目 錄
第1章 教育大數據預測、應用與挑戰
1.1 教育大數據發展的意義
1.2 教育大數據發展現狀
1.3 教育大數據特點
1.4 教育大數據預測、應用簡介
1.5 教育大數據預測
1.5.1 影響學生成績的因素
1.5.2 預測模型
1.5.3 評價指標
1.6 教育大數據應用
1.6.1 預測
1.6.2 推薦
1.6.3 評價
1.7 挑戰性的問題
1.7.1 開放的教育大數據
1.7.2 教育大數據平臺
1.7.3 學生行為預測分析
1.7.4 知識圖譜構建
1.7.5 隱私威脅和合法保護
1.8 本章小結
參考文獻
第2章 體育大數據管理、分析、應用與挑戰
2.1 引言
2.1.1 體育大數據發展的意義
2.1.2 體育大數據特點
2.1.3 體育大數據研究現狀
2.1.4 章節安排
2.2 體育大數據管理
2.2.1 體育大數據獲取
2.2.2 體育大數據標注
2.2.3 提升體育大數據的質量
2.3 體育大數據分析方法
2.3.1 統計分析
2.3.2 體育社交網絡分析
2.3.3 體育大數據分析服務平臺
2.4 體育大數據應用
2.4.1 評價
2.4.2 預測
2.5 挑戰性的問題
2.5.1 利用知識圖譜預測運動員成績
2.5.2 發現潛在的體育新星
2.5.3 統一的體育大數據平臺
2.5.4 開放的體育大數據
2.5.5 隱私保護
2.6 本章小結
參考文獻
第3章 體育社交網絡分析、建模與挑戰
3.1 引言
3.1.1 體育社交網絡定義
3.1.2 體育社交網絡分析的好處
3.1.3 體育社交網絡建模的好處
3.1.4 本章貢獻
3.2 體育社交網絡分析
3.2.1 體育社交網絡
3.2.2 基於傳球網絡的分析
3.3 體育社交網絡模型
3.4 挑戰性的問題
3.4.1 利用多視角學習挖掘體育團隊成功的基因
3.4.2 基於圖網絡評價體育團隊合作的影響力
3.4.3 利用圖神經網絡發現最佳搭檔
3.4.4 基於屬性卷積神經網絡發現體育新星
3.5 本章小結
參考文獻
第4章 基於異構網絡的合作者影響力評估
4.1 引言
4.2 相關工作
4.3 方法
4.3.1 數據集與預處理
4.3.2 SCIRank模型框架
4.4 實驗結果
4.4.1 在科學合作生涯中的產量模式
4.4.2 合作時長和曇花一現
4.4.3 在科學合作生涯中的影響力模式
4.4.4 合作影響力和“二八定律”
4.4.5 SCIRank和突出的影響力
4.5 本章小結
參考文獻
 

前 言

教育大數據、體育大數據、學術大數據在國家人纔培養、人纔引進、基金分配等方面扮演著重要角色，已經受到國內外科研工作者的廣泛關注。本書共包括四章，主要貢獻為：
第1章主要綜述教育大數據預測、應用與挑戰。教育大數據預測研究不僅能夠指導教育管理者作出合理的決策，還能為學生提供就業推薦、失業預警等精準服務。關於教育大數據預測部分，本章重點關注影響學生成績的因素、預測學生成績的模型及其應用。關於教育大數據應用部分，重點介紹：（1）預測，如異常學生預測、學生成績預測及就業預測等；（2）推薦，如推薦課程、推薦導師及推薦學習場所等；（3）評價，如學生學業評價、教師科研評價及教師教學評價等。關於教育大數據挑戰性的問題，我們重點介紹了開放的教育大數據、教育大數據平臺、學生行為預測分析、教育相關的知識圖譜及隱私威脅和合法保護問題。
隨著信息技術和體育運動的快速發展，體育信息分析已成為一個越來越具有挑戰性的問題。如今，各種各樣的體育數據都可以很容易地訪問，並且研究人員已經開發了令人驚嘆的數據分析技術，這使我們能夠進一步探索這些數據背後的價值。第2章首先介紹了體育大數據的背景。其次介紹了體育大數據管理，如體育大數據采集、體育大數據標注和提升體育大數據的質量。再次介紹了體育大數據分析方法，包括統計分析、體育社交網絡分析和體育大數據分析服務平臺。此外，我們還介紹了體育大數據的實際應用，如評價和預測。最後調查了體育大數據領域的代表性研究問題，包括利用知識圖譜預測運動員成績、發現潛在的體育新星、統一的體育大數據平臺、開放的體育大數據和隱私保護。
第3章首先介紹體育社交網絡。其次對體育社交網絡和體育社交的最新研究成果進行了綜述和分類。基於傳球網絡的網絡分析，我們從以下三個方面展開介紹：中心性及其變體、熵、其他度量指標。再次比較了用於體育社交網絡分析、建模和預測的不同體育社交網絡模型。最後提出了體育社交網絡領域中有前景的研究方向，包括利用多視角學習挖掘體育團隊成功的基因、基於圖網絡評價體育團隊合作的影響力、利用圖神經網絡發現最佳合作伙伴及基於屬性卷積神經網絡發現體育新星。
第4章主要研究量化合作者的影響力。基於合作-引用網絡，提出了一個結構化的量化模型，即SCIRank模型。實驗結果表明：（1）在學術界，學者之間的合作活動更傾向於短期合作。（2）在學術合作生涯中，具有高影響力的合作者對的年平均合作影響力要高於中、低影響力的合作者對的年平均合作影響力，這表明學術合作行為越來越頻繁。（3）自從1930年以來，80%的合作者影響力來源於20%的合作者，這和“二八定律”一致，說明合作影響力主要來源於少數科學家。（4）SCIRank模型不僅能夠識別合作者對的影響力，而且能夠識別有突出影響力的論文，如諾貝爾獎論文。
本書第1章和第4章由白曉梅撰寫，第2章和第3章由白忠波撰寫。本書的出版得益於2018年遼寧省科技廳重點研發計劃指導計劃項目和遼寧省教育廳2019年遼寧省高等學校創新人纔支持計劃的資助。本書主要面向從事教育大數據、體育大數據、學術大數據研究的科研人員及相關研究領域的廣大師生。由於教育大數據、體育大數據、學術大數據相關研究發展迅速及作者能力有限，書中若有不妥之處，敬請廣大讀者與同行專家提出寶貴的意見。在此，感謝鞍山師範學院校領導和科技處領導給予我們的大力支持和經費保障，特別向為本專著的出版作出貢獻的同志們表示衷心的感謝！