实现“教学考评管”全流程课堂管理，教师教学过程中可以按年级、班级、学生等不同单元组建教学课堂，根据课程教学目标自由进行课程实践、项目实训的实验内容、进度、结果的管理。教师可以自定义教学计划，并结合学生情况设置拓展和必修课程及相关考核要求。平台将学生实验进度、学习行为和结果的全流程数据完整记录，支持教师管理课程学习与考核数据，开展多维度学情分析，满足多种类型教学管理场景需求。 定制课堂 平台基于元子课及实训项目，教师可以根据课程教学目标、学生情况、选用教材等，选择不同方向、分类、难易度的实践元子课和实训项目组合教学课堂，针对不同专业、年级、班级的学生灵活搭配出符合自身教学需求的课堂，实现个性化定制，让实践教学与整体教学目标更好地融合。 教学计划 教师可以根据自身课程教学内容和教学进度，设置课程评分规则、完成时间等，并实时查看学生的学习进度、学习成绩，直观了解到当前课堂的学习进度。同时平台还提供必修课与拓展课配置，在满足教学目标的基础上，还能添加“拓展内容”，为学习意愿与能力较好的学生提供更多的学习机会，更好地激发学生的学习兴趣。 作业评价 平台中对于实训项目作业提供了统一的审阅、评分入口，教师可实时查看实训项目作业的提交情况，便于对学生作业进行评分。同时平台还提供了优秀作业展示模块，教师可以在评分时将学生的作业评选为优秀作业展示出来，树立榜样，为优秀学生提供了展示风采的平台，营造出了评优争先的学习氛围，调动了学生的积极性。 学情分析 学情分析模块中统计了每个学生的课程学习进度、课程平均分及总学习时长等关键数据，以图表的形式直观展示出来，将学生的学习情况量化，使教师对学生的学习情况一目了然。教师可以通过对课程学习进度、学习时长等数据，了解到每个学生的学习积极性，便于教师对学生的平时成绩进行一个更准确更有依据的评判。平台还内置了生动形象的“成绩单”，可以让教师看到课堂中单个学生的全部课程学习情况及成绩，使教师对每个学生的学习动态有了更加全面、及时的了解，协助教师更有效地优化教学过程，达成教学目标，提高教学质量。 在后台中，平台记录了每个课程的访问情况、使用情况以及每个用户在平台中的操作记录，并按课程与用户两个维度分别进行统计，以统计表的形式进行汇总展示，方便平台管理者对平台内资源使用情况及用户操作情况有一个全面的了解。 课程资源 平台针对每个课堂，都提供了公共的课程资源库，可供教师上传课堂教学过程中全部课件、文档、视频、代码包等教学资源，实时共享到课程资源库中，方便学生进行查看、下载，教师教学资源共享更便捷，学生课后自学归纳更高效。 课程考核 平台为教师提供了试卷、试题库，支持教师自定义新建试题或批量导入试题，以及通过模板自动组卷和手动选题组卷两种方式创建试卷，积累自己的教学成果。教师可通过试卷创建考试并发送至课堂，以课堂为单位进行在线考试，可在线评阅试卷并查阅考试成绩、成绩分布以及详细答题情况分析，帮助教师快速了解学生对课程知识的掌握情况。 优秀作业 优秀作业模块展示了教师在实训课程中评选出来的优秀作业，可以在学生间树立优秀榜样，其他学生用户也可以浏览查看优秀作业，促进学生互相学习，共同进步。同时优秀作业还将展示相同专业课程的往届优秀作业，可供学生在学习过程中参考，助推总结反思。为学生们搭建了展示风采、相互促进、观摩学习的平台。  

DMV是业界领先的IT架构图管理平台，致力于为IT运维团队提供更加准确、易用、丰富的架构图。通过DMV，实现架构搜索、版本管理、团队协作等架构管理，实现组合透视、运维分析等场景使用，实现标准绘图、数据联动等架构设计。

  高校智能题库资源管理系统 试题试卷永久归档  资源数字化管理     核心功能   试题试卷数字化 试题试卷数字化管理，建立数据库系统，永久保存，规范管理。 单题/批量导入，在线/离线录入，客户端/管理端录入。 支持常用文件格式，导入方式多样（word、excel、json）。 支持全试题模型（文字、图片、表格、公式、音频等）。 录入、编辑、审核、组卷、检索操作简单。 完备的错误警报机制。   试题维护 可预览、可检索、可编辑，支持全题型。内置属性多样且可以自定义，如难度、公开度、区分度、差异系数、标准差。引入版本概念，记录试题变更历程。与最终考试结果关联，迭代更新试题属性值。统计试题使用次数，加权计算试题曝光度。   智能组卷 支持自动组卷/手动组卷，在线组卷/离线组卷，单套/批量组卷。 组卷灵活：简单组卷、精确组卷、蓝图组卷。 可按题量、分数、题型结构、知识结构、难度系数等多重模式组卷。题库系统与阅卷系统关联，可获取作答得分详情，用于属性分析。提供多维度属性，如难度、区分度、标准差、差异系数、信度等，便于组卷抉择。重复试题自动筛选提示。 试卷可预览、可修改、可导出，可一体化输出线下印刷，也可联通线上网考。   审核管理 试题审核：新录试题进入管理端数据库，需要经过规定的审核流程，自主设置相似度阈值，审核提供预计属性值（难度、标准差、差异系数） 考卷审核：客户端同步至管理端，试卷进入待审列表，由管理员对试卷及内容进行审核，还可审核试卷属性（难度分布、知识点分布、标准差与区分度）   查重比对 查重列表：根据设计的阈值，摘选出库中超出阈值的试题；按本题型与其他题型划分陈列。 比对标记：原题与相似试题间的判定重复部分，高亮表示，便于核查。 配置设置：可自定义比对阈值、最多比对数量、查重范围等参数。 属性预估：根据相似试题属性，综合计算本题预估属性值，包括难度、区分度等   产品优势   部署灵活 同时支持在线云端部署与本地离线部署，客户端与管理端分离使用。   安全性高 制卷与命题动作分离，独立运作，相互隔绝。 数据流转安全，依托特定密钥加密的数据文件，不显示明文信息。   题型支撑广泛 支撑目前已知所有试题类型的录入，支持音视频、图片、数学公式的在线编辑。   系统使用简便 为不同角色制订不同的使用界面；为管理人员与命题老师分别优化使用过程。    

广凌安全文明校园管理平台全面推进高校建设安全文明校园，有效统计高校监控、应急报警、车辆人员管理等校园安全信息化建设情况，辅导完成对“平安校园”考评的咨询工作，实现更高水平的“平安校园”100%全覆盖。

广凌报障运维管理系统从工单填写、工单指派、工单结束、工单评价、维修费用等多个方面进行工单的全生命周期管理，形成工作质量有反馈，维修费用去向明了，建立健全知识库，有效统计各类设备故障，给管理员后期采购产品或服务提供决策依据，支持移动端办公。

一、系统概述 综合信息门户系统主要是针对网络游客、学校教职员工、学生等提供信息资源以及相关信息服务，是学校实验室综合管理平台的信息展示窗口和平台登录入口。 二、系统特点 1、门户网站建设采用“1+N”模式：1个校级门户管理N个院级门户。 2、兼容主流的浏览器，如IE7.0以上的浏览器、火狐浏览器、谷歌浏览器、360浏览器等。 3、支持多终端自适应，在Windows、Android、iOS等终端设备上均能正常访问院校的门户网站。 4、承担校院二级平台的统一门户接入，用户在校级平台登录（支持校级统一身份认证）后可快速跳转至各二级学院平台，无需在各自的二级平台再次登录。 5、提供链接管理功能：可无缝链接到国家级实验教学示范中心（链接）、省部级实验教学示范中心（链接）、各个二级实验中心门户平台等，以扩大学校的知名度。

一、成果简介 该软件以Access为开发平台，已VB为开发语言。软件包括数据录入、数据管理、选育管理、信息查询、报表、管理提示、参数设置、权限设置等9个功能模块。该软件是在国家“十一五”课题支持下取得的成果。 该软件将羊的选育与日常管理相结合，针对我国引进肉羊品种繁育中存在的只繁不育、近交严重等关键问题，软件开发了选育提示和羊群近交估计模块；针对羊场选育数据量大，纸质或电子表格式积累数据

1、将课堂班级转变成学习型社群；不仅有学习活动的互动、交流；也有学习资源、信息的分享，满足课前备课设计，课中互动教学，课后作业巩固等全流程设计； 2、协助教师突破传统教学限制，实现混合式、翻转式、交互式等创新教学策略； 3、提升教师教学质量、激发学生学习兴趣； 4、为学校提供完整解决方案，达成「教、学、管、评、测」一体化的教育信息化建设目标。

疫情防控，快速识别出潜在的感染者是关键。近日，西安交大管理学院刘跃文副教授研发出新冠肺炎感染风险的大数据评估模型，可基于旅行大数据，综合计算新冠肺炎感染风险指数和级别。该模型在云南省全面推广应用，大幅度提升了防控一线现场核查工作的效率，在一定程度上控制了疫情传播风险，得到了云南省委、省政府领导的高度认可。 当前，在阻断新型冠状病毒传播的工作中，存在三个盲区也是关键点，严重影响着疫情防治的效果，即：一是很难知道某个人是否在公共交通工具及场所中与已确诊人员或疫源地人员接触过；二是个别人员近期到过疫源地或接触过确诊人员，但是毫不在意，不汇报也不主动自我隔离；三是个别人员甚至刻意隐瞒自己曾到过疫源地或接触过确诊人员的历史。为此，上述三种类型人员给疫情防治工作带来了巨大的挑战，使其无法开展有效核查，也无法有效规避风险。据刘跃文介绍，2月4日，新型冠状病毒感染风险的大数据评估模型及系统在云南省正式上线应用，基于个人的旅行数据，自动分析其是否到过疫源地、是否与疫源地人员接触、是否与已感染病例接触等多项指标，利用贝叶斯方法，计算其感染新冠病毒的可能性指数，并预警高风险人员。

研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐； 平台技术： 微服务的构建方式，微服务、前后端完全分离。 分布式开发框架——SpringCloud Web开发框架——SpringBoot 、VUE（ELE） 机器学习算法框架——R、Spark集群计算 数据存储工具——Mysql、JPA、Hadoop（集群） 中间件: RabbitMQ