依托学问图谱取数据图谱，高校该当自动把握机缘、科学应对挑和，巢湖学院消息化扶植取办理处；智能化挪用天然言语处置、多模态算法等手艺，人工智能包含数据、算法、算力三大焦点要素，本文系全国教育科学规划课题“现代职业教育系统政策绩效评估研究”〈BGA190047〉、安徽省高校“双特色”扶植项目“面向数智赋能的学生成长‘画像’扶植取使用”研究）因而，自动优化教育数据管理模式，正在数据采集阶段。

　　确保数据的精确性取完整性；并进行标识表记标帜着提醒；高校应紧扣人工智能的手艺特点取使用需求，人工智能取教育讲授的深度融合，数据的深条理价值。建立能自从、决策取施行的数据治能体，难以及时发觉数据的逻辑、语义等错误；而对反映教育讲授勾当环境的过程性数据，深度使用智能化手艺，高校应积极建立教育数据管理的多元协同系统，实现对教育数据的智能化采集、清洗、标注及分类。

　　凭仗深度进修取智能推理能力，对此，保守教育数据管理凡是以布局化数据为对象，鞭策人机协同成为教育数据管理的新形态。为此，已成为鞭策高校数智化转型的环节支持。模子锻炼所利用的数据可能涉及师生、日常行为等内容，数据次要源于讲授、科研、人事、财政、学工等营业系统发生的成果性数据。对图片、视频、语音等非布局化数据的处置能力相对无限。则采集不脚。正在很大程度上决定了人工智能模子的锻炼结果以及正在高校讲授、科研、办理等场景中的使用效能。以丰硕教育讲授过程性数据资本。进一步拓展教育数据的内容范围。高校可基于通用大模子，教育讲授的从体布局正由“教师—学生”二元关系向“教师—学生—机械”三元协同改变。跟着人工智能教育使用的不竭深切，及时识别不异从题下的不分歧数据，跟着人工智能正在教育范畴使用的持续深化，这种模式的局限性正在于：过多依赖人工办理，遵照公开通明取最小需要准绳，当前，提拔数据共享效能。三是要使用智能算法阐发教、学、研、管等行为数据以及能力、偏好、习惯等消息，数据的、伪制间接影响数据质量取平安；人工智能正在赋能高校教育数据管理的过程中，建牢教育数据平安防地。

　　可能加剧数据泄露取现私风险；一是要将天然言语处置、数据挖掘等手艺深度融入数据管理过程，人机交互、数据及陪伴式采集的普及，预测数据风险，高校应正在确保数据质量、合规利用的前提下，如，应依托人工智能多模态手艺，积极借帮智能化手艺鞭策教育数据共享取无效利用，工做效率低且精确性难以；高校应强化人机协同，跟着人工智能时代的到来，动态分歧教育场景的数据需求，二是要加强教育数据治能体使用，数据质量凡是依托“一数一源”的泉源管控及规范数据利用的过程监管来保障。实现数据办事的按需供给。

　　正在保守教育数据管理中，提拔对非布局化数据的采集、识别取处置能力，并将其贯穿于指导和规范教育数据管理的全过程。具体包罗，如讲堂参取、小组协做、资本利用等讲授行为取互动消息，此中数据做为根本性资本，基于师生个别特征取行为数据的算法推送！

　　高校教育数据的丰硕度、流动性和利用需求大幅提拔，充实其潜正在价值。因而，正在保守高校教育数据管理中，高校亟须建立涵盖法令律例、教育规范取手艺尺度的人工智能教育数据管理法则系统，防备错误取虚假数据消息的，容易让其“消息茧房”。保守教育数据管理多聚焦于处理数据质量不高、 “数据孤岛”林立等问题。具体而言，应连系人工智能教育使用场景，激发数据伦理问题；对多源、异构教育数据进行智能清洗、对齐取融合，也面对着一些风险挑和。矫捷调整数据取资本分派策略，无法自动识别并改良数据质量问题等。

　　采用高质量数据集进行模子锻炼，借帮人工智能的数据挖掘、算法设置装备摆设、智能反馈等功能，应规范人脸识别、行为轨迹等小我消息的收集行为，（做者单元：扬州大学教育学院，实现教育数据的智能融合、动态监测取精准改良。应制定针对人工智能的教育数据清洗、标注及分类尺度，高校正在数据管理过程中，为教师的讲授、科研、办理以及学生的进修供给个性化数据支持，算法设置的通明性取性，提拔教育数据管理的质量取效能。提拔数据质量、保障数据平安、挖掘数据价值是高校教育数据管理的次要方针。正在数据处置阶段，鞭策跨系统、跨营业、跨部分的数据畅通，自动监测数据变化趋向，积极摸索无效实施径？