《中国基础教育大数据》知识整理

目录

第一章：教育大数据的战略定位
六大困难：
教育大数据的职位，作用：
智慧教育是什么
教育大数据将促进教育发生的变革
第二章：教育大数据的基础认知
涉及的关键技术
第一节：教育大数据的内涵解读
大数据的4V特征
大数据的内涵
教育大数据的概念
教育大数据的四大来源
▲教育大数据的独特性——传统教育
教育大数据的独特性——别的范畴
第四节：教育大数据的技术框架
教育大数据处理的一般过程
数据处理阶段
数据整合
数据存储
教育大数据技术体系的逻辑框架
教育大数据涉及的关键技术
学习分析界说
学习分析与数据发掘的比力
为教育发展提供的支持
界说
第三章：教育大数据的采集技术
第一节：教育大数据的来源与分类
核心来源
分类-按照来源和范围
别的的分类方式
第二节：教育大数据的结构模子
洋葱
冰山
第三节：教育大数据的采集技术
采集技术-4大类，13种常见的
第四节：教育大数据采集中的留意事项
第四章：教育大数据的分析框架
第一节：分析框架与情景
必要复兴的问题
教育大数据分析框架图
教育大数据应用情景图
第二节：分析方法与工具
通例分析方法与工具
大数据分析方法与工具
第三节：典范分析模子（七大）
1 教育决议支持模子
案例：
教育决议支持系统框架
教育决议支持过程模子
2 教育舆情监测模子
案例：
教育舆情检测模子构建
3 适应式学习模子
案例
适应性学习系统框架
适应性学习过程模子
4学习预警模子
案例
学习预警框架的四个核心问题
学习预警框架
学习预警过程模子
5深度学习分析模子
深度学习的概念
深度学习分析系统框架
深度学习分析模子建构
▲数据清理的过程
6学业评价模子
案例
学业评价框架
学习评价过程模子
7 学生画像模子
学生画像的界说
案例
学生画像系统框架
学生画像模子
第五章：教育大数据的应用案例
教育大数据的五大应用模式？
第一节：教育大数据驱动教育政策科学化
第二节：教育大数据驱动教育评价体系重构
第三节：教育大数据推动区域教育均衡发展
第四节：教育大数据助推学校教育质量提升
第五节：教育大数据促进师生个性化发展
第六章：教育大数据的管理机制
第一节：差别层面教育数据网络的构建
 国家层面
我国教育数据网络的建设现状
教育管理大数据建设五大类
体系结构
总体目标：
教育资源大数据建设
发展发起
区域
区智慧教育综合服务平台体系架构
网络架构
发展发起
学校发起
第二节：教育大数据管理困难与解决思路
重要实际问题
安全管理步伐
隐私掩护步伐
融通共享
质量管理
教育数据质量的评判尺度
影响因素
保障步伐
运营模式
教育主管机构
企业
公众参与的“众筹”运营模式
公私合营（PPP）教育数据运营模式
第三节：区域教育大数据的发展规划
目标
重点使命
实验原则
实验路径
第七章：教育大数据的产业发展
六大产物
七大问题
八大发展趋势
产业基础
产业生态圈
第八章：结论，发起与趋势
结论
发起
趋势

---

第一章：教育大数据的战略定位

六大困难：

教育大数据的职位，作用：

• 教育大数据是重要的国家战略资产
  
• 教育大数据是教育范畴综合改革的科学力量
  
• 教育大数据是发展智慧教育的基石
  

智慧教育是什么

智慧教育是依托物联网、云计算、无线通信、大数据等新一代信息技术所打造的物联 化，智能化、感知化、泛在化的教育生态系统，是数字化教育的高级发展阶段
教育大数据将促进教育发生的变革

①教育过程从“非量化”到“可量化”，
②教育决议从“履历化”到“科学化”，
③教育模式从“大众化”到“个性化”，
④教育管理从“不可见”到“可视化”，
第二章：教育大数据的基础认知

涉及的关键技术

教育数据的自然采集、教育数据的分布式存储、
教育数据的安全管 理、教育数据的无缝流转与大规模共享、
教育数据的深度发掘及学习分析等。
第一节：教育大数据的内涵解读

大数据的4V特征

• Volume  2 velocity 3 variety 4 value
  

大数据的内涵

大数据不仅仅是一种技术，照旧一种本领，即从海量 复杂的数据中寻找有意义关联、发掘事物变革规律、准确预测事物发展趋势的本领。大数 据更是一种思维方式， 即让数据开口语言，让数据成为人类思考问题、举动决议的根本出 发点。大数据正在演变为一种“人人生产数据、人人共享数据、人人热爱数据、人人管理 数据”的 社会文化。
教育大数据的概念

所谓教育大数据，是 指整个教育活动过程中所产生的，以及根据教育必要采集到的，一切用于教育发展并可创 造巨大潜在代价的数据集合。
教育大数据的四大来源

一是在教学活动过程中直接产生的数据，如讲堂教学、考试测评、网络互动等：
二是在教育管理活动中采集到的数据，如学生的家庭信息、学生的康健体检信息、教职工基础信息、学校根本信息、财物信息、装备资产信息等：
三是科学研究活动中采集到的数据，如论文发表、科研装备运行、科研材料采购与消耗等记录信息；
四是在校园生活中产生的数据，如餐饮消费、上机上网、复印资料、健身洗浴等记录
▲教育大数据的独特性——传统教育

• 数据的采集具有更强的实时性，连贯性，全面性和自然性
  
• 分析处理更加复杂和多样
  
• 应用更加多元，深入
  

教育大数据的独特性——别的范畴

• 教育大数据的采集出现高度的复杂性。
  
• 教育大数据的应用必要高度的创造性
  
• 不仅注意相关关系，更要夸大因果关系
  

第四节：教育大数据的技术框架

教育大数据处理的一般过程

• 教育数据采集
  
• 教育数据处理
  
• 教育数据分析与显现
  

数据处理阶段

包括数据整合和数据存储
数据整合

数据整合是指通过高质量的数据整合方 法，对数据举行加工处理，并尽可能在保存原有语义的基础上去粗取精、消除噪声，从全 局角度包管数据的一致性和相关性。
数据存储

数据存储是指全部数据的集中存放，重要用来存放各 种结构化、半结构化和非结构化的汗青数据、预测数据、汇总数据、主数据及必要共享的 数据等，教育大数据存储系统不仅必要以极低的成本存储海量数据，还要适应多样化的非 结构化数据管理需求，具备数据格式上的可扩展性。
教育大数据
教育大数据技术体系的逻辑框架

通过数据传输接口，数据采集层将采集到的各类教育数据通报 给数据处理层，并通过数据整合、存储形成教育数据平台：基于该教育数据平台，分析与显现层可实现教育数据的可视化显现和大数据的分析与发掘，并将分析效果通过数据接口通报给应用服务层。
在该框架中，安全与监控贯穿整个流程，以包管教育数据各个环节的 安全性和可控性；尺度与规范则是整个框架的基础，以保障各个环节之间，以及整个系统 教育数据的融通与共享。

教育大数据涉及的关键技术

• 教育数据发掘
  

教育数据发掘的过程与数据发掘的过程根本一致，重要包括数据准备、数据预处理、 数据发掘及模式解释4个关键步调.

• 学习分析技术
  

学习分析界说

学习分析是指通过对数据背后所隐藏的信息加以发现和理解并有用进利用用（干预、 预测）的研究，从而追求最大的教育效益时。
学习分析与数据发掘的比力

为教育发展提供的支持

• 数据可视化技术
  

界说

数据可视化（DataVisualization）技术指的是运用计算机图形学和图像处理技术，将数 据转换为图形或图像，在屏幕上体现出来，并举行交互处理的理论、方法和技术。

第三章：教育大数据的采集技术

第一节：教育大数据的来源与分类

核心来源

• 人：学生，西席，管理者，家长
  
• 物：信息系统，校园网站，服务器，多媒体装备等各种 教育装备
  

分类-按照来源和范围

• 个体教育大数据
  
• 课程教育大数据
  
• 班级教育大数据
  
• 学校
  
• 区域
  
• 国家
  

别的的分类方式

• 业务来源：有教学类数据、管理类数据、科研类数据及服务类数据；
  
• 从数据结构化的程度来看，包括结构化数据、 半结构化数据和非结构化数据，结构化数据适合用二维表存储，图片、视频、文档等非结 构数据则不方便用二维表存储：
  
• 从数据产生的环节来看，可以分成过程性数据和效果性数据，过程性数据是活动过程中采集到的、难以直接量化的数据（如讲堂互动、在线作业、 网络搜刮等)，效果性数据则常体现为某种可量化的效果（如成绩、品级、数量等）。
  

第二节：教育大数据的结构模子

洋葱

• 基础层：学校的管理信息，行政管理信息，教育统计信息
  
• 状态层：装备的能耗，故障，教室光照，空气质量
  
• 资源层
  
• 举动层
  

冰山

第三节：教育大数据的采集技术

采集方式
采集技术-4大类，13种常见的

• 物联网感知技术
  物联网是指通过各种信息传感装备，实时采集任何必要监控、毗连、互动的物体或过 程等各种必要的信息，与互联网结合形成的一个巨大网络，其目的是实现物与物、物与人， 全部的物品与网络的毗连，方便辨认、管理和控制”。
  
• 视频监控技术
  校园安全监控系统是一套旨在用于全面、实时监控校园运行环境，跟踪学生收支学校 环境，准确监控和预测校园中可能发生的危急地点，以实现快速处理校园危险变乱的监控、 告诫系统，包括：   
  
  
  • 视频采集技术
    
  • 视频传输技术
    
  • 中心管理系统
    
  
  
• 智能录播技术
  
• 网评阅卷技术   
  
  
  • 数据扫描
    
  • OMR自动评分
    
  • 网上评卷
    
  • 数据监控
    
  
  
• 点阵数码笔技术：采集各种作业、练习、考试数据
  
• 拍照搜题技术：采集学生作业练习数据
  
• 情感辨认技术：采集学生学习过程中的情感数据
  
• 在线学习与管理平台技术：采集各种在线学习与管理数据
  
• 日志搜刮分析技术：采集运维日志与用户日志数据
  
• 移动App技术：采集各种移动学习过程数据
  
• 可穿戴技术：采集个体生理数据与学习举动数据
  
• 校园一卡通技术：采集各种校园生活数据
  
• 网络爬虫技术：采集教育舆情数据
  

第四节：教育大数据采集中的留意事项

• 必要提前规划：差别层级的教育数据采集有差别的侧重点
  
• 清晰的边界感：采集数据范例取决于采集数据目的
  
• 一连性和规范性：连续创造代价，规范提升代价
  
• 采集粒度要小：数据粒度是指数据的细化和综合程度。在包管数据有用性的基础上，数据粒度应尽可能细，以便从 中发掘更多潜在代价。
  
• 符合伦理道德
  

第四章：教育大数据的分析框架


第一节：分析框架与情景

必要复兴的问题

构建大数据分析模子，必要复兴“谁分析、为什么分析、分析什么、分析过程、分析的技术工具、分析效果怎样”等根本问题
教育大数据分析框架图

教育大数据应用情景图

第二节：分析方法与工具

通例分析方法与工具

大数据分析方法与工具

• 深度神经网络
  
• 异步大数据分析
  
• 网络图模子分析
  
• 基于云模子的大数据CCA方法
  
• 智能计算方法
  

第三节：典范分析模子（七大）

1 教育决议支持模子

案例：

• 纽约成长网络决议支持系统
  
• 美国弗吉尼亚州开辟的“纵向数据系统”
  

教育决议支持系统框架

教育决议支持过程模子

包括采集，过程数据、智能分析与预测、效果可视化出现、形成智慧决议、发布管理调度指令和实验管理指令几个阶段。

2 教育舆情监测模子

案例：

1）方正智思互联网奥情监控分析系统
重要包括信息采集、信息分析、信息服务、奥论引导四方面
2）希嘉教育声誉监控系统
旨在通过对与学校相关的互联网奥情信息举行监控、整理与分析，从而为学校制定科学的舆情预警机制。终极包管学校可以或许在事发第一时间得到预警，以便有充足的时间制定科学有用的舆论引导方案，降低变乱影响。

• 乐思网络奥情监测系统
  该平台分为采集层、分析层和出现层3个层次，接纳基于环球领先的
  

互联网采集监控技术而研发，具有发现快、信息全、分析准的优势，可让用户在第一时间发现负面舆情

• 福建省教育與情信息监测中心
  
• Open Finder
  

教育舆情检测模子构建

3 适应式学习模子

案例

• 作业帮
  
• 猿题库
  
• 一起作业网
  

适应性学习系统框架

结符合应性学习过程结构，以个性化自主学习、自适应推荐、生理学和计算机科学为理论基础，从用户模子、范畴模子、自适应模子、自适应引擎和出现模子五部分构建适应性学习框架
适应性学习过程模子

4学习预警模子

案例

学习预警框架的四个核心问题

①为什么要举行预警，即预警的目的是什么（目的层）；
②预警什么，即要预警哪些内容（内容层）；
③怎么预警，即以哪种方式实现预警（方式层）：
④预警的效果，即学习者通过预警后系统会给出哪些发起等（效果层）。
学习预警框架

学习预警过程模子

5深度学习分析模子

深度学习的概念

深度学习是指在理解学习的基础上，学习者可以或许批驳性地学习新的思想和事实，并将它们融入原有的认知结构中，可以或许在浩繁思想间举行联系，并可以或许将已有的知识迁移到新的情景中，做出决议和解决问题的学习。
深度学习分析系统框架

深度学习分析模子建构

数据网络：
传统讲堂数据，在线平台数据
▲数据清理的过程

数据清理，即通过尺度化的格式转化等方式实现对差别格式（结构化、非结构、半结构化）的 数据举行同一管理。第三步的数据清理，除了实现对数据格式的整合清理之外，还必要根 据要求剔除与学习无关的举动数据。
数据分析：
诊断分析，预测分析
应用与指导
直接指导（学生），对举动调整优化
间接的应用指导（西席，家长，教学管理者等）对效果的解读，实验对学生的干预，引导和调整
6学业评价模子

案例

学业评价框架

学业评价系统涉及4个层：
第一层是数据采集层，即对学业评价的相关数据举行采集：
第二层是实时分析层，即对采集到的数据举行分析追踪；
第三层是效果发布层，即形成评价报告，得到西席考评、学生自评、班级纵向和横向比力数据；
第四层是质量提升层，即针对评价报告，西席、学生及家长的后续工作
学习评价过程模子

7 学生画像模子

学生画像的界说

学生画像，即基于学生学习和生活的数据，从学习风俗、生活方式等差别角度描绘学生特有的生活和学习模式，进而资助学生实现自我监控，辅助西席针对性教学，并资助管理者优化决议。
案例

学生画像系统框架

学生画像模子

第五章：教育大数据的应用案例

教育大数据的五大应用模式？

• 驱动教育政策科学化、
  
• 驱动教育评价体系重构、
  
• 推动区域教育均衡发展、
  
• 助推学校教育质量 提升
  
• 促进师生个性化发展。
  

第一节：教育大数据驱动教育政策科学化

        基础统计数据透视教育希望
        管理大数据提高教育决议水平
        大数据查验教育政策实效
第二节：教育大数据驱动教育评价体系重构

        客观性评价：评价依据从主观履历判断到客观数据支持
        伴随式评价：评价方式从总结性评价到过程性评价
        综合性评价：评价内容从单一评价到综合评价
        智能化评价：评价手段从人工评价到智能评价
第三节：教育大数据推动区域教育均衡发展

        助力区域教育资源均衡配置
        提升区域教育时机公平性
        促进区域教育质量均衡提升
第四节：教育大数据助推学校教育质量提升

        幼儿园
        小学
        初中
        高中
第五节：教育大数据促进师生个性化发展

第六章：教育大数据的管理机制

第一节：差别层面教育数据网络的构建

 国家层面

我国教育数据网络的建设现状

以两大国家教育云平台为核心，买通各层、各类教育数据系统，实现教育系统的纵向贯通、横向互联，形成全国一体化的教育 数据连续、动态、尺度化的采集体系与管理机制，重点服务国家教育政策制定与发展规划。

教育管理大数据建设五大类

学生类；西席类；资产以及办学条件类；规划以及资源决议类；别的业务系统类
体系结构

两级建设、五级应用、 同一管理
“两级” 通常指的是中央（或国家）和省级
两级建设是指在教育部和各省级教育行政部 门分别建立国家级和省级数据中心，建设数据集中、系统集成的同一应用环境
五级应用：国家级，省级，地市级，县级和学校级

总体目标：

建设全面覆盖、功能齐全、安全高效的教育管理信息系统、 决议支持系统和教育管理服务平台，形成覆盖全国各级各类教育的教育基础数据库，实现 系统的全国联网和数据的交换与共享，提升教育监管与服务水平，促进教育管理当代化、 决议科学化、服务网络化，全面保障教育的改革和发展。
教育资源大数据建设

开端构建了“以公共服务平台为引导，以学校应用为主体，以社会各方共建共享为支撑”的教育资源建设与应用新体系。

发展发起

• 进一步扩展教育数据采集网络
  
• 建设国家全民终身学习大数据，
  
• 重点落实教育管理信息系统后三级（地市、县、学校）的应用
  
• 扩大教育数据研究与管理机构的队伍规模
  
• 进一步完善教育资源网络
  

（6）增强与国家其他部委（如人力资源和社会保障部、科技部、交通运输部等）数据 网络的适度衔接与互通。

区域

区智慧教育综合服务平台体系架构

着力解决区域教育信息化存在的条块分隔、系统孤岛、优质资源匮乏、管理服从低下等实际问题
网络架构

发展发起

• 鼓励有条件的区县，优先接纳国内云服务厂商提供的技术，搭建区教育数据中心。
  
• 区教育数据中心的建设不是“重头再来”，而应有用整合已有硬件、软件资源，保 护已有投资。
  
• 共性的教育业务系统应同一摆设到区大平台上，同时遵循同一的数据及互操作标 准，与区教育数据中心之间互联互通。
  
• 增强教学大数据的规范采集、存储、管理与分析应用，构建各学科知识模子，对 学生的学习过程与效果举行诊断、预测与有用干预，精准提升教学质量。
  
• 全面评估教育数据开放的风险与应对步伐，将部分教育数据服务委托给有资质的 社会机构举行专业化运作，切实提高教育机构的专业服务本领。
  

学校发起

（1）建设高速校园无线网络，支持BYOD运动，让西席、学生可以通过多种终端，方 便而又安全地获取云教育平台提供的各种服务，连续累积学与教数据。 （2）鼓励西席利用教育数据探索新型教学模式，不断优化教学，归纳提炼有推广代价 的数据驱动教学的案例。 （3）增强学生网络与终端利用安全方面的专题培训，从“源头”降低学生隐私数据泄 露的风险。 （4）不断提升学校管理者与西席的数据素养，形成一种利用数据举行管理决议与教学 决议的氛围。 （5）采购学校信息化相关产物时，应全面了解产物对教育数据的采集范围、存储与应 用方式等，将教育数据安全作为重要的稽核指标
第二节：教育大数据管理困难与解决思路

重要实际问题

当前我国基础教育大数据的建设与管理存在的重要实际问题包括：
应用推广难(70.94%); 数据融通共享难（63.8%); 安全与隐私掩护难(61.56%);
数据质 量难以保障（58.52%)；数据人才缺乏（52.84%)；数据化意识薄弱（52.58%)；
数据运营模式不清晰（48.75%）。
安全管理步伐

• 建立完备的教育数据安全监管体系
  
• 增强教育数据安全管理队伍建设
  
• 增强系统运维管理和定期安全评估
  
• 不断升级教育数据安全防护技术
  

隐私掩护步伐

• 增强教育数据隐私掩护方面的立法
  
• 建立国家教育数据隐私掩护技术服务体系
  
• 提升相关职员的数据隐私掩护意识和本领
  

融通共享

• 底层数据融合
  
  
  
  
• 前端服务融合
  

质量管理

教育数据质量的评判尺度

(1)完备性
(2)规范性
(3)一致性
(4)准确性
(5)唯一性：
(6)关联性
影响因素

• 数据系统缺乏兼容性（SystemNon-interoperability)，致使一个数据系统的数据不 能在另一个数据系统中利用，必要经过重新录入、变换数据结构与参数等繁杂、重复的工 作，不但浪费资源，而且可能导致数据录入错误。
  
• 缺乏尺度化的数据界说（Non-standardizedDataDefinitions)，差别的数据提供商利 用差别界说与表达方式出现同一数据元素，使得差别区域、差别学校的数据没有可比性， 而且也不能举行有用整合，在很大程度上影响到数据分析效果的准确性。
  
• 数据本身的可用性不强（UnavailabilityofData)，有代价的数据不多或难以获取。
  

• 针对同一数据元素，由于差别的数据提供者理解不一样，可能导致提供的数据并 不具有一致性（InconsistentItemResponse)，倒霉于同类数据的整合。
  
• 数据缺乏时间连续性（Inconsistency overTime)，差别的时间段网络的数据不一致。
  

• 数据录入存在错误（DataEntryErrors)，致使数据本身不准确。
  

（7）数据更新不实时（LackofTimeliness)，会影响数据的完备性与代表性。
保障步伐

• 树立数据质量管理意识
  
• 制定命据质量管理规范
  
• 运用数据质量检查工具
  

运营模式

教育主管机构

• 非盈利的教育数据
  
• 教育数据的商业再利用
  

企业

• 平台化运营
  
• 精致化运营
  

公众参与的“众筹”运营模式

公私合营（PPP）教育数据运营模式

• 特许运营
  
• 数据“捐赠”
  

第三节：区域教育大数据的发展规划

目标

区域教育大数据的建设应以构建立体化的区域教育数据网络为核心，覆盖全区各类学 校及相关管理机构的各项数据业务，形成全区教育数据动态实时的采集、交换、共享与更 新机制，为区域教育当代化奇迹的发展提供全面、可靠的数据支撑服务。
重点使命

①建设同一的区教育数据中心，汇聚每所学 校产生的各类基础教育数据；
②建立一套服务全区教育数据采集、处理、分析、管理与应 用的规范化流程、尺度与制度：③建立一支专业素质高、结构公道、分工明确的区域教育 大数据管理队伍：
④探索多种教育数据的创新应用模式，发挥数据在促进区域教育公平、 教育资源均衡配置、个性化教学及西席专业发展方面的重要代价；
⑤建立区教育数据的合 理开放机制，吸引更多社会机构参与教育数据的治理与相关工具服务的研发：
⑥开展数据 素养专题培训，提升教育管理者及广大西席的数据意识与伦理道德、数据定位与采集本领
实验原则

• 统筹规划，分步实验
  
• 需求驱动，融合创新
  
• 安全为基，递进升级
  
• 上下联通，开放拓展：
  一方面应考虑与上级教育数据系统 的联通，满意上级管理部门对区教育数据采集与更新的必要；另一方面，应包管自身材系 具备充足的灵活性和开放性，提供规范的数据开放接口，可以或许快速集成第三方提供的数据应用。
  

实验路径

第七章：教育大数据的产业发展

六大产物

教育管理类、
高考服务类、
家教匹配类、
练考测评类、
综合服务类
课程教学类。
七大问题

• 产物同质化现象严重：
  
• 数据采集端与应用端的专业服务商偏少；
  
• 尚未建立公认的相关行业尺度与规范：
  
• 缺少有影响的应用实践案例；
  
• 构建的数 据分析模子的科学性有待提升：
  
• 教育数据管理运营机制与制度尚未建立；
  
• 教育大数据专业人才缺乏。
  

八大发展趋势

• 教育数据采集与深度分析成为各应用系统的必备功能
  
• 教 育大数据产物体系更加丰富、多样化：
  
• 教育大数据产业链分工更加精致化、服 务更加专业化：
  
• 教育数据安全与隐私成为产物格量评估的核心指标：
  
• 越来越多 的企业寻求与高校、科研机构及中小学校的深度互助；
  
• 高校纷纷增强教育大数 据技术课程体系建设和人才造就；
  
• 教育数据走向有序开放：
  
• 出现提供专业教育 数据质量与安全评估服务的第三方社会机构。
  

产业基础

• 国家提供了精良的政策环境
  
• 行业企业已有多年的技术积累
  
• 教育管理部门与学校有猛烈需求
  

产业生态圈

第八章：结论，发起与趋势

结论

发起

• 对决议者
  
• 教育管理者
  
• 西席，学生
  
• 行业从业者
  

趋势

• 基础教育数据 开放程度不断提升
  
• 基础教育数据 资产规模逐渐扩大
  
• 基础教育数据 创新应用效应逐步扩大
  
• 基础教育数据 行业生态趋于完善
  
• 基础教育数据 专门人才造就备受重视
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。