© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
贵州新育成教育科技有限公司
企业贵州新育成教育科技有限公司围绕相关业务开展运营。面向学习画像构建、教育个性化、知识追踪等领域提供数据服务，开放学生个性化学习画像场景数据集（学习画像构建、教育个性化）、知识点掌握度精准评估场景（知识追踪、学习评估模型）、题库与课件资源管理场景数据集（教育资源质量评估、个性化学习），支撑品质管理与工艺优化。
学习画像构建教育个性化知识追踪
数据集列表
教学决策数据支撑场景数据集
本数据集采用多维度指标统计、相关性分析、趋势拟合、权重评估等规则与算法构建。通过对教学全流程数据进行清洗、聚合、对比与归因分析，形成教学质量、课堂效率、师资能力、学习效果等核心决策指标。运用趋势预测、差异对比、影响因子分析等算法，输出可直接用于决策的结论与建议，确保数据客观、可追溯、可验证，满足教学管理与决策的规范性、实用性要求。
贵州省数据知识产权登记平台2026-06-05 更新30
课堂互动行为分析场景数据集
本数据集基于课堂互动行为量化规则与多模态分析算法构建。将互动行为拆解为参与频次、响应速度、互动类型、参与连续性、注意力集中度五大核心维度，通过时序统计、行为序列编码、文本语义分析、注意力特征提取等方法完成数据结构化。采用归一化评分、偏差校正、聚类分析算法生成标准化互动指标，实现个体、班级、年级多维度对比，确保数据客观、可追溯、可解释，完全符合教育教学评估行业规范。
贵州省数据知识产权登记平台2026-06-05 更新30
题库与课件资源管理场景数据集
本数据集基于教育资源标准化规范与智能分析算法构建。建立涵盖题目难度、区分度、知识点关联度、错误率，以及课件点击热力、使用时长、教学效果关联度的核心指标体系。通过数据清洗、多维度标签化、知识点自动关联、资源质量加权评分算法完成结构化加工；采用协同过滤与学情匹配算法实现资源智能推荐；运用资源生命周期评估算法，自动识别低效资源并提示更新，确保资源库的时效性与实用性，符合国家教育资源建设技术标准。
贵州省数据知识产权登记平台2026-06-05 更新40
异常行为识别与课堂安全场景数据集
本数据集基于课堂异常行为分类标准与智能识别算法构建。将异常行为划分为无效互动类、恶意干扰类、安全隐患类三大类，下设 15 项细分指标。通过行为序列分析、频次阈值检测、时序异常点识别算法，自动筛选异常行为；采用多模态特征融合与机器学习分类算法，区分不同类型异常并分级预警；运用行为轨迹追踪与关联分析算法，识别持续性异常行为并生成干预建议，确保识别准确率与预警及时性，符合校园安全管理规范。
贵州省数据知识产权登记平台2026-06-05 更新20
教学方法效果对比与优选场景数据集
本数据集基于教学方法效果量化评估规则与多维度对比算法构建。以教育心理学、有效教学理论为依据，将教学方法拆解为课堂参与度、互动密度、反馈效率、知识点掌握度、学习兴趣提升、作业完成质量六大核心评估维度，设计 20 余项可量化指标。通过时序统计、相关性分析、方差分析、差值对比算法计算不同教学方法的效果差异；采用加权评分模型、效果衰减监测算法、学情适配度匹配算法，自动推荐最优教学方法；使用纵向追踪与横向对标算法，实现同一班级、同一教师、同一学科的教学方法效果对比。所有规则与算法均结合真实教学场景迭代优化，指标可解释、结果可验证，符合教育行业标准与教学管理规范。
贵州省数据知识产权登记平台2026-06-05 更新30
教育产品商业化场景数据集
本数据集采用用户行为统计、功能热度分析、效果归因计算、满意度加权、续费预测模型等规则与算法构建。通过数据清洗、用户分层、价值评分、趋势拟合等加工方式，形成产品活跃度、使用深度、教学增益、客户粘性、商业转化率等核心指标。算法基于真实运营数据训练，具备客观性、可解释性与稳定性，可支撑产品精准迭代、商业策略优化及市场化推广决策。
贵州省数据知识产权登记平台2026-06-05 更新10
区域教育质量评估场景数据集
本数据集基于国家教育质量评估标准与多维度量化算法构建。建立涵盖教学过程、教学结果、师资水平、学生发展的四级评估指标体系，通过跨校数据聚合、横向对标对比、纵向趋势分析、差异系数与基尼系数计算，量化区域教育均衡程度。运用归因分析与趋势预测算法，识别影响区域教育质量的关键因素，输出可落地的改进建议，确保评估结果客观、公正、可追溯，符合教育督导工作规范。
贵州省数据知识产权登记平台2026-06-05 更新10
学生个性化学习画像场景数据集
本数据集基于多维度学习特征提取与智能画像算法构建。建立涵盖知识掌握、学习能力、学习风格、学习习惯、学习动机五大类共 30 余项核心标签体系，通过数据清洗、特征工程、标签化加工完成基础画像。采用 K-means 聚类算法实现学生群体分层，运用时序预测算法生成学习进度与潜力评估，通过知识图谱匹配与协同过滤算法实现个性化资源推荐。所有算法均结合教育心理学理论设计，确保画像准确、可解释、符合教学规律。
贵州省数据知识产权登记平台2026-06-05 更新90
知识点掌握度精准评估场景
本数据集基于教育测量学理论与深度知识追踪算法构建。建立覆盖知识点难度、区分度、错误类型、遗忘规律的多维度评估指标体系，通过时序数据建模、错误原因聚类、知识点关联分析，量化学生对每个知识点的掌握程度（0-100 分）。采用深度知识追踪（DKT）算法预测知识点掌握趋势，结合遗忘曲线模型生成最优复习间隔，运用归因分析算法定位知识薄弱根源。所有算法均依据国家课程标准设计，评估结果可解释、可验证，符合教学评估行业规范。
贵州省数据知识产权登记平台2026-06-05 更新40
教师教学行为量化场景数据集
本数据集基于多维度教学行为量化规则与轻量化 AI 分析算法构建。以教育学课堂互动理论为依据，将教师行为拆解为提问行为、反馈行为、时间管理、课堂组织、分层关注、技术使用六大类一级指标，下设等待时长、追问层级、反馈针对性、表扬批评比例、巡视覆盖度、差异化提问频次等二级量化指标。通过时序统计、文本语义分析、行为频次归一化、课堂环节占比计算等规则完成结构化提取；采用行为序列编码、加权评分模型、偏差校正算法生成标准化量化分值；使用聚类与对比算法实现同教师跨班对比、同科目教师横向对标、同教师纵向成长追踪。所有指标与算法均依据教育行业标准设计，确保客观、中立、可解释，不依赖黑盒模型，可直接支撑教学管理与评估使用。
贵州省数据知识产权登记平台2026-06-05 更新10