有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
National Survey of Student Engagement (NSSE)|学生参与度数据集|高等教育评估数据集
收藏nsse.indiana.edu2024-10-27 收录
下载链接：
https://nsse.indiana.edu/
下载链接
链接失效反馈资源简介：
NSSE数据集包含美国高等教育机构的学生参与度调查结果，旨在评估学生在学术活动中的参与程度，包括课堂内外的时间管理、学术挑战、师生互动等。
提供机构：
nsse.indiana.edu
AI搜集汇总
数据集介绍
构建方式
National Survey of Student Engagement (NSSE) 数据集的构建基于对美国高等教育机构中本科生的广泛调查。该调查通过一系列标准化问题，收集学生在学术参与、学习策略、课外活动等方面的数据。数据收集过程严格遵循随机抽样原则，确保样本的代表性。此外，数据集还包括了学生的人口统计信息、学术背景和学校特征，以提供全面的学术环境分析。
特点
NSSE 数据集的显著特点在于其全面性和深度。它不仅涵盖了学生在课堂内外的学术活动，还涉及学生的情感和社交体验。数据集的高质量来源于其标准化的问题设计和严格的调查执行过程，确保了数据的可靠性和有效性。此外，NSSE 数据集还提供了丰富的交叉分析维度，允许研究者从多角度探讨学生参与度和学业成就的关系。
使用方法
NSSE 数据集的使用方法多样，适用于教育研究、政策制定和学术评估等多个领域。研究者可以通过分析学生的学术参与度，评估教育质量并提出改进建议。政策制定者可以利用该数据集了解不同教育机构的教学效果，制定更有针对性的政策。此外，教育机构可以利用 NSSE 数据进行内部评估，优化教学策略和资源配置。
背景与挑战
背景概述
National Survey of Student Engagement (NSSE) 是由美国印第安纳大学高等教育研究中心于1999年创建的一项全国性调查，旨在评估高等教育机构中学生的参与度和学习体验。该数据集的核心研究问题集中在学生在校期间的学术挑战、学习策略、师生互动以及课外活动等方面。NSSE的推出对高等教育研究领域产生了深远影响，为教育政策制定者、学校管理者以及研究人员提供了宝贵的数据支持，帮助他们更好地理解学生学习体验与学术成果之间的关系。
当前挑战
NSSE数据集在构建过程中面临多项挑战。首先，确保数据收集的广泛性和代表性是一个重要问题，因为不同类型和规模的高等教育机构可能存在显著差异。其次，数据隐私和伦理问题也是一大挑战，如何在保护学生隐私的同时收集到有价值的信息是一个复杂的问题。此外，数据分析的复杂性也不容忽视，如何从大量数据中提取有意义的模式和趋势，需要先进的统计和数据分析技术。最后，如何确保数据的长期有效性和更新频率，以反映教育环境的动态变化，也是NSSE面临的一个重要挑战。
发展历史
创建时间与更新
National Survey of Student Engagement (NSSE) 数据集创建于1999年，由印第安纳大学高等教育研究中心发起。自创建以来，NSSE每年进行一次更新，以反映高等教育领域的最新趋势和研究需求。
重要里程碑
NSSE的首次发布标志着高等教育评估方法的重大变革，它强调了学生参与度在教育质量评估中的核心地位。2000年，NSSE首次在全国范围内推广，迅速成为衡量学生学习体验和院校教育质量的重要工具。2005年，NSSE引入了在线数据收集系统，极大地提高了数据收集的效率和准确性。2010年，NSSE开始与其他国际教育评估项目合作，进一步提升了其全球影响力。
当前发展情况
当前，NSSE已成为全球高等教育领域最具影响力的数据集之一。它不仅为美国各高校提供了详尽的学生参与度数据，还通过与国际合作伙伴的交流，推动了全球高等教育质量的提升。NSSE的数据被广泛应用于院校评估、政策制定和学术研究中，为教育改革提供了科学依据。此外，NSSE不断更新其调查工具和分析方法，以适应快速变化的教育环境和研究需求，确保其持续的学术价值和实践意义。
发展历程
- National Survey of Student Engagement (NSSE) 首次发表，旨在评估和提升高等教育机构的学生参与度。
- NSSE 首次应用于美国多所高等教育机构，开始收集和分析学生参与度的数据。
- NSSE 发布首个五年报告，总结了自2000年以来收集的数据，并提出了改进学生参与度的建议。
- NSSE 引入新的调查工具和指标，以更全面地评估学生的学术挑战、主动学习和合作学习等方面的参与度。
- NSSE 发布十年回顾报告，强调了学生参与度与学业成就之间的关联，并提出了进一步的研究方向。
- NSSE 在新冠疫情期间进行了调整，增加了对远程学习和在线教育体验的调查，以适应新的教育环境。
常用场景
经典使用场景
在高等教育领域，National Survey of Student Engagement (NSSE) 数据集被广泛用于评估和提升学生的学术参与度。该数据集通过收集学生在课堂内外的时间分配、学习策略、师生互动等方面的信息，帮助教育机构识别学生的学习体验和学术成就之间的关系。通过分析这些数据，教育工作者可以制定更有效的教学策略，促进学生的全面发展。
实际应用
在实际应用中，NSSE 数据集被广泛用于高校的自我评估和改进。教育机构利用这些数据来识别教学中的薄弱环节，制定针对性的改进措施。此外，NSSE 数据还被用于比较不同院校之间的学生参与度和学术成就，帮助潜在学生和家长做出更明智的教育选择。
衍生相关工作
基于 NSSE 数据集，许多研究工作得以展开，包括学生参与度与学术成就的因果关系分析、不同教学方法的效果评估等。这些研究不仅丰富了教育学的理论体系，还为实践提供了有力支持。例如，一些研究通过NSSE数据验证了小班教学和师生互动对学生成绩的积极影响，推动了教育实践的改革。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
Materials Project 在线材料数据库
Materials Project 是一个由伯克利加州大学和劳伦斯伯克利国家实验室于 2011 年共同发起的大型开放式在线材料数据库。这个项目的目标是利用高通量第一性原理计算，为超过百万种无机材料提供全面的性能数据、结构信息和计算模拟结果，以此加速新材料的发现和创新过程。数据库中的数据不仅包括晶体结构和能量特性，还涵盖了电子结构和热力学性质等详尽信息，为研究人员提供了丰富的材料数据资源。相关论文成果为「Commentary: The Materials Project: A materials genome approach to accelerating materials innovation」。
超神经 收录
全国 1∶200 000 数字地质图（公开版）空间数据库
As the only one of its kind, China National Digital Geological Map (Public Version at 1∶200 000 scale) Spatial Database (CNDGM-PVSD) is based on China' s former nationwide measured results of regional geological survey at 1∶200 000 scale, and is also one of the nationwide basic geosciences spatial databases jointly accomplished by multiple organizations of China. Spatially, it embraces 1 163 geological map-sheets (at scale 1: 200 000) in both formats of MapGIS and ArcGIS, covering 72% of China's whole territory with a total data volume of 90 GB. Its main sources is from 1∶200 000 regional geological survey reports, geological maps, and mineral resources maps with an original time span from mid-1950s to early 1990s. Approved by the State's related agencies, it meets all the related technical qualification requirements and standards issued by China Geological Survey in data integrity, logic consistency, location acc racy, attribution fineness, and collation precision, and is hence of excellent and reliable quality. The CNDGM-PVSD is an important component of China' s national spatial database categories, serving as a spatial digital platform for the information construction of the State's national economy, and providing informationbackbones to the national and provincial economic planning, geohazard monitoring, geological survey, mineral resources exploration as well as macro decision-making.
DataCite Commons 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2020）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 70 年（1951~2020 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中，计划于 2025 年上半年发布，从而使 CMFD 2.0 延伸至 2024 年底。
国家青藏高原科学数据中心 收录
学生课堂行为数据集 (SCB-dataset3)
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
arXiv 收录
AISHELL/AISHELL-1
Aishell是一个开源的中文普通话语音语料库，由北京壳壳科技有限公司发布。数据集包含了来自中国不同口音地区的400人的录音，录音在安静的室内环境中使用高保真麦克风进行，并下采样至16kHz。通过专业的语音标注和严格的质量检查，手动转录的准确率超过95%。该数据集免费供学术使用，旨在为语音识别领域的新研究人员提供适量的数据。
hugging_face 收录