摘要：网络流量具有非线性、复杂性特征,传统方法预测精度较低。为此,提出结合改进算术优化算法IAOA与小波神经网络WNN的网络流量预测模型。利用IAOA算法对小波神经网络关键参数初值调优,有效解决常规调参易陷入局部最优的缺陷,提高学习精度和收敛速度。对标准算术优化算法进行改进,设计拉丁超立方抽样法进行种群初始化,提高种群多样性;利用余弦函数对AOA的数学优化器非线性更新,均衡算法全局搜索与局部开发;引入针对最优解的高斯变异机制,避免算法陷入局部最优。利用十个基准函数对IAOA算法进行数值仿真,证实算法能够提高搜索精度和收敛速度。而网络流量预测实验结果表明,提出的预测模型具有更高的精确度,预测性能更加稳定,能够满足网络流量预测的高精度和实时性要求。

摘要：在线教育的发展离不开科学的评价体系,而过程评价是开展科学评价的基础。现有过程评价研究主要针对开放性平台和主题化教学模式,其在高校的局域性应用还不充分。为此,文章采用主流的指标构成方法,确定了参与类、交互类、自律类三类共11个在线学习过程评价指标,并以此为依托设计了在线学习过程评价模型。之后,文章通过“学在浙大”在线教学平台,获取学生的在线学习行为数据,基于多元线性回归模型筛选对学习效果具有显著影响的在线学习行为,并通过聚合后的行为标签计算权重,得出评价模型结果。最后,文章通过学生行为雷达图和教师端看板对在线学习状态进行了量化分析,为教师直观掌握学生学习状态、改进教学策略提供了有力的依据。文章的研究在一定程度上打破了“唯分数论”的评价现状,为个性化教学提供了新思路。

摘要：为了解决大型高校在疫情管控中跨市多校区的全员风险管理和人员排查问题,建设一个高效的疫情精准管控系统是十分必要的。本文提出了一种疫情管控系统的设计方案并开发实现,结合省政务公开数据、师生校内行为数据以及师生每日健康打卡数据等多数据源,基于浙江大学数据中台进行数据调度、整合和分析,实现校内动态精准管控。实践结果表明,采用该方案建设的疫情管控系统可以降低管理成本,高效定位风险,减小影响面。

摘要：在教育信息化理念不断革新、信息技术能力快速迭代的时代背景下,数字化转型已成为高校实现教育现代化的重要支撑。在高校早期信息化建设过程中,为快速响应学校在教学、科研、管理等场景中的迫切需求,各业务部门普遍以烟囱式、孤岛化方式建设独立的业务信息系统。在缺少顶层设计规划的背景下,相关工作逐渐在跨部门的业务协同性与数据共享性上出现瓶颈性问题,影响师生办公、办事体验感。如何有效实现服务便利化、管理高效化成为高校数字化转型的重要目标。