产品详细介绍 赛名师平台利用信息化技术，集数百门精品课程、丰富教学资源于一体，专为解决职教老师的痛点量身打造，致力提升教学质量、教学效果，集“课前备课-课中互动-课后考核”为一体，使教师备课更高效、学生理解更轻松、教学互动更 有趣。资源持续更新，实时共享，助力全国职教老师成为未来名师。 一、三大特色助推教育信息化2.0 1.教学管理功能全面强大  产品功能全面强大，功能中心涵盖教学、资源、数据分析等功能，完整适配“讲什么”、“怎么讲”、“讲出彩”的提升过程，快速提升教学和课堂管理水平。学生端可进行在线测试和讨论，记录笔记，学习更加轻松便捷。 2.数字资源超市轻松选择  平台聚集了数百门优质课程，涵盖公共基础课以及数十个专业，创新创业、金融、会计、物流、汽车、电商、学前、国贸、市场营销、文秘、酒店管理、旅游服务、现代农业、护理、助产、中餐烹饪、机械、计算机等。资源形式多样，涵盖视频、交互式动画、3D游戏、VR再现等，生动立体，提升课堂活跃度。 3.增值服务助力学校合作 增值服务涵盖校级协同中心、职教课程联盟、教学资源合作开发等内容。依托国泰安的丰富资源和研发实力，协助院校建立校级协同中心，开展合作开发、课题申报等。奖励“赛名师”职业教育课程资源共建共享联盟，共同开发，合作共赢。 二、赛名师应用价值 1.课前  备课功能强大，线上备课有效助力提升备课效率，节约50%以上时间；自有定义课程章节，灵活排序，课程进度表设置让重点难点一目了然；海量素材可供调用，课间资源快速高效，即改即得，轻松拖拽，一键发布。还可进行多人云协同备课，教师间资源共享，有效减负。 2.课中  PC端和移动端无缝链接，资源涵盖课程大纲、课程标准、课件、微课、案例、习题、实训指导书等多种形式，笔记、开启、测试、讨论均可在线运作，方便实用。资源实时共享，可引导预习、线上答疑，方便学生复习，巩固学习效果。笔记和答疑均可云端存储，提升教学经验和资源的积累。 3.课后 课后作业一键发布，线上测评讨论更加快捷。可进行在线自测和考试，智能评分更加高效。可进行可视化分析，教学成果更直观，教学反思更方便。教师可将课程进行云同步，所授课程一目了然，同时可快速进行教学总结。

产品详细介绍        八爪鱼创新教育云平台，这是一个集教、学、评、管四大应用于一体的云平台，在学校开展创客教育、STEAM教育中，不仅可以为教学活动提供有效支撑，同时也能帮助学校或教育局提升管理效率。 　　云平台介绍 　　学校版云平台的应用面向于学校平台管理员、教师和学生，主要用于课前备课、课中授课、在线学习、能力评测、以及数据统计分析。 　　学校版云平台由三部分组成：八爪鱼星级助教教学软件、八爪鱼乐学童伴学习软件、八爪鱼创新教育综合管理系统。 　　八爪鱼星级助教教学软件 　　八爪鱼星级助教教学软件的用户对象为教师，功能分为课前备课、课堂教学、学情分析、开课准备、课程建设五大功能模块。应用覆盖课前、课中、课后三大教学场景。        里面包含了课前备课、课堂教学、学情分析、开课准备、课程建设里面包含了课前备课、课堂教学、学情分析、开课准备、课程建设。        八爪鱼乐学童伴学习软件        八爪鱼乐学童伴学习软件的用户对象为学生，分为我的课程和成长记录两个功能模块。学生可以在平台上在线学习课程内容，完成课程活动任务卡，查看个人成长档案以及课程个人能力报告。         八爪鱼创新教育综合管理系统         八爪鱼创新教育综合管理系统的用户对象为学校平台管理员，功能分为用户管理、数据、分析、课程管理三大功能模块。主要管理教师与学生账号，管理课程开课与课程建设，查看统计数据。

从校企双方的切实需要出发，项目从论证策划到实践落地全过程，深挖双方人才培养相关痛点问题，促进产学双方全要素融合互补：高校将教学和企业实践有机结合，贯穿学生培养全过程，提升教育对产业需求的适应能力;企业通过深度参与人才全过程培养，解决优质人才紧缺问题，实现以产带教、以教促产的发展目标。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

相对其它软件，本项目有如下优点： 采用Web结构的分布式多层处理方式，使对数据的处理合理地分布在服务器和工作站上，保证了系统的稳定性、实时性。 灵活而安全地网络机制与权限管滚动发布基本信息：本系统提供动态滚动文本、图象、视频信息发布功能，可以在交易大厅的显示屏上发布基本信息，也可以在其它显示终端上接收这些信息。支持多媒体信息的播放发布：用户可以通过本系统发布房屋的多媒体信息，也可以从服务器的多媒体数据库中取得房屋的各种信息。提供与客户需求动态交互的网页。先进的加密、压缩算法，网络传输安全、实时。 同时满足交易大厅查询和家庭上网查询。与房地产交易系统交互，可由管理员直接操作。程序结构、层次清晰，保障程序易于更新和维护。满足大型网站实时、多服务器、交易大厅显示屏及触摸屏电脑等发布要求。

复杂信息系统人机交互数字界面已成为操作者获取信息、知识推理、判断决策的重要手段和操作依据。复杂信息系统人机交互界面在军事、信息安全、地理交通等诸多重要领域发挥着不可替代和非常重要的作用。该项技术首次综合信息编码、生态界面、认知摩擦、认知负荷和态势感知等关键理论和技术，构建了复杂系统信息流的功能结构模型，分析了复杂系统要素之间的层次结构和内联属性的复杂特征，提出了复杂系统“界面信息-视觉认知”映射模型的知识表征与规则推理，揭示了复杂系统数字界面从视觉信息认知到行为决策之间的映射关系，建立了复杂系统数字界面信息区块布局的空间与结构约束机制。本项技术首次融合脑电、眼动等多维度生理测评技术，提出了复杂信息系统数字界面的可用性评估体系。通过高时空分辨率的脑成像技术与眼球追踪技术相结合，共同揭示了人类在复杂系统数字界面认知各阶段的认知特性，分析了认知失误、认知困难等问题的生理学根源。该技术基于脑电ERP、眼球追踪等多维度融合的生理测评方法，对设计优化方案进行可用性评估，由此提出复杂信息系统数字界面设计的量化评估体系，提出了可实施的复杂系统数字界面设计优化方案。项目成果已成功运用到海、陆、空、航天等信息化装备上，全面提升了信息化装备的人机交互水平，保障了信息化装备整体性能和水平的充分发挥，提高了信息化装备操作绩效。取得突出成绩。应用前景广阔。

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

在企业的产品开发过程中，会形成大量的技术数据、技术资料、工程经验等设计资源。面对这些资源，企业往往因为缺乏基于知识技术的信息管理方法和技术，使得这些设计资源不能得到很好的规范组织和重用，从而制约了企业产品创新能力和产品结构合理化程度的提高。   天为 DMIS 设计师信息管理系统，能够统一管理企业中与产品形成过程中产生的所有结构化和非结构化的资源，使设计人员在设计过程中能够迅速找到相关知识，从而方便快捷地对已有的相关设计案例进行参考和相互比较，使相关文档在特定的时间发送到特定的地点和特定的人员手中，并可对已有模块进行快速配置和变型设计等；从而提高企业的产品设计效率，缩短产品设计周期，降低设计成本，提高设计质量和产品创新能力，提升企业的整体管理水平。