解决方案:基于情境感知的智慧课堂动态生成性数据采集方法与模型

　　解决方案:基于情境感知的智慧课堂动态生成性数据采集方法与模型

　　汪冬青1、韩厚2、邱美玲1、凌海燕1

　　(1. 华南师范大学教育信息技术学院, 广东 广州 510631;

　　2. 华南师范大学艺术学院, 广东广州 510631)

　　[摘要] 智慧教学过程中动态生成的数据具有多源异构、不完备、关联性强等特点。数据已成为当前智慧教育研究亟待解决的问题。本文提出了一种基于情境感知技术的智慧教学数据采集模型，使用用户、任务、位置、时间、设备、基础设施六类信息来表征智慧教学情境。定义动态生成数据描述框架和云数据交换机制，解决云环境下基于教学情境的多源异构数据采集问题，为教育大数据模型的建立和提供新的思路和方法。发展教育大数据云服务。

　　[关键词] 情境意识；智能教室；动态生成数据；数据采集

　　一、简介

　　随着云计算、移动互联网、人机交互等新一代信息技术融入教育教学*敏*感*词*，智慧教育逐渐兴起，受到*敏*感*词*学者的广泛关注。与传统教育相比，智慧教育能够带来更简单、更高效、智能化和个性化的教学体验，是教育信息化发展的必然阶段[1]。

　　教育部印发的《“十三五”教育信息化规划》明确提出“要依托信息技术，打造信息化教学环境”。智慧教育被认为是下一代信息化教学环境的发展方向，各地不断加大投入，掀起建设智慧校园的热潮。以广东省为例，《广东省教育发展“十三五”规划（2016-2020年）》提出，到2020年，全省建设100所“智慧校园”、300所“未来课堂”，培育500所A智慧教育示范工程。

　　本文所关注的智慧教学环境是指智慧教育的基础设施和保障条件，能够为师生提供一个带有移动终端的课堂教育场所或活动空间。智慧教学支持系统是智慧教学环境的核心组成部分。能够提供适合的学习资源和便捷的交互工具，开展教学互动和学习评价活动，有效支持个性化学习*敏*感*词*，让各类用户在学校和课堂上都能学习。和家庭等环境随时随地访问教育教学云平台。

　　2. 问题的呈现

　　知识的生成和共享是智慧教学环境的典型特征。现代教育观认为教学是一种具有生成性内容的主观活动[2]。学生掌握知识的过程本质上是一个探究、分析、选择和创造的动态过程。在传统的教学环境中，由于缺乏信息技术手段或软件平台支持，无法科学准确地记录、分析和呈现教学过程中隐含的、转瞬即逝的动态内容。而在“云+终端”的智慧教学环境中，基于云计算和大数据服务，可以对动态生成的内容进行采集、记录和分析。

　　动态生成数据的采集与分析是智慧教学研究的关键问题。采集

和分析动态生成数据可以促进学生更好地掌握知识[3]。动态生成数据主要是指师生在教学活动中产生的过程性数据，包括教师的教学行为数据和学生的学习体验数据（如学生的学习行为、学习活动、学习进度等，与学生互动的数据）。与学习环境的数据、学生操作各种资源产生的数据、上述各种因素之间的关系数据等）。智慧教学环境中动态生成的数据的数据结构更加多样化。常规的结构化数据仍然很重要，是数据采集

和分析的基础，但非结构化数据（如图片、视频、教案、课堂作业、作品、音频、教学软件等）越来越占主导地位，显示出增长势头迅猛，但对它们的采集还处于起步阶段，远不能满足蓬勃发展的智慧课堂教学应用需求。此外，教学活动组织实施的主观性和不确定性等因素进一步增加了过程数据采集的复杂性。但对它们的采集

还处于起步阶段，远远不能满足蓬勃发展的智慧课堂教学应用需求。此外，教学活动组织实施的主观性和不确定性等因素进一步增加了过程数据采集的复杂性。但对它们的采集

还处于起步阶段，远远不能满足蓬勃发展的智慧课堂教学应用需求。此外，教学活动组织实施的主观性和不确定性等因素进一步增加了过程数据采集的复杂性。

　　目前各种跨终端的智慧教学支撑系统功能大同小异，更能满足智慧课堂的教学需求，但在数据采集方面还有很大的发展空间。一方面，大多停留在简单记录零散的学习成绩数据层面，较少涉及过程性数据和非结构化数据，数据与真实教学情境紧密结合，难以全面、科学地反映教学的动态过程而学习方面，各类智慧教学支持系统具有独立的数据存储格式和传输方式，采集的数据相互分离，互操作性不强，难以提取和挖掘有价值的信息[ 4].

　　因此，在自然状态下不确定的教学环境中，数据采集方法和技术是智慧教学研究面临的重大挑战，成为困扰教育大数据研究的突出问题。目前已有的研究主要集中在如何记录和分析单个教学系统或MOOC平台（如coursera、edx等）的教学管理数据或用户行为数据。对于一人一机的智慧教学环境，对于多源异构教学系统中动态产生的数据，目前还没有形成有效的采集方法。

　　为了解决上述问题，本文针对智慧教学过程中数据来源多样、结构复杂、采集标准规范不一致等问题，构建了基于情境感知技术的数据采集模型，定义了一个遵循xAPI规范和Caliper框架的数据描述规范，设计与数据类型及其应用上下文相匹配的数据存储方式，以规范和标准实现数据的跨平台互操作，为教育建设提供新的思路和方法大数据模型和发展教育大数据服务。

　　三、研究现状

　　智慧课堂教学过程中的动态生成数据与教学情境密切相关。建立基于态势感知的动态生成数据采集模型和描述规范是当前研究的关键问题之一。关键在于教学情境感知和动态生成数据。采集技术。

　　(1) 情境意识教学

　　情境是构建学习模型的重要因素，也是教育数据的重要特征。目前，态势感知广泛应用于灾害监测、动态资源分配、服务推荐等领域。在教育领域，主要关注情境意识在学习资源检索、自适应学习路径推荐等泛在学习中的应用。绪方等人。构建了一个情境感知的英语泛在学习系统[5]，通过GPS定位学习者的位置，为学习者提供合适的英语词汇；程等。构建自学习室系统，监测学习者是否在指定时间出现在指定地点，进而推断学习者是否参与了学习活动[6]；Tan利用普适计算、嵌入式系统、无线网络和RFID技术开发了EULER系统[7]，可以为他们提供合适的教材；Hwang和Chang将这些技术应用到小学生的户外学习活动中，引导学生通过移动设备进行探究性学习[8]。上述研究表明，与情境感知相关的技术正逐渐应用于单一教学活动的数据采集，但缺乏系统、深入的面向丰富应用场景的全教学过程数据采集解决方案. Hwang和Chang将这些技术应用到小学生的户外学习活动中，引导学生通过移动设备进行探究性学习[8]。上述研究表明，与情境感知相关的技术正逐渐应用于单一教学活动的数据采集，但缺乏系统、深入的面向丰富应用场景的全教学过程数据采集解决方案. Hwang和Chang将这些技术应用到小学生的户外学习活动中，引导学生通过移动设备进行探究性学习[8]。上述研究表明，与情境感知相关的技术正逐渐应用于单一教学活动的数据采集，但缺乏系统、深入的面向丰富应用场景的全教学过程数据采集解决方案.

　　一、情况分类

　　要实现情境感知的数字化学习，首先需要准确感知和采集

情境信息。先前的研究已经提出了多种上下文分类方法。Korhonen将情境分为八种类型：环境情境、用户情境、任务情境、社会情境、时空情境、设备情境、服务情境和网络连接情境[9]。体现在时间和空间两个最基本的上下文的结合上，设备、服务、网络连接这三个上下文没有明显区别；Jumisko-Pyykk？Jumisko-Pyykk？这五种类型对用户使用移动终端的情况进行了分类[10]。分类数量少，使用过程中会增加分类级别，不利于后期处理。在确定情境分类标准的过程中，需要考虑分类之间的完整性、差异性、同质性、适度性、符合习惯等因素，关注用户活动中的任务和任务执行场景. 情境分类是构建智慧教学情境本体的关键，为建立情境推理规则库提供了处理方法。并关注用户活动中的任务和任务执行场景。情境分类是构建智慧教学情境本体的关键，为建立情境推理规则库提供了处理方法。并关注用户活动中的任务和任务执行场景。情境分类是构建智慧教学情境本体的关键，为建立情境推理规则库提供了处理方法。

　　2. 情况表示

　　在情境分类的基础上，需要使用理论模型或方法将获得的情境表示为有意义的线索。目前，常用的上下文表示模型有：键值模型、标签模型、对象角色模型、空间模型和本体模型[11]。本体建立的模型具有表达能力强、可理解性、可重用性和可共享性等优点，适用于描述和定义情境以及情境之间的关系，也便于计算机进行推理。使用基于本体的方法来定义和构建情境模型也是目前主要的发展方向和趋势。

　　3. 情境处理

　　在上下文处理环节，通常直接上下文不能描述用户当前的完整上下文。为了进一步获取用户的完整上下文，需要使用上下文推理对获取的上下文进行处理。在推理方法上，可分为基于本体的推理和基于规则的推理。在实际应用中，需要在分析其优缺点的基础上做出选择。

　　(2)教学数据采集技术

　　教育领域具有产生大量数据的能力[12]。为了提高数据采集

和存储的性能，需要考虑采集

哪些数据可以提供最有用的信息。此外，数据来源多样、结构复杂、相关性高[13]也是数据采集

过程中需要考虑的问题。数据采集​​是数据生命周期的第一阶段[14]，是数据分析和应用的基础。数据采集​​技术主要包括数据采集方法、模型、规范和方法。

　　一、数据采集方式

　　现有教育领域的研究更关注学习者数据，其采集

方式包括以下三类：一是从在线学习环境中获取学习者数据，包括学习日志数据、学习行为和结果数据等。研究较多的方法；二是基于*敏*感*词*、传感器等设备感知学习者的生理特征，推断学生在学习活动中的参与情况，了解学习者是否认同教师的观点[12]等；三是采用问卷或量表等方法采集

学习者的具体信息。丰富的应用场景需要进行动态生成数据的采集，

　　2.数据采集模型

　　针对采集

到的不同类型的数据，Edu-graph 从五个方面对教育数据进行建模：学习内容、学习活动、操作行为、职业以及学习者或教师参数数据[15]；Koch提出在课堂教学数据采集框架中，不仅包括学习者在教学环境中的操作行为数据，还包括学习者的绩效评价数据[16]；此外，为了满足学生的个性化学习需求，Jeong 等人。认为智慧教育系统应该关注学习者参数和学习者特征等信息[17]；Raghuveer 提出构建基于学习者参数和学习对象元数据的学习体验模型框架[18]，顾晓青等人。

　　3. 数据采集标准

　　数据采集​​标准是实现不同厂商软硬件产品数据互通的基础。随着基于新技术的新产品的普及和学习内容形式的日益丰富，研究人员在学习系统的技术标准和规范方面开展了大量的前期工作，提出了学习工具的互操作性、学习信息服务和问题和测试互操作性等标准规范来封装学习活动、标签应用场景等。大数据和数据科学的快速发展催生了新的标准和规范，包括Experience API（简称xAPI）、IMS Caliper等。 研究人员基于xAPI规范进行了大量研究，

　　4.数据采集方式

　　教学由一系列具有时间顺序的活动或事件组成 [27]。活动过程的记录是智慧教学过程分析的基础和前提。一些研究者从工作流、学习流、学习活动流等不同角度研究记录（描述）活动过程的方式。例如，王将课堂活动分为三个不同的层次：学习流程、学习事件和学习功能[28]。

　　目前，教育数据采集技术主要面向具体应用，采集往往是在非自然状态下分阶段进行的（在用户不知情的情况下，如使用问卷或量表等），而过程中产生的智慧教学环境数据具有更强的实时性、连贯性、综合性和自然性，引入态势感知技术研究此类数据采集逐渐成为一种趋势和方向。

　　

" />

　　综上所述，本文探索将xAPI规范和Caliper框架引入上下文感知动态生成数据采集，并结合数据类型和教学情境，提出一种调用数据采集模型和存储机制的方法。这是一种动态、开放的情境感知数据方法，更好地适应智慧教学环境复杂应用场景和高系统异构性的需求，能够有效支撑教育大数据情境下的实时、*敏*感*词*应用。研究。微教与学习过程数据的持续采集，需要实现智慧教学动态生成数据采集与分析的服务生态。

　　4. 基于情境感知的智慧教学动态生成数据采集模型

　　智慧教学通常由一系列复杂的教学活动和环节组成。每个活动中产生的动态数据具有与情境紧密结合的特点。分析与活动相关的情境数据，并基于情境数据构建采集模型，可以确保准确的感知上下文，在正确的时间采集

正确的数据。

　　(1) 智慧教学情境的表示与处理

　　智慧教学的动态生成数据具有来源多、异构、不完整、不一致等特点。本文引入态势感知技术，对教育专家的态势感知过程进行建模，如图1所示。具体工作包括情境获取、情境处理和服务调用三个阶段[29]。

　　图1 上下文感知过程

　　上下文获取是上下文数据建模的关键。研究智慧教学活动的特征和内涵，细化教学情境数据分类框架，从直接情境和间接情境两个方面对智慧教学情境数据进行分类并筛选其具体指标，重点关注智慧教学情境中交互性强的任务和任务执行。教学活动场景。本文将动态生成数据采集涉及的智慧教学情境分为用户、任务、地点、时间、设备、基础设施六类；将智慧教学的具体活动分解为不同的阶段；将每个阶段分解为具体的行为；以教师或学生的具体行为或与具体行为相关的情境为触发契机，获取智慧教学动态生成数据的生成情况，用本体模型表示获取的情况，如图2所示。直接子类和直接上下文可以通过终端或其他方式直接获取；间接子类和间接上下文需要通过推理获得。

　　图2 态势表征模型

　　在情境推理阶段，根据智慧教学情境模型，设计了基于本体和规则的推理方法对情境进行推理。一方面通过直接情境得到当前完整的情境教化，另一方面检测情境的一致性，排除冲突情境。

　　在服务调用阶段，设计数据采集方法调用规则，结合教学过程中师生任务行为序列，推断数据采集情况，实现当特定的智慧教学情境或情境组合出现时，调用相应的数据采集​​方法获取动态生成的数据，同时针对不同场景下的结构化和非结构化数据的采集和存储，选择高效的存储机制和合适的分析方法。

　　(2) 智慧教学动态生成数据采集规范

　　数据只是用来描述事物的符号记录，不提供判断或意义解释。数据的含义需要与具体的业务相关联。因此，数据描述是数据采集的基础和前提。智慧教学的生成数据具有明显的非结构化、层次化和相关性特征。其中，相关性表现在知识概念之间、知识概念与学习资源之间、教学前后环节之间、教师行为与学生行为之间等诸多方面。借鉴*敏*感*词*对学习过程的形式化描述方法和xAPI规范中学习经验的分解过程（即“经验-事件-陈述”），从目标、活动、事件和行为，从抽象到具体。在教学过程中，构建了智慧教学动态生成数据的层次化描述框架，如图3所示。教学目标，再将教学活动细化为教师或学生与资源、工具或服务进行交互的具体事件，最后用交互行为描述学习事件。

　　图3 智慧教学动态生成数据采集层级框架

　　一、行为数据说明

　　"Participant(Actor)+action(Verb)+object包括教师、学生或个体群体；Verb是行为动词，指教师或学生进行的外显行为；Object是动作实施的对象，包括soft、Hardware设备还包括教学内容和数据，xAPI规范在发布时就定义了一套常用词汇，用于记录学习者的学习体验。屏幕）和学习者行为（如做笔记），参考xAPI动词创建方法创建。

　　2.事件数据说明

　　学习事件以“参与者（Actor）+动作（Verb）+客体（Object）+情境（Context）”的形式描述，其中情境信息包括学习情境和活动情境。学习情境包括课程、教师、学生、学习平台、项目、组织等基本信息；活动情境包括阅读、看视频、测试、讨论等。xAPI规范公布了常用的活动类型，Caliper框架给出了每类活动的测量参数。以考试活动为例，其参数包括分数、尝试次数、批改次数等，这部分数据由系统自动记录。

　　三、活动数据说明

　　本文从可操作性和分类的角度将智慧课堂教学活动归纳为以下几类：课前准备、复习、介绍、讲授、学习、实践、成果展示和总结提高。活动信息通过人工设置或自动判断获得。手动设置，即教师在备课过程中预先设定教学活动，安排好要使用的内容和工具，或教师在课后查看课堂记录时手动标注；自动判断，即根据学生行为和教师行为的先后顺序和行为发生的时间等信息推断出教学活动，如“教师打开本地资源-教师锁定学生”

　　4.目标数据说明

　　在教学目标集合方面，本文基于布卢姆的教学目标分类理论[30]，从知识和认知过程两个维度描述了云交互课堂的教学目标。在智慧课堂中，教学目标数据的获取可以由教师在备课阶段手动设置。为了能够做到深入分析，教师在备课过程中还需要建立教学目标与教学活动之间的关系。

　　(3) 动态生成数据的存储和交换机制

　　1、动态生成数据的存储

　　在存储机制层面，基于xAPI规范中的LRS（Learning Record Store）数据存储模块[31]获取和共享学习经验数据，支持学习者的学习数据在任意系统和系统中离线和在线存储支持 xAPI 规范。在设备中，针对不同场景和格式的数据提供了差异化的存储机制。例如，课堂教学过程中有大量的数据输入输出操作和各种数据类型。为了节省设备能耗，提高应用效率，课堂教学应用中的数据暂存于本地服务器（具有简单的统计分析功能）。结束后系统自动将数据推送到云端，

　　图 4 数据存储和管理框架

　　对于智慧课堂动态生成的教学视频、学生作品等非结构化文件，具体存储过程包括：首先，根据小文件的分类关联，结合上下文数据，将小文件上传到分布式文件之前系统，基于数据分类层框架和情境聚类算法，为分类数据建立关联，并生成关联小文件。二是针对教学资源视频等大文件的处理，采用大文件分割处理技术，分解成小文件，实现断点续传，保证良好的用户体验；对于图片、音频等小文件的处理，使用小文件合并为大文件的技术提高了分布式存储的性能。三是创建索引文件，为大文件创建数据结构，记录大文件中收录

的小文件的长度和起始偏移量，用来解决小文件的快速访问问题。四是建立基于上下文的元数据缓存和关联小文件预取策略，在智慧教学环境中使用移动智能终端缓存元数据，实现基于终端缓存的小文件快速预取，减少与相关数据节点的不必要通信. 相互作用。并用它们来解决快速访问小文件的问题。四是建立基于上下文的元数据缓存和关联小文件预取策略，在智慧教学环境中使用移动智能终端缓存元数据，实现基于终端缓存的小文件快速预取，减少与相关数据节点的不必要通信. 相互作用。并用它们来解决快速访问小文件的问题。四是建立基于上下文的元数据缓存和关联小文件预取策略，在智慧教学环境中使用移动智能终端缓存元数据，实现基于终端缓存的小文件快速预取，减少与相关数据节点的不必要通信. 相互作用。

　　2.动态生成数据的交换

　　基于动态生成数据采集模型，形成智慧教学终端应用与云公共服务平台的数据交互接口，实现不同来源的智慧教学动态生成数据的采集和统一呈现，支持更高层次的非结构化数据的分析应用。通过在智慧教学支撑系统之间设置xAPI配置文件，即云公共服务平台的数据采集标准遵循相同的动词使用、活动跟踪、排序规则、应用场景等约定，经过数据合并、去重、以及结构处理，将以JSON或XML格式描述的教学数据源同步到云端公共服务平台；同时，

　　五、总结

　　数据采集​​是大数据应用于教育的前提和基础。目前，在智慧教学环境下的数据采集模型和方法研究中，基础理论研究滞后于实际应用，已成为困扰教育大数据研究的前沿问题。当前，我国正面临新一轮教学环境建设与应用改革，而“智慧”是教学环境发展的最高追求。率先在教学动态生成数据采集方面取得进展，提升新一轮教学环境的智慧化。本文提出了一种面向智慧教学的情境感知模型，一种基于情境感知的动态生成数据采集模型，以及规范和存储机制，对*敏*感*词*跨系统数据采集和分析具有指导价值和参考意义。下一步的研究将着重构建云端结合的教育大数据分析生态系统。在数据采集

的基础上，需要考虑如何对采集

到的数据进行解读，使这些数据转化为知识服务于教学，提高教学决策质量。

　　本文发表于2018年第5期《电子教育研究》，转载请联系电化教育研究杂志社编辑部（官方邮箱：）

　　【参考】

　　[1] 朱志廷，何斌．智慧教育：教育信息化的新境界[J]．电子教育研究, 2012(12): 7-15.

　　

" />

　　[2] AHO E、HAVERINEN HL、JUUSO H 等。教师决策和课堂管理原则；个案研究和一种新的观察方法[J]. Procedia-社会和行为科学，2010（9）：395-402。

　　[3] NYSTRAND M、LAWRENCE LW、ADAM G 等。及时提问：调查展开课堂话语的结构和动态[J]. 话语过程, 2003, 35(2): 135-198。

　　[4] 丁继红，刘华中．大数据环境下基于多维关联分析的学习资源精准推荐[J]．电化教育研究, 2018(2): 53-59.

　　[5] OGATA H, CHENGJIU Y, ROSA GP, et al. 支持课堂外的移动语言学习[C]// IEEE 高级学习技术国际会议。IEEE 计算机学会，2006：928-932。

　　[6] Zixue C, SHENGGUO S, MIZUO K, et al. 通过比较学习教学要求与学习者行为的个性化泛在教育支持环境[C]//先进信息网络与应用国际会议。IEEE 计算机学会，2005：5 -573。

　　[7] TAN-HSU T, TSUNG-YU L, CHI-CHENG. 基于 RFID 的户外学习无所不在学习环境的开发与评估[J]。交互式学习环境, 2007, 15(3): 253-269 .

　　[8] GWO-JEN H, HSUN-FANG C. 一种基于形成性评估的移动学习方法，以提高学生的学习态度和成绩[J]。计算机与教育, 2011, 56(4): 1023-1031.

　　[9] KORHONEN H, ARRASVUORI J. 通过上下文因素分析个人移动产品的用户体验[C]// 移动和无处不在的多媒体国际会议，Mum 2010，塞浦路斯利马索尔，12 月。DBLP，2010：1-10。

　　[10] JUNISKO-PYYKKO S, VAINIO T. 构建移动 HCI 的使用背景[J]。国际移动人机交互杂志, 2010, 2(4): 1-28.

　　[11] BALDAUF M, DUSTDAR S, ROSENBERG F. 情境感知系统综述[J]。Ad Hoc 和普适计算国际期刊，2007 年，2(4)：263-277。

　　[12] AGHABOZORGI S、MAHROEIAN H、DUTT A 等。教育大数据挖掘的可行性分析研究[J]. Computational science and its applications–ICCSA 2014 Springer, 2014, 8583(03): 721-737.

　　[13] LARA JA、LIZCANO D、MARTINEZ MA 等。欧洲高等教育区电子学习环境中的知识发现系统——在马德里开放大学*敏*感*词*中的应用[J]。计算机与教育, 2014, 72: 23-36.

　　[14] DYCKHOFF AL、ZIELKE D、BULTMANN M 等人。教师学习分析工具包的设计与实现[J]. 教育技术与社会, 2012, 15(3): 58-76.

　　[15] IMS GLC。Caliper AnalyticsTM 背景 [EB/OL]。[2015-12-23]。。

　　[16] KOCH F, RAO C. 通过绩效评估分析实现*敏*感*词*个人教育 [J]。国际信息与教育技术杂志, 2014, 4(4): 297-301.

　　[17] JEONG JS, KIM M, YOO K H. 基于云计算的面向内容的智慧教育系统[J]. 国际多媒体与普适工程杂志, 2013, 8(6): 313-328.

　　[18] RAGHUVEER VR，TRIPATHY B K. 电子学习环境中自适应内容检索学习体验的按需分析[J]。电子学习与知识社会杂志, 2015, 11(1): 171-188.

　　[19] 顾晓晴，郑龙伟，简静．获取教育大数据：基于xAPI规范的学习体验数据获取与共享[J]. 现代远程教育研究, 2014(5): 13-23.

　　[20] MURRAY K, SILVERS A. 一次学习经历[J]. 先进分布式学习技术学报, 2013, 1(3-4): 7-13.

　　[21] SOTTILARE RA、RARSA C、HOFFMAN M 等人。表征个人和团队辅导的自适应辅导学习效果链[C]// Interservice/industry Training Simulation & Education Conference。2013.

　　[22] HUNG N M. 论与学习生态系统相关的形成性评价语义模型[J]. 国际信息与教育技术杂志, 2016, 6(1): 54-57.

　　[23] CORBI A, SOLANS D B. 回顾以电子学习为中心的推荐系统和学习分析中使用的当前学生监控技术。Experience API & LIME 模型案例研究[J]. 国际人工智能与交互式多媒体杂志, 2014 , 2(7): 44-52.

　　[24] JOHNSON A. 应用标准在严肃游戏中系统化学习分析[J]。计算机标准与接口, 2017, 50(C): 116-123.

　　[25] DODERO JM、GONZALEZ-CONEJERO EJ、GUTIERREZ-HERRERA G 等。设计学习分析架构时互操作性和数据采集

性能之间的权衡[J]. 下一代计算机系统, 2017, 68: 31-37.

　　[26] 李青, 赵越．学习分析数据互操作规范IMS Caliper Analytics解读[J]．现代远程教育研究, 2016(2): 98-106.

　　[27] DILLENBOURG P. 课堂编排设计[J]. 计算机与教育, 2013, 69(4): 485-492.

　　[28] HSUE-YIE W, TZU-CHIEN L, CHIH-YUEH C, et al. 增强无线学习环境可用性和可行性的三个学习活动水平框架[J]. 教育计算研究杂志, 2004, 30(4):331-351.

　　[29] 韩力，刘正杰，李辉，等．基于情境感知的远程用户体验数据采集方法[J]．计算机科学学报, 2015(11): 2234-2246.

　　[30] 洛林·安德森。布卢姆教育目标分类学：分类学视角下的学习、教学与评价[M]．姜小平等译。北京：外语教学与研究出版社，2009.

　　[31] CORBI A, SOLANS D B. 以电子学习为中心的推荐系统和学习分析中使用的当前学生监控技术回顾：体验 API 和 LIME 模型案例研究 [J]。国际交互式多媒体与人工智能杂志, 2014 , 2(7): 44-52.

　　智慧课堂中基于情境感知的动态生成数据获取方法与模型

　　王冬青1、韩厚2、邱美玲1、凌海燕1

　　(1.华南师范大学教育信息技术学院，广东广州510631；2.华南师范大学文学院，广东广州510631)

　　[摘要] 智能学习中动态生成的数据具有异构性、不完整性和强相关性的特点。由于传统方法难以对这些数据进行有效的采集和存储，建立统一的数据采集规范和存储机制，有效采集和分析过程数据成为智慧教育亟待解决的问题。本文构建了一个基于情境感知技术的智能学习数据获取模型，采用用户、任务、位置、时间、设备和基础设施六类信息来表示智能学习的情境。

　　本文基于xAPI规范和Caliper框架，采用四层定义动态生成数据描述框架和云数据交换机制，以解决云环境下基于教学场景的多源异构数据获取问题，为建立教育大数据模型、开发教育大数据云服务提供新的思路和方法。

　　[关键词] 情境意识；智慧教室；动态生成的数据；数据采集

　　【作者简介】王冬青（1978—），女，山东烟台人。副教授，博士，主要从事智慧课堂学习环境的设计与应用，以及基于教学大数据的学习分析研究。电子邮件： 。

　　[基金项目] 国家自然科学基金青年科学基金项目“基于情境感知的智慧教学动态生成数据采集模型及交互式可视化分析机制研究”（项目编号：71701071）；教育部人文社会科学研究青年基金项目“‘互联网+’模式下儿童数字阅读行为数据分析、设计与应用”（项目编号：17YJC880032）

　　技巧:关键词优化大师：最好的关键词排名优化工具

　　最佳 关键词 排名优化工具

　　如果你有几个网站，你可以像我一样购买一个繁荣的 关键词 排名优化工具。我之前用的是免费的，但是免费的是为了给网站增加流量等等。其实我不需要这些。我主要是想提高我网站的排名。后来咨询了Netway的售前技术。他们帮我分析了我网站的情况，然后给我推荐了一个6000。是的，到此为止了。

　　费用，Netway的关键词排名优化软件，他们好像费用不一样，几万，你需要什么，我用了9000多，是的，我的关键词有这么多人竞争，还好我排名第一页不会急于签单。

　　关键词 优化工具是什么？

　　

" />

　　关键词优化工具，又称点石关键词排名优化软件，是一款可以在短时间内有效提升指定词组、词组、句子等关键词的百度排名工具.

　　有利于品牌推广，稳定的自然排名可以获得同行和客户的信任。

　　是不是我们有了这个东西就不用做优化了，让他直接上百度首页。

　　百度优化大师有什么用

　　优化器是一种用于优化计算机软件的工具，但请谨慎使用。初学者一般不要使用，以免造成不必要的麻烦。

　　

" />

　　百度优化大师是一款针对百度关键词排名优化的软件。其官方网站为 油花。有更详细的解释。

　　优化器用于优化windows系统，清除一些垃圾文件，更改一些设置等。

　　对百度关键词优化大师影响大吗

　　软件只能作为辅助手段，更难达到大的效果。想一想，如果一个软件可以操纵百度排名，那百度排名一定是一塌糊涂。现在百度排名很乱？不会，所有的影响都不会太大。个人观点，仅供参考

　　爱牛，让您的网络营销一步到位！爱牛，让您的网络营销真正高枕无忧！爱牛，让你真正享受等客户*敏*感*词*的乐趣！爱牛网络营销，让你的网络开始吧！看看别人怎么说。