Page 141 - 基于大数据的英语翻译精准教学及实现路径

第三章 大数据技术在翻译教学中的应用

4. 分析挖掘技术
为高校建立教育大数据平台就是为了对数据进行综合分析和深度挖掘，使数
据的内在价值充分体现出来。一般会利用神经网络计算法、概率和箱式图 3 种挖

掘技术来对数据进行分析挖掘。首先对这些数据进行关联、转换、清洗和分析、
过滤等处理后，再利用概率、神经网络等计算方式来进行模型构建，从而将数据
的内在价值充分挖掘出来。在进行大数据平台的构建过程中，可以利用关联的规
则来对学生的学习、生活等相关数据进行挖掘，从中发现学生的学习规律和学习

习惯，并以此为基础进行概念图的构建，使其能够将与之相关的知识点有效反映
出来；同时还能利用学生的行为特征、心理建模、神态识别和手势等技术，借助
多功能的摄像头捕捉技术，将学生的学习动态和生活动态等行为进行有效捕捉，

例如学生的手势、神情等多模态的数据，通过对这些数据进行整合和挖掘，对学
生的整体学习动态和生活动态行为进行综合的分析。

三、大数据平台在智慧教育中的应用

当前我国教育现代化不断发展，数字教育资源不断丰富，信息化教学的应用

不断拓展和深入，教育管理信息化初见成效。爆炸式增长的教育资源已经呈现出
海量大数据特征，尤其是视频、文本、音频等非结构化教育资源的形式相对不固
定。教育领域的大数据管理已面临巨大挑战，而传统的关系型数据库管理系统无

法满足以数据为中心的大数据管理的需求，如何高效地存储和检索教育数据成为
教育行业亟待解决的问题。近年来，智慧教学成为高校教学改革的新需求，其中
整合教育教学资源并能提供方便、有效的检索方法将是未来高等学校教学改革的
重要基础，例如数据挖掘和内容、智能数据分析、教育数据检索、教育教学预警
等，将是高校全周期育人的重要基础保障。

针对智慧教育的大数据平台建设，在调研大量实际需求和建设方案之后，我
们认为教育大数据具备在时间空间上分散孤立、数据内涵差异巨大、大量结构化
与非结构化数据共存等特征。需要动态关联、语义推荐和可视化等相关技术和方

法来支持大数据：第一，动态关联：教育数据关联大多必须手动完成，并且数据
量增长速度呈几何级数，而新数据往往需要重新更新，动态关联不仅需要展现领
域层面上的从属关系，而且还需要体现实体多属性关系。第二，语义推荐：查询
教育大数据不仅需要先理解用户的真正查询意图，而且还要根据用户关键字推理

133