西南大学农业大数据·协同创新方案发布

发布时间：2018/02/05    字号：大  中  小

许多国家非常重视大数据在农业方面的应用，积极推动数据平台的开放。我国在2015年9月5日由国务院印发了《促进大数据发展行动纲要》。2015年6月农业部发布《关于推进农业农村大数据发展的实施意见》（农市发〔2015〕6号），并于2016年10月14日农业部发布了《农业农村大数据试点方案》（农办市〔2016〕30号），农业部定于今年起在北京等21个省（区、市）开展农业农村大数据试点。许多地方政府也推出了大数据行动计划或方案。

 据ZDNET的报道，目前，中国每年产生并被存储的数据总量超过800EB（1018字节），相当于全人类讲过的话160倍。农业每年产生的数据量约为8000PB（1015字节），包括农业自然资源数据3500PB、农业生产数据2500PB、农业市场数据800PB和农业管理数据1200PB等，农业数据每年将以50%-80%的速度增长。随着时间的推移和科技的发展，以及物联网、移动互联网和SNS的兴起，每年产生的数据量都以几何级数增长，到2020年，全世界所产生的数据规模将达到今天的44倍。据IDC预测，至2020年全球以电子形式存储的数据量将达32ZB。因此，农业大数据时代已经到来，大数据给人们带来了思维上的转变，万物皆比特，一切皆数据!

 农业大数据协同创新体将围绕农业生产智能化、农业资源环境精准监测、农业自然灾害预测预报、动植物疫病和病虫害监测预警、农产品质量安全全程追溯、农作物种业全产业链信息查询可追溯、农产品产销信息监测预警等方面开展研究创新工作。

一、院校研发成果、现有基础介绍

1、农业物联网综合信息服务平台

农业物联网综合信息服务平台作为综合信息服务平台的统一门户，为公众、政府、学校、养殖大户等用户提供一个统一的访问窗口和与各类实际业务系统的连接，真正实现对企业信息、资源、应用的整合与协同。

2、基于语义技术的柑橘和生猪生产管理技术

以现代信息技术和农业科学为依托，重点研究了种植业、养殖业领域信息农业的生产管理关键问题和共性技术难点，并对农业本体的理论体系和关键技术进行研究，以促进农业生产系统的信息化、数字化和现代化。

3、基于WMMP-T协议的柑橘物联网终端设备

对基于不同终端标准的各类传感器进行柑橘物联网接入设计与开发，以使其支持从数据采集终端到M2M平台的标准通讯接口协议WMMP-T，实现传感器网络与M2M平台的通信，完成柑橘生产环境信息的采集、传输和共享。同时，优化集成终端使其凸显节能、稳定、安全特性。本成果已在重庆市忠县果业局、重庆三甲生态农业发展有限公司等地开展示范应用，促进农业物联网应用从单项技术应用向综合集成技术应用过渡，实现农村物联网信息服务技术的熟化和转化，满足当地企业农业高产、优质、高效、生态、安全生产的迫切要求。

4、重庆市农业产业技术路线图

选取玉米、柑橘、生猪、农业装备和农业农村信息化5个重庆市典型的农业特色产业作为研究对象，制定出了重庆市玉米、柑橘、生猪、农业装备和农业农村信息化产业技术路线图，寻找适合的技术发展路径和发展方向，以正确把握未来发展的趋势、潜在机会、风险和挑战，为重庆市农业科技管理和产业技术发展提供决策参考。该成果已在重庆市国家农村信息化示范省建设、国家星火计划、成果转化项目、重庆市特色效益农业发展规划和重庆市区县科技支撑计划等相关科技计划和产业发展中得到广泛应用，为项目顶层设计、方案制定、检查评估等工作提供了决策支持依据。

5、重庆市农业农村信息化工程技术研究中心

立足国际农业、环境与计算机信息科学基础研究的前沿，紧密围绕党中央多年来关于全面推进农村信息化建设的指导思想，按照重庆市“国家农村信息化示范省”建设的总体部署，针对重庆农业农村信息化发展过程中所面临的信息集成和综合服务水平较低，本地化和个性化信息匮乏，涉农信息的时效性不强这三大迫切需求，利用先进的信息技术和手段，充分整合各种涉农信息资源，构建重庆现代农业农村信息化技术体系和服务平台。工程中心与农业农村信息服务体系相结合，为农业农村信息化培养技术人才，并为农业农村信息化平台及涉农公益性服务提供技术和服务支撑，推进农业生产和农民生活信息化发展。

二、研发项目介绍

“农业大数据协同创新中心建设”项目是西南大学承担的“百校工程”的建设项目之一。其核心是建设农业大数据平台，研发农业大数据分析方法及工具，为农业大数据应用提供支撑，以大数据为技术手段，最终促进种植业、养殖业以及全生态链的协调发展。

1、研究内容

研究新型多源异构数据集成整合系统架构，计算、存储及管理等技术引擎，虚拟化及敏捷化增量处理模型，构建农业大数据平台。研究语义网关交换、深度学习、数据挖掘等技术及大数据快速融合实时处理方法，提升农业大数据分析时效性。研究大数据可视化和自动化综合分析报告生成技术，建立农业大数据应用。

2、研究目标

建立起农业大数据平台，实现多源异构数据的理解和互操作，建立数理模型和预测模型，面向农业产业生态链，开展大数据应用服务。

3、进度安排

（1）需求分析阶段(2017.01-2017.06)。业务需求和系统需求调研，以及农业大数据协同创新中心建设需求分析。 

（2）技术研发阶段(2017.03-2018.06)。构建大数据分析开发平台，研发大数据分析工具，完成农业大数据基础资源建设。 

（3）应用推广阶段(2018.01-2018.12)。与合作单位协同研发，将大数据技术推广到合作单位的应用项目上。

三、院校牵头“协同创新小组”团队组建

1、“协同创新小组”建设规划

西南大学-农业大数据协同创新体的建立，将推动农产品生产、加工、物流、储备等环节产生的大量多源、异构农业数据的共享和整合，支撑国家对农产品生产的宏观调控，构建我国的农产品安全监测预警系统，保障农产品的生产和安全。

2、“协同创新小组”入选要求

（1）普通高等院校、涉农科研机构或企业。 

（2）同意创新体有关协同领域筹划、协同框架协议起草、启动、交付、评估的相关工作规划和要求。

   

北华航天遥感大数据·协同创新方案发布

发布时间：2018/02/05    字号：大  中  小

 

一、背景介绍

航天遥感能够提供地物或地球环境的各种丰富资料，在国民经济和军事的许多方面获得广泛的应用，例如气象观测、资源考察、地图测绘和军事侦察等。航天遥感是一门综合性的科学技术，它包括研究各种地物的电磁波波谱特性，研制各种遥感器，研究遥感信息记录、传输、接收、处理方法以及分析、解译和应用技术。航天遥感的核心内容是遥感信息的获取、存储、传输和处理技术。航天遥感能够提供地物或地球环境的各种丰富资料，在国民经济和军事的许多方面获得广泛的应用，例如气象观测、资源考察、地图测绘和军事侦察等。航天遥感是一门综合性的科学技术，它包括研究各种地物的电磁波波谱特性，研制各种遥感器，研究遥感信息记录、传输、接收、处理方法以及分析、解译和应用技术。航天遥感的核心内容是遥感信息的获取、存储、传输和处理技术。

随着国家对航天遥感产业投入的逐年加大和政策倾斜，形成了一批规模较大、可以支撑国家信息化和社会经济发展的空间基础设施，为航天遥感产业化规模提升、应用普及创造了强有力的必要条件，提供了广阔的发展空间和有利时机，市场潜力巨大。

二、院校研发成果、现有基础介绍

北华航天工业学院是由国家国防科技工业局、中国航天科技集团公司、中国航天科工集团公司与河北省人民政府共建的一所普通高等院校，是服务国家（航天）特殊需求人才硕士专业学位研究生教育培养单位。学校坐落在地处京津两大城市之间的河北省廊坊市，始建于1978年，先后隶属于第八机械工业总局、第七机械工业部、航天工业部、航空航天工业部、航天工业总公司。1999年划转到河北省，实行“中央与地方共建、以地方管理为主”的管理体制。学校拥有与遥感相关的“军用计算机应用技术”国家国防特色学科，“信号与信息处理”、“产业经济学”两个省级重点发展学科，拥有河北省航天遥感信息处理与应用协同创新中心、河北省航天遥感信息工程技术研究中心、航天遥感信息应用技术河北省工程实验室等6个省级科研平台。著名运载火箭与卫星技术专家、国家最高科学技术奖获得者孙家栋院士为学校名誉校长。

主要研发成果包括：林业资源遥感监测与分析系统、农业资源遥感监测与分析平台、遥感数据追溯平台、县域遥感专题产品、移动遥感巡检平台。

现有优势条件：

1、航天优势

北华航天工业学院是由国家国防科技工业局、中国航天科技集团公司、中国航天科工集团公司与河北省人民政府共建的一所普通高等院校，曾先后隶属于航天工业部、航空航天工业部、航天工业总公司。北华航天工业学院每年毕业生中有近30%到航天企事业单位就业。学校与航天有着浓厚的历史渊源，河北省航天遥感信息工程技术研究中心定会在航天两大集团的大力支持下，成为国家航天遥感信息技术服务地方经济社会发展的典范，拥有为国家成为“航天强国”大展身手的机遇。

2、区位优势

北华航天工业学院坐落在河北省廊坊市。廊坊市是京津冀城市群的地理中心，具有十分优越的区位优势，是京津冀协同发展功能核心区和科技成果孵化与转化示范区，所辖11个县(市、区)全部与京津接壤，素有“京津走廊、黄金地带”之称。廊坊市区距北京天安门广场40公里，距天津中心区60公里，距首都和天津两大机场70公里，距天津港100公里，且紧邻规划中的北京新机场。7条高速公路，5条铁路干线穿越境内，10条国家和20条省级公路纵横交错，是中国铁路、公路密度最大的地区之一。

3、人力资源

北华航天工业学院依托河北省航天遥感信息处理与应用协同创新中心双聘了中科院院士5人、国际宇航科学院院士2人、中组部“千人计划”2人、河北省高校百名创新人才3人，河北省中青年突贡专家1人及一批较高水平的科研骨干，组建成指导中心科研工作的权威专家团队，保障中心科研工作的良好发展与科研队伍的做大做强。

北华航天工业学院具有硕士学位授予权，硕士研究生专业中设有县域遥感应用技术方向；拥有空间信息与数字技术本科专业，专门培养航天遥感信息技术领域高级工程技术型人才。

4、遥感数据

目前，国家在轨民用遥感卫星达10余颗，95%以上的卫星数据分发工作由中国资源卫星应用中心负责，而北华航天工业学院是中国资源卫星应用中心国产遥感卫星应用示范单位，是国家高分辨率对地观测系统河北数据研发与培训中心，能够获取到国家遥感卫星所拍摄的最新、最全的遥感数据，可为中心科研工作提供充足的数据源。

5、科技资源

由北华航天工业学院作为牵头单位的河北省航天遥感信息处理与应用协同创新中心是河北省首批协同创新中心之一，定位于面向区域发展类型，重点在县域遥感应用方向开展科研攻关，在国内县域遥感应用领域具有较强的影响力，科技资源丰富。河北省航天遥感信息处理与应用协同创新中心核心技术单位包括北华航天工业学院、中国科学院遥感与数字地球研究所、中国资源卫星应用中心、中国航天科技集团第五研究院503所、中国航天科技集团第五研究院508所、中科遥感科技集团有限公司等单位，技术力量雄厚，科技资源丰富，办公和科研用房2000余平方米。

河北省航天遥感信息处理与应用协同创新中心投入近2000万元资金建设完成了区域遥感监测业务化运行与服务平台，数据存储容量近700TB。区域遥感监测业务化运行与服务平台装备了由中科院遥感所研制的区域遥感应用综合服务业务系统，可以大幅提升卫星遥感影像数据分布式存储，数据处理等工作效率。

三、研发项目介绍

1、研究内容

面向城镇化可持续发展中经济发展与生态环境存在的问题及新型城镇化区域综合管理对高分遥感数据的需求，开展面向城乡一体化发展的高分信息云服务区域应用关键技术研究，实现城镇化可持续发展中高分信息快速、准确、高效地服务于新型城镇化区域综合管理。

2、研究目标

面向城镇化可持续发展中经济发展与生态环境存在的问题及新型城镇化区域综合管理对高分遥感数据的需求，针对京津冀一体化协同发展重点区域，开展基于云平台城乡一体化发展格局监测、资源环境承载力评价、环境要素提取与动态监测；开展多源数据融合技术与环境污染源及污染物时空分布等关键技术研究，实现高分信息快速、准确、高效地服务于京津冀一体化区域综合管理以及环境质量监测等需求，并且面向典型区域进行示范验证。

四、院校牵头“协同创新小组”学校团队组建邀请

1、“协同创新小组”建设规划

以遥感应用技术服务于区域经济社会发展的重大需求为导向，重点面向县域遥感应用与服务为主体，以农业、林业、生态环境、国土资源、城乡规划等行业遥感应用为两翼，以点带面逐步推进孙家栋院士提出的“千县计划”和“互联网+天基信息应用”工程，最终实现航天遥感技术“进城下乡接地气”。联合国内遥感应用技术领域的优势创新主体，以体制机制创新为保障，突破协同主体单位间的体制性壁垒，建立资源与成果共享、多方合作共赢、利益分配公平的长效机制，形成优质资源集聚、要素有效融合的一体化强关联的协作体系。以人才培养、学科专业、科学研究、社会服务四位一体创新能力的提升为核心，促进传统与新兴交叉学科更快更好发展，构建航天遥感应用技术人才培养体系，打造遥感专题产品研发的创新发展基地，推动国家遥感应用产业发展，支撑国家航天强国建设。

2、“协同创新小组”入选要求

我们诚挚邀请致力于实现“协同创新小组”建设计划的遥感及相关领域高校、科研院所、企业等单位加入本小组。

 

太原理工工业大数据·协同创新方案发布

发布时间：2018/02/05    字号：大  中  小

一、项目介绍

1、研发领域行业背景介绍

随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互联网工业的新的发展阶段，工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少。工业大数据应用将带来工业企业创新和变革的新时代。

工业大数据协同创新体将以太原理工大学为依托单位，并联合太原钢铁集团、山西焦煤集团等山西省内重要的大型国企以及山西省大数据研究院合作建立，以响应国家提出的《中国制造 2025》，支持《国家制造业创新建设工程》的号召。协同创新体将凝聚资源提升工业大数据技术创新能力、加速工业大数据产业发展。协同创新体将致力于为工业企业提供个性推销、定向研发、智能维保、设备远程故障诊断分析等服务，并提高运维领域的装备管理水平，降低行业运营成本，实现人员投入及控制过程的节能提效，为工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。

2、院校研发成果、现有基础介绍

太原理工大学大数据学院现已建有“太原理工大学科学云计算中心”，“高分辨率对地观测卫星系统山西数据与应用中心”，“山西省空间信息技术产业联盟”，以及正在筹建“山西省超级计算与数据中心”；除此之外，还是“山西省大数据研究院”发起单位，由英伟达公司授权的首批CUDA培训中心，太原理工大学SAS培训发展中心。大数据学院拥有计算能力超过100万亿次，硬件设备超过一万个计算核心的云计算平台，并配备相应的软件和管理系统，是山西首家为高校和企业提供服务的计算平台，将为数据科学研究提供强有力的支撑平台。大数据学院有科研人员40名，其中教授7名，副教授15名；博士35人，在读博士2人，博士化率超过80%；45岁以下青年教师24人，占比超过68%；博士生导师10名，硕士生导师18名；山西省“百人计划”特聘教授5名；最近五年在数据分析、数据融合、超级计算和图像识别等方向发表学术论文百余篇，其中超过40%的论文是SCI一、二区论文；出版学术专著8部，获得专利3项；从2011年以来，实验室共获得国家及省部级科研项目资助70余项，其中国家自然科学基金30余项，累积科研经费2000余万元；代表成果包括基于移动通信数据的广告位定位和估价、全国第三次农业普查数据统计服务、太原钢铁集团大型设备故障诊断与预测、山西省重点矿山生态环境检测、山西省环境影响智能决策平台。

3、研发项目介绍

工业大数据协同创新体将助力工业企业向“互联网+制造业”全面转型。中心将运用大数据技术，贯穿工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。工业大数据具有大体量、多源性、连续采样，价值密度低，复杂度高和动态性强的特点，并且对数据处理的实时性要求很高。这是分析工业大数据面对的主要困难。创新体将研究新的数据挖掘方法来降低计算代价并提高算法的适用性。

二、研究内容

开发和设计小型化、可靠性高的工业传感器，解决工业大数据收集问题；通过清洗、整理各行业工业大数据，并分析其特点和结构；建立相对应的统计模型，创新数据分析方法，并形成能满足客户需求的大数据解决方案；开发并行算法，利用高性能计算机提高解决问题的速度和精度；结合工业大数据应用开发的业务需求、技术需求和人才培养需求，设计规范的教育数据管理和服务系统。

三、研究目标

以发展工业大数据科学基础理论和核心技术为目标，以面向工业企业发展需求、承担重大项目为载体，通过大胆的机制创新和体制创新，有效地促进队伍建设和人才培养，最终将建设成为工业大数据分析和挖掘领域科技创新的重要平台，数据科学人才教育和培养基地，工业信息化规划与建设的咨询服务机构以及工业大数据方面管理政策、技术政策、制度、标准方案供给中心。

四、院校牵头“协同创新小组”学校团队组建邀请

1、“协同创新小组”建设规划

太原理工大学-工业大数据协同创新体的建立，将通过深入挖掘工业大数据蕴含的潜在价值，推动工业企业在产品创新、设备故障诊断与预测、产品质量控制与分析、工业物联网生产线、工业供应链的分析和优化、产品销售预测与需求管理、生产计划与排程、工业污染与环保检测等方面提升工业企业的信息化和智能化水平，全面推动企业向“工业4.0”迈进。

2、“协同创新小组”入选要求

（1）普通高等学校、工业企业以及工业或大数据相关的科研机构或公司。 

（2）同意创新体有关协同领域筹划、协同框架协议起草、启动、交付、评估的相关工作规划和要求。

 

“金融万象，数据归一“金融大数据新项目发布

发布时间：2017/12/05    字号：大  中  小

在诸多行业应用中，金融大数据应当是一个重点的突破方向。在业务实践中，大数据在金融行业的应用占了较高的比例。

这是因为金融行业的业务属性本来就是高度数据化的，数据丰富。另外，因为金融行业更加容易吸引高水平的人才，由于竞争和盈利的考虑对数据技术有着重大的投入。在金融行业，各种数据分析方法是无所不用其极的。

对金融资产的估值和管理是金融业务的核心。金融业务已经进入了大资管时代。资管新政打破行业壁垒，资管混业经营开启。 银行、 保险、信托、券商、基金、期货，六大机构开始了业务竞争与突破。在资产管理行业跨界竞争、创新合作的大潮中，保险资管、信托、公募基金、私募基金、银行和券商在业务层面也已展开针锋相对的竞争。各家机构急切寻找自己的突围之路，逐步在产品设计、渠道布局、盈利模式创新等方面走出传统业务范畴，从差异化经营和多元化资产组合配置中获取进一步增长动力。使用大数据技术增加对资产的管理水平，增加竞争力是金融行业一大迫切需求。

一、项目总体目标

1、框架体系

我们使用金融大数据四层级框架体系描述金融行业应用，衡量应用的水平和深度。

金融大数据四层级框架体系

第1层：数据基础层。这是承载大数据的平台，包括IT基础设施、数据采集、数据存储、数据管控与治理、数据标准化、数据加工处理等内容；

第2层：数据模型层。反映了知识探索所通用的四大方法论（逻辑证明、假设检验、仿真模拟、数据挖掘），以及在此基础上数据科学的主要技术展现（固定报表、即席查询、灵活图表、数理统计、分析预测、人工智能、虚拟现实）

第3层：业务模型层。比如在商业银行应用中，主要会运用经济、金融、市场、管理四大理论体系，用以支撑银行运营中的客户管理、产品管理、渠道管理、营销管理、风险管理、绩效管理、人力资源管理、财务成本管理等方面；

第4层：业务应用层。最顶端“业务应用层”是按照市场进行划分的公司银行、零售银行、金融市场三大业务板块，以及与客户直接进行接触的分支行营业网点、事业部一线团队、电子银行与直销银行。

当这四个层级被完全打通之后，才可实现一个真正意义上的金融大数据完整应用。在四层级框架体系中，数据模型层起到了对整体框架体系上下贯穿的重要作用。

2、功能目标

该项目基于目前校企共建的Infinity 9000系统平台，对于数据基础层和数据模型层的系统功能进行进一步的金融化定制和高度抽象化定制，以方便金融行业对金融资产的智能分析和管理，并利用“大数据应用协同创新网络”金融大数据智能分析应用，开放共享给“百校工程”的其他院校。

该项目主要实现以下几个功能目标

（1）封装数据基层的数据处理功能 。通过对数据基础层IT基础设施、数据采集、数据存储、数据管控与治理、数据标准化、数据加工处理等处理流程的高度抽象化和金融定制化，方便对金融行业的time serial 和 cross sectional 数据类型的操作和转换。只需简单的几个脚本就能够方便地使用数据。

（2）封装数据模型层的模型。通过对数据模型层的金融定制化和抽象化，可以让金融分析师无缝使用各类不同数据规模的数据模型，实现资产分析简单化和智能化。

（3）集成数据模型层的数据呈现功能。通过对数据模型层数据呈现的集成和简化，形成数据使用和呈现的人机交互环境。这个环境既是交互性(interactive)的，也是探索性(explorative)

的。

数据中国”教育未来“教育大数据项目发布

发布时间：2017/02/05    字号：大  中  小

一、项目价值

大数据技术对于技术开发人员、研究人员、管理人员、教师、学生等都具有重要的作用：对于研究人员来说，大数据可以作为研究网络学习过程的工具和究学生个性化学习的工具；对于管理人员和教师来说，其能够改善现有的学校考核方式，用来评估课程和机构，并提供更多的教学分析数据，方便教师在分析数据的基础上，为学生提供更多、更有针对性的教学干预；对于技术开发人员来说，其可以为学习管理系统的开发提供更多参考数据；对于学生来说，基于学习行为数据的分析，通过大数据分析，让学生以学习者的角度了解学习过程发生的机制，以此来优化学习，并展开自我导向学习和适应性学习。

教育大数据项目研究的价值主要体现在以下四个方面：

1、个性化学习

2、预测

3、在高校教学质量评估中的应用

4、有助于提高教师的教学能力

二、项目总体目标

该项目利用课程管理系统获取大数据学院所有学生的日常学习过程数据，并且与企业投入的瑞翼泛在学习系统相结合，采取线下与线上相结合的方式获取全面的课程教学以及学生学习的相关数据，并且基于目前校企共建的Infinity 9000系统平台，利用“大数据应用协同创新网络”开发教育大数据智能分析应用，开放共享给“百校工程”的其他院校。该项目主要实现以下几个功能目标：

1、构建学习者经验模型

通过收集学习者的学习满意调查问卷，或者是分析量表数据， 再根据其在课程学习中的存留数据、表现、行为、选择等，构建学习者的经验模型，通过分析这种模型对学习系统中的课程进行评估，例如通过构建学习者体验模型，进行线上课程评估，然后再进行课程设计，这种改变课程教学顺序的大数据模型，显著的提高了学习者的学习成绩和教师的教学效率。

2、建立学习者行为模型

通过收集学习者在学校情景中学习行为变化的情况、学习者完成课程学习的状况、学习者在网络系统中花费的学习时间以及学习者的考试成绩等数据，研究学习者的学习行为与教学成果之间的关系，最终形成学习者的学习行为模型，通过构建大数据学习平台，构建学习者行为模型，能够预测学习者的学习失败可能。

3、构建学习者知识模型

通过收集学习者在大数据在线系统的交互数据，其包括的内容有：学习者请求帮助的性质和数量、学习者回答问题花费的实践、学习者回答错误的重复率、学习者回答的正确率等，通过数据挖掘和学习分析构建的学习者知识模型，能够将学习单元层面、课程层面、知识点层面的数据信息，通过人工反馈或者自动反馈，选择适合的方式，充分的考虑学习者的时间，为学习者提供合适的学习内容，这种通过手机每一个所有知识点的详细数据，再通过在线决策、学习分析和数据挖掘，为学习者提供详细的学习意见和学习反馈。

4、构建领域知识模型

通过对教育大数据的在线决策、数据挖掘和学习分析，对现有的领域知识进行重新建模，研究学习者与知识点、学习单元、课程等学习内容之间的关系，通过构建领域知识模型，采集和处理学习者的相关数据，画出学习者的学习曲线，再通过对这些学习曲线进行数据分析，能够显著的提高学习者的学习成绩和教师的教学效率。

5、构建学习者档案

通过收集学习者的基本学习信息，建立基本信息数据，通过数据挖掘、学习分析和机器学习算法，根据学习者的学习特征，将相同学习特征的学习者进行分组和聚类，建立学习者档案，这种能够为不同类型学习者提供个性化的学习环境，能够激发学习者的学习积极性和主动性，例如通过数据挖掘技术对学习者在线学习平台的学习日志进行分析，这样能够掌握不同学习者的不同学习特点和交互类型，然后构建学习者档案，充分的激发了学习主动性，显著的提高了学习者的学习效率。

6、教学策略分析

大数据在教育领域的运用，其最终的目的是帮助教育者制定教学策略，通过对收集的学习者的信息进行分析，探索学习系统中各种组件的功能，分析学习者学习结果与教学策略之间的关系，然后对教学策略进行分析和总结，这样能够为教育领域提供更多、更有效的教学策略，例如 Ritter 等人研究的“Cognitive Tour”的智能导学系统，通过数据挖掘、学习分析和在线决策，为该智能教学系统提供了长达 15 年的细粒度、动态的系统评价，优化了该系统的教学策略，显著的提高了学习者的学习效率。

7、个性化学习及自适应学习

大数据在教育领域的运用还包括个性化学习、自适应学习系统、以及趋势分析等方面，其中个性化学习与自适应学习系统是大数据应用的终极目标，通过大数据的收集、分析与处理，为学习者提供个性化学习、与自适应学习的环境；趋势分析时通过对大数据的分析，探索学习者在学习过程中的学习结果的变化趋势，探索学前行为与未来结果之间的关系，预测未来学习的趋势和结果，例如加州高等教育协会创建的在线趋势分析工具， 允许用户自定义检索条件，为用户提供教育趋势预测结果，帮助学习者构建学习模型，最终推动学习者主动的学习。

三、项目研究任务

1、研究内容

教育大数据智能分析应用平台利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正。该项目是围绕与学习者学习信息相关的数据，运用不同的分析方法和数据模型来解释这些数据，根据解释的结果来探究学习者的学习过程和情景，发现学习规律；或者根据数据阐释学习者的学习表现，为其提供相应的反馈从而促进更加有效的学习 。该平台是综合运用信息科学、社会学、计算机科学、心理学和学习科学的理论和方法，通过对广义教育大数据的处理和分析，利用已知模型和方法去解释影响学习者学习重大问题，评估学习者学习行为，并为学习者提供人为的适应性反馈。 例如，教师和学校根据学习分析的结果，调整教学内容、对有学习失败风险的学生进行干预等。

（1）自适应学习系统中教育大数据应用

（2）教育数据挖掘和学习分析典型应用