基于多模态数据分析的NR网络质量优化方法研究

随着5G技术的发展和应用,NR网络作为5G的核心组成部分,其网络质量的优化成为了通信行业的重要课题。本文以NR网络为例,基于路测、互联网拨测等测试数据和MR、MDT等网络数据以及投诉、DPI等网络测评感知等众测数据分析,开展多模态的网络质量优化方法。文章提出了一种利用大数据分析对不同来源的网络性能和用户体验数据进行关联、挖掘和应用的方法。首先介绍了NR网络的特点和挑战,然后分析了各种数据源的特征和价值,接着阐述了多模态数据分析的框架和流程,最后通过一些应用案例和实验结果展示了其有效性和优势。

基于多模态数据分析的在线学习智能评估反馈

基于互联网新一代信息技术的飞速发展,在线学习在我国基础教育中蓬勃发展,已经成为推动教育创新的重要力量。在线学习为学生提供了时空灵活性,丰富的学习资源共享以及全场景的行为数据化记录。然而,由于在线课堂发生在虚拟的网络空间中,其教学质量参差不齐的问题也日渐暴露。因此,我们提出一套合理的在线课堂智能质量评估反馈体系。该评估体系基于真实的多模态在线课堂数据,覆盖不同的在线教学形态,能够从老师视角和学生视角,全面考虑和衡量质量评估核心要素,进而实现在线教学的精准评估反馈。

国际学习分析技术研究进展与趋势分析——基于2014年至2016年Journal of Learning Analytics论文分析

学习分析技术是采集与学习活动相关的学习者数据,并运用多种方法和工具全方面解读数据的技术,它能够记录分析学习环境和学习轨迹,进而发现学习规律,预测学习结果,为学习者提供相应的学习策略,促进有效学习。本研究选取Journal of Learning Analytics期刊2014年至2016年发表的112篇文章作为样本,梳理了学习分析技术的内涵和特点,归纳分析了六类热点研究主题,分别是学生日志数据分析、在线话语数据分析、学习评价数据分析、多模态数据分析、学习预警数据分析、伦理隐私数据分析。最后,从分析技术、跨学科研究、情感数据、多模态数据、基础教育应用五个方面,探讨了学习分析技术在教育教学应用方面的研究趋势。