人工智能在教育治理中的應(yīng)用與發(fā)展

人工智能在教育治理中的應(yīng)用與發(fā)展目錄第1章背景..1
1.1教育治理..1
1.1.1教育治理的定義..1
1.1.2我國教育治理的發(fā)展過程..4
1.2人工智能與政府治理..6
1.3人工智能與教育..7
1.3.1萌芽階段..7
1.3.2起始階段..8
1.3.3發(fā)展階段..8
1.4人工智能在教育治理中的應(yīng)用..11
第2章人工智能概述..14
2.1人工智能概念..14
2.1.1什么是人工智能..14
2.1.2人工智能相關(guān)的學(xué)科..16
2.1.3人工智能的歷史..17
2.2人工智能應(yīng)用領(lǐng)域..19
第3章大數(shù)據(jù)技術(shù)..22
3.1大數(shù)據(jù)基礎(chǔ)..22
3.1.1什么是數(shù)據(jù)..22
3.1.2數(shù)據(jù)類型..23
3.1.3大數(shù)據(jù)..25
3.2數(shù)據(jù)分析..30
3.2.1數(shù)據(jù)分析的演變..30
3.2.2數(shù)據(jù)分析種類..31
3.2.3大數(shù)據(jù)項目..32
3.2.4大數(shù)據(jù)工具..32
3.3國外大數(shù)據(jù)教育治理的應(yīng)用..34
3.4教育大數(shù)據(jù)框架..36
第4章機器學(xué)習(xí)..39
4.1機器學(xué)習(xí)基礎(chǔ)知識..39
4.1.1機器學(xué)習(xí)定義..39
4.1.2機器學(xué)習(xí)分類..40
4.1.3常見機器學(xué)習(xí)工具..42
4.1.4機器學(xué)習(xí)常見問題..43
4.2機器學(xué)習(xí)應(yīng)用開發(fā)過程..44
4.2.1機器學(xué)習(xí)項目工作流程..45
4.2.2問題定義..45
4.2.3數(shù)據(jù)預(yù)處理..46
4.2.4訓(xùn)練模型..46
4.2.5評估..47
4.2.6部署..48
4.3深度學(xué)習(xí)..49
4.3.1人腦與神經(jīng)元..50
4.3.2人工神經(jīng)網(wǎng)絡(luò)..51
4.3.3BP算法..52
4.3.4深度學(xué)習(xí)(deep learning)..54
4.3.5深度學(xué)習(xí)主要應(yīng)用領(lǐng)域..54
4.3.6深度學(xué)習(xí)的局限..55
第5章基于聚類的教育資源配置研究..57
5.1聚類算法..57
5.1.1聚類的定義..58
5.1.2聚類算法的要求..58
5.1.3聚類算法分類..59
5.2常見聚類算法..63
5.2.1KMeans聚類算法..63
5.2.2BIRCH聚類算法原理..66
5.2.3DBSCAN密度聚類算法..72
5.3區(qū)域義務(wù)教育師資配置..74
5.3.1義務(wù)教育師資配置的意義..74
5.3.2當(dāng)前義務(wù)教育師資配置的問題..75
5.3.3義務(wù)教育師資均衡配置引入人工智能的必要性與可行性..79
5.4基于聚類分析的區(qū)域義務(wù)教育師資配置研究..80
5.4.1研究意義及研究現(xiàn)狀..80
5.4.2區(qū)域義務(wù)教育師資配置聚類實驗及結(jié)果分析..81
5.4.3結(jié)論..85
5.5義務(wù)教育資源空間布局..85
5.6基于聚類的小學(xué)就近入學(xué)評估模型研究..88
5.6.1小學(xué)就近入學(xué)評估的研究意義..88
5.6.2國內(nèi)外相關(guān)研究現(xiàn)狀分析..89
5.6.3就近入學(xué)評估的地理空間描述模型..90
5.6.4實驗與分析..95
第6章基于時間序列的小學(xué)入學(xué)人數(shù)預(yù)測..99
6.1時間序列預(yù)測基礎(chǔ)知識..99
6.1.1時間序列的相關(guān)概念..100
6.1.2基于統(tǒng)計的時間序列預(yù)測模型..101
6.1.3時間序列數(shù)據(jù)集劃分方法..103
6.2基于深度學(xué)習(xí)的時間序列預(yù)測模型..104
6.2.1遞歸神經(jīng)網(wǎng)絡(luò)(RNN)..104
6.2.2時間序列深度學(xué)習(xí)模型LSTM..106
6.3學(xué)齡人口預(yù)測..110
6.3.1學(xué)齡人口預(yù)測的意義..110
6.3.2人口變動對教育資源的影響..111
6.3.3傳統(tǒng)學(xué)齡人口預(yù)測的方法..112
6.3.4基于深度學(xué)習(xí)的預(yù)測模型..113
6.4基于注意力機制的小學(xué)入學(xué)人數(shù)預(yù)測..114
6.4.1小學(xué)入學(xué)人數(shù)預(yù)測的問題定義..115
6.4.2基于注意力機制的循環(huán)網(wǎng)絡(luò)學(xué)齡人口預(yù)測模型設(shè)計..115
6.4.3實驗與分析..118
第7章基于集成模型的學(xué)生情感計算..123
7.1集成學(xué)習(xí)基礎(chǔ)..123
7.1.1集成學(xué)習(xí)概念..123
7.1.2集成模型分類..125
7.2常見集成模型算法..126
7.2.1決策樹..126
7.2.2隨機森林算法..128
7.2.3Adaboost算法..130
7.2.4GBDT算法..131
7.3大學(xué)生情緒識別..132
7.3.1中國大學(xué)生心理問題的現(xiàn)狀..132
7.3.2國內(nèi)高校心理健康存在的問題..133
7.3.3情緒識別..135
7.3.4被動感知..135
7.4基于XGBoost的大學(xué)生情緒識別算法..138
7.4.1XGBoost算法..138
7.4.2數(shù)據(jù)集..140
7.4.3情感模型..141
7.4.4數(shù)據(jù)處理..142
7.4.5訓(xùn)練..143
第8章人工智能在教育治理應(yīng)用展望及挑戰(zhàn)..145
8.1人工智能在教育治理中的挑戰(zhàn)..145
8.2人工智能倫理風(fēng)險..147
8.2.1倫理..147
8.2.2數(shù)據(jù)倫理..148
8.2.3人工智能倫理..148
8.3人工智能在教育治理中的應(yīng)用邏輯和路徑選擇..151
8.3.1人工智能在教育治理中的應(yīng)用邏輯..151
8.3.2人工智能時代教育治理的路徑選擇..153
參考文獻..160