高性能计算与天文大数据研究综述

数据是天文学发展的重要驱动。分布式存储和高性能计算(High Performance Computing,HPC)为应对海量天文数据的复杂性、不规则的存储和计算起到推动作用。天文学研究中多信息和多学科交叉融合成为必然,天文大数据已进入大规模计算时代。高性能计算为天文大数据处理和分析提供了新的手段,针对一些传统手段无法解决的问题给出了新的方案。文中根据天文数据分类和特征,以高性能计算为支撑,对天文大数据的数据融合、高效存取、分析及后续处理、可视化等问题进行了研究,总结了现阶段的技术特点,提出了处理天文大数据的研究策略和技术方法,并对天文大数据处理面对的问题和发展趋势进行了探讨。

传感数据应用于学习分析的研究综述

在智能时代,各种智慧教育场所、移动智能终端和可穿戴设备中内置的传感器可以对教育过程中学习者的生理信息、行为动作、学习场所等数据进行捕捉,为全方位、情境性、过程性的学习分析提供了条件。基于此,文章采用系统性文献综述法,对51篇利用传感数据开展学习分析的实证研究文献进行分析,以揭示传感数据应用于学习分析的研究现状,探究基于传感数据的学习分析研究内容及其实证效果,并在此基础上探讨传感数据应用于学习分析的挑战和建议,以期为相关教育研究者与实践者提供教学设计与优化的实证参考。

A Solution of Grid Computing Flow Using MDA Methodology

This paper presents an approach to build a flow of grid services named GFlow. This approach converts all of the services＇ interfaces in globus toolkit 3 into platform independent model format. The conversion uses eclipse modeling framework plug-ins and graphical editing framework plug-ins to parse the models into platform specific models, which are responsible for implementation of grid services＇ clients and servers and their automatic deployment. This paper emphasizes on design method, which uses model drive architecture, and design process, which uses model-view-control.