资源1
-
一、文献基本信息 文献标题：高等教育与社会阶层流动：理论与实证 作者：吴俊珺、杜文豪、何启志 发表信息：《中央财经大学学报》2025年第2期 核心研究主题：基于高校扩招背景，探究高等教育对社会阶层流动的影响效应、动态演变规律及异质性差异 二、核心研究方法概述 本文以量化实证研究为核心，聚焦内生性处理、动态效应识别、异质性分析三大方法创新点，核心研…
-
想知道AI + 眼动如何硬核破解公园景观评价难题？这篇桂林山水公园研究，把SAM 模型、眼动追踪、美景度评价三合一，用最直观的数据告诉你：人们到底爱看什么景观、不同人群偏好差在哪、AI 如何自动量化景观元素。一篇读懂城市公园景观视觉偏好的前沿实验方法，干货拉满，速看！ 方法的基本信息 核心思想：以桂林山水公园为案例，整合眼动追踪技术 + 美景度评价法 (SBE)+SAM 图像分割模型，构建 &ld…
-
一、导语 混合课程学情预测总被 “批量学习无法更新、模型不支持新数据、预测波动大” 卡脖子？这篇清华团队发表在电化教育研究（CSSCI）的论文，用增量学习随机森林（OnRF）破解难题 —— 模型可随新数据持续迭代、样本越大越准、大样本下预测稳定性大幅提升，直接适配高校混合课程动态学情监测、过程性预警、跨学期模型复用，是教育大数据与机器学习结合的可落地…
-
该分类下没有文章
-
课堂对话中藏着学生思维的密码，但你有没有想过，如何用智能技术破译它？传统课堂分析靠人工标注，1节课要花6-7小时，还容易看走眼。本文带来一项前沿研究：CNN + BiLSTM 混合神经网络 + 序列模式挖掘，不仅能自动标注课堂对话，还能揭示高阶思维的“进阶密码”从知识习得到迁移创新，一条清晰的思维链条首次被数据化呈现！适合对教育数据挖掘、课堂分析、智能教育技术感兴趣的你，一…
-
《Utilising causal inference methods to estimate effects and strategise interventions in observational health data》 一、导语 在教育与社会科学研究中，我们常常面临一个现实困境：由于预算或者是伦理问题，无法开展随机实验，只能用观察数据，却又希望回答“某种教学或干预是否真正有效…
-
《教育的因果机制探索如何从“一个原因”到“多条路径”：组态视角下的QCA方法全解析》 一、导语 在社会科学研究中，定量范式基于这样的逻辑：根据设定的因变量，提出具备解释能力的自变量，建立理论模型与假设，通过收集观察对象的数据以验证模型，自变量尽可能与竞争性的理论关联，研究聚焦于自变量的相对解释能力。与此同时，由于社会科学的研究对象经常界限模糊、错综复…
-
"请设计一项关于'大学生学习压力来源调查'的抽样方案。考虑本校20,000名在校生作为总体，研究目的是了解不同年级、不同专业学生的学习压力主要来源及程度差异。" 在教学平台上展示任务要求和成果格式，方案必须包含以下五个部分： 研究问题界定（总体范围、研究变量、研究目的） 抽样方法选择及详细理由（考虑学生特征、研究目标） 抽样框具体构建方式（数据来源、更新情况…
-
下面是一个嵌入编辑器内部的AI助手，它可以帮助你完成许多任务： [wpaicg_chatgpt]