高校申请认证突击拼凑，认证工作浮于表面，急于求成。 自评资料准备过程繁琐，部分资料缺失。 学生学习过程中的表现缺乏客观性的跟踪与评价，考核评价都集中在最终考试或实验报告的结果。 非技术性指标点的支撑不足，如个人与团队、项目管理、终身学习。 课程目标达成度及毕业要求达成度，计算工作量大。 持续改进，无法有效形成闭环。无法及时、显像化的找到持续改进的问题点，如无法有效利用外部评价数据作为持续改进的依据。      

我公司产品线产品可覆盖并满足：“无人机驾驶”、“无人机操作应用“、”无人机组装与调试“等1+X认证体系要求，并且符合竞赛标准；

产品详细介绍

产品详细介绍

产品详细介绍 　　盈可视教育资源云平台是一套建立在Linux系统环境下，基于JAVA平台进行开发的，针对教育视频资源共享及应用的平台软件。 　　该系统以目前流行的“国家公开课平台”的展现方式进行视频资源的展示与分享，无须安装专用播放器，通过B/S架构下的网页FLASH+HTML5双模式直播及点播技术，实现实时直播点播、虚拟切片、评论、评分、编辑、教学分析、点播统计、用户管理等功能应用，并支持>1000用户并发访问，为教育资源的共享提供了一套优秀的解决方案。 　　盈可视教育资源云平台除了提供优质视频资源的发布共享外，还提供前端录播系统的集中管理功能，实现前端录播课室的控制以及预约录制管理应用。 　　六大亮点 　　微课虚拟切片 　　丰富学科资源 　　在线评分打点 　　个人工作室 　　大规模直播点播 　　集中管理控制 　　其他功能 　　主题分类展示 　　多级平台接入 　　用户权限管理 　　SNS社区功能 　　视频点播统计 　　视频在线编辑 　　ST教育分析工具 　　一键转载分享 　　一、 微课虚拟切片 　　视频虚拟切片功能，切片不破坏原有视频的完整性，剪切的视频片段可进行自由下载，完整提取课堂精华，精彩微课轻松建立。 　　支持多个关键字录入，且进行切片后的原视频仍能完整保留，不会破坏原始视频素材结构。 　　盈可视教育资源云平台可实现在线的视频编缉,可将视频文件在网页上进行剪切、合并、输出等操作，轻松实现视频资源的在线集中加工操作，让视频资源更趋完美。 　　二、 丰富学科资源 　　平台支持学科资源文件的上传，学科资源文件类型包括文档、图片、视频、音频等，支持文档、图片的在线阅读，无需下载到本地。支持学科资源文件搜索。 　　支持学科资源文件分类根据院校、年级、学科、章节等规则的自定义，支持学科资源文件下载热度排行榜，支持学科资源文件点击热度排行榜，支持分类资源的上传时间、点击率排行列表显示。 　　三、 在线评分打点 　　在线评分打点及统计功能，轻松实现专家点评、师生交流，学生间交流、教师间交流的功能，同时能对评分结果进行统计以及Excel表导出。 　　系统可进行具体评分项目、评分模板管理，不同类别的视频可设置不同的评分内容。 　　用户在平台上进行点播时，在评分打点界面还可进行视频相关附件的保存以及下载，从而实现专家对视频中课堂PPT课件的点评需求以及学生对教师课件或者其它学习资料的下载需求。 　　四、 个人工作室 　　支持教师与教研员个人工作室的建立，在个人工作室内教师可进行个人教学研讨成果的公告发布，实现第一时间的教研成果展示，从而推动教师的教研创新能力发展，促进教研成果探讨共享与交流。教师可上传自己的精品教学视频并进行相关视频管理，同时可上传自己的教学课件进行发布与管理。 　　五、大规模直播点播 　　系统支持200间以上录播教室的直播转发以及直播列表选择，支持>2000路并发直播及点播观看。 　　六、 集中管理控制 　　系统可支持前端录播主机的集中式管理，由统一的管理平台对网络内多台录播主机进行集中式管理，管理通过IE网页方式实现。管理内容包括前端录播系统的接入、删除、信息修改、录制模式选择/开启/停止、直播权限、关机等操作。 　　系统可实现多台录播主机的预约录制集中管理功能，管理员可进行每一间录播室一个学期以上的预约时间列表设定、浏览、删除。并可通过甘特图的形式查看教室预约情况。

（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。