讲座智慧校园的思考与构建.ppt

4． 学习分析技术 学习分析技术源自早期的课堂教学效果分析，目前在线交互文本分析和早期的课堂教学效果分析有一种走向融合的趋势，学习分析技术便是这种融合的一个产物。学习分析是对学习者以及学习情境的数据进行测量、收集、分析和报告，以便更好地理解和优化学习以及学习发生的情景，从而提高学习效率和效果。学习分析技术可作为教师教学决策、优化教学的有效支持工具，也可为学生的自我导向学习、学习危机预警和自我评估提供有效数据支持，还可为教育研究者的个性化学习设计和增进研究效益提供数据参考。针对学习者个人信息、学习者情景信息等内容进行建模，通过对交互文本、视音频和系统日志等能够反映学习过程信息的数据，利用参与度分析法、社会网络分析法和内容分析法等自动化的交互文本分析技术，来获取学习者学习的参与度、学习者的社会网络、学习者关注的学习内容、学生和教师的课堂行为信息、学习情况和学习资源的利用情况等内容，是学习分析技术实现学习分析的核心。文本挖掘技术可从学习资源库和学习者信息中挖掘学习者关注的各种信息，如文本的主题、文本作者对某一事物的观点倾向、作者在某一主题的专业程度等。这些信息一方面可以帮助学习者根据这些信息检索学习资源，另一方面可以帮助学习者了解学习资源库在某一侧面的总体概况和趋势。 5． 资源的组织和共享技术 学习资源的组织及共享一直以来都是数字校园的建设重点之一。按照班杜拉的社会学习理论，观察他人的行为和结果是习得知识、技能的重要来源，真实的榜样能对观察者起到示范作用。学习者在学习过程中产生的生成性资源，可以作为其他学习者的学习观察对象，这也是一种重要的学习资源。为了便于检索和共享，传统的学习资源常常使用静态的词汇表来描述元数据，但这种描述方法无法满足泛在学习环境下灵活多变、极具个性化的学习需求。因此，吸收借鉴语义网络和本体技术的相关研究成果，提供更为灵活和智能化的元数据描述方式成为一种趋势。借助语义Web 和本体技术来组织学习资源，能够灵活、精确地表达资源的属性，便于学习者对资源的检索、归类，可以极大地提高检索的查全率和准确度，更容易被自动化的数据挖掘工具发现和集成，有助于实现泛在学习环境下分布式资源灵活的共享、联结和重用，同时具备良好的扩展性，并且能作为智能的资源检索和推送的基础，大大增强学习系统的适应性和针对用户的个性化服务能力。 四、智慧校园的体系与架构 1、基础服务 是在校园网的基础上，具备完备的Internet互联网环境，有全覆盖的无线网，并实现了校园无线资源的统一管理，能够动态管理所有AP的功率、信道等参数，实现AP间的负载均衡，保证无线覆盖质量。能够下发链路层到应用层的安全防护和策略，发现和防护常用的无线攻击，确保无线信号传输过程中的安全。全面支持802.1x认证、Web Portal认证、PPPoE认证，满足无线校园网认证灵活的特点，实现从包括AC、MP、AP、PoE交换机、汇聚交换机、核心交换机的统一管理。物联网要实现校园空调、照明、热水、音视频展台、白板、投影机、视频显示、音视频控制器、门禁等与校园网的融合。在不断提高WLAN的带宽质量，完善的规划设计下，校园网将重点是解决核心交换、网络安全等工作。 AC：（Adaptive Control）无线网络控制器，MA：管理单元，AP（Access Point）访问单元，PoE ： Power of Ethernet module 以太网供电模块。 2、数据服务： 是应用系统的数据基础，由校园的教育数据库、统一的区域教育基础数据库和外部的多元教育“云数据”组成，包括教师、学生、教学资源、预算财务、固定资产、教学装备、安全管理等数据内容。是支撑所有应用系统的核心，通过设计PaaS数据流的公共平台和编写“云计算构件”完成应用层系统的调用。如果没有建立这样一个数据层支撑的应用系统，任何的系统应用都必然是一个不完整、孤立、残缺的。 3、软件服务： 教育教学应用系统，如教育预测辅助决策、教与学的综合评价、招生及学籍管理、资源管理、财务与装备管理、家校互联、数字图书馆等等，这部分已经开发并运行的应用系统非常多，但由于缺少统一的数据支撑平台，许多应用系统形成了一个个互不相通的孤岛，例如教与学综合评价、学籍管理和招生系统、财务与固定资产管理、实验室配置与装备管理等，各自都独立运行，严重制约了系统的应用和建设水平，造成了低水平的重复和大量的资源浪费。实际上这些应用系统应该在统一的基础数据库支撑下，延深各自的系统应用平台，通过数据流完成相互关联的数据调用。 4、平台智慧服务： 主要包括智能化的学习、服务和管理，是在以上各系统的支持下，以辅助决策与预测系统为基础，为管理者、教师、学生和社会，提供