工程实验室面向学校、社区、企业等行业用户，全面贯彻“互联网+”教育理念，改革优质教育资源供给方式，以互联网教育云服务、自适应数字化教育资源开发、互联网教育大数据决策与评估中的关键技术为工程实验室的主要研发方向。

1.互联网教育云服务关键技术研发

随着云计算技术快速发展并不断融入教育领域，教育云已成为信息化教学应用服务和教育管理服务的重要方向和基础依托，是教育行业一种新的教育服务模式，将云基础设施、海量教育资源、教育应用系统整合起来，旨在支撑正式、非正式学习和教学评价，提升教育质量。但在具体面向教育行政部门、学校、教师、家长、学习者提供应用服务时，存在互联网教育企业缺乏从多学科交叉融合的视角研发符合学生认知过程、认知情境、学习心理机制和学习者特征的教育产品的问题。

目前甘肃省在省、市、县开展教育公共服务平台的建设中，期望利用互联网教育云服务提供优质教育资源和个性化教育服务，扩大优质教育资源覆盖面。但在实际运行过程中由于承担教育云服务的企业缺乏对实际需求的了解和教育教学过程的理解，存在互联网企业抱怨投入大量经费研发的教育产品得不到教育系统的认可，同时教育行业抱怨花费大量资金购买的教育云服务产品不能适应教与学需要的问题，导致投入大量资金建设的信息化教学环境处于低效运行状态。2015年工程实验室参与中央电化教育馆组织的“教育大数据分析研究”研究项目，对国内18家从事教育信息化龙头企业产品进行了教育适应性综合评测，可以明确，企业具有很强的技术开发实力，但由于缺乏对教育教学过程、学生学习心理机制等的深刻理解，所开发的平台在构建教学行为数据仓库，实现教育大数据的获取、存储、管理和分析，对教学行为和学生的学习水平分析与发展预测等方面仍处于初始阶段，对数据的分析仅停留在传统简单分析的水平，尚未建立有效的数据分析模型，因此难以对教学和学习行为进行分析，大数据价值无法挖掘和利用。

要解决好以上问题，需要围绕互联网教育云服务智能水平提升等关键技术开展研究活动。互联网教育综合服务平台关键技术研究：在当前智慧城市建设背景下，在互联网教育云服务体系构建中的大数据学习分析技术、数字教育资源推送技术等进行系统研究与攻关，为互联网教育企业提供技术支撑。教育大数据学习行为分析关键技术研究：将教育领域研究与学习分析方法相结合，对教育教学过程中的关键对象（学生、教师、课程等）进行模型构建研究，并开展教育大数据学习行为采集规范和标准研究，这是基于数据的测评、诊断、反馈和预测的基础，是学习分析研究的核心部分。

2.自适应数字化教育资源开发关键技术研发

随着信息技术和移动互联网的发展，数字化教育资源建设正在蓬勃发展，电子图书、数字报纸、数字期刊、数字视频、多媒体教学资源库等简单资源聚合类数字教育资源得到了大规模建设与出版发行。目前数字化教育资源开发中仍存在以下诸多问题：（1）在数字化教育资源的结构设计、交互设计、界面设计中尚未将网络学习心理分析、学习风格测量、学习行为可视化、用户体验等研究成果充分应用其中，致使所开发的数字化学习资源与学习者认知特征不符，难以适应不同学习者的个性化需求等。（2）尚未形成个性化、智能化、自适应的内容服务环境，在数据实时采集、数字内容智能生成、大规模个性化内容推送、服务质量监测等方面亟待进行关键技术研发。

工程实验室将以数字化教育资源的交互设计和界面设计为突破，着力开展：（1）在网络学习心理分析、数字资源与深度学习等理论与方法的基础上，对数字资源界面设计及交互设计标准等进行研究，提高学习者的人机交互层次和学习深度，增加学习沉浸感。（2）在应用学习者认知特征与风格测量、学习行为分析等理论与方法的基础上，进行资源自适应关键技术研发，提高学习者对个性化资源需求的满意度。（3）充分利用国内外虚拟现实技术的最新研究成果，对开发融真实情境与虚拟情境于一体的虚拟现实和增强现实数字学习资源环境中的关键技术进行研发。（4）与K12教育、民族教育等内容相结合，对人机交互模式和教学适用性进行深入研究和迭代开发，实现具有深度沉浸、多感知互动、跨时空体验、线上线下、实体流动相结合的虚拟现实学习资源平台。

3.互联网教育大数据决策与评估关键技术研发

伴随互联网、云计算等信息技术的迅猛发展，物理世界和数字世界的融合，物理世界的信息被大量数字化，海量的非结构化、半结构化数据源源不断产生，且采集的数据深度、广度以及细分度不断地延伸，越来越呈现出多层化、多元化、非结构化的表征。这些大数据对互联网教育管理决策将产生重要影响，改变过去决策过程过于依赖经验、缺乏系统数据支撑的状况，给互联网教育决策的优化创造了新的发展契机。但目前互联网教育大数据决策与评估关键技术尚不成熟，主要表现在：（1）所收集整理的海量教育数据存在原始、复杂、零散及明显的碎片化特征，不少数据仅仅停留在原始数据层面，杂乱无章，对做出科学决策难以提供支撑。究竟需要哪些数据，如何收集整理这些海量数据，采集规范和标准是什么等都需要深入研究。（2）如何从繁杂的教育数据中提取出有利于教育发展的信息，并对这些信息进行多角度、多路径的分析等关键技术有待研发。

工程实验室将围绕大数据支持的互联网教育决策与评估关键技术开展研究，并提供咨询服务：（1）研制教育大数据采集标准、教育大数据跨平台交换标准等，提取关键数据进行分析以供决策者判断运筹；（2）设计开发数据分析工具，发挥数据的多维度比较分析（例如从各类人群的需求、技术不断发展等）功能，为互联网教育发展目标预测与进一步规划提供坚强、有力的支持；（3）利用大数据分析技术的可视化优势，帮助分析者挖掘、呈现不同数据之间的联系，发现问题，寻找解决问题的途径并提供咨询，支持决策者科学决策、动态管理。