網上關于小鍵盤刷卡機的刷卡知識比較多，也有關于小鍵盤刷卡機的問題，今天第一pos網(www.xingyun520.com)為大家整理刷卡常見知識，未來的我們終成一代卡神。

本文目錄一覽：

1、小鍵盤刷卡機

小鍵盤刷卡機

柴喚友1, 劉三女牙1,2, 康令云1, 張雅嫻1, 李卿2, 劉智2

1 華中師范大學國家數字化學習工程技術研究中心，湖北 武漢 430079

2 華中師范大學教育大數據應用技術國家工程實驗室，湖北 武漢 430079

摘要：數據采集是實現教育大數據應用價值潛能的基礎，因此對于教育大數據建設與應用至關重要。闡述了教育大數據的采集內容、采集方式、采集手段及標準與規范，并結合當前教育大數據建設與應用中的實際問題，分別從平衡數據共享與隱私保護、驅動數據治理與人才創新、創新采集機制與相關技術3個方面，對教育大數據采集研究提出對策與建議。

關鍵詞： 教育大數據 ; 數據采集 ; 數據倫理 ; 數據治理

論文引用格式：

柴喚友,劉三女牙,康令云, 等.教育大數據采集機制與關鍵技術研究[J]. 大數據, 2020, 6(6): 14-25.

CHAI H Y, LIU S N Y, KANG L Y, et al. Research on the mechanism and key technologies for big data collection in education[J]. Big Data Research, 2020, 6(6): 14-25.

中共中央、國務院印發的《中國教育現代化2035》和《加快推進教育現代化實施方案（2018—2022年）》明確指出，加快教育現代化是趕超世界先進教育水平的重要戰略部署。為實現這一目標，教育工作者和研究者需要充分運用新理念、新模式、新技術激發教育創新能力，培養適應時代發展的創新型人才。作為現今新興信息技術發展的重要構成部分，大數據已成為驅動新一輪教育變革和發展的核心力量，強力賦能我國的現代化教育事業。

教育大數據指在所有教育活動過程中產生的以及依據教育需求采集到的，一切用于教育發展并能創造巨大潛在應用價值的數據集合。作為大數據的一個子集，教育大數據特指教育領域的大數據，具有驅動教育決策科學化、學習方式個性化、教學管理人性化和評價體系全面化的價值潛能。在教育大數據的建設與應用過程中，如何對相關數據進行采集、分析和應用是三大核心研究問題。其中，數據采集是基礎，決定著教育大數據分析和應用的質量，并最終影響著教育大數據價值潛能的實現程度。然而，當前教育界學者對教育大數據的采集機制和技術尚未達成共識，存在一些有待解決的關鍵問題，如：教育大數據究竟包含哪些內容？如何采集？涉及哪些關鍵技術？需要遵守哪些標準與規范？針對上述問題的研究有助于推動大數據在教育領域中的大規模成功應用，并深化我國教育現代化的改革與發展。

教育大數據涉及的數據內容普遍存在場景多樣、量化困難、匯聚復雜等特點。具體而言，場景多樣是指教育大數據來源于眾多與教育或學習相關的場景，如教學活動、科研活動、社交活動等相關場景；量化困難源于教育場景的多樣性、人的不確定性以及人、機、物之間交互的復雜性等因素；匯聚復雜是因為教育大數據具有來源多樣化、結構異質化和內容復雜化等特點。

由于上述特點的存在，教育大數據的采集內容框架呈現出基于不同分類標準的多元化特點，目前較為常見的是依據數據采集場景來區分不同類別的教育大數據。根據數據采集場景的差別，教育大數據一般可被分為教育管理數據、教育教學數據、科學研究數據、室外學習數據、校園生活數據、成長經歷數據6個類別。每種類別的教育大數據分別涉及不同的數據主體、數據來源和數據內容，見表1。

教育管理數據來源于各種不同類型的教育管理活動，即管理者通過組織協調教育隊伍并借助教育內部各種有利條件，高效達成教育管理目標的活動過程。該過程通常涉及學生、教師、學校和其他相關機構等主體，可產生學校管理信息（如特等教師數量、教職工學歷信息等）、行政管理信息（如教育行政部門設置的大學專業門類信息）、教育統計信息（如班級規模、性別分布信息等）等。

教育教學數據是指師生在（線上或線下）教和學的活動過程中產生的數據，通常涉及學生、教師、教育資源和教育設備等主體。通過學生、教師與教育資源、教育設備間的交互，教學場景可以產生學生和教師的行為和狀態信息（如學生的學習策略、學習動機，教師的課前準備度和教學策略等）、教育資源信息（如PPT課件、微課、軟件等）、教育設備運行信息（如設備損耗、故障信息等）等。

科學研究數據是指學生（特別是研究生）在開展科學研究活動時產生的一系列數據內容，通常涉及學生、教師、論文、科研設備和科研材料等主體。相應地，科研活動中可以產生科研設備操作信息（如錯誤操作類型及數目等）、論文發表信息（如實際貢獻、發表時間、發表期刊名稱及影響因子等）、科研材料與消耗信息（如化學或生物試劑等）、導師指導信息（如論文修改意見等）等。

室外學習數據來源于學習者在教室外參與的一系列教育活動，如在動植物園中的生物習性研究、參觀各種場館、野外探險等。該活動通常由學習者主動發起，并由學習者自身進行調控和負責，涉及學習者以及與其交互的客觀環境或對象。在室外學習場景中，研究者通常可以采集學習者與客觀環境或對象之間的交互信息，如感知內容、互動記錄、活動體驗等。

校園生活數據是指學習者在校園非學習活動（如餐飲、上網、健身、社交等）中產生的各類數據，通常涉及學生、網絡、健身設備、刷卡機、社交工具等主體。通過參與上述非學習活動，學習者可以產生餐飲消費信息（如飲食類型及價格、就餐時間等）、上機上網信息（如上網時間、網絡活動類型等）、健身洗浴信息（如健身和洗浴的時間和頻率等）、社會交往活動信息（如好友數量、聯系頻率等）等。

成長經歷數據是指伴隨學生成長（從出生到現階段）而產生的各種環境（包括家庭環境、社會環境、校園及班級環境）數據，涉及學生、家長、教師、社會環境等諸多主體。在成長過程中，學習者可以產生一系列同個人成長經歷有關的環境信息，如家庭經歷（如家長文化素養、職業特點）、校園經歷（如學校規章制度、教師特點）和社會環境（如社會風氣、社會期望）等。

總而言之，上述6個類別的數據相輔相成、相互促進，共同構成了教育大數據全面且豐富的采集內容。

由于數據來源多樣（如國家、區域、學校、班級和個體等不同來源）且形式不一（如結構化、半結構化以及非結構化數據共存），教育大數據的采集方式也相應具有多樣化特點。總體而言，教育大數據的采集方式主要包括集中式采集、伴隨式采集和周期性采集3種。其中，集中式采集側重于數據采集的統一性，伴隨式采集側重于數據采集的實時性，而周期性采集側重于數據采集的連續性。

（1）集中式采集

集中式采集是指教育管理機構借助教育管理活動而統一開展的數據獲取方式。例如，對學生在家庭情況、校園生活和學習環境3方面的成長經歷數據進行統一采集。在教育大數據視域下，不同機構、不同單位采集的不同層次、不同類型的信息不再相互割裂，而是可以得到整合和管理，因此有助于研究者獲得針對特定分析對象的全面且豐富的理解。集中式采集的教育大數據主要以結構化和結果性數據為主，具有覆蓋面廣、標準化程度高、關注層面相對宏觀的基本特點。其中，覆蓋面廣是指相關數據內容涵蓋廣泛，包括學生個體層次、家庭層次和學校層次等多方面的內容；標準化程度高是指相關數據內容一般具有統一的采集標準，易于分析和處理；關注層面宏觀是指相關數據內容通常指向特定分析單元的教育發展整體狀況，具有宏觀性。

（2）伴隨式采集

伴隨式采集是指借助教育信息管理系統（如特定課程管理系統）應用在管理過程中實時產生教育基礎數據而開展的數據獲取方式。例如，學習（或課程）類系統會全程記錄學習者的在線行為數據，如學習時長、鼠標點擊次數及頻率、論壇讀帖和發帖的次數和時間、作業和考試次數等；管理類系統會有效記載學校的資產和人事信息，如學籍管理、教學設備、教務科研、財務人事以及校園安全與生活等數據。在教育大數據視域下，智能化數據采集除了關注學生的在線表現，還重視學生線下的學習、練習或實踐等過程性數據，例如，利用可穿戴設備可自然真實地抽取學生實踐練習中的生理表征和行為習慣，而無須過多的人工干預。通過全域式網絡架構與學生隨身攜帶的新型便攜式智能傳感器，新型數據采集系統可實現伴隨式采集學生學習的全過程數據（除了學生的常規學習過程信息，還包括個人提交的作品信息、社會實踐相關信息等）的目標。伴隨式采集的教育大數據以過程性數據為主，普遍具有密集性、動態性、復雜性、全面性等特點。其中，密集性是指相關數據內容產生的速度和數量級別均遠遠高于常規總結式采集方式，動態性是指相關數據內容一直處于持續、動態的定位與追蹤之中，復雜性是指相關數據內容通常類型多樣、結構異質，全面性是指相關數據內容能夠完整記錄所有與學生學習相關的信息。

（3）周期性采集

周期性采集是指利用特定教育管理軟件對學習環境、教學過程、教育質量等進行周期性監控和測量的數據獲取方式。例如，學生在入校之初會被統一要求登記身心健康信息、家庭基本信息；學校會定期更新全體教職工基礎信息、教育設備運行信息、行政管理信息、人事資產信息和學校管理信息等。在教育大數據視域下，個體、專業、學校等不同層次不同類型的數據內容皆可被納入周期性采集的對象范圍內。周期性采集的教育大數據在數據類型上同時包含過程性和結果性數據，在分析層次上以整體性層次（較少關注學生個體的教育發展水平）為主，具有連續性、規范性和充分性的基本特點。其中，連續性是指相關數據內容應多次采集，以確保客觀評估；規范性是指相關數據內容的采集應符合特定情況下的技術規范，以保證后續數據的一致化分析和處理；充分性是指相關數據內容的采集可從多個路徑和渠道獲得，以保證數據的多樣性。

構建多樣化的數據采集手段有助于擴展教育大數據采集的廣度和深度。目前，教育大數據的采集手段主要有平臺采集（針對在線人機交互時產生的學習過程數據）、視頻錄制（針對線下教學環境中學習者交互的視頻音頻數據、校園安全數據等）、圖像識別（針對學習過程中的圖像類數據）、物聯感知（針對校園環境下產生的學習者的學習生活數據及個人生理數據）等。

（1）平臺采集

平臺采集是指借助各種與教育或學習相關的移動或桌面應用平臺，獲取教育數據內容的方法或手段。隨著教育信息技術的不斷發展，越來越多的移動或桌面應用平臺被應用在教育領域中，利用這些平臺進行教育數據采集也隨之成為可能。目前，基于平臺采集的教育數據采集技術主要涵蓋平臺自動記錄技術、日志搜索分析技術、移動App技術和網絡爬蟲采集技術等。

平臺自動記錄技術是指基于在線學習與管理平臺內的嵌入式數據采集系統，自動記錄并獲取學習者的在線學習行為數據（如平臺登錄次數、駐留時間等）的技術。由于在線學習與管理平臺使用人數的迅猛增長，基于該技術開展教育數據挖掘已成為當前教育大數據研究領域的一大熱點。例如，來自斯坦福大學的Bihani A等人在進行在線學習成績預測時，從Piazza在線論壇中挖掘了學生登錄總天數、查看帖子數、提出問題數、回答問題數等量化數據。

日志搜索分析技術是指針對教育或學習應用平臺中發生的所有事件（如學習者訪問記錄、運維工作記錄等）進行記錄并分析的技術。基于數據驅動或理論驅動方法，教育研究者可以利用該技術發現學習者的在線表現特點及其規律。例如，悉尼大學的McBroom J等人在考察周練習任務中學習者行為與其期末考試成績之間的聯系時，對來自該學校初級計算機科學數據結構課程的494名學生的程序評估提交和測試應用（programming assessment submission and testing application，PASTA）平臺的練習日志數據進行了長期行為分析。

移動App技術是指利用教育App采集學生學習（過程性或結果性）數據的技術。典型的相關技術工具有國外的化學實驗模擬類ChemCrafter、數學教程視頻類Virtual Nerd mobile Math、新聞閱讀類Newsela、教育互動類eduClipper等，以及國內的小猿搜題、猿輔導、扇貝單詞等不同類型的教育App。移動App可被用于輔助傳統教育，因此基于該類應用采集的數據可作為教育大數據分析內容的強力補充。

網絡爬蟲采集技術一般是指依據一定準則，借助特定程序或者腳本自動捕獲網頁信息的技術。目前應用較多的爬蟲框架采集方法包括基于Hadoop平臺開發的Chukwa、基于Facebook的Scribe、基于LinkedIn的Kafka以及基于Cloudera的Flume等。在教育領域中，該技術可被用于捕獲并分析教育應用平臺中的文本信息，如學生在異步論壇中發布的帖子、校園貼吧中的輿情信息等。

（2）視頻錄制

視頻錄制是指對源于計算機硬件終端和計算機視窗環境內的視頻內容加以錄制的方法或手段。典型的錄制模式包括捕捉攝像頭、攝像機、數碼相機、硬盤錄像機等硬件視頻，以及可錄制計算機視窗內容的游戲視頻和電影視頻等。目前，視頻錄制手段涉及的教育數據采集技術主要有視頻監控技術和視頻錄播技術等。

視頻監控技術是指借助視頻監控設備檢測、監視特定物理區域，實時展示、記錄現場圖像，或支持搜索和展示歷史圖像的技術。在教育領域中，該技術可被用于監控校園環境，提供關于校園安全的數據信息。例如，一些企業開發的校園網格化監控系統可實現實時監控校園環境的目標。

視頻錄播技術一般是指可在教師現場授課的同時，自動產生課堂教學實況錄像，并完整錄制教師授課全過程的技術。該技術可在無須專人操作控制的條件下錄制整個教學過程，因此極大地方便了視頻課程資源的制作和記錄。例如，國內一些公司開發的便攜錄播視頻工具能夠實現基于無線攝像機的全場景拍攝目標。

（3）圖像識別

圖像識別是指對特定物理圖像進行對象檢測，以識別各種不同模式的目標和對象的技術。作為人工智能的重要研究領域之一，圖像識別在教育領域有廣泛的應用，如網評網閱技術、點陣數碼筆技術和拍照搜題技術等。

網評網閱技術是指以電子掃描技術和計算機網絡技術為基礎，將多年來人工閱卷積累的豐富經驗與現代信息技術相整合的一種先進、科學、高效的自動化評分方式。相比傳統人工評閱方法，網評網閱技術能夠極大地降低廣大教師的工作負擔，并支持更為精準科學的教育教學評價。例如美國教育考試服務中心開發的TextEvaluator以及科大訊飛開發的智能閱卷技術，后者已于2017年在襄陽中考中率先使用，目前已被廣泛應用于上海、青島等城市的中考閱卷。

點陣數碼筆技術是指一種通過數碼筆前端的高速攝像頭實時捕捉筆尖在印刷了一層隱形點陣圖案的紙張上的運動軌跡，同時壓力傳感器將壓力數據傳回數據處理器，然后將相關信息通過藍牙或者USB向外傳輸的新型書寫技術。不同于傳統紙筆書寫，該技術能夠記錄紙張類型、筆尖坐標、筆尖壓力等信息，并支持本地存儲及遠程傳播功能。根據應用類型的不同，點陣數碼筆技術可被劃分為：支持個人筆記作業管理的DoTnore數碼筆，其書寫內容可被同步保存到電腦、平板和手機上；支持教學課堂交互的Symphony數碼筆，其特點是可以多人同時使用，而且結果可被同步到教師電腦上；支持遠程教學會議的Tnote數碼筆，該技術能夠突破基于視頻、語音、鍵盤的傳統交互方法，打破時間空間限制，從而提供紙面書寫的交流方式。

拍照搜題技術是指通過拍照、語音等方式幫助用戶快速找到疑難問題的答案的技術。該技術融合了掃描、識別、檢索等技術手段和海量題庫大數據，有助于學生提升學習效率，并實時采集學生作業練習數據。目前國內作業幫、小猿搜題、學霸君、網易有道詞典等教育產品均可實現該功能，其中作業幫還根據學生、家長、老師三大群體進行了拍照搜題功能的細化區分。

（4）物聯感知

物聯感知是指基于現有和正在發展中的可互操作的信息通信技術，通過互連（物理和虛擬）事物來實現測評特定對象的一種全球性基礎設施或技術增強型解決方案。由于物聯網具有無處不在的特性，學校和學術機構正在尋求將物聯感知納入教育活動，以解決教育部門的各種模式、目標、主題和觀念問題，最終使學生、教師和整個教育系統受益。現有教育領域內的物聯感知采集手段主要包括物聯網感知技術、可穿戴技術、非接觸式感知技術、校園一卡通技術和多模態融合技術等。

物聯網感知技術一般是指被用于物聯網底層（即物理世界中發生的具體物理事件）感知信息的技術，在教育領域主要指多媒體信息采集技術。通過多媒體信息采集技術，多媒體計算機系統中的主機能夠隨時采集各種多媒體外接設備的狀態（視頻或音頻）信息，從而為相關（教學）設備的精確調整提供信息支撐。例如，Cook C等人通過使用自動語音識別設備對來自兩個州7所學校14名教師的132堂課進行音頻錄制，能夠實現課堂效果評估和學生成績預測的目標。前谷歌工程師Ventilla M創辦的Altschool中的Alt Video系統通過各種傳感器、攝像頭和麥克風綜合采集學生課堂行為數據，有助于改進教學過程和教學系統。

可穿戴技術是指利用可直接穿戴在用戶身上或嵌入用戶衣飾或配件內的設備（如智能手環、谷歌眼鏡）開展數據采集的技術。通過可穿戴設備，學習者個體的生理狀態及學習行為數據能夠得到實時的記錄和存儲。例如，在學生的語音指令下，集成了麥克風、耳機以及微型攝像頭的谷歌眼鏡可以開展拍照攝像，從而實現及時保存教師板書內容的功能。

非接觸式感知技術是以光電、電磁等技術為依托，在不接觸被測對象的情形下，獲取其基本信息的科學技術或手段。在教育領域中，該技術強調在不產生干擾的情況下采集學習者的生理與行為數據，有助于實現針對學習者信息（認知、行為及情感）的自動化和非侵擾式采集。例如，為了分析學生的注意力，Millsa C等人、Stewart A等人借助Logitech C270攝像頭和Tobii TX 300眼動儀，對觀看《紅氣球》電影的60名參與者進行了生理和行為數據采集。

校園一卡通技術是指基于將智能卡物聯網技術、計算機網絡的數字化理念融合于校園日常管理而開展的統一管理身份認證、人事、學工等信息的應用解決方案。該技術能夠統一記錄并采集學習者的金融消費、圖書借閱和考勤等校園生活信息，是構建“數字化校園”和“智慧校園”的重要組成部分。例如，華東師范大學率先利用學生的一卡通餐飲消費數據，對經濟困難的學生提供情感撫慰和助學金支持，這體現了基于物聯感知數據的人性化關懷。

多模態融合技術一般是指聯合圖像、文本、語音等多模態信息進行目標檢測或識別的技術。在教育領域中，該技術可被用于分析與學習者相關的多維度數據，以識別和解釋內在學習過程、特征和變化，最終助力學習者學習體驗和學習績效的提升。其中，情感識別技術被認為是多模態融合技術在教育領域中的典型應用。如何基于教學視頻中的視頻、音頻和文本等多樣化信息判斷學習者學習過程中的情感狀態，是教育領域內相關學者正在關注且亟須解決的關鍵問題。例如，Wampfler R等人使用觸控筆、數位板、生物傳感器（Empatica E4、Shimmer GSR、GoPro HERO3）等產生的多模態數據，分析88位參與者在解決數學任務時的情感狀態；Vail A等人在分析學生參與Java編程課程時的情感反應時，綜合采集了學生的手勢、姿勢、面部表情變化和皮膚電活動等信息。

出于教育科學研究和大數據研究的學術目標和倫理要求，許多研究機構或組織針對教育大數據的不同方面制定了一系列基本標準與規范，如描述學習者信息的朋友的朋友（friend of a friend， FOAF）規范、面向教學內容的學習目標元數據（learning object metadata，LOM）標準、全國信息技術標準化技術委員會教育技術分技術委員會（China E-Learning Technology Standardization Committee， CELTSC）構建的教學評價標準等。但總體而言，這些標準與規范大多針對教育大數據的不同主體、不同層次和不同教育過程，缺少針對教育大數據采集方面的標準與規范。

依據教學活動的不同構成部分，可將教育大數據采集標準劃分為下述5類：教學主體類、教學評測類、教學資源類、教學管理類和教學過程類。教學主體類標準是指針對學生、家長、教師、教研員和教學管理者等制定的采集標準，包括倫理（即針對學生隱私保護的規范）和權益（如學生的知情同意權、自由參與權）方面的規范等。教學評測類標準是指針對教學目標、知識能力、信息素養、教學能力等的評測而制定的采集標準，如術語方面的規范（如對評測指標的命名方式及其特點的定義方式等）。教育資源類標準是指為統一描述、封裝與重組不同形式、不同粒度、不同格式的教學資源而制定的采集標準，如格式（如資源數據的記錄方式）方面的規范。教學管理類標準是指針對指向管理需求的一系列基本信息和管理數據（如學生教師數據、學校數據和基礎設施數據等）而制定的采集標準，如過程（即依據管理活動類型而確定的數據采集流程）方面的規范。教學過程類標準是指為描述教學過程中教學主體與教學內容（如課程、資源等）、教學環境（如傳統教室、戶外學習環境）及其他教學活動參與者之間的交互經歷而制定的采集標準，如支撐技術（如采集工具類型及其使用方式）方面的規范。5種類別的采集標準通過有機結合，共同構成了教育大數據采集標準與規范的復雜內涵。

數據采集是教育大數據建設與應用的基礎和關鍵，針對其機制與技術的研究不僅關系著教育大數據采集的數量與質量，還影響著后續的分析及應用過程，因此對教育大數據發揮其教育潛能至關重要。然而目前，教育大數據采集機制與技術研究仍存在許多問題，在教育數據倫理、教育數據治理和教育數據采集規范等方面面臨諸多挑戰，因此需要研究者加以關注并解決。

（1）數據共享與隱私保護的平衡挑戰

作為一種特殊的大數據資源，教育大數據需要適度向社會和公民開放，但由此會產生隱私泄露、數據濫用等潛在風險，因此教育大數據的隱私保護和安全問題必須得到重視和解決[28]。首先，應明確采集用戶或研究目的。其次，有必要采取特定措施，以確保數據主體對數據采集享有知情同意權，防止侵犯個人隱私。應開發更先進、安全系數更高的技術手段來保障教育數據安全，以避免教育隱私數據泄露和數據濫用等問題。同時，應規范數據開放與共享的流程，以防止操作不當帶來的數據泄露問題。最后，應加快制定“教育大數據安全管理辦法”，從制度層面保障數據主體的隱私安全。

（2）數據治理與人才創新的驅動挑戰

在教育信息化2.0時代，各種教育場景無時無刻不在產生海量的、多來源的、多種結構類型的數據，如何協同教育相關部門開展高效的數據治理，是教育大數據建設與應用過程中必須面臨和解決的一大核心問題。首先，應充分發揮各類教育相關主體（包括政府、學校、企業等）在建設與應用教育大數據上的獨特優勢，驅動教育大數據采集的來源多樣性和內容全面性；其次，應盡快確立教育大數據治理的相關方法和機制，推動教育大數據治理的規范化、制度化和常態化；最后，應大力培養教育大數據治理人才，鼓勵支持技術創新，助力教育大數據治理的有效性和高效性。

（3）采集機制與相關技術的創新挑戰

借鑒（廣義）大數據領域的相關研究成果，教育大數據已在數據采集方面積累了一定的知識與經驗。但和其他領域的相關研究類似，教育大數據采集研究也存在一些機制與技術上的“通病”，有待未來研究者加以關注和解決。首先，針對教育領域內的密集型數據，如何保證數據采集的可靠性、如何確保采集的數據質量、如何避免出現重復數據等，都需要通過更新現有的采集機制和相關技術加以解決。其次，現有的教育大數據采集技術雖然在一定程度上能夠解決傳統數據采集方式的一些缺陷，但也會帶來一些新的問題，如測量精度不高、受環境影響較大等。因此，未來有必要探索更為穩定且精準的新型采集技術。再次，考慮到教育場景的多樣性和復雜性，在針對特定教育場景開展數據采集時，有必要選擇合適的采集機制與技術，“因地制宜”，以確保數據采集的有效性和可靠性。最后，為了使教育大數據能夠發揮最大效力，未來還可考慮采集并融合學習者的“個體性數據”，以支持和推動個性化學習服務，達成“因材施教”的核心教育目標。

隨著現代信息技術的迅猛發展，教育大數據正以全新方式驅動教育決策、學習方式、教學管理和評價體系的智能化和信息化。其中，數據采集作為教育大數據建設與應用中的基礎性過程，是實現教育大數據價值潛能的關鍵。本文概述了教育大數據的采集內容、采集方式、采集手段及采集基本規范。在此基礎上，進一步探討了教育大數據采集研究面臨的問題和挑戰，并指出了未來的潛在研究方向。未來要繼續深入探討教育大數據建設與應用中的數據采集問題，強力推動大數據賦能教育事業，從而確保實現教育現代化的最終目標。

Tel:010-81055448

010-81055490

010-81055534

E-mail:bdr@bjxintong.com.cn

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

轉載、合作：010-81055537

大數據期刊

《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的期刊，已成功入選中文科技核心期刊、中國計算機學會會刊、中國計算機學會推薦中文科技期刊，并被評為2018年國家哲學社會科學文獻中心學術期刊數據庫“綜合性人文社會科學”學科最受歡迎期刊。

以上就是關于小鍵盤刷卡機的知識，后面我們會繼續為大家整理關于小鍵盤刷卡機的知識，希望能夠幫助到大家！

轉載請帶上網址：http://www.xingyun520.com/shuakatwo/218066.html