据管理客户端315可以被实施为固件，该固件在学生计算机310上自动地运行、并且在发生指标改变或指标生成时周期性地向移动数据管理服务器360提供一个或多个指标112。可以在符合接近实时的操作的其他时间提供指标112。
由移动数据管理客户端315提供的指标112可以包括配置信息、移动性信息和使用信息。配置信息例如可以包括安装的应用、被访问的应用、被添加和删除的应用以及产品数据等其他类型的信息。示例性应用可以包括博睿宝宝(Brainpop)、脑袋瓜(Dreambox)和许多类似的app。移动性信息例如可以包括随着时间的计算机的地理位置，诸如当学生上学和下学时去学校和离开学校所花费的时间、在上课时间期间计算机的地理位置(指示出勤)等其他类型的信息。使用信息例如可以包括指示学生与计算机的交互的信息，包括：学生与应用交互所花费的时间；从应用输出或产出的关于学生在实践、补习和其他练习期间的成绩和进步的数据；以及学生对于应用的可接受性/不可接受的程度等其他类型的信息。
移动数据服务器360进而可以接近实时地以指标362的形式向分析服务器350提供(即，推送或上载)从学生计算机310接收的当前指标。可以由可视化模块270使用这些指标362来接近实时地更新仪表板296(图2)。在一些示例中，可以由采集模块252、由可视化模块270或由分析服务器250的另一模块将当前指标进行综合，并且将综合后的指标显示在仪表板296上。
在一些示例中，移动数据服务器360可以向指标服务器370发送当前指标362，该指标服务器370将它们存储为时间序列或历史记录。指标服务器370可以将一些或所有历史指标作为指标历史记录372提供给分析服务器350。可以由分析服务器350的预测相关器160使用指标历史记录372来生成预测成果。
数据存贮器320还可以包括一个或多个附加学生数据服务器380。服务器380可以包括学习管理系统(LMS)、学生信息系统(SIS)或类似系统。学生信息系统可以提供针对人口统计、出勤、表现和参与运动和学校活动的学生数据指标。学习管理系统可以提供关于学业成绩的学生数据指标，诸如教学评估(例如那些具有量级和定额或等级分数的教学评估)、测试分数、学科分数、平均绩点、总结性(例如，年终)评估等。在接收到从学生数据服务器380提供或推送到分析服务器350的前述类型的学生数据指标时，它们被考虑为“现场”学生数据指标。学生数据服务器380还可以向分析服务器350提供由于地理实体的国家或州的总结性评估而“滞后”的学生数据指标。滞后指标可以以综合的形式而不以独立的形式提供。多个服务器380共同地向分析服务器350提供附加学生数据指标382。
在一些示例中，一个或多个服务器360、370、380可以是单独的物理服务器，而在其他的示例中，两个或更多服务器可以是相同的物理服务器。在网络214(图2)上，各个服务器350、360、370、380可以彼此是本地的或者是彼此是远程的。
现在更详细地考虑数据库130，并且参考图4，在一个示例中，数据库130包括一个或多个数据集410。可以由定量服务器420来访问数据集410。定量服务器420联接到分析服务器350(图3)并且向分析服务器350提供时间序列数据132(图1-2)。
数据集410的至少一些是可国际地比较的第三方经济、社会和教育(即，学习)数据集。可国际地比较的数据集包括按地理实体分割、但也可以以综合测量方式进行比较的学习、经济和/或社会成绩(成果)的被普遍接受的测量。提供数据集410的第三方可以包括世界银行、联合国科教文组织(UNESCO)、联合国儿童基金会(UNICEF)、世界经济论坛、经济合作与发展组织(OECD)，或者国际教育评估组织(IEA)中的一个或多个。数据集410可以包括：世界银行的世界发展指标(WDI)数据集；来自OECD的国际学生评估项目(PISA)和其他数据集、来自IEA的婴儿死亡率和发病率研究(TIMMS)和国际阅读素养进步研究(PIRLS)数据集；来自UNICEF的性别平等教育数据；来自世界经济论坛的球竞争力指数中的一个或多个；以及其它数据。WDI数据集提供当前的、准确的全球发展信息。PISA、TIMMS和PIRLS数据集提供关于学生阅读、数学，和科学成就的信息。这些数据集410被周期性地(例如每年)进行更新，并且通过在各个周期访问数据，能够提供历史时间序列数据132。
尽管定量服务器420被图示为联接到所有数据集410，但在其他示例中可以使用多个量子服务器420。举例来说，可以通过提供特定数据集410的组织的服务器来访问该数据集。
现在考虑仪表板296的一个示例，并且参考图5和6A-6B，可以由计算机显示的用户交互仪表板500——诸如像客户端计算机290可以包括多个成果组件510、至少一个控制组件510和至少一个修改后的成果组件530。
每个成果组件510显示具体地理实体在将来时间的预测的社会、经济或学习成果512。在一些示例中，每个成果组件510还显示与成果512具有显著相关性的一个或多个学生数据指标514。可以根据接近实时的学生数据指标，以及根据将处于综合形式的指标514与成果512相关联的其他地理实体集合的时间序列数据来确定每个成果512。可以由预测相关器160(图1-2)确定相关性和成果512。
每个成果组件510可以以数字、文本、图形或其他形式显示相关联的成果。在一些示例中，图形形式可以是随后讨论的图6A的图600。
每个控制组件520被构造为允许用户修改与控制组件520相对应的综合指标。在一种形式中，控制组件520可以被表示为“滑块”，通过该“滑块”用户能够进行交互以上下调整对应的综合指标的值。
每个修改后的成果组件530显示响应于对至少一个控制组件520进行的用户输入而修改的在将来时间的社会、经济或学习成果。如同成果组件510，每个修改后的成果组件530可以以数字、文本或图形形式来显示相关联的成果。由蒙特卡罗模拟(monte carlosimulation)情景来生成修改后的成果，该蒙特卡罗模拟情景使用通过控制组件520进行修改的综合指标。
当在分析服务器250处接收到新的学生数据指标或者被更新的学生数据指标时，可以接近实时地生成仪表板。当在分析服务器250处接收到新的学生数据指标或者被更新的学生数据指标时，可以接近实时地更新当前显示的仪表板。以这种方式，用户292(图2)基于当前学生数据指标具有针对地理实体的经济、社会以及学习成果的目标的对地理实体的状态和改进进行的“现场”查看。
现在考虑成果组件510或者修改后的成果组件530的图形显示，并且参考图6A，成果组件600包括二维图形。在一些示例中，该图形包括沿着一个轴602的时间维度，以及沿着第二轴604的成果值，其中随着时间的推移所绘制的成果值(线610)具有具体形状和位置。在606处图示出成果的目标值(即，目标)。时间点620可以指示所预测的成果实现其目标值的时间。反映时间和成果值的不确定性的误差圆锥630可以围绕点620。误差圆锥630可以包括与预测相关联的统计误差。时间轴的原点可以表示当前日期，使得整个线610表示在将来时间的成果预测。在其他示例中，线610可以表示截止当前日期的实际的历史成果值与将来的预测成果的组合。换句话说，当前日期位于沿轴602的原点右侧的某处。
在组件600是修改后的成果组件530的情况下，可以在组件600上叠加与显示器相关联的至少一个控制组件。所图示的组件600包括对应于与成果的值相关联三个综合学生数据指标的三个示例性控制组件640、642、644。在其他示例中，可以对于单个成果组件600呈现更少或更多控制组件。在仪表板包括多个成果组件的情况下，同一控制组件可以与多个成果组件中的一些或所有成果组件相关联，或成果组件个体可以具有其自己的控制组件集合。
在初始的显示中，控制组件640、642、644可以被示出为滑块处于横杆(crossbar)的中心位置。在中心位置，每个控制组件表示与控制组件相对应的综合指标的实际当前值。也可以在成果组件600上数字地显示实际当前值——尽管为了图示的简化在图6A-6B中将该实际当前值省略。
用户可以修改一个或多个控制组件640、642、644以便观察修改指标对预测成果的影响。通过这样做，用户能够经由蒙特卡罗模拟器280(图2)来模拟改变综合指标对在将来时间的预测成果的影响。这有利地允许用户运行“如果-则”情景，该情景通过干预或处理来预测如果综合指标的值能够以这样的方式被改变，则成果将会发生什么。例如，通过操纵各个控制组件640、642、644，用户能够确定如何改变综合指标才能允许预测成果在较早的时间实现目标值。一旦用户获知与控制组件640、642、644相关联的综合指标的最优改变，用户则能够聚焦于发展能够实现综合指标的这些改善的干预或处理。
现在考虑综合指标的模拟修改，并且参考图6B，为了模拟的目的，控制组件640'、642'、644'表示综合指标的修改后的值，如由它们提升的或降低的横杆位置所指示的。作为响应，线610'的形状和位置不同于图6A中的线610的形状和位置。时间点620'在时间点620(图6A)的左侧，相比于综合指标未修改后的情况，时间点620'基于修改的综合指标指示在较早的将来时间实现期望成果。线610'的形状也能够由于发生在综合指标修改之间并且由蒙特卡罗模拟器280所考虑的干预而不同于线610而并非仅仅线610'的位置不同于线610。
现在考虑用于预测地理实体在将来时间的社会、经济和学习成果的一个方法，并且进一步参考图7，示例性方法700在710处开始，在710处接收接近实时的多个学生中的每个学生的学生数据指标。在730处，将多个学生的指标的每一个进行综合以形成对应的综合指标。在750处，根据将综合指标与关于地理实体集合的社会、经济和学习成果相关联的时间序列计算每个综合指标与每个社会、经济和学习成果之间的相关因子。在770处，产生地理实体在将来时间的社会、经济和学习成果。
现在考虑预测地理实体在将来时间的社会、经济和学习成果的另一方法，并且进一步参考图8A-8C，示例性方法800包括接收学生数据指标710、对指标进行综合730、对相关因子进行计算750以及对成果进行预测770。
在一些示例中，接收学生数据指标710包括接近实时地从每个均与地理实体中的学生之一相关联的计算机自动地提供815学生数据指标。在一些情况下，在818处，学生数据指标中的至少一些可以包括：指示指配的计算机的地理位置的移动性指标、指示指配的计算机的配置的配置指标或者指示学生与指配的计算机的交互的使用指标。在一些示例中，接收学生数据指标710包括接收825附加学生数据指标，该附加学生数据指标指示多个学生中的每个学生的人口统计、出勤、表现或学业成绩。在一些情况下，在828处，附加的指标可以包括关于地理实体的可国际地比较的评估数据。
在一些示例中，对相关因子进行计算750可以包括：在855处，访问由世界银行、联合国科教文组织、联合国儿童基金会、世界经济论坛、经济合作与发展组织，或者国际教育评估组织中的至少一个提供的一个或多个可国际地比较的数据集，以便获取时间序列数据。在一些示例中，在时间序列数据包括独立的年的集合中的每一年的数据的情况下，对相关因子进行计算750可以包括，在860处，使用每年的数据执行大量关联，以便确定每个综合指标与每年的每个成果之间的独立的相关因子。可以使用大数据技术来执行大量关联。
在一些示例中，在时间序列数据包括独立的年的集合中的每一年的数据的情况下，对成果进行预测770包括在872处确定每对综合指标和成果的相关因子如何随着独立的年的集合而改变；在874处，针对每对综合指标和成果预计在将来时间的相关因子；以及在876处，使用预计的相关因子来预测将来时间的成果。每个预测成果可以包括标准误差圆锥，该标准误差圆锥指定可以在878确定的成果的不确定性。
方法800进一步包括，在880处，经由交互式仪表板向用户呈现预测成果中的至少一个，该交互式仪表板允许用户修改至少一个综合指标并且观察所述修改对至少一个成果的对应影响。在一些示例中，这可以包括，在885处，选择成果中的至少一个；修改至少一个综合指标；以及执行蒙特卡罗模拟以基于相关因子和至少一个修改后的综合指标来确定在将来时间的关于地理实体的与每个选择的成果相对应的修改后的成果。在890处，方法800响应于接收到710至少一个学生的新的接近实时的学生数据指标来重复综合730、计算750以及预测770。
现在更详细地考虑本公开的操作，并且参考图7和9A-9D，为了简化说明而考虑具有单个指标(青年识字率)、单个期望成果(人均GDP)和具有时间序列数据的单个可国际地比较的数据库(世界发展指标(WDI)数据集)的示例。WDI数据集包括在示例中使用的两个数据子集：青年识字率(表示SE.ADT.1524.LT.ZS)，以及人均GDP(表示NY.GDP.PCAP.KD，其以恒定的2005年的美国货币形式数据)。参考图7的框来解释操作。
参考框710和730，图9A图示出地理实体的青年识字率的示例。在该情况下，实体对应于地理实体的全部学校系统。示例性学校系统包括十二个学生群体(即，组)，其每个均表示独立的学校，通过1至12来标记。具有指配的计算机的每个学校中的每个学生使用在他的或她的计算机上执行的应用(app)进行识字率评估(即，测试)。学生利用唯一的、可识别的证书登录到识字率应用中并且在该应用内进行评估。当完成时，app接近实时地自动地输出学生的识字率评估的成绩，包括学生是通过评估还是没有通过评估。例如，在群1中，有432个学生通过评估，而394个学生没有通过评估。将所有十二个学校的结果进行综合以形成地理实体的青年识字率的综合指标。在这种情况下，基于app的综合青年人识字率为51.52％，11,392个学生当中的5870通过评估。
参考框750，图9B图示了将青年识字率关联到对等实体集合的人均GDP的示例性时间序列数据910。该时间序列数据是从WDI国际数据集输入的。示例性时间序列数据从1990年到本年度，在该示例中，所述本年度是2010年。另外，时间序列数据可以表示所有国家，或国家的子集。在该情况下，时间序列数据表示合适的绝对对等国家，在该示例中，其构建为重债穷国。绝对对等国家是具有类似的人口统计和经济成分的国家。可以将时间序列数据计算为子集中的所有各个国家的独立的国家数据的算术平均数。此外，从app评估生成的青年人识字率指标可与WDI数据集中的青年人识字率数据相比较。
计算每个综合指标与每个社会、经济和学习成果之间的相关因子。在该简化示例中，在散点图915中，青年人识字率与人均GDP有关。在它们之间的时间序列相关斜率(R2)被计算为R2＝0.8573。
参考框770，使用综合指标和相关因子来预测将来的成果。还使用用于综合指标和成果的地理实体的历史时间序列数据来预测将来的成果。图9C图示了在将来时间的综合指标、青年人识字率的预测。在该示例中，将来时间是从目前起的十年之后(即，2020年)。如所讨论的综合青年人识字率指标的接近实时的成绩(即，在2010年)是51.52％。框920示出了关于1999年至2009年的历史青年人识字率指标。使用线性回归来预报青年人识字率的将来(在2020年)表现。例如，如图925中所示的，时间和识字率之间的相关的斜率被计算为R2＝0.9782。基于该关系，预报青年人识字率将在2020年上升到56.41％。这允许计算出当前接近实时的成绩与预测的2020年的成绩之间的差别(增大或减小)是56.41％-51.52％＝4.89％。
图9D图示了在将来时间的感兴趣的成果——人均GDP的预测。框930示出1999年至2010年的历史人均GDP成果(这假定2010年数据是已知的；如果今年和其他最近的年份是未知的，则能够对其进行预报)。线性回归用于预报2020年的人均GDP的将来的表现。例如，如图935中所示的，时间和识字率之间的相关的斜率被计算为R2＝0.9852。基于该关系，在位置940处，预报人均GDP在2020年上升到＄579.09。大点表示用于预测值的误差圆锥。
然而，该预报未考虑被预报在那10年时期所发生的青年人识字率的改变。如已经讨论的，从2010年至2020年预计青年识字率增加4.89％，并且青年人识字率具有与人均GDP的相关性——R2＝0.8573。将在该时期的指标(青年识字率)的4.89％的预报增加与(青年识字率与人均GDP关联的)因子0.8573相乘引起由于青年人识字率的改变所造成的人均GDP的+4.192％的预测的改变。在位置945处，将该改变应用至关于人均GDP的2020年预报导致在2020年的人均GDP的修订的预计——＄579.09*1.0492＝＄603.37。如之前所述的，大点表示用于预测值的误差圆锥。
尽管已在图9A-D中图示出了简单的示例，但请注意，可以将该技术应用于多个指标和多个成果的每个组合对。可以例如使用皮尔逊的置信区间或其他技术来对于每个预测计算误差圆锥。可以响应于新的指标数据的接收来执行再次预测，允许接近实时地更新预测。当被呈现在仪表板上时，这提供理解地理实体的教育系统的成绩“现在”并且得到对干预的影响的快速评估的强有力的工具。另外，能够经由对修改后的成果进行模拟的蒙特卡罗模情景来探索一个或多个指标的潜在的改变对于教育系统的成绩的影响。
根据上文，将理解的是，通过本公开提供的服务器、仪表板和方法代表现有技术中的显著进步。尽管已经描述和说明了若干具体示例，但本公开不局限于如此描述和说明的部分的具体方法、形式或布置。该描述应当被理解为包括在本文描述的要素的所有新颖的和非明显的组合，并且权利要求可以存在于对于这些要素的任何新颖的和非明显的组合的本申请或者稍后的申请中。上文示例是说明性的，并且没有可以在本申请或者稍后的申请中要求保护的单个特征和要素对于所有可能的组合是必要的。除非另作说明，不必以指定的次序来执行方法权利要求的步骤。类似地，图中的框或数(诸如(1)、(2)，等等)不应当被理解为必须以具体次序继续的步骤。可以添加附加的框/步骤、移除一些框/步骤，或者改变框/步骤的次序并且其仍然处于所公开的示例的范围内。此外，在不同的图内讨论的方法或步骤能够被添加到其他图中的方法或步骤或者与其交换。进一步，具体数字数据值(诸如具体量、数、类别，等等)或其他具体信息应当被解释为为了讨论示例而进行说明。不提供此类具体信息来限制示例。本公开不局限于以上描述的实施方式，而是代之以，根据它们的等同物的充分的范围由所附权利要求来限定。在权利要求叙述其等同物的“一”或“第一”要素的情况下，此类权利要求应当被理解为包括一个或多个这样的要素的合并，既不要求也不排除两个或更多这样的要素。在权利要求叙述“具有”的情况下，该术语应当被理解为意指“包括”。

Claims (15)

1.一种用于预测地理实体在将来时间的社会、经济和学习成果的处理器实施方法，包括：
接收多个学生中的每个学生的学生数据指标，所述指标以接近实时的方式提供；
对所述多个学生的每个指标进行综合以形成对应的综合指标；
根据将所述综合指标与对等实体集合的社会、经济和学习成果相关联的时间序列数据，来计算每个所述综合指标与每个社会、经济和学习成果之间的相关因子；以及
使用所述相关因子和所述综合指标来预测所述地理实体在将来时间的所述社会、经济和学习成果。
2.根据权利要求1所述的方法，包括：
选择所述成果中的至少一个；
修改至少一个综合指标；以及
基于所述相关因子和至少一个修改后的综合指标执行蒙特卡罗模拟，以确定所述地理实体在将来时间的与每个选择的成果相对应的修改后的成果。
3.根据权利要求1所述的方法，包括：
经由允许用户修改至少一个综合指标并且观察所述修改对所述至少一个成果的对应的影响的交互式仪表板，来向用户呈现所述预测成果中的至少一个。
4.根据权利要求1所述的方法，包括：
访问通过世界银行、联合国科教文组织、联合国儿童基金会、世界经济论坛、经济合作与发展组织以及国际教育评估组织中的至少一个提供的多个国际上可比较的数据集，来获取所述时间序列数据。
5.根据权利要求1所述的方法，其中，所述相关因子是总体相关因子，
其中，所述时间序列数据包括独立的年的集合中的每年的数据，并且
其中，所述计算包括：
使用每年的数据执行大量关联以确定每个所述综合指标与每年的每个成果之间的独立的相关因子；以及
针对每对所述综合指标和成果，根据关于该对的独立的相关因子来生成关于该对的总体相关因子。
6.根据权利要求1所述的方法，其中，所述时间序列数据包括独立的年的集合中的每年的数据，并且其中，所述预测包括：
确定每对综合指标和成果的相关因子如何随着所述独立的年的集合而改变；
针对每对综合指标和成果，预计在所述将来时间的相关因子；以及
使用预计的相关因子来预测在所述将来时间的成果。
7.根据权利要求1所述的方法，其中，所述接收包括：
从多个计算机接收学生数据指标，所述多个计算机中的每一个与所述多个学生中的一个学生相关联，其中，所述多个学生包括所述地理实体中具有指配的计算机的所有学生，并且其中，每个所述计算机自动地以接近实时的方式提供所述指标。
8.根据权利要求7所述的方法，其中，所述学生数据指标中的至少一些包括指示所述指配的计算机的地理位置的移动性指标、指示所述指配的计算机的配置的配置指标、或者指示所述学生与所述指配的计算机的交互的使用指标。
9.根据权利要求1所述的方法，
其中，所述接收包括接收指示所述多个学生中的每个学生的人口统计、出勤、表现、和学业成绩中的至少一个的附加学生数据指标，并且
其中，所述综合包括将所述多个学生的每个附加学生数据指标进行综合以形成对应的综合指标。
10.根据权利要求1所述的方法，进一步包括：
响应于接收到所述学生中的至少一个学生的新的接近实时的学生数据指标来重复所述综合、计算和预测。
11.一种服务器，包括：
采集模块，用于接近实时地接收由具体地理实体的多个学生计算机生成的学生数据指标；
访问模块，用于从数据库获取将所述指标与用于对等实体的社会、经济和学习成果相关联的时间序列数据；以及
联接到所述采集模块和所述访问模块的预测相关器，所述预测相关器用于：
对所述多个学生的指标进行综合，
将每个综合指标与每个社会、经济和学习成果相关联，以及
基于所述综合指标和所述相关性来预测所述具体地理实体在将来时间的所述社会、经济和学习成果。
12.根据权利要求11所述的服务器，包括：
用于生产交互式仪表板的可视化模块，所述交互式仪表板在联接到所述服务器的客户端计算机上对用户可显示所述具体地理实体在将来时间的预测的社会、经济和学习成果中的至少一些。
13.根据权利要求11所述的服务器，包括：
联接到所述预测相关器的蒙特卡罗模拟器，所述蒙特卡罗模拟器从客户端计算机接收对至少一个综合指标的修改，并且基于至少一个修改的综合指标来作为响应而预测所述具体地理实体在将来时间的至少一个修改后的成果。
14.根据权利要求11所述的服务器，其中，所述采集模块从联接到所述服务器的指标存储器获取所述接近实时的学生数据指标，所述服务器从所述多个学生计算机接收所述指标。
15.一种可由计算机显示的用户交互仪表板，包括：
多个成果组件，用于显示具体地理实体在将来时间的预测的社会、经济和学习成果，每个成果根据接近实时的学生数据指标以及根据将处于综合形式的指标与所述成果相关联的对等实体集合的时间序列数据来确定；
至少一个控制组件，用于对处于综合形式的对应的指标进行用户修改；以及
至少一个修改后的成果组件，用于显示响应于所述至少一个控制组件而修改的在将来时间的社会、经济或学习成果。
CN201480078991.3A 2014-05-28 2014-05-28 预测社会、经济和学习成果 Pending CN106462923A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2014/039723 WO2015183255A1 (en) 2014-05-28 2014-05-28 Predicting social, economic, and learning outcomes

Publications (1)

Publication Number Publication Date
CN106462923A true CN106462923A (zh) 2017-02-22

Family

ID=54699421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480078991.3A Pending CN106462923A (zh) 2014-05-28 2014-05-28 预测社会、经济和学习成果

Country Status (4)

Country Link
US (1) US10318671B2 (zh)
EP (1) EP3149695A4 (zh)
CN (1) CN106462923A (zh)
WO (1) WO2015183255A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960750A (zh) * 2017-05-17 2018-12-07 上海互宝能源科技有限责任公司 项目管理信息化数据服务系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10740772B2 (en) 2011-07-25 2020-08-11 Prevedere, Inc. Systems and methods for forecasting based upon time series data
US10896388B2 (en) 2011-07-25 2021-01-19 Prevedere, Inc. Systems and methods for business analytics management and modeling
WO2017106559A1 (en) 2015-12-19 2017-06-22 Prevedere, Inc. Systems and methods for forecasting based upon time series data
EP3903257A1 (en) 2019-02-11 2021-11-03 HRL Laboratories, LLC System and method for human-machine hybrid prediction of events
US11157823B2 (en) 2020-02-04 2021-10-26 Vignet Incorporated Predicting outcomes of digital therapeutics and other interventions in clinical research
US11151462B2 (en) 2020-02-04 2021-10-19 Vignet Incorporated Systems and methods for using machine learning to improve processes for achieving readiness
US11102304B1 (en) 2020-05-22 2021-08-24 Vignet Incorporated Delivering information and value to participants in digital clinical trials

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020178017A1 (en) * 2001-05-25 2002-11-28 Stevens John H. Financial excellence indicator system of Texas - information about education resources (FEISTIER)
US8200775B2 (en) * 2005-02-01 2012-06-12 Newsilike Media Group, Inc Enhanced syndication
WO2007047545A2 (en) 2005-10-14 2007-04-26 Gerson Lehrman Group, Inc. Expert referral and conflict management
KR100870146B1 (ko) * 2006-08-22 2008-11-24 주식회사 미디어워크 모바일 기기를 이용한 학습 시스템 및 그 방법
US20080227077A1 (en) * 2007-03-16 2008-09-18 Thrall Grant I Geographic information system providing academic performance indicators and related methods
US20090281821A1 (en) * 2008-05-06 2009-11-12 David Yaskin Systems and methods for goal attainment in alumni giving
US20100323336A1 (en) 2009-06-19 2010-12-23 Alert Life Sciences Computing, S.A. Electronic system for assisting the study and practice of medicine
JP5684905B2 (ja) * 2010-06-17 2015-03-18 インテレクチュアル ディスカバリー カンパニー リミテッド ネットワーク上の学習パターン分析サービス提供方法及びこれに使用されるサーバー
US20120244504A1 (en) * 2011-03-23 2012-09-27 Wasserman Neil H System for the synchronization and propagation of health behaviors and management of related incentives
US20130096892A1 (en) 2011-10-17 2013-04-18 Alfred H. Essa Systems and methods for monitoring and predicting user performance
US20130110737A1 (en) * 2011-10-26 2013-05-02 Pleiades Publishing Limited Inc. Networked student information collection, storage, and distribution
US20150006295A1 (en) * 2013-06-28 2015-01-01 Linkedln Corporation Targeting users based on previous advertising campaigns

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960750A (zh) * 2017-05-17 2018-12-07 上海互宝能源科技有限责任公司 项目管理信息化数据服务系统

Also Published As

Publication number Publication date
WO2015183255A1 (en) 2015-12-03
US10318671B2 (en) 2019-06-11
EP3149695A1 (en) 2017-04-05
EP3149695A4 (en) 2017-10-18
US20170046459A1 (en) 2017-02-16

Similar Documents

Publication Publication Date Title
CN106462923A (zh) 预测社会、经济和学习成果
McEwan et al. School choice, stratification, and information on school performance: Lessons from Chile [with comments]
Jones-White et al. Redefining student success: Applying different multinomial regression techniques for the study of student graduation across institutions of higher education
Lee et al. School resources and academic performance in Sub-Saharan Africa
Petr et al. Academic research and reform: A history of the empirical basis for NCAA academic policy
Stella External quality assurance in Indian higher education: developments of a decade
Rhaiem et al. Reference Publication Year Spectroscopy (RPYS) with publications in the area of academic efficiency studies: what are the historical roots of this research topic?
Green Lost in translation: Degree definition and quality in a globalized world
Cappellari et al. Determinants of grades in maths for students in economics
Neycheva Secondary versus higher education for growth: the case of three countries with different human capital’s structure and quality
Guzman STAKEHOLDERS’PARTICIPATION IN SCHOOL IMPROVEMENT PLAN AND SCHOOL PERFORMANCE OF SECONDARY SCHOOLS
Wagner et al. How much is learning measurement worth?
Riddell Evaluations of educational reform programmes in developing countries: whose life is it anyway?
Birdsall et al. Learning data for better policy: A global agenda
Basdere et al. Safe: a comprehensive data visualization system
Bensi et al. The education/growth relationship: Evidence from real state panel data
Ji et al. Modelling the spreading process of extreme risks via a simple agent-based model: Evidence from the China stock market
CN113744101A (zh) 新高考模式下考生志愿智能填报方法、装置及计算机设备
Mokua et al. Monitoring and Evaluation Systems and Performance of Public Private Partnership Projects in Nairobi City County, Kenya
Raza et al. A new pair of watchful eyes for students in online courses
Köseleci Progress towards good-quality education for all in Turkey: a qualified success?
McMillan Does non-linearity help us understand, model and forecast UK stock and bond returns: evidence from the BEYR
Valadkhani et al. House price cycles in Australia’s four largest capital cities
do Valle Silva Andrade et al. Modelling with self-organising maps and data envelopment analysis: a case study in educational evaluation
Berba et al. A structural equation model on research skills

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170222

WD01 Invention patent application deemed withdrawn after publication