基于统计数据的教育评估和决策研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究课题 | 第12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 2 大数据在教育领域应用 | 第15-23页 |
| 2.1 教育大数据 | 第15-16页 |
| 2.2 教育评估 | 第16-18页 |
| 2.2.1 教育评估形式 | 第16-17页 |
| 2.2.2 教育评估的原则 | 第17页 |
| 2.2.3 教育评估的功能 | 第17-18页 |
| 2.3 教育决策 | 第18-20页 |
| 2.3.1 教育数据预测 | 第18-19页 |
| 2.3.2 教育区域均衡 | 第19-20页 |
| 2.4 数据可视化 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 3 教育大数据智能评估研究 | 第23-31页 |
| 3.1 支持向量机 | 第23-24页 |
| 3.2 Lib-SVM | 第24-25页 |
| 3.3 基于Lib-SVM的教育机构评估模型 | 第25-29页 |
| 3.3.1 教育评估实验数据 | 第25-26页 |
| 3.3.2 Lib-SVM评估模型建立步骤 | 第26-27页 |
| 3.3.3 实验设计及结果分析 | 第27-29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 教育大数据智能决策研究 | 第31-45页 |
| 4.1 教育数据预测 | 第31-36页 |
| 4.1.1 最小二乘支持向量机 | 第31-33页 |
| 4.1.2 LS-SVM预测模型流程 | 第33-34页 |
| 4.1.3 实验设计及结果分析 | 第34-36页 |
| 4.2 区域教育资源均衡 | 第36-44页 |
| 4.2.1 粒子群算法 | 第37-38页 |
| 4.2.2 教育资源分配 | 第38-39页 |
| 4.2.3 基于PSO的资源分配模型流程 | 第39-40页 |
| 4.2.4 实验设计及结果分析 | 第40-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 教育数据可视化 | 第45-57页 |
| 5.1 可视化模型设计 | 第45-47页 |
| 5.2 可视化数据实现方式 | 第47-48页 |
| 5.3 教育数据可视化 | 第48-55页 |
| 5.3.1 时变数据可视化 | 第48-49页 |
| 5.3.2 地理信息数据可视化 | 第49-51页 |
| 5.3.3 空间信息数据可视化 | 第51-52页 |
| 5.3.4 字符云数据可视化 | 第52-54页 |
| 5.3.5 离散数据可视化 | 第54-55页 |
| 5.4 可视化在教育数据中的作用 | 第55-56页 |
| 5.4.1 揭示数据关联关系 | 第55页 |
| 5.4.2 实时更新与协作 | 第55-56页 |
| 5.4.3 数据降维 | 第56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 研究工作展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 在校期间发表的论文、专利、获奖及社会评价等 | 第65页 |
