大数据与教育：在语言学习中使用大数据分析
该研究综述了教育数据挖掘和学习分析在教育数据上的应用，并回顾了主要出版物、关键里程碑、知识发现周期、主要教育环境、特定工具、免费可用数据集、最常用的方法、主要目标和未来趋势。
Feb, 2024
在线教育环境的爆炸性增长正在产生大量的数据，尤其是来自论坛、聊天、社交网络、评估和论文等以文本格式呈现的数据，如何挖掘文本数据以找到对教育相关人士有用的知识是一个令人振奋的挑战。本文系统概述了当前教育文本挖掘领域的现状，回答了三个主要的研究问题：在教育环境中最常用的文本挖掘技术是哪些？最常用的教育资源有哪些？主要的应用或教育目标是什么？最后，我们概述了结论和更有趣的未来趋势。
Feb, 2024
个性化教育利用教育技术和人工智能在数字时代提升学习效果，通过数据挖掘技术的驱动，结合教育平台与个性化学习过程，为学生、教育工作者和机构提供定制化学习经验的工具，本文通过四个主要场景：教育推荐、认知诊断、知识追踪和学习分析，展示了个性化教育数据挖掘的最新进展，提供了每个领域的结构分类法和常用数据集，并指出了未来研究方向，在拓展个性化教育和为未来的探索和创新铺平道路中强调了数据挖掘的作用。
Feb, 2024
教育数据挖掘 (EDM) 是一个重要的研究领域，利用计算技术分析教育数据。深度学习技术在处理教育数据分析和建模的挑战中表现出明显优势。本综述旨在系统回顾 EDM 与深度学习的最新研究进展，介绍 EDM 和深度学习的背景以及其在现代教育中的重要性。另外，还详细评述了深度学习技术在知识追踪、学生异常检测、学生表现预测和个性化推荐等四个典型教育场景中的应用，并提供了 EDM 领域的公共数据集和处理工具的综合概述。最后，指出了这个研究领域的新兴趋势和未来方向。
Sep, 2023
使用机器学习模型，大数据引入了一种新的预测能力。本文评估了 “大数据” 在典型材料科学机器学习问题中的含义，涉及数据量、数据质量和真实性以及基础设施问题。通过选定的示例，研究了模型在相似数据集上的泛化能力、如何从异构数据源收集高质量数据集、模型的特征集和复杂性如何影响表达能力以及创建更大数据集并在其上训练模型所需的基础设施要求。总之，我们发现大数据在各个方面都带来了独特的挑战，这应该促使进一步研究。
May, 2024
介绍大数据科学中使用云计算作为一种实用且成本效益高的解决方案，着重分析软件堆栈的建设模块，为数据科学家提供大数据分析应用的普及服务，为该领域的最新发展和挑战提供各种见解。
Sep, 2017
大型语言模型 (Large Language Models, LLMs) 的迅猛发展正在革新数据科学和统计学，该论文旨在探讨 LLMs 对于数据科学教育的潜在机遇、资源和挑战，以及其在数据科学中的作用转变和创造性应用。
Jul, 2023
数字革命已经导致了人类行为的数字化，出现了众筹和众包等新增的行，这给营销研究和实践者带来了前所未有的机会，但同时也面临着数据过于庞杂和复杂的挑战。为了解决这些问题，开发了计算方法以管理与消费者行为相关的 “大数据” 等技术，特别是机器学习，使得对多方面数据的有效解析和处理成为可能。本文综述了新的数据来源和分析技术，旨在将计算社会科学应用于理解和利用公开的消费者数据。
Jun, 2023