智能化教育评价领域演进路径、研究热点与前沿的可视化分析

被引:2
作者
张殿尉 [1 ,2 ]
机构
[1] 北京师范大学
[2] 河北对外经贸职业学院
关键词
智能化教育评价; 演进路径; 研究热点; 研究前沿; Citespace知识图谱;
D O I
10.16825/j.cnki.cn13-1400/tb.2020.01.033
中图分类号
G434 [计算机化教学]; G353.1 [情报资料的分析和研究];
学科分类号
040110 ; 1205 ;
摘要
为了从历史脉络上对"智能化教育评价"这一主题进行更好梳理,发现该领域研究的演进路径与研究前沿,将1934—2019年WoS全部数据库中收录的主题为"智能化教育评价"的806篇论文数据作为研究对象,应用CiteSpace知识可视化软件绘制文献共被引网络图谱,析出"智能化教育评价"演进过程中的关键节点文献;并应用关键词聚类和突变词探测功能分析了研究热点与研究前沿。发现7篇关键节点文献隐晦的展示了"智能化教育评价"领域研究的演进路径,7个明显的聚类表征了研究热点与18个研究前沿。
引用
收藏
页码:110 / 114
页数:5
相关论文
共 8 条
[1]   Short-Term Residential Load Forecasting Based on LSTM Recurrent Neural Network [J].
Kong, Weicong ;
Dong, Zhao Yang ;
Jia, Youwei ;
Hill, David J. ;
Xu, Yan ;
Zhang, Yuan .
IEEE TRANSACTIONS ON SMART GRID, 2019, 10 (01) :841-851
[2]  
A survey on deep learning for big data.[J].Qingchen Zhang;Laurence T. Yang;Zhikui Chen;Peng Li.Information Fusion.2018,
[3]  
A survey of deep neural network architectures and their applications.[J].Weibo Liu;Zidong Wang;Xiaohui Liu;Nianyin Zeng;Yurong Liu;Fuad E. Alsaadi.Neurocomputing.2016,
[4]  
Time series analytics using sliding window metaheuristic optimization-based machine learning system for identifying building energy consumption patterns.[J].Jui-Sheng Chou;Ngoc-Tri Ngo.Applied Energy.2016,
[5]  
Short-term electricity load forecasting of buildings in microgrids.[J].Hamed Chitsaz;Hamid Shaker;Hamidreza Zareipour;David Wood;Nima Amjady.Energy & Buildings.2015,
[6]   The Impact of Smart Grid Prosumer Grouping on Forecasting Accuracy and Its Benefits for Local Electricity Market Trading [J].
Da Silva, Per Goncalves ;
Ilic, Dejan ;
Karnouskos, Stamatis .
IEEE TRANSACTIONS ON SMART GRID, 2014, 5 (01) :402-410
[7]  
Dropout: a simple way to prevent neural networks from overfitting..[J].Nitish Srivastava;Geoffrey E. Hinton;Alex Krizhevsky;Ilya Sutskever;Ruslan Salakhutdinov.Journal of Machine Learning Research.2014, 1
[8]   信息素养领域演进路径、研究热点与前沿的可视化分析 [J].
张士靖 ;
杜建 ;
周志超 .
大学图书馆学报, 2010, 28 (05) :101-106