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

来源：

工业技术与职业教育 | 2020年 / 18卷 / 01期

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：

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

页码：110 / 114

页数：5

共 8 条

[1] Short-Term Residential Load Forecasting Based on LSTM Recurrent Neural Network
Kong, Weicong
Dong, Zhao Yang
Jia, Youwei
Hill, David J.
Xu, Yan
Zhang, Yuan
[J]. 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
Da Silva, Per Goncalves
Ilic, Dejan
Karnouskos, Stamatis
[J]. 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
张士靖
杜建
周志超
[J]. 大学图书馆学报, 2010, 28 (05) : 101 - 106

← 1 →