大数据考试题

教育大数据存在问题

摘 要:随着移动设备的普及和信息通信技术的迅速发展，教育数据的种类和数量以前所未有的速度增长。大数据已经开始在教育领域显示出巨大的价值。教育大数据可以从宏观层面、中间层面和微观层面进行分析，Hadoop、Spark和Samza是三种最流行的分析平台。教育大数据涵盖了四个大的研究方向，即学习者行为和表现，建模和教育数据仓库、教育体系的改进和大数据与课程的整合，其研究面临一系列的挑战。

1.教育大数据采集和元数据(描述数据的数据)自动生成

数据采集的目标是在数据存储到数据仓库或其他存储设备之前对数据进行收集、过滤和清理。然而，定义数据过滤器是主要的挑战之一。而另一个挑战是如何自动生成元数据。元数据描述了需要记录哪些数据，以及如何记录和测量数据。需要新的方法和思路记录数据的上下文环境和语义。

2.教育大数据质量

数据的价值取决于数据的质量。通常情况下，数据包含误差、错误和不完整性，但是，目前低质量数据已经成为一个严重的问题。在许多数据仓库项目中，数据清理消耗大约30%至80%的开发时间和预算，提高教育数据质量是大数据分析专家面临的重要挑战。

3.教育大数据的共享和转移

尽答数据在急剧增长，但大多数数据仍然无法访问或无法全部访问，由干大数据的异质性和规模性，大数据的共享成为一项且有挑战性的任务

此外，将大规模的教育数据从一个位置无缝地转移到另一个位置也是一个潜在的挑战。

4.教育大数据的杳询和索弓

在教育大数据的查询和索引中，存在一些挑战。首先，大数据存储在分布式系统中，因此大数据集的索引结构和查询理论应该基干这样的系统来发展。其次，树状结构在传统的查询优化和索引技术中非常流行，但在大数据集上却不能很好地工作。第三，容错是大数据查询和索引中需要注意的

一个重要方面。此外，在大数据分析中保持合理的查询性能和吞吐量是一个重大的研究挑战。

5.教育大数据的不确定性

当从多个异构来源收集教育数据时，数据的不确定性也伴随而来。通常，不断扩大的数据规模导致数据的不确定性发生突变，传统数据梳理工具失去作用，教育大数据的这种不确定性严重影响了深度学习算法的性能。近年来，不断有研究人员提出各种方法，试图解决数据的不确定性给教育大数据学习带来的问题，然而，为了确保从大数据分析中得出可靠的结论，仍然需要更合适的方法来理解数据的不确定性。

6.教育大数据的隐私、安全与伦理

数据隐私、安全和伦理是大数据创新生态系统的三大关注点。数据隐私涉及到如何查看和管理教育信息，数据安全涉及到个人重要信息的保护数据伦理与数据分析的滥用有关，其中，隐私是最大的担忧。在相互联系和开放的当今世界，包括个人信息在内的信息共享越来越多，而大数据的阻暗面就是允许对这些信息进行监视。另外，即使有强大的网络安全，仍然可能存在隐私侵犯。因此，研究和开发新的工且和技术保护高度分布在网络中的大规模数据至关重要。

7.教育数据的可视化

可视化的教育大数据能够生成易干使用的动态的 交互式的分析视图，然而，静态或动态教育大数据的可视化是主要的研究挑战之一，这种划战来自数据感知，数据的实时性以及交互的可扩展性。降低延迟和减少数据是解决这一问题的思路之一，同时，随着自动化技术的不断发展，数据的分析解释工作在人类的适度参与下，下一代可视化技术预计会随着时间的推移而快速发展。

什么是科学问题

提炼科学问题

针对数据不可靠的问题，需要研究如何利用不可靠的数据，对应的科学问题是认知先验增强的数据驱动认知。

我们可以建立基于数据的快速认知方法

利用先验知识来增强认知的可靠性。

当前深度学习方法的优化目标函数主要基于最大似然准则设计，忽略了认知过程中大量先验与目标任务紧密相关的基本原理，与构建抽象化的低维度表征相冲突。

相变

社会中的相变

从自然界转向人类社会。很多巨大的社会变革，在一个满脑子都是热力学定律的人看来，和相变实在有着惊人的相似。最近的一次巨大动荡实在2010年开始的“阿拉伯之春”，从北非到中东整个阿拉伯世界扎成一锅粥， 起因是只是阿尔 及利亚一个小镇上的一个商贩小了起来于是乎点燃了整个阿拉伯世界。关于春”或者是“阿拉伯起义”，它的内在驱动的力在于人民对压迫统治的反抗和对更好的经济发展的渴望。这种内在的压力正是这场“相变”的驱动所在。

相变的应用

根据相态变换的点，我们可以进行合理地云资源分配；

大论文包含部分

绪论，研究内容3部分从中提炼一个科学问题对用一个创新点解决问题；

熊姐