人工智能在教育治理中的應用與發(fā)展

人工智能在教育治理中的應用與發(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人工智能相關的學科..16
2.1.3人工智能的歷史..17
2.2人工智能應用領域..19
第3章大數(shù)據(jù)技術..22
3.1大數(shù)據(jù)基礎..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)教育治理的應用..34
3.4教育大數(shù)據(jù)框架..36
第4章機器學習..39
4.1機器學習基礎知識..39
4.1.1機器學習定義..39
4.1.2機器學習分類..40
4.1.3常見機器學習工具..42
4.1.4機器學習常見問題..43
4.2機器學習應用開發(fā)過程..44
4.2.1機器學習項目工作流程..45
4.2.2問題定義..45
4.2.3數(shù)據(jù)預處理..46
4.2.4訓練模型..46
4.2.5評估..47
4.2.6部署..48
4.3深度學習..49
4.3.1人腦與神經(jīng)元..50
4.3.2人工神經(jīng)網(wǎng)絡..51
4.3.3BP算法..52
4.3.4深度學習(deep learning)..54
4.3.5深度學習主要應用領域..54
4.3.6深度學習的局限..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)域義務教育師資配置..74
5.3.1義務教育師資配置的意義..74
5.3.2當前義務教育師資配置的問題..75
5.3.3義務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義務教育資源空間布局..85
5.6基于聚類的小學就近入學評估模型研究..88
5.6.1小學就近入學評估的研究意義..88
5.6.2國內(nèi)外相關研究現(xiàn)狀分析..89
5.6.3就近入學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入學人數(shù)預測..99
6.1時間序列預測基礎知識..99
6.1.1時間序列的相關概念..100
6.1.2基于統(tǒng)計的時間序列預測模型..101
6.1.3時間序列數(shù)據(jù)集劃分方法..103
6.2基于深度學習的時間序列預測模型..104
6.2.1遞歸神經(jīng)網(wǎng)絡(RNN)..104
6.2.2時間序列深度學習模型LSTM..106
6.3學齡人口預測..110
6.3.1學齡人口預測的意義..110
6.3.2人口變動對教育資源的影響..111
6.3.3傳統(tǒng)學齡人口預測的方法..112
6.3.4基于深度學習的預測模型..113
6.4基于注意力機制的小學入學人數(shù)預測..114
6.4.1小學入學人數(shù)預測的問題定義..115
6.4.2基于注意力機制的循環(huán)網(wǎng)絡學齡人口預測模型設計..115
6.4.3實驗與分析..118
第7章基于集成模型的學生情感計算..123
7.1集成學習基礎..123
7.1.1集成學習概念..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大學生情緒識別..132
7.3.1中國大學生心理問題的現(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訓練..143
第8章人工智能在教育治理應用展望及挑戰(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用邏輯和路徑選擇..151
8.3.1人工智能在教育治理中的應用邏輯..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