课题申报模板 1731-大数据时代基于机器学习的教学质量自我完善方案
说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。
优质课题模板精选 大数据时代基于机器学习的教学质量自我完善方案 1.问题的提出、课题界定、国内外研究现状述评、选题意义与研究价值 近年来大数据技术已经在全球学术界、工业界和各国政府得到高度关注和重视，全球掀起了一个可与20世纪90年代的信息高速公路相提并论的研究热潮。美国和欧洲一些发达国家政府都从国家科技战略层面提出了一系列的大数据技术研发计划，以推动政府机构、重大行业、学术界和工业界对大数据技术的探索研究和应用。为了紧跟全球大数据技术发展的浪潮，我国政府、学术界和工业界对大数据也予以了高度的关注。2013年以来，国家自然科学基金、973计划、核高基、863等重大研究计划都已经把大数据研究列为重大的研究课题。不断积累的大数据包含着很多在小数据量时不具备的深度知识和价值，大数据分析挖掘将能为教育行业带来巨大的教学价值，进一步提升教学质量和社会效益。本课题是大数据深度应用的一个实例。基于统计和概率的机器学习，在海量数据和拥有高速计算能力计算机的帮助下，可以展现非常强大的一面。最近10年，是以深度学习为引领的人工智能相关技术飞速发展的时期，同时也是互联网产业飞速发展的时期 两者相互推动促进。新一代人工智能技术离不开大数据，而互联网企业一直在思考如何利用这些天然拥有的大数据。 2016年3月15日，谷歌阿尔法围棋与李世石的人机大战五番棋第五局在韩国四季酒店战罢，李世石执黑中盘落败，双方比分最终定格为阿尔法4：1取胜。阿尔法狗的神速进步，归根结底是大数据的积累及洞察，将人类智慧经验变成客观的、可观的、能够精准判断、可以快速学习的运用方式，不断优化行为，最后甚至发生了质变。所以，从这个角度看来，阿尔法狗打败人类，本质是象征着大数据深度运用后的巨大提升。 本课题研究的是如何利用大数据技术，结合人工智能算法，实现对教学质量的自我完善过程。 大数据将成为观察人类自身社会行为的“显微镜”，学生上课、读书、写笔记、做作业、进行实验、讨论问题、参加活动等都是教育大数据的一个来源。教师授课、备课、答疑、批改作业，诸如此类在学校里发生的事情，都将转化为大数据存储到数据库中。通过大数据技术手段和机器学习算法，实现对教育活动中点滴微观行为的捕捉和宏观分析，帮助我们了解学生对知识的掌握程度以及学生的兴趣点，进而反思我们的教学是否满足学生的需求，最后促进我们改进教学质量。 2.课题理论依据、研究目标、研究内容、研究假设、创新之处 （1）理论依据 目前，国内外业界和学术界专家普遍认同的观点是，越来越多的海量数据资源加上越来越强大的计算能力，已经成为推动大数据时代人工智能技术和应用发展的动力，将基于大数据的机器学习和人工智能推上了新一轮发展浪潮，让大数据机器学习成为全球业界和学术界高度关注的热点研究领域。 （2）研究目标 本课题研究的是如何利用大数据技术搜集和分析教学活动的点点滴滴，比如学生上课、读书、写笔记、做作业、进行实验、讨论问题、参加活动等等。我们利用大数据技术对这些大量的结构化或非结构化的数据进行整理和汇总，并结合机器学习算法进行建模和分析，最后找到我们的教学质量中需要改进的地方，有针对地进行教学质量的改善，达到教学质量的自我完善。 （3）研究内容 本次研究包括以下内容： 1)大数据开源技术研究 大数据开源技术的研究，主要包括Hadoop、Redis、MongoDB。其中Hadoop是大数据课题界定、研究现状、选题意义、研究价值、理论依据、研究目标、研究内容、研究假设、创新之处、研究思路、研究方法、技术路线、实施步骤 优质课题模板精选 平台的基础框架，是由Apache基金会所开发的分布式系统基础架构，主要包括HDFS和Map-Reduce两项核心技术。HDFS用于分布式海量数据存储，Map-Reduce实现分布式算法。 Redis是高性能的实时分布式内存存储和管理系统。它以key-value形式存储数据。为了保证效率，其数据是缓存在内存中，然后会周期性地把更新的数据写入磁盘或者把修改操作写入追加的记录文件。它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hash（哈希类型）。这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。在此基础上，redis支持各种不同方式的排序。 2)机器学习算法研究 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 可使用的算法包括：回归分析、正则化方法、决策树算法、贝叶斯算法、聚类方法、关联规则学习、人工神经网络、深度学习、降维方法、集成方法等等。 3)基于大数据的机器学习框架研究 Mahout 是 Apache Software Foundation（ASF） 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。Mahout包含许多实现，包括聚类、分类、推荐过滤、频繁子项挖掘。 Mathout的算法运行Hadoop平台下，是基于大数据平台的机器学习框架。它的算法可以通过MapReduce实现，可以帮助设计人员快速建立具有机器智能的应用程序。 （4）研究假设 本课题试图在教学活动所产生的大量数据集中找出隐藏规律。假设给定的一个数据集合满足属性-值形式，其变量集合事先确定，且针对每次观测，每个变量必须赋予一个数值，计算模型符合y=F(x)，y的值域定义在实域上。先利用大数据技术对大数据集进行分类汇总，然后按时间序列对汇总数据进行整理，组成样本空间。再利用统计和概率方法进行机器学习训练，找到数据中的规律，最后形成符合和接近实际的模型。 （5）创新之处 传统的教学质量分析方法，是在已知数据范围、好理解的数据中进行分析。这些数据已经在关系模型上建立了关联关系，而分析也是在此基础上进行的，而且因为需要人工进行分析，主观性更多一些。 3.研究思路、研究方法、技术路线、实施步骤 （1）研究思路 首先是技术准备，先搜集和整理大数据、机器学习相关的技术支持，熟悉常用的大数据平台和机器学习技术。 然后是平台构建，基于大数据分析的机器学习算法，在相应的技术支持下，构建可支撑教学质量分析的大数据应用平台，在这个平台上设计可用于教学质量分析的数据模型。 再接着，尝试把教学过程中的数据采集到大数据分析平台上，并基于上面设计的模型进行分析。在分析的过程中，使用机器学习算法，经过多次模型训练和改进，达到模型的自我优化。最后我们得到一个可用的模型。 最后，将分析结果得到的模型用于教学质量改进过程，指导教学过程的自我完善。 （2）研究方法 课题界定、研究现状、选题意义、研究价值、理论依据、研究目标、研究内容、研究假设、创新之处、研究思路、研究方法、技术路线、实施步骤 优质课题模板精选 一是探索性研究法，用已知的信息，探索、创造新知识产生出新颖而独特的成果或产品。利用图书馆、网络数据库等开展文献查阅、搜集、整理与分析，了解新科技新技术。二是调查法。为了使得该系统更有针对性，全面把握教学活动的各个流程环节，笔者通过问卷调查、访谈、观察等方式分别对不同院校的教师和学生进行调查。 （3）技术路线 整个方案的后台部分包括大数据平台和机器学习模块两部分。 其中，大数据平台采用的技术主要包括Hadoop、Redis、MongoDB、Spark；机器学习采用的技术主要包括Mathout。前台部分采用基于AJAX技术的富客户端技术，主要包括Bootstrap UI、Spring MVC。 （4）实施步骤 整个方案的实施过程将按照下面的流程进行： 第一、调查大数据和机器学习相关的开源技术，选择适用于本方案的技术支撑；（2016.10.1—2016.12.31） 第二、构建基于大数据的数据采集平台，采集教学活动中产生的数据；（2017.1.1—2017.3.31） 第三、设计和实现基于大数据的机器学习算法模型；（2017.4.1—2017.5.31） 第四、基于采集平台上的数据和算法模型，进行不断的模型训练和改进过程；（2017.6.1—2017.7.30） 第五、基于上以产生的量化数据，分析和总结教学质量改进方案；（2017.8.1—2017.10.30） 第六、最终论文撰写。（2017.11.1—2017.12.31） 课题界定、研究现状、选题意义、研究价值、理论依据、研究目标、研究内容、研究假设、创新之处、研究思路、研究方法、技术路线、实施步骤 本文来源：https://www.wddqw.com/doc/26d72d0d53e79b89680203d8ce2f0066f4336464.html