商品详情
书名：教育大数据：技术与应用
定价：136.0
ISBN：9787030735386
作者：周庆等
版次：1
出版时间：2026-06
内容提要：
目录：
目录
第1章 教育大数据概述 1
1.1 教育大数据的基本概念 1
1.1.1 相关概念 1
1.1.2 教育大数据技术 3
1.2 教育大数据技术框架 4
1.3 本章小结 6
参考文献 6
第2章 数据获取技术 7
2.1 数据采集 7
2.1.1 直接采集 7
2.1.2 间接采集 8
2.2 数据传输 10
2.2.1 近距离无线传输 11
2.2.2 远距离无线传输 12
2.2.3 应用举例 12
2.3 数据预处理 13
2.3.1 数据抽取 13
2.3.2 数据转换 14
2.3.3 数据装载 15
2.4 ETL工具介绍 15
2.4.1 DataStage 15
2.4.2 Informatica PowerCenter 15
2.4.3 Kettle 15
2.5 本章小结 16
参考文献 16
第3章 大数据存储与处理 17
3.1 大数据面临的挑战 17
3.1.1 数据规模大 17
3.1.2 数据来源多样化 17
3.1.3 数据快速增长 18
3.2 大数据存储技术 18
3.2.1 存储技术的发展 18
3.2.2 分布式文件系统 20
3.2.3 NoSQL数据库 21
3.3 大数据处理框架 26
3.3.1 批处理框架 27
3.3.2 流处理框架 27
3.3.3 混合处理框架 28
3.4 本章小结 28
第4章 特征工程与机器学习 29
4.1 特征工程 29
4.1.1 特征衍生 29
4.1.2 特征提取 29
4.1.3 特征选择 30
4.2 机器学习技术 30
4.2.1 机器学习概述 30
4.2.2 监督学习算法 32
4.2.3 神经网络与深度学习技术 37
4.3 本章小结 43
参考文献 43
第5章 数据可视化技术 44
5.1 数据可视化概述 44
5.2 数据可视化典型方法 45
5.2.1 时空数据可视化 45
5.2.2 非时空数据可视化 53
5.3 数据可视化工具 62
5.3.1 Gephi 62
5.3.2 ECharts 65
5.3.3 Processing 67
5.4 本章小结 68
参考文献 68
第6章 学生学业表现预测应用 69
6.1 引言 69
6.2 数据预处理 71
6.2.1 网络日志数据及预处理 71
6.2.2 学生成绩数据预处理 75
6.2.3 校园卡消费数据预处理 76
6.3 在线视频和网络游戏时间估算 76
6.3.1 网站访问模式分析 76
6.3.2 在线视频访问时间估算 81
6.3.3 网络游戏时间估算 84
6.4 模型构建与评估 84
6.4.1 模型使用的数据集 84
6.4.2 网站类型的选择 86
6.4.3 模型的评价标准与验证方法 89
6.4.4 模型建立 91
6.4.5 结果分析 99
6.5 本章小结 100
参考文献 101
第7章 学生留级预警应用 102
7.1 数据源和预处理 104
7.1.1 数据集介绍 104
7.1.2 数据预处理 109
7.2 基于多数据源的学生留级预测 113
7.2.1 训练集与测试集的选取 113
7.2.2 相关性分析和特征选择 113
7.2.3 模型评价指标与验证方法 114
7.2.4 模型构建与实验 115
7.3 基于课程分类的学生留级预测 123
7.3.1 学生课程分析 123
7.3.2 学生课程数据分析及类别划分 124
7.3.3 一种利用课程分类预测留级的方法 127
7.3.4 利用课程分类方法进行留级预测 128
7.3.5 一种改进的留级预测方法 131
7.4 本章小结 135
参考文献 136
第8章 教师画像应用 138
8.1 引言 138
8.1.1 研究背景 138
8.1.2 研究现状 139
8.1.3 主要研究内容 141
8.2 教务系统学生评教文本处理 142
8.2.1 数据集 142
8.2.2 数据预处理 143
8.2.3 评教Aspect与Opinion提取 145
8.2.4 Aspect映射与Opinion情感分类 151
8.3 教务系统学生评教分数分析方案 154
8.3.1 数据分析与处理 154
8.3.2 学生评分模式挖掘 160
8.3.3 评分改进模型 163
8.4 本章小结 167
参考文献 168
第9章 学生就业推荐应用 170
9.1 引言 170
9.1.1 研究背景 170
9.1.2 国内外研究现状 171
9.1.3 研究内容和主要贡献 173
9.2 学生就业模式分析 174
9.2.1 数据集 174
9.2.2 特征选取 178
9.2.3 学生就业模式分析 181
9.3 个性化就业推荐算法 191
9.3.1 总体框架 191
9.3.2 毕业生群体识别 191
9.3.3 毕业生就业推荐 194
9.3.4 就业推荐算法求解 196
9.4 学生就业推荐结果 198
9.4.1 实验设置 198
9.4.2 毕业生群体识别结果 199
9.4.3 就业推荐表现 202
9.4.4 个性化偏好作用 204
9.4.5 个性化偏好展示 204
9.5 本章小结 209
参考文献 210
定价：136.0
ISBN：9787030735386
作者：周庆等
版次：1
出版时间：2026-06
内容提要：
本书内容分为三个部分。第一部分即第1章，概述教育大数据技术的基本概念、主要特征以及教育大数据平台的基本框架。第二部分即第2～5章，分别介绍与教育大数据相关的数据获取、存储与处理、特征工程与机器学习及数据可视化等基础技术。第三部分即余下各章，描述作者团队利用教育大数据技术解决成绩预测、学生留级预警、教师画像、就业推荐等问题的研究过程与结果。
目录：
目录
第1章 教育大数据概述 1
1.1 教育大数据的基本概念 1
1.1.1 相关概念 1
1.1.2 教育大数据技术 3
1.2 教育大数据技术框架 4
1.3 本章小结 6
参考文献 6
第2章 数据获取技术 7
2.1 数据采集 7
2.1.1 直接采集 7
2.1.2 间接采集 8
2.2 数据传输 10
2.2.1 近距离无线传输 11
2.2.2 远距离无线传输 12
2.2.3 应用举例 12
2.3 数据预处理 13
2.3.1 数据抽取 13
2.3.2 数据转换 14
2.3.3 数据装载 15
2.4 ETL工具介绍 15
2.4.1 DataStage 15
2.4.2 Informatica PowerCenter 15
2.4.3 Kettle 15
2.5 本章小结 16
参考文献 16
第3章 大数据存储与处理 17
3.1 大数据面临的挑战 17
3.1.1 数据规模大 17
3.1.2 数据来源多样化 17
3.1.3 数据快速增长 18
3.2 大数据存储技术 18
3.2.1 存储技术的发展 18
3.2.2 分布式文件系统 20
3.2.3 NoSQL数据库 21
3.3 大数据处理框架 26
3.3.1 批处理框架 27
3.3.2 流处理框架 27
3.3.3 混合处理框架 28
3.4 本章小结 28
第4章 特征工程与机器学习 29
4.1 特征工程 29
4.1.1 特征衍生 29
4.1.2 特征提取 29
4.1.3 特征选择 30
4.2 机器学习技术 30
4.2.1 机器学习概述 30
4.2.2 监督学习算法 32
4.2.3 神经网络与深度学习技术 37
4.3 本章小结 43
参考文献 43
第5章 数据可视化技术 44
5.1 数据可视化概述 44
5.2 数据可视化典型方法 45
5.2.1 时空数据可视化 45
5.2.2 非时空数据可视化 53
5.3 数据可视化工具 62
5.3.1 Gephi 62
5.3.2 ECharts 65
5.3.3 Processing 67
5.4 本章小结 68
参考文献 68
第6章 学生学业表现预测应用 69
6.1 引言 69
6.2 数据预处理 71
6.2.1 网络日志数据及预处理 71
6.2.2 学生成绩数据预处理 75
6.2.3 校园卡消费数据预处理 76
6.3 在线视频和网络游戏时间估算 76
6.3.1 网站访问模式分析 76
6.3.2 在线视频访问时间估算 81
6.3.3 网络游戏时间估算 84
6.4 模型构建与评估 84
6.4.1 模型使用的数据集 84
6.4.2 网站类型的选择 86
6.4.3 模型的评价标准与验证方法 89
6.4.4 模型建立 91
6.4.5 结果分析 99
6.5 本章小结 100
参考文献 101
第7章 学生留级预警应用 102
7.1 数据源和预处理 104
7.1.1 数据集介绍 104
7.1.2 数据预处理 109
7.2 基于多数据源的学生留级预测 113
7.2.1 训练集与测试集的选取 113
7.2.2 相关性分析和特征选择 113
7.2.3 模型评价指标与验证方法 114
7.2.4 模型构建与实验 115
7.3 基于课程分类的学生留级预测 123
7.3.1 学生课程分析 123
7.3.2 学生课程数据分析及类别划分 124
7.3.3 一种利用课程分类预测留级的方法 127
7.3.4 利用课程分类方法进行留级预测 128
7.3.5 一种改进的留级预测方法 131
7.4 本章小结 135
参考文献 136
第8章 教师画像应用 138
8.1 引言 138
8.1.1 研究背景 138
8.1.2 研究现状 139
8.1.3 主要研究内容 141
8.2 教务系统学生评教文本处理 142
8.2.1 数据集 142
8.2.2 数据预处理 143
8.2.3 评教Aspect与Opinion提取 145
8.2.4 Aspect映射与Opinion情感分类 151
8.3 教务系统学生评教分数分析方案 154
8.3.1 数据分析与处理 154
8.3.2 学生评分模式挖掘 160
8.3.3 评分改进模型 163
8.4 本章小结 167
参考文献 168
第9章 学生就业推荐应用 170
9.1 引言 170
9.1.1 研究背景 170
9.1.2 国内外研究现状 171
9.1.3 研究内容和主要贡献 173
9.2 学生就业模式分析 174
9.2.1 数据集 174
9.2.2 特征选取 178
9.2.3 学生就业模式分析 181
9.3 个性化就业推荐算法 191
9.3.1 总体框架 191
9.3.2 毕业生群体识别 191
9.3.3 毕业生就业推荐 194
9.3.4 就业推荐算法求解 196
9.4 学生就业推荐结果 198
9.4.1 实验设置 198
9.4.2 毕业生群体识别结果 199
9.4.3 就业推荐表现 202
9.4.4 个性化偏好作用 204
9.4.5 个性化偏好展示 204
9.5 本章小结 209
参考文献 210
- 科学出版社旗舰店 （微信公众号认证）
- 科学出版社秉承多年来形成的“高层次、高水平、高质量”和“严肃、严密、严格”的优良传统与作风，始终坚持为科技创新服务、为传播与普及科学知识服务、为科学家和广大读者服务的宗旨。
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
