CN109359881A - 一种基于高校大数据的可视化综合分析系统 - Google Patents
一种基于高校大数据的可视化综合分析系统 Download PDFInfo
- Publication number
- CN109359881A CN109359881A CN201811266536.2A CN201811266536A CN109359881A CN 109359881 A CN109359881 A CN 109359881A CN 201811266536 A CN201811266536 A CN 201811266536A CN 109359881 A CN109359881 A CN 109359881A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- visualization
- analysis
- colleges
- 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.)
- Withdrawn
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 50
- 230000000007 visual effect Effects 0.000 title claims abstract description 8
- 238000012800 visualization Methods 0.000 claims description 38
- 230000006399 behavior Effects 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000013079 data visualisation Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010012335 Dependence Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000037078 sports performance Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于高校大数据的可视化综合分析系统,获取日常管理和教学中的各类数据,并对数据进行统一管理,再根据各类数据多维度综合分析学生的成长轨迹,实现学业预警、精准资助和就业推荐等目的,从而为学校对学生进行个性化与精准化的教育管理与引导提供重要依据。
Description
技术领域
本发明涉及大数据技术领域,更具体的说是涉及一种基于高校大数据的可视化综合分析系统。
背景技术
大数据是规模非常巨大和复杂的数据集,具有4V特性,一是数据量巨大(Volume)且持续快速增加;二是具有高速度(Velocity)的数据输入、输出流;三是数据类型和来源多样化(Variety);四是价值(Value)密度低。
学校是人类活动非常密集的区域,随着信息技术的不断发展,数字化校园的数据产生主要通过教学活动和教育管理两个渠道实现,在日常教学和管理的过程中,产生了大量的数据,数据存量越来越大,且数据种类繁多(Variety),规模庞大(Volume),对数据的输入和处理速度要求较高(Velocity)。综上可以看出,学校数据完全符合大数据所具有的4V特性,是大数据概念范畴当中的一个典型样本。
但是,目前各大高校对于学校大数据的利用不是很充分,仅仅利用到其中的一小部分。例如:很多高校开始使用校园一卡通产生的大数据分析学生日常的消费、上网、借阅等数据,从而改进学校的教学和管理。但是,对单一数据的利用不能全面的反应学生所存在的所有问题,从而为学校的精细化管理和决策提供依据。
因此,如何充分利用学校产生的数据,从而为学校的精细化管理和决策提供依据是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于高校大数据的可视化综合分析系统,综合利用学校产生的各类数据,从多角度综合分析学生的成长轨迹,从而为学校的精细化管理和决策提供依据。
为了实现上述目的,本发明采用如下技术方案:
一种基于高校大数据的可视化综合分析系统,包括:构建模块、数据获取模块、数据抽取模块、数据预处理模块、存储模块、数据综合分析模块和可视化模块;
构建模块,设计行为记录模型,所述行为记录模型为“主体-时间-宾语”结构;
数据获取模块,获取日常管理和教学中的各类数据;
数据抽取模块,对获取到的数据进行清洗、转换,将非结构化和半结构化的数据转为结构化的数据,并对结构化的数据进行消歧,得到抽取后的数据;
数据预处理模块,基于行为记录模型,将抽取到的数据进行关联性组合,并保存;
存模模块,采用Hadoop+HDFS+MapReduce文件系统对经过数据预处理模块处理的数据进行统一存储,每日保存一套完整数据文件集,形成数据仓库;
数据综合分析模块,基于存储模块形成的数据仓库,对数据进行聚类和预测,将对应的分析结果转换为数据报表,每日形成数据报表文件集;
可视化模块,基于数据报表文件集及利用可视化工具建立大数据可视化平台。
优选的,所述数据获取模块中收集的各类数据包括:一卡通系统数据、学生公寓系统数据、教务数据、党建数据、就业数据、信息中心数据和财务数据。
优选的,所述可视化平台包括:可视化图表模块、分析报告模块、内容检索模块和权限管理模块;
所述可视化图表模块,用于根据数据报表,利用可视化工具进行直观展示;
所述分析报告模块,用于以文字方式呈现分析结果;
所述内容检索模块,用于根据关键词检索分析结果;
所述权限管理模块,用于根据用户的级别为客户提供不同的查看权限。
优选的,还包括:与所述可视化模块相连的智能终端,供用户从智能终端上查看分析结果。
优选的,所述数据综合分析模块采用K-means算法对数据进行聚类。
优选的,还包括预警模块,所述预警模块用于根据分析结果对学生给予不同等级的预警提示。
优选的,所述可视化模块采用Java Web的Spring MVC框架与Echarts组件建立大数据可视化平台。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于高校大数据的可视化综合分析系统,获取日常管理和教学中的各类数据,并对数据进行统一管理,再根据各类数据多维度综合分析学生的成长轨迹,实现学业预警、精准资助和就业推荐等目的,从而可以为学校对学生进行个性化与精准化的教育管理与引导提供重要依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种基于高校大数据的可视化综合分析系统的示意图;
图2为本发明提供的一种基于高校大数据的可视化综合分析系统的总体架构图;
图3为本发明提供的可视化平台的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见附图1和图2,本发明实施例公开了一种基于高校大数据的可视化综合分析系统,具体包括:
构建模块、数据获取模块、数据抽取模块、数据预处理模块、存储模块、数据综合分析模块和可视化模块;
构建模块,设计行为记录模型,行为记录模型为“主体-时间-行为”结构;
其中,这里需要说明的是,主体主要指学生的姓名,时间和行为指某学生在某时间做了某件事,从大量数据中重点提取出这些信息即可,一方面进一步缩小了数据量,另一方面能够在数据预处理时,将不同格式的数据都处理成相同的格式,这样采用统一的数据接口即可进行后续的操作,更加节约数据接口。
数据获取模块,获取日常管理和教学中的各类数据;
在这里需要说明的是,各类数据包括但不限于:出勤率、迟到率、消费数据、上网数据、去图书馆的频率、借阅数据、进出学生公寓时间、智育成绩、德育成绩、体育成绩、作息规律、吃早餐次数等等。需要强调的是,其他未列举的数据主要是学生在学校生活和学习产生的数据都在本发明获取的范围内,不再一一列举。
数据抽取模块,对获取到的数据进行清洗、转换,将非结构化和半结构化的数据转为结构化的数据,并对结构化的数据进行消歧,得到抽取后的数据;
数据预处理模块,基于行为记录模型,将抽取到的数据进行关联性组合,并保存;
其中,对本发明所涉及到的一些数据操作进行解释。
(1)数据清洗:由于本发明中的数据来源于各类系统,各类系统所建设的时间不同,数据结构混乱,采集到的数据也包括已经离校的学生的数据,也有一些学生因为休学、缺考等不确定因素造成数据缺失,为了保证数据的完成性,本发明对数据进行清洗,剔除了这些冗余和部分缺失的数据;
(2)数据转换:本发明采用统计学、聚类和分类的方法将数据进行压缩、泛化和规范化。例如:针对学生的一卡通消费数据,本发明采用统计方法将原始数据转换为学生每个月的月消费额、平均每天消费次数、学生消费时间段的频次等能反应学生消费水平和行为规律的数据形式。对于不同的数据进行了相应的数据转换,让数据更有意义;
(3)数据消歧:经过对原始数据分析发现,由于数据分别来自不同的系统,所以有很多重复的数据属性,针对重复的数据属性,本发明进行消歧处理。另外,还有很多属性与本发明的目标挖掘无关。针对此类无关数据属性,本发明在预处理阶段根据行为记录模型进行剔除,从而达到降低数据维度的效果,同时,也为后续的处理减少了数据量。
存模模块,采用Hadoop+HDFS+MapReduce文件系统对经过数据预处理模块处理的数据进行统一存储,每日保存一套完整数据文件集,形成数据仓库;
数据综合分析模块,基于存储模块形成的数据仓库,对数据进行聚类和预测,将对应的分析结果转换为数据报表,每日形成数据报表文件集;
可视化模块,基于数据报表文件集及利用可视化工具建立大数据可视化平台。
本发明公开提供了一种基于高校大数据的可视化综合分析系统,获取日常管理和教学中的各类数据,并对数据进行统一管理,再根据各类数据多维度综合分析学生的成长轨迹,实现学业预警、精准资助和就业推荐等目的,从而可以为学校对学生进行个性化与精准化的教育管理与引导提供重要依据。
本发明一个重要的应用方面就是基于学生的成绩与学生的出勤、消费、上网、作息等数据及其相关性,实现对学生失联、沉迷上网、困难贫困生等方面进行预警,为学校的管理人员提供重要的信息,从而为学校的精细化管理和决策提供重要依据。
通过本发明提供的系统,能够掌握学生的日常生活和行为轨迹,实时的了解学生的状态变化,并可以通过分析数据,提前为学生提供有效的学习、生活以及未来的职业规划建议,进一步提高学习管理及服务水平。例如:从学习方面,能够及时发现学生的学习、作息规律以及出勤的变化,及时查找变化原因,为学生提出合理的建议及帮助,提高学生的学习效果。从健康方面,可以及时关注学生的饮食习惯及消费状况,为学生提供精准的资助服务,保证学生的学习正常进行。
本发明提供的大数据平台的构建借鉴了开源系统的先进理念,采用了Hadoop开源系统,充分利用HDFS的可靠性,MapReduce的引入大大加强了平台在数据分析方面的弹性,使平台在可扩展性、可靠性、易用性和性能方面都有良好的表现。
Hadoop框架是一个开源的大规模数据处理平台和工具,主要来源于Google公司提出的MapReduce编程框架,GFS文件系统以及BigTable存储系统等技术。Hadoop具有庞大的家族体系,本平台的构建主要涉及到Hadoop框架的分布式文件系统HDFS和MapReduce模型。分布式文件系统作为Hadoop框架的底层,主要负责分析数据的分布式存储和管理,MapReduce模型主要是负责对大规模数据集进行计算处理。Hadoop釆用HDFS文件系统子框架来实现其所具有的存储能力,用MapReduce编程模型框架来实现其计算能力,二者的巧妙结合使得Hadoop拥有高效的存储和计算能力。
为了进一步优化上述技术方案,数据获取模块中收集的各类数据包括:一卡通系统数据、学生公寓系统数据、教务数据、党建数据、就业数据、信息中心数据和财务数据。
需要强调的是,其他未列举的数据主要是学生在学校生活和学习产生的数据都在本发明获取的范围内,不再一一列举。
参见图3,为了进一步优化上述技术方案,可视化平台包括:可视化图表模块、分析报告模块、内容检索模块和权限管理模块;
可视化图表模块,用于根据数据报表,利用可视化工具进行直观展示;通过报表展示工具将数据与美观的图标完美的结合在一起,使得分析结果更加直观、易懂。
分析报告模块,用于以文字方式呈现分析结果;这部分主要提供针对学生的分析结果的文字说明。
内容检索模块,用于根据关键词检索分析结果;
权限管理模块,用于根据用户的级别为客户提供不同的查看权限。
本发明提供的综合分析系统可以针对不同的用户设置不同的查看权限,对于学生仅可以查看自己的分析结果;对于辅导员老师或者其他学生管理老师来说,只能查看所管理的学生的分析结果;对于学院领导来说,可以查看该学院内所有学生的分析结果;对于校领导来讲,可以查看整个学校内所有学生的分析结果,以便不同的人群掌握相应的信息,进而采取不同的措施,来督促学生好好学习和生活。
为了进一步优化上述技术方案,还包括:与可视化模块相连的智能终端,供用户从智能终端上查看分析结果。
用户可以通过便携的智能终端,如:智能手机、平板电脑等设备来随时随地查看可视化模块。
为了进一步优化上述技术方案,数据综合分析模块采用K-means算法对数据进行聚类。
为了进一步优化上述技术方案,还包括预警模块,预警模块用于根据分析结果对学生给予不同等级的预警提示。
如果通过分析发现学生出勤率比较低,超过某一阈值,可以判断出学生没有按时上课,根据分析结果对学生发出预警,同时,负责学生管理的老师也会查看到这一情况并采取相应的措施,来促进学生正常出勤。
此外,这里还需要说明的是,在学生的行为进行分析的过程中需要相应的评价指标。例如:请参见表1,表1中示出了学生学习情况的评价指标,从多个维度评价学生的努力程度。
表1 学习情况评价指标
指标名称 | 类型 | 取值范围 | 备注 |
课堂考勤率 | 数值型 | 0-1 | 考勤次数/总出勤率 |
加权平均成绩 | 数值型 | 1-100 | 学生成绩的平均加权值 |
挂科次数 | 数值型 | 1-30 | 平均每学期挂科次数 |
图书阅读量 | 数值型 | 1-100 | 图书借阅数量 |
图书馆出入次数 | 数值型 | 1-100 | 平均每月出入图书馆的次数 |
为了进一步优化上述技术方案,可视化模块采用Java Web的Spring MVC框架与Echarts组件建立大数据可视化平台。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于高校大数据的可视化综合分析系统,其特征在于,包括:构建模块、数据获取模块、数据抽取模块、数据预处理模块、存储模块、数据综合分析模块和可视化模块;
构建模块,设计行为记录模型,所述行为记录模型为“主体-时间-宾语”结构;
数据获取模块,获取日常管理和教学中的各类数据;
数据抽取模块,对获取到的数据进行清洗、转换,将非结构化和半结构化的数据转为结构化的数据,并对结构化的数据进行消歧,得到抽取后的数据;
数据预处理模块,基于行为记录模型,将抽取到的数据进行关联性组合,并保存;
存模模块,采用Hadoop+HDFS+MapReduce文件系统对经过数据预处理模块处理的数据进行统一存储,每日保存一套完整数据文件集,形成数据仓库;
数据综合分析模块,基于存储模块形成的数据仓库,对数据进行聚类和预测,将对应的分析结果转换为数据报表,每日形成数据报表文件集;
可视化模块,基于数据报表文件集及利用可视化工具建立大数据可视化平台。
2.根据权利要求1所述的一种基于高校大数据的可视化综合分析系统,其特征在于,所述数据获取模块中收集的各类数据包括:一卡通系统数据、学生公寓系统数据、教务数据、党建数据、就业数据、信息中心数据和财务数据。
3.根据权利要求1所述的一种基于高校大数据的可视化综合分析系统,其特征在于,所述可视化平台包括:可视化图表模块、分析报告模块、内容检索模块和权限管理模块;
所述可视化图表模块,用于根据数据报表,利用可视化工具进行直观展示;
所述分析报告模块,用于以文字方式呈现分析结果;
所述内容检索模块,用于根据关键词检索分析结果;
所述权限管理模块,用于根据用户的级别为客户提供不同的查看权限。
4.根据权利要求1所述的一种基于高校大数据的可视化综合分析系统,其特征在于,还包括:与所述可视化模块相连的智能终端,供用户从智能终端上查看分析结果。
5.根据权利要求1所述的一种基于高校大数据的可视化综合分析系统,其特征在于,所述数据综合分析模块采用K-means算法对数据进行聚类。
6.根据权利要求5所述的一种基于高校大数据的可视化综合分析系统,其特征在于,还包括预警模块,所述预警模块用于根据分析结果对学生给予不同等级的预警提示。
7.根据权利要求1所述的一种基于高校大数据的可视化综合分析系统,其特征在于,所述可视化模块采用Java Web的Spring MVC框架与Echarts组件建立大数据可视化平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266536.2A CN109359881A (zh) | 2018-10-29 | 2018-10-29 | 一种基于高校大数据的可视化综合分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266536.2A CN109359881A (zh) | 2018-10-29 | 2018-10-29 | 一种基于高校大数据的可视化综合分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109359881A true CN109359881A (zh) | 2019-02-19 |
Family
ID=65346881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811266536.2A Withdrawn CN109359881A (zh) | 2018-10-29 | 2018-10-29 | 一种基于高校大数据的可视化综合分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359881A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110134776A (zh) * | 2019-05-14 | 2019-08-16 | 武汉镝次元数据科技有限公司 | 一种针对非结构化数据的Web服务发布与可视化的联合系统 |
CN110188341A (zh) * | 2019-04-16 | 2019-08-30 | 中国电子科技集团公司电子科学研究院 | 一种警情分析系统 |
CN110378779A (zh) * | 2019-07-25 | 2019-10-25 | 四川航天信息有限公司 | 一种预算管理系统 |
CN112597348A (zh) * | 2020-12-15 | 2021-04-02 | 电子科技大学中山学院 | 一种大数据存储优化的方法及装置 |
CN114331775A (zh) * | 2022-03-15 | 2022-04-12 | 杭州职业技术学院 | 应用大数据和区块链技术实现高校三全育人的方法 |
-
2018
- 2018-10-29 CN CN201811266536.2A patent/CN109359881A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188341A (zh) * | 2019-04-16 | 2019-08-30 | 中国电子科技集团公司电子科学研究院 | 一种警情分析系统 |
CN110134776A (zh) * | 2019-05-14 | 2019-08-16 | 武汉镝次元数据科技有限公司 | 一种针对非结构化数据的Web服务发布与可视化的联合系统 |
CN110378779A (zh) * | 2019-07-25 | 2019-10-25 | 四川航天信息有限公司 | 一种预算管理系统 |
CN112597348A (zh) * | 2020-12-15 | 2021-04-02 | 电子科技大学中山学院 | 一种大数据存储优化的方法及装置 |
CN114331775A (zh) * | 2022-03-15 | 2022-04-12 | 杭州职业技术学院 | 应用大数据和区块链技术实现高校三全育人的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fröhlich et al. | Regional resilience: a stretched concept? | |
CN109359881A (zh) | 一种基于高校大数据的可视化综合分析系统 | |
Laube et al. | Discovering relative motion patterns in groups of moving point objects | |
Logica et al. | Using big data in the academic environment | |
CN105787837A (zh) | 一种基于云计算和物联网技术的智慧教学系统 | |
Chen et al. | Analyzing the sentiment correlation between regular tweets and retweets | |
Rousseau | A view on big data and its relation to Informetrics | |
Gao | [Retracted] Research and Implementation of Intelligent Evaluation System of Teaching Quality in Universities Based on Artificial Intelligence Neural Network Model | |
Khalil et al. | When learning analytics meets MOOCs-a review on iMooX case studies | |
Ekong et al. | Harnessing big data technology to benefit effective delivery and performance maximization in pedagogy | |
Wang et al. | ProbSAP: A comprehensive and high-performance system for student academic performance prediction | |
Kemeny et al. | The changing shape of spatial income disparities in the United States | |
CN104111964A (zh) | 一种社区内用户阅读应用数据处理方法 | |
Xu et al. | The mobile media based emergency management of web events influence in cyber-physical space | |
Brandas et al. | Data driven decision support systems: an application case in labour market analysis | |
Fromm et al. | Big Data—technologies and potential | |
Bărbulescu et al. | Integrating of structured, semi-structured and unstructured data in natural and build environmental engineering | |
Li et al. | Uncovering the relationship between point-of-interests-related human mobility and socioeconomic status | |
CN115994312A (zh) | 一种行为分析方法、装置、电子设备和存储介质 | |
Burova et al. | Digital Technologies: Artificial Intelligence and Big Data in the Digitalization of the Russian Economy at the Present Stage | |
Gómez-Berbís et al. | ADL-MOOC: Adaptive learning through big data analytics and data mining algorithms for MOOCs | |
Chen et al. | Sentiment analysis of the correlation between regular tweets and retweets | |
Slaninová et al. | Analysis of social networks extracted from log files | |
Rakotomalala et al. | A Novel Cohesitive Implicative Classification Based on and Application on Diagnostic on Informatics Literacy of Students of Higher Education in Madagascar | |
Yang | [Retracted] Monitoring and Sharing of Music Teaching Environment Resources Using Big Data Technology |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190219 |