学好英语，又快又简单 好老师+好课程=好成绩 “预习+练习+应用”三步闭环学习法

支持百人之内的小班授课，师生可随时随地开展沉浸式教学活动

基于MOOC的在线教育平台 a.历时数年研发出的整套MOOC权威解决方案； b.轻松创建院校自己的学习门户，用来展示其课程、专业以及院校风采等； c.缴费支付全走通，招生管理、报名管理、课程管理全不误； d.强大的统计分析功能，支持财务统计、课程统计、学习统计等。

在线式去皮机主要针对鸡、鸭、鱼等小型动物屠宰行业，适用于片状物料、单侧带皮的皮肉分离。

一、产品简介 万方在线组卷系统是一款专门为中学师生订制开发的选题组卷的工具。目前内置百万试题，覆盖了初、高中六个年级的所有升学考试学科，为保证试题质量，题库内录入的题目全部来源近年来各地的中高考的真题和名校名卷。 主要功能：人工选题、智能选题、试卷预览、设置卷参、试卷下载与存档、试题和试卷的收藏，试卷输出。用户可以对题库中的试题进行学科、学段、考试类型、难度、知识点等进行筛选；也可以对试卷的样式根据不同的应用场景进行调整；对组成的试卷可以存档、删除、修改，并且提供Word格式的文件下载。 万方在线组卷系统与国内多家名校的近千名一线教师正式签约，建立了长期合作关系。由他们精心地为试题提供分级解析，并定期地更新试题资源，以保证与时俱进地把握近年的中、高考的考频动向，成为广大师生练习与测试的在线组卷利器。 2015年万方在线组卷应广大客（用）户的迫切要求，推出了万方在线组卷的镜像版服务。可以独立部署到客户的服务器上，实现了客户自建题库功能，增加了后台管理功能：录题、分题、答题、审题、知识树的创建，账号及权限管理，对于题目入库流程实行规范权限和分级管理。 二、产品使用说明 通过首页的主题导航，您可进入在线组卷系统。首次进入需要您先选择关注的学科。为了能更好地保存您的使用记录，建议您使用个人帐号使用在线组卷系统。组卷系统主要包括三部分：组卷中心、试卷中心和个人中心。 （一）组卷中心 组卷中心选题方式有两种:人工选题和智能选题。 1. 人工选题 可以直接对题库中的题目进行条件筛选和检索。 1) 筛选条件有：知识点、年级、类型、题型、难度、地区、年份等；在检索框内输入关键字可以实现题目全文检索。 2) 确定筛选范围和检索条件后，对于结果页面的试题进行手动添加至试题篮，可以逐一添加，也可以整页添加。 3) 添加后试题的数量和题型会在试题篮中显示，试题篮不但可以查看所选的试题的题型和数量，还可以进行清空重置的操作。 完成选题后，可以进入预览试卷进行样式调整。 2. 智能选题 点击智能选题，进入智能选题页面。 1) 选择知识点，确定题型、难度和数量，注意，添写数字时不能超出题库中检出符合条件的试题数目。 2) 保存后进入确认页面，可以就选定的知识点下的题目数量进行修改和删除，也可以在左侧知识树上继续选择追加下一个知识点，重复设置题目的操作。如果没有需要修改和追加就可以点击右侧下方的确认设置。 3) 点击确认设置后出现智能选题的结果页面，可以手动全部加入试题篮，也可以逐一加入试题篮，选题结束同人工选题一样要进入预览试卷进行样式调整。 3. 试卷预览 在下图A区可以设置卷参，有四种常见样式可选，也可以自定义样式；在如下图B区对卷体进行设置，可以通过鼠标来拖动小题进行小题的重新排序，左侧的设置与右侧的预览界面内容是相互连动的。 1) 进行卷参设置时，会弹出对话框，在相应的位置填写文本注释即可。  2) 对于单个小题，可以进行查询详情、删除、上移、下移和智能换题的操作。 3) 试卷设置完成后可以存档备用，也可以直接下载WORD，同时可以下载答题卡和查看试卷分析。 4) 如果对现有题目还存在不满意的情况还可以选择返回选题，返回选题会直接回到组卷中心的人工选题页面。 （二）试卷中心 进入试卷中心后可在如下图A区进行选择筛选条件，在如下图B区输入关键字进行试卷的名称的检索。  1. 浏览试卷 点击试卷标题和浏览按钮可以进入试卷浏览页面，如下可以对题型进行筛选。在浏览页面可以对试卷中的单个题目进行手动添加到试题篮进行组卷，也可以对感兴趣的题目加入收藏。 2. 添加收藏 点击收藏后，操作按钮变为取消收藏，同弹出提示收藏成功，收藏成功的题目会被记录到个人中心的我的收藏中，更加方便查找。 （三）个人中心 个人中心包括两大部分：一部分是我的试卷，其中记录着我保存的组卷记录和我下载的试卷记录；另一部分就是我的收藏，其中记录着我收藏的试题和系统试卷。 （四）帮助中心 在组卷中心，试卷中心，个人中心，浏览试卷页面，单击右上方问号，可进入帮助中心，观看视频。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本平台基于用户报刊订阅历史数据及用户个人信息，结合矩阵分解，K-Means等机器学习技术，构建了用户报刊个性化推荐系统，在提升推荐准确性的同时较好地解决了冷启动问题。

研发阶段/n主要研究设计可扩展至1024 核的众核智能处理器架构。研究面向智能处理的 存储一致性模型；研究异构智能处理器的非对称片上网络；研究超大规模智能任务 的核间分割；研究多智能处理任务的动态调度；研究众核智能处理器的层次化物理 设计；研究存算一体化的众核智能芯片结构；研究智能处理器芯片的异构并行；研 究多智能芯片的高速片间互联。到2020年，以实现人工神经网络智能计算速度和能 效的指数性增长为目标，取得超大规模人工神经网络芯片架构、智能芯片指令集、 新型智能编程语言及编译器、自主智能算法等方面