CN110990639B - 一种教育信息化水平趋势分析的数据处理方法及装置 - Google Patents

Abstract

本发明涉及一种教育信息化水平趋势分析的数据处理方法、装置、计算机设备及存储介质。所述数据处理方法包括：采集教育信息化评估信息，将评估信息转换为预定义的结构化标准数据；创建分析过程对象，并构建分析过程对象之间的映射关系链表，所述分析过程对象是包含不同类型趋势分析属性的数据对象，所述分析过程对象包括评估指数、计算模型和趋势分析评价指标；根据所述映射关系链表，将所述结构化数据输入到关联的趋势分析计算模型，获取趋势分析信息。通过采用构建分析过程对象之间的映射关系链表进行教育信息化水平趋势分析的方法，可以实现趋势分析维度的灵活组织与关联决策。

Description

一种教育信息化水平趋势分析的数据处理方法及装置

技术领域

本发明涉及教育信息化评估技术领域，具体涉及一种教育信息化水平趋势分析方法、装置、计算机设备及存储介质。

背景技术

教育信息化是实现教育现代化的重要手段，在国家教育信息化政策的大力推动下，各区各校正积极实施教育信息化建设。教育信息化水平趋势分析是构建基于计算机的数据处理模型，基于当前教育信息化评估水平数据，对各区各校教育信息化未来发展水平趋势的预见性分析，对各区各校教育信息化战略部署和建设方案的科学调整有重要作用。

传统的教育信息化水平趋势分析的数据处理模型中，首先确定分析维度，如时间维度、空间维度、等级维度等；接着将教育信息化水平数据根据分析维度进一步数据分段组织，如时间维度按天、月、季度、年等进一步分段，空间维度按学校、乡镇、区县等进一步分段，等级维度按优、良、合格、不合格等进一步分段；然后将单维度分段组织的教育信息化水平数据可视化；最后预测该分析维度上的教育信息化水平发展趋势。不难发现，传统的教育信息化水平趋势分析的数据处理模型存在如下问题：

1.数据组织重复度高，工作效率较低。每次变换分析维度和分段要求，都需对全部数据重新组织，工作重复，效率较低。

2.分析维度耦合性低，综合分析不便。传统统计图表的X轴维度单一，一图只能表现一种维度下水平特点，实现多维度综合分析需人为结合多个统计图表信息，工作繁杂、具有较大主观性，且容易出错。

3.可视化效果有局限，时空趋势可视化较难。传统统计图表具备一定的可视化效果，也可融合进地图实现时间和空间维度结合的可视化效果，然而，其可视化图形位置受地理区域边界限制，无法实现直观的时空双维度下趋势可视化效果。

发明内容

为了解决以上问题中的至少一个，本发明提出了一种教育信息化水平趋势分析的数据处理方法、装置、计算机设备、计算机可读存储介质，能够解决现有技术中数据组织重复度高、分析维度耦合性低、可视化效果有局限的问题。

根据本发明的第一方面，本发明提出了一种教育信息化水平趋势分析的数据处理方法，包括：

采集教育信息化评估信息，将所述评估信息转换为预定义的结构化标准数据；

创建分析过程对象，并构建所述分析过程对象之间的映射关系链表，所述分析过程对象是包含不同类型趋势分析属性的数据对象，所述分析过程对象包括评估指数、趋势分析计算模型和趋势分析指标；

根据所述映射关系链表，将所述结构化数据输入到关联的所述趋势分析计算模型，获取趋势分析信息。

优选地，所述分析过程对象还包括可信度分析对象，所述可信度分析对象是用于分析教育信息化评估过程中参评学校在评估区域内满足评估资格的所有学校中代表性的可信程度的数据对象。

优选地，所述创建分析过程对象并构建所述分析过程对象间的映射关系链表，具体包括：

创建分析过程对象，所述分析过程对象包括评估指数、趋势分析计算模型、趋势分析指标和可信度分析对象；

创建分析过程对象属性；

构建分析过程对象间的映射关系链表。

优选地，所述计算模型包括评估指数空间化模型、评估指数时间切片模型、评估结果语义增强模型、空间分布计算模型，所述根据所述映射关系链表将所述结构化标准数据输入到关联的计算模型获取评估信息，具体包括：

根据所述映射关系链表，将所述标准格式的评估信息输入到关联的所述评估指数空间化模型，获取具有空间位置标签的评估信息；

将所述具有空间位置标签的评估信息输入到关联的所述评估指数时间切片模型，将评估指数根据评估时间进行不同时间粒度的分段组织，获取评估指数的时空立方体；

将所述时空立方体输入到关联的所述评估结果语义增强模型，根据教育信息化领域的先验知识，对评估指数进行语义结果分析，并基于语义信息将评估信息进行分类组织，获取评估指数的时空语义立方体；

将所述时空语义立方体输入到关联的所述空间分布计算模型，获取不同分析维度上评估信息变化的重心偏移程度、分布方向、聚集程度信息。

优选地，当所述分析过程对象包括可信度分析对象时，所述计算模型还包括可信度分析模型，所述根据所述映射关系链表将所述结构化数据输入到关联的计算模型获取评估信息，还包括：

根据所述映射关系链表，将所述时空语义立方体和所述评估区域内满足评估资格的所有学校的坐标信息输入到所述可信度分析模型，获取参评学校在评估区域内代表性的可信程度指标信息。

优选地，所述采集教育信息化评估信息，将评估信息转换为预定义的结构化标准数据，具体包括：

建立评估指数的关联模型；

建立评估区域的关联模型；

构建所述评估指数的关联模型的模型要素与评估区域的关联模型的模型要素的映射关系，并采集教育信息化评估信息并转换为预定义的结构化标准数据。

优选地，在所述将根据所述映射关系链表将所述结构化标准数据输入到关联的计算模型获取评估信息步骤之后，所述方法还包括：

根据参评学校在评估区域内代表性的可信程度，将推荐能不同程度提高参评学校在评估区域内代表性的学校列表。

根据本发明的第二方面，本发明提出了一种教育信息化水平趋势分析的数据处理装置，包括：

评估数据采集处理模块，采集教育信息化评估信息，将评估信息转换为预定义的结构化标准数据；

映射关系链表构建模块，用于创建分析过程对象并构建分析过程对象之间的映射关系链表，所述分析过程对象是包含不同类型趋势分析属性的数据对象，所述分析过程对象包括评估指数、计算模型和趋势分析指标。

执行模块，用于根据所述映射关系链表将所述结构化数据输入到关联的趋势分析计算模型，获取趋势分析信息。

根据本发明的第三方面，本发明提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法。

根据本发明的第四方面，本发明提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。

综上所述，本发明通过创建分析过程对象，并构建分析过程对象之间的映射关系链表，构建教育信息化水平分析计算模型，支持趋势分析过程中数据一次性结构化组织、计算模型与数据立方体的灵活关联、水平趋势多维度可视化分析和可信度校验。

附图说明

图1是本发明实施例的支持教育信息化水平趋势分析的总流程图；

图2是本发明实施例的进行教育信息化数据采集与结构化处理的具体步骤流程图；

图3是本发明实施例的评估指数的关联模型各要素之间的映射关系示意图；

图4是本发明实施例的评估区域的关联模型各要素之间的映射关系示意图；

图5是本发明实施例的构建评估指数关联模型和评估区域关联模型要素映射关系示意图；

图6是本发明实施例的创建分析过程对象及其属性并构建对象映射关系链表具体步骤流程图；

图7是本发明实施例的构建分析过程对象间的映射关系链表示意图；

图8是本发明实施例的根据映射关系链表实现趋势分析计算，获取趋势分析信息的具体步骤流程图；

图9为本发明实施例的根据参评学校在评估区域内代表性的可信程度，推荐能不同程度提高参评学校在评估区域内代表性的学校，形成列表的具体步骤流程图。

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。

图1给出本发明一种教育信息化水平趋势分析的数据处理方法流程图，包括以下步骤：

(1)采集教育信息化评估信息，将评估信息转换为预定义的结构化标准数据。

如图2所示，教育信息化数据采集与结构化处理的具体实现过程为：

(11)建立评估指数的关联模型。评估指数的关联模型是以学校名称为节点的教育信息化评估和教育信息化水平核心数据的结构化关联模型，将多元异构的核心数据转化为结构化数据，方便与其他数据模型关联和数据处理。其要素可以包括学校名称、评估指数、办学类型、评估时间等。学校名称是与公章一致的全称；评估指数是依据评估指标和权重计算的各校教育信息化水平得分，包括各校教育信息化水平总指数、各级指标总指数和各级指标指数；办学类型的分类如初级中学、九年一贯制学校等；评估时间为各校提交或修改数据的时间。评估指数的关联模型各要素之间的映射关系示意图如图3所示。

(12)建立评估区域的关联模型。评估区域的关联模型是以评估范围数据为节点的教育信息化评估区域数据的结构化关联模型，将评估范围所在的多级区域数据结构化，方便不同层级区域的教育信息化水平趋势分析。其要素包括评估范围所在省、市、县/区及自定义空间范围。县/区是学校所在的县/区全称；市是学校所在县/区的上级地级市全称；省是该校所在地级市的上级省份全称；自定义空间范围是针对评估需要确定的具体空间尺度下的几何区域。评估区域的关联模型各要素之间的映射关系示意图如图4所示。

(13)建立模型要素映射关系，并采集教育信息化评估信息并转换为预定义的结构化标准数据。可以建立学校评估指数、学校名称、办学类型、评估区域、评估时间之间的映射关系。由于参与教育信息化评估的学校在评估期内可多次提交或修改评估数据，每次均产生一个评估时间和一组评估指数，故一所学校可能对应多个评估时间，一个评估时间对应一组评估指数；由于学校所在区域分为多个层级，故一所学校对应多级评估区域。

评估指数关联模型和评估区域关联模型要素映射关系示意图如图5所示。

(2)创建评估指数、计算模型、趋势分析指标和可信度分析四个分析过程对象及其属性，并构建分析过程对象间的映射关系链表，实现评估指数、计算模型、趋势分析指标和可信度分析的关联组织。

如图6所示，创建分析过程对象及其属性并构建对象映射关系链表具体实现过程为：

(21)创建分析过程对象，分析过程对象包括评估指数、计算模型、趋势分析指标。

其中，评估指数对象是教育信息化水平趋势分析的核心数据存储对象，规范教育信息化水平趋势分析各维度指数的数据结构，是教育信息化趋势分析数据的初始化对象和基础对象，支撑评估指数空间化、时间切片、评估结果语义增强。该对象计算模型的数据输入、方法调用以及数据输出的定义如表1所示。

表1：教育信息化趋势分析评估指数对象

模型名称	定义	输入参数类型(Type)	调用方法	返回结果
					评估指数计算模型	Index_Model	教育信息化评估数据	Index_Model(Type)	I

其中，计算模型对象包括评估指数空间化模型、评估指数时间切片模型、评估结果语义增强模型、空间分布计算模型。评估指数空间化模型将参评学校的评估指数，以学校名称为标识符，赋以经纬度坐标的地理标签，最终构成参评学校的教育信息化评估指数空间立方体。评估指数时间切片模型将评估指数空间化模型的返回结果，以学校名称为标识符，以评估时间为切片对象，切分出日、月、季度、年等不同时间粒度的快照数据，返回结果为教育信息化评估指数时空立方体。评估结果语义增强模型将评估指数时间切片模型的返回结果，以学校名称为标识符，以评估指数(包括评估总指数、各级指标总指数、各级指标指数)为语义增强对象，根据教育信息化领域的先验知识，对评估指数进行语义结果分析，并基于语义信息将评估信息进行分类组织，如划分评估指数的等级，返回结果为教育信息化评估指数时空语义立方体。空间分布计算模型是根据趋势分析需要选取特定时空语义维度数据集，将数据集中学校的经纬度数据集输入标准差椭圆相关计算公式，输出空间分布的特征算子，并通过对比不同时间节点的分布特征信息，分析教育信息化特定维度的趋势情况。计算模型对象的数据输入、方法调用以及数据输出的定义如表2所示。

表2：教育信息化趋势分析计算模型对象

其中，趋势分析指标对象是以空间分布计算模型的参数为依据确定的趋势分析指标集，支撑教育信息化趋势标准化分析，返回结果为趋势分析结论。该过程对象的数据输入、方法调用以及数据输出的定义如表3所示。

表3：教育信息化趋势分析指标对象

模型名称	定义	输入参数类型(Type)	调用方法	返回结果
					趋势分析指标模型	TrendIndex_Model	ISTSC	TrendIndex_Model(ISTSC)	ISTSCT

优选地，分析过程对象还可以包括可信度分析对象，可信度分析对象是用于分析教育信息化评估过程中参评学校在评估区域内满足评估资格的所有学校中代表性的可信程度的数据对象。可信度分析过程对象调用空间分布计算模型，分别输入评估区域参评学校和评估区域内满足评估资格的所有学校经纬度坐标参数，输出计算结果，用以支撑两组输出结果偏差距离的对比分析，旨在分析参评学校在评估区域内代表性的可信程度，并通过“假设-验证-推荐”模式，推荐能不同程度提高参评学校在评估区域内代表性的学校。参评学校是所确定的时空范围与上述教育信息化评估指数时空语义立方体ISTS的交集数据IISTS，故参评学校经纬度坐标参数为上述步骤获取的交集数据IISTS中所有学校的经纬度坐标参数。该过程对象的数据输入、方法调用以及数据输出的定义如表4所示。

表4：教育信息化趋势分析可信度分析对象

(22)创建分析过程对象属性。分析过程对象属性是根据(21)中阐述的分析过程对象的定义或功能，对分析过程对象做结构化标准化规范，支持分析过程对象的可操作性。

其中，评估指数对象根据(11)所定义的评估指数的关联模型、(12)所定义的评估区域的关联模型、(13)所定义的映射关系和(21)所阐述的定义和功能，其属性应包含学校名称、学校办学类型、评估总指数、各级指标总指数、各级指标指数、省、市、县/区、、自定义空间范围、评估时间。评估指数对象属性如表5所示。

表5：教育信息化趋势分析评估指数对象属性

其中，计算模型对象根据(21)所述，包括评估指数空间化模型、评估指数时间切片模型、评估结果语义增强模型、空间分布计算模型。根据(21)中计算模型过程对象中各模型的功能阐述：

评估指数空间化模型属性应包含学校名称、学校纬度、学校经度，如表6所示。

表6：教育信息化趋势分析评估指数空间化模型属性

属性名	属性定义	属性值	说明
				学校名称	学校中文全称	学校名称中文全称	与公章一致
学校纬度	学校坐标点纬度	——	——
				学校经度	学校坐标点经度	——	——

评估指数时间切片模型应包含学校名称、评估日、评估月、评估季度、评估年，如表7所示。

表7：教育信息化趋势分析评估指数时间切片模型属性

评估结果语义增强模型属性应包含学校名称、评估总指数等级、各级指标总指数等级、各级指标指数等级，如表8所示。

表8：教育信息化趋势分析评估结果语义增强模型属性

属性名	属性定义	属性值	说明
				学校名称	学校中文全称	学校名称中文全称	与公章一致
评估总指数等级	根据评估总指数划分的教育信息化水平等级	A/B/C/D/E	——
				各级指标总指数等级	根据各级指标总指数划分的教育信息化水平等级	A/B/C/D/E	——
各级指标指数等级	根据实际评估指数划分的教育信息化水平等级	A/B/C/D/E	——

空间分布计算模型属性应包含趋势分析维度、标准差椭圆的中心、圆心、方向角度、长短半轴、扁率、面积、方程等相关计算公式，如表9所示。

表9：教育信息化趋势分析空间分布计算模型属性

表10：教育信息化趋势分析空间分布计算模型属性计算公式

其中，趋势分析指标对象根据(21)所阐述的以空间分布计算模型的参数为依据，应包含分布方向、聚集程度、时空演变趋势。其属性如表11所示。

表11：教育信息化趋势分析指标模型属性

属性名	属性定义	属性值	说明
				分布方向	教育信息化水平分布呈现的空间方向	——	由标准差椭圆方向角确定
聚集程度	教育信息化水平分布聚集程度	——	由标准差椭圆长短轴确定
				时空演变趋势	教育信息化水平分布时空发展趋势	——	由标准差椭圆圆心确定

其中，可信度分析对象根据(21)所述，应包含参评学校经纬度坐标集(所确定的时空范围与上述教育信息化评估指数时空语义立方体ISTS的交集数据IISTS)、评估区域内满足评估资格的所有学校经纬度坐标集和可信度分析指标集。其属性如表12所示。

表12：教育信息化趋势分析可信度分析对象模型属性

(23)构建分析过程对象间的映射关系链表，用以标准化分析过程对象执行顺序并明确调用关系。进行教育信息化趋势分析时按“评估指数计算模型-评估指数空间化模型-评估指数时间切片模型-评估结果语义增强模型-空间分布计算模型-趋势分析指标模型”的顺序进行；进行可信度分析时按“空间分布计算模型-可信度分析模型”的顺序进行。支撑教育信息化趋势分析有序进行。分析过程对象间的映射关系链表如图7所示。

(3)根据映射关系链表实现趋势分析计算，获取趋势分析信息。

如图8所示，根据分析过程对象的映射关系链表实现趋势分析计算，获取趋势分析信息具体实现过程为：

(31)将结构化标准格式的评估信息输入到关联的评估指数空间化模型，获取具有参评学校空间位置标签的评估信息，形成教育信息化评估指数空间立方体。空间位置可以由经纬度坐标等地理信息表示，可以学校名称为标识符，通过百度地图、腾讯地图等坐标拾取器/系统人工查询学校的纬度、经度或通过百度等开放API接口方式自动爬取学校的纬度、经度，赋给对应的学校；

(32)将空间化的评估信息输入到关联的评估指数时间切片模型，将评估指数根据评估时间进行不同时间粒度的分段组织，以学校名称为标识符，以评估时间为切片对象，切分出日、月、季度、年等不同时间粒度的快照数据，对学校评估时间打上评估日、评估月、评估季度、评估年的单值时间标签，形成教育信息化评估指数时空立方体；

(33)将时空立方体输入到关联的评估结果语义增强模型，根据教育信息化领域的先验知识，对评估指数进行语义结果分析，如该评估指数是否达到合格、良、优等等级标准，并基于语义信息将评估信息分类组织，如划分评估指数的优、良、一般、合格、不合格等级，并以其为区间界定，以学校名称为标识符，对评估总指数、各级指标总指数、各级指标指数分别赋以A/B/C/D/E等级标签，形成教育信息化评估指数时空语义立方体；

(34)将时空语义立方体输入到关联的空间分布计算模型，确定趋势分析维度，选取符合条件的数据行，根据切片时段，分别将符合要求的学校纬度、经度输入标准差椭圆的中心、圆心、方向角度、长短半轴、扁率、面积、方程等相关计算公式，获取该分析维度上评估信息变化的演变趋势、分布方向、聚集程度信息。

譬如，分析H省教育信息化D级及以上水平年度发展趋势(参评学校评估总指数达到D级及以上的学校年度分布趋势)，在时空语义立方体中选取H省的评估总指数达到D级及以上的学校数据全部集，根据年度分类，将分类后的学校按类别分别将其经度、纬度输入标准差椭圆的中心、圆心、方向角度、长短半轴、扁率、面积、方程等相关计算公式，获得H省教育信息化D级及以上水平多个年度标准差椭圆，获取该分析维度上评估信息变化的重心偏移演变趋势、分布方向、聚集程度信息。标准差椭圆的中心移动方向为H省D级及以上教育信息化水平重心空间偏移演变趋势的方向；标准差椭圆的方向角度是以X轴为准，正北方(12点方向)为0度，顺时针旋转的角度，即长轴方向，代表H省D级及以上教育信息化水平空间演变趋势的主导方向；扁率表示H省D级及以上教育信息化水平分布方向的明确性，扁率越大表示分布方向性越明显；短半轴与面积结合表示H省达到D级及以上教育信息化水平的学校分布的聚集程度/离散程度，短半轴越短，面积越小，表示数据呈现的向心力越明显，数据的离散程度越小，即学校分布空间格局的聚集程度越高；

(35)优选地，当分析过程对象包括可信度分析过程对象时，计算模型还包括可信度分析模型，参评学校(所确定的时空范围与上述教育信息化评估指数时空语义立方体ISTS的交集数据IISTS)和所述评估区域内满足评估资格的所有学校的坐标信息(通过人工搜索或设计爬虫程序自动获取)，根据所述映射关系链表，调用所述空间分布计算模型，将所述可信度分析模型输入到所述空间分布计算模型，分别输出参评学校和区域内满足评估资格的全部学校的标准差椭圆的中心、圆心、方向角度、长短半轴、扁率、面积、椭圆方程和图形信息，计算两组输出数据的中心的差值、方向角度的差值、长短半轴值的差值、扁率的差值、面积的差值、结合两个标准差椭圆图形，分析参评学校在评估区域内代表性的可信程度。中心差值的绝对值越小、方向角度差值的绝对值越小、长短轴差值的绝对值越小且扁率的差值的绝对值越小、标准差椭圆图形越接近且形状越像，则参评学校在评估区域内代表性的可信程度越高，反之，可信程度越低，从而获取参评学校在评估区域内代表性的可信程度的信息。

(4)还可以根据参评学校在评估区域内代表性的可信程度，推荐能不同程度提高参评学校在评估区域内代表性的学校列表。

如图9所示，根据参评学校在评估区域内代表性的可信程度，推荐能不同程度提高参评学校在评估区域内代表性的学校列表具体实现过程为：

(41)创建假设的参评学校集并进行空间分布计算。选取评估区域内满足评估资格的可能提高参评学校区域代表性的未参评学校，通过人工搜索或设计爬虫程序自动获取的方式采集其坐标信息，以学校名称为标识符，作为假设学校与参评学校信息库(所确定的时空范围与上述教育信息化评估指数时空语义立方体ISTS的交集数据IISTS)合并，形成假设参评学校经纬度坐标集(SIISTS)，输入空间分布计算模型，获取假设参评学校的标准差椭圆的中心、圆心、方向角度、长短半轴、扁率、面积、椭圆方程和图形信息；

(42)验证假设参评学校在评估区域内代表性的可信程度。从(35)的输出结果中获取评估区域内满足评估资格的所有学校的中心、圆心、方向角度、长短半轴、扁率、面积、椭圆方程和图形信息，结合(41)的结果参数，分别计算两组中心的差值、方向角度的差值、长短半轴值的差值、扁率的差值、面积的差值、结合两个标准差椭圆图形，分析假设参评学校在评估区域内代表性的可信程度。中心差值的绝对值越小、方向角度差值的绝对值越小、长短轴差值的绝对值越小且扁率的差值的绝对值越小、标准差椭圆图形越接近且形状越像，则参评学校在评估区域内代表性的可信程度越高，反之，可信程度越低；

(43)推荐假设学校作为代表性学校或重新“假设-验证”。根据(42)的验证分析结果，若可信度结果较之前的实际结果高，则假设成立，推荐假设学校参与教育信息化评估，记录形成推荐列表；若分析的可信度结果较之前的实际结果低，则假设不成立，重新建立假设并验证。

Claims (9)

1.一种教育信息化水平趋势分析的数据处理方法，其特征在于，包括：

采集教育信息化评估信息，将所述评估信息转换为预定义的结构化标准数据；

创建分析过程对象并构建所述分析过程对象之间的映射关系链表，所述分析过程对象是包含不同类型趋势分析属性的数据对象，所述分析过程对象包括评估指数、趋势分析计算模型和趋势分析指标，所述映射关系链表用于定义所述分析过程对象的执行顺序和调用关系；

根据所述映射关系链表将所述结构化标准数据输入到关联的所述趋势分析计算模型获取趋势分析信息；

所述趋势分析计算模型包括评估指数空间化模型、评估指数时间切片模型、评估结果语义增强模型、空间分布计算模型，所述根据所述映射关系链表将所述结构化标准数据输入到关联的所述趋势分析计算模型获取趋势分析信息，具体包括：

根据所述映射关系链表，将所述结构化标准数据输入到关联的所述评估指数空间化模型，获取具有空间位置标签的评估信息；

将所述具有空间位置标签的评估信息输入到关联的所述评估指数时间切片模型，将评估指数根据评估时间进行不同时间粒度的分段组织，获取评估指数的时空立方体；

将所述时空立方体输入到关联的所述评估结果语义增强模型，根据教育信息化领域的先验知识，对评估指数进行语义结果分析，并基于语义信息将评估信息进行分类组织，获取评估指数的时空语义立方体；

将所述时空语义立方体输入到关联的所述空间分布计算模型，获取不同分析维度上评估信息变化的重心偏移程度、分布方向、聚集程度信息。

2.如权利要求1所述的教育信息化水平趋势分析的数据处理方法，其特征在于，所述分析过程对象还包括可信度分析对象，所述可信度分析对象是用于分析教育信息化评估过程中参评学校在评估区域内满足评估资格的所有学校中代表性的可信程度的数据对象。

3.如权利要求2所述的教育信息化水平趋势分析的数据处理方法，其特征在于，所述创建分析过程对象并构建所述分析过程对象间的映射关系链表，具体包括：

创建分析过程对象，所述分析过程对象包括评估指数、趋势分析计算模型、趋势分析指标和可信度分析对象；

创建分析过程对象属性；

构建分析过程对象间的映射关系链表。

4.如权利要求3所述的教育信息化水平趋势分析的数据处理方法，其特征在于，当所述分析过程对象包括可信度分析对象时，所述趋势分析计算模型还包括可信度分析模型，所述根据所述映射关系链表将所述结构化标准数据输入到关联的所述趋势分析计算模型获取趋势分析信息，还包括：

根据所述映射关系链表，将所述时空语义立方体和所述评估区域内满足评估资格的所有学校的坐标信息输入到所述可信度分析模型，获取参评学校在评估区域内代表性的可信程度指标信息。

5.如权利要求1、2或3任一项所述的教育信息化水平趋势分析的数据处理方法，其特征在于，所述采集教育信息化评估信息，将所述评估信息转换为预定义的结构化标准数据，具体包括：

建立评估指数的关联模型；

建立评估区域的关联模型；

构建所述评估指数的关联模型的模型要素与评估区域的关联模型的模型要素的映射关系，并采集教育信息化评估信息并转换为预定义的结构化标准数据。

6.如权利要求1、2或3任一项所述的教育信息化水平趋势分析的数据处理方法，其特征在于，在所述将根据所述映射关系链表将所述结构化标准数据输入到关联的计算模型获取趋势分析信息步骤之后，所述方法还包括：

根据参评学校在评估区域内代表性的可信程度，将推荐能不同程度提高参评学校在评估区域内代表性的学校列表。

7.一种教育信息化水平趋势分析的数据处理装置，其特征在于，包括：

评估数据采集处理模块，采集教育信息化评估信息，将评估信息转换为预定义的结构化标准数据；

映射关系链表构建模块，用于创建分析过程对象并构建分析过程对象之间的映射关系链表，所述分析过程对象是包含不同类型趋势分析属性的数据对象，所述分析过程对象包括评估指数、趋势分析计算模型和趋势分析指标，所述映射关系链表用于定义所述分析过程对象的执行顺序和调用关系；

执行模块，用于根据所述映射关系链表将所述结构化标准数据输入到关联的所述趋势分析计算模型获取趋势分析信息；

所述趋势分析计算模型包括评估指数空间化模型、评估指数时间切片模型、评估结果语义增强模型、空间分布计算模型，所述根据所述映射关系链表将所述结构化标准数据输入到关联的所述趋势分析计算模型获取趋势分析信息，具体包括：

根据所述映射关系链表，将所述结构化标准数据输入到关联的所述评估指数空间化模型，获取具有空间位置标签的评估信息；

将所述具有空间位置标签的评估信息输入到关联的所述评估指数时间切片模型，将评估指数根据评估时间进行不同时间粒度的分段组织，获取评估指数的时空立方体；

将所述时空立方体输入到关联的所述评估结果语义增强模型，根据教育信息化领域的先验知识，对评估指数进行语义结果分析，并基于语义信息将评估信息进行分类组织，获取评估指数的时空语义立方体；

将所述时空语义立方体输入到关联的所述空间分布计算模型，获取不同分析维度上评估信息变化的重心偏移程度、分布方向、聚集程度信息。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中的任一项所述的方法。

Images