教育部长陈宝生在2019年全国教育工作会议上的讲话:

督导是推动政府及其职能部门依法履职的重要手段,这几年实施的县域义务教育基本均衡发展督导评估、省级人民政府履行教育职责评价,总的看效果很好,实现了督促政府履行教育职责的目的。

今年还将印发深化新时代教育督导体制机制改革的意见,推动教育督导“长牙齿”,建设“全领域、全口径、全支撑、全保障”的督导新体系。

 

 

《国务院教育督导委员会工作规则》

国教督〔2013〕1号

 

 

中共中央办公厅、国务院办公厅《加快推

进教育现代化实施方案(2018-2022)》加强

教育督导评估,有效发挥教育督导“督导评估、

检查验收、质量监测”职能,保障教育事业优先

优质发展。国务院教育督导部门定期组织督导

评估,压实落实责任。

 

 

中华人民共和国国务院令第624号《教育督导

条例》国务院教育督导委员会办公室《深化教育

督导改革转变教育管理方式意见》国教督办

[2014]3号

 

 

国务院办公厅《对省级人民政府履行教育

职责的评价办法》国办发〔2017〕49号

1.厚积薄发

精微教育评价系统融汇了中教院十六年教育行业研究积淀。该系统是多位资深教育督导专家经验与智慧的结晶。

2.高屋建瓴

顶层统筹设计,上下贯通、区域整合,实现“一级建设,多级使用”。

3.求真务实

从教育督导实践中总结而来,为更好的实践服务。

4.千锤百炼

教育部数十位专家理论与实践的升华,数百次意见与探讨测试,并经过多地教育督导部门前期试用、不断升级。

5.官方认证

获教育部教育管理软件评测委员会审核认证(证书号:教评测第76号)。

6. 卓越的数学建模方法及统计理论

系统使用了国际领先的建模方法与统计理论,如主成分分析法、层次分析法、多元回归-Logistic回归理论、神经网络方法等。

Logistic+多元回归

Logistic回归为概率型非线性回归模型,是研究二分类观察结果与一些影响因素之间关系的一种多变量分析方法。本系统所用到的统计理论涉及多元回归理论、Logistic回归理论,用于对建模结果进行回测,通过对模型参数权重的调整使结果更加精确。

神经网络( Neural Networks )

人工神经网络是一种自下而上的思路,它的基本特点是试图模仿大脑的神经元之间传递、处理信息的模式,具有非线性、分布式、并行计算、自适应、自组织等特点。为提高模型的适用性,本系统选择了神经网络方法对模型进行动态调整,以适应不同地区、不同年级和不同时间段的学生综合素质测评。

主成分分析法(Principal Component Analysis,PCA)

主成分分析法是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法,又称主分量分析。本系统在进行模型参数的选择和权重设置时,使用主成分分析法。

层次分析法(Analytic Hierarchy Process,简称AHP)

层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。本系统在进行指标选择,并进行半定性半定量问题转化为定量问题时,运用层次分析法。

系统使用最新软件开发工具和系统架构设计使软件底层坚固,稳定可靠;架构清晰,扩展性高。

 

使用阿里云/华为云Linux服务器或定制私有云服务器,支持超大并发量,再多人同时用都不会卡。

系统应用了阿里巴巴公司最新Ant Design和百度公司ECHARTS设计体系,提供直观、交互丰富、可高度个性化定制的数据可视化图表。

后台:使用Linux+Java (Spring框架)

前端:Google Angular最新前端框架使精微教育评价系统拥有卓越的稳定性、灵活性和兼容性。

精微教育评价系统使用Postgre SQL企业级数据库。PostgreSQL被业界誉为“最先进的开源数据库”,现已广泛应用于电信、金融、医疗等大客户,可靠性高,稳定性好。还有一个特别关键的,完全免费。

精微教育评价系统是中教院针对新形势下教育督导的需求,通过最新信息化手段和工具,结合资深教育专家智慧,打造的一套具有前瞻性、科学性、普适性和高性价比的教育督导管理系统。

 

通过统计学方法,将多种数据进行纵向横向对比,以图表的形式表现出来,各种数据一目了然。