Page 144 - 基于大数据的英语翻译精准教学及实现路径

基于大数据的英语翻译精准教学及实现路径
Accurate English Translation Teaching and Implementation Path Based on Big Data

据分析等。因此，从教育教学质量保证需求来看，不仅需要统一数据格式以方便
管理，使得数据能在不同的管理信息系统之间流动起来，实现一站式数据管理，
而且还需要对这些数据进行关联分析和动态更新，例如教育教学的课程预警、考

试成绩的质量分析、学生个人成长分析等。从学校人才培养需求来看，大数据平
台能更有效地支持做好全周期育人，尤其是教育教学资源收集、整理、挖掘、推
荐，更好地支持智慧教育这一新要求，将原先分散的、零碎的课程资源等进行合
理存储管理后，采用智能算法支持相关课程学习资料推荐。此外，各类教学数据

分类呈现能更加直观地让管理人员掌握当前教育教学情况，把控教学质量，科学
合理修订学校的人才培养方案。
（三）如何建设教育大数据的应对方法

1. 教育大数据动态关联
目前教育大数据的关联大多依靠人工实现，需要非常大的人力成本，并且随
着教育大数据不断增多必须重复更新关联。基于此，可以将知识图谱概念引入到
大数据平台，并作为其支持工具能很好地实现动态关联。采用本体的设计理念对
教育数据进行表达能够更好地利用教育数据所蕴含的语义信息，从而提高检索的

效率。在教育数据领域本体的构建上，考虑到本体建模的方便性和语义网知识表
达的通用性，描述教育资源的关联关系。
教育大数据收集与资源融合。在教育数据方面，大数据可能来自不同的途径，

其数据内容、数据格式和数据质量千差万别，有时甚至会遇到数据格式不能转换
或数据转换格式后丢失信息等棘手问题，因此，应对方法是突破多源异构大数据
的数据形态，能做到数据融合融通。
建立面向教育资源的领域本体，支持构建知识图谱。尤其是非结构化数据的
描述，由于数据属性多样性和不确定性，采用本体描述教育资源的知识图谱是非

常合适。由于教育资源数据在各个领域存在多种从属关系，应对方法是采用本体
描述教育资源的多关联机制。
动态关联使数据具备活性。教育数据的关联性实现更准确和专业的抓取和整

理技术、进而提供尽可能全面准确的教育领域相关信息。应对方法是采用教育知
识图谱，结合人工智能的特征提取技术，实现更新数据，支持更新关联知识。
2. 教育大数据语义推荐
查询教育大数据首先需要准确理解用户的查询意图，然后根据用户关键字推

136