排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
智能时代,开展学生综合素养评价需要多场域多模态的数据。然而,当下数据孤岛尚未有效打通,数据安全问题又愈发严峻,这都成为阻碍学生综合素养评价落实的关键问题。联邦学习作为人工智能领域的前沿技术,具有数据不出本地而仅共享模型训练参数的优势,能够打破数据孤岛、保护数据隐私,为学生综合素养评价数据共享与安全保护提供了新的解决方案。基于联邦学习技术的核心思想,研究设计了“云-边-端”三层的学生综合素养评价数据共享与安全保护技术逻辑架构,以实现个人、学校、区域、企业以及专门机构等之间的数据共享与安全保护。为推动联邦学习技术的落地应用,该研究以横向联邦学习中的学生自主学习素养研究、纵向联邦学习中的学生体质健康素养研究以及联邦迁移学习中的学生数学素养研究三类实现场景为例进行了详细说明。联邦学习技术在学生综合素养评价中的先导应用,能为未来教育领域数据孤岛、数据安全等藩篱的突破提供参考,进而发挥数据价值,服务教育发展。 相似文献
1