一种基于KPCA的教育特征数据采集分析方法技术

本发明专利技术公开了一种基于KPCA的教育特征数据采集分析方法，互联网线上教育和线下教学数据采集、融合，构建与仿真学习特征网络模型，将教育特征数据与教育个体间的相关联系抽象成复杂特征网络；基于KPCA进行数据挖掘，研究表征教育质量的群集特征；建立教育质量综合评价模型；建立阶梯分级模型，进行分层次个性化教育服务机制分析，对学生进行分级，提供个性化教育干预，提高教学质量。本发明专利技术针对线上和线下教学中的学生学习特征数据均进行采集，并通过数据融合技术实现了线上线下数据的融合，让学生学习特征数据更具有普遍性；构建教育资源复杂网络模型，将网络划分为不同的群集，了解群集对教育质量的影响，对学生个性化教育起到实质性帮助。实质性帮助。

【技术实现步骤摘要】
一种基于KPCA的教育特征数据采集分析方法


[0001]本专利技术涉及一种基于KPCA的教育特征数据采集分析方法,属于信息处理


技术介绍

[0002]国外针对教育资源特征数据的研究与应用较早，而我国针对高校教育特征数据的分析与研究相对较晚，主要集中在近二十年。从文献检索结果看，北京、上海、广州等地已应用新的数据信息处理手段为用户提供基本公共教育服务。如北京教育音像报刊总社开发了“名师在线”服务平台，并可提供后台数据分析报表。但是，综合国内外研究现状，教育资源特征数据的研究随着教育信息化的推进虽然己有一定发展和应用，但还不够成熟、完善。
[0003]比如申请号 201810048464.8一种远程教育学生学习状况评估方法，针对远程教育学生学习状况进行评估，包括：学生学习效果评估；学生学习活动评估；学生的学习特征评估；建立评估指标，将评估目标分解成具体的指标；采集有效数据：根据指标的建立，对评估对象选择合适的调研方法来收集科学有效的数据；构建数学模型。其中并未对如何采集有效数据进行设计。
[0004]相关研究主要围绕在线教本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于KPCA的教育特征数据采集分析方法，步骤如下：步骤一、互联网线上教育和线下教学数据采集、融合，构建与仿真学习特征网络模型，将教育特征数据与教育个体间的相关联系抽象成复杂特征网络；步骤二、基于KPCA进行数据挖掘，研究表征教育质量的群集特征；步骤三、建立教育质量综合评价模型；步骤四、建立阶梯分级模型，进行分层次个性化教育服务机制分析，对学生进行分级，提供个性化教育干预，提高教学质量。2.根据权利要求1所述的基于KPCA的教育特征数据采集分析方法，其特征在于：所述互联网线上教育和线下教学数据采集、融合是指：利用线下学习特征采集单元，采集学生线下学习特征数据；利用线上学习特征采集单元，采集互联网教育平台的学生线上学习特征数据；利用数据融合技术，将线下学习特征数据和线上学习特征数据进行有效融合,形成的完整教育特征数据链。3.根据权利要求2所述的基于KPCA的教育特征数据采集分析方法，其特征在于：所述数据融合中，采用数学变换来消除原始指标数据的差异影响。4.根据权利要求1所述的基于KPCA的教育特征数...

【专利技术属性】
技术研发人员：陈凤凤，沈丽，吴宇航，
申请(专利权)人：南昌大学共青学院，
类型：发明
国别省市：