面向数据隐私与孤岛困境的轻量化联邦学习教学管理优化方法研究
Abstract
本研究针对当前高校特别是“双非”院校教学管理中长期存在的数据孤岛、隐私安全与资源约束等核心问题，以某“双非”大学电子与信息工程学院为实践背景，提出了一种基于轻量化联邦学习的“教-学-评”闭环教学管理优化方法。通过引入工业级联邦学习框架 FATE，在保障数据隐私与合规的前提下，实现了多源异构教学数据的协同建模与价值融合；结合自然语言处理与多任务神经网络，构建了覆盖教学质量评估、学业风险预警及资源优化分配等多维应用的智能支持系统。实际院级试点表明，该系统显著提升了教学管理精细化水平与师生满意度，验证了轻量化联邦学习在有限资源条件下推动教学管理数字化转型的有效性与可行性，为同类院校提供了可复制的技术路径与实践参考。
Fields of Study & Subjects
Privacy-Preserving Technologies in Data
Online Learning and Analytics
Educational Technology and Pedagogy
Publication details
- Journal / source
- 当代教学研究学报
- Pages
- 36–36
- Publication date
- 9 February 2026
- Language
- ZH