邊緣計算架構下學生學習態勢實時分析與個性化路徑的聯邦遷移學習算法研究

摘要

在教育數字化背景下，傳統基於雲端的學情分析存在實時性不足、數據隱私風險及跨域適配困難等挑戰。本研究提出三級算法體系，構建包含邊緣預處理、聯邦優化與遷移適配的協同架構：邊緣層實現多模態數據的輕量化特徵提取；聯邦層採用FedProx算法結合差分隱私與同態加密確保跨校協作安全；遷移層通過域對抗訓練與知識圖譜強化學習實現跨域特徵對齊與個性化學習路徑生成。實驗表明，該算法在邊緣端實現低延遲推斷，有效提升跨域推薦精度並降低隱私風險，為教育智能化提供實用技術方案。