1.一种计算机实现的方法，包括：
访问与由多个学生用户的用户交互相关的教育软件平台的用户活度数据，其中所述用户活度数据包括指示用户活度的事件计数数据，所述用户活度由所述多个学生用户中的每个学生用户与多个应用或服务的每个应用或服务进行，所述多个应用或服务与所述教育软件平台相关联；
自动应用经训练人工智能(AI)处理，所述经训练AI处理适于基于对所述用户活度数据的降维变换的分析来为所述多个学生用户中的每个学生用户生成用户活度水平的分类，其中在为所述多个学生用户中的每个学生用户生成所述用户活度的所述分类时，所述经训练AI处理执行处理操作，所述处理操作包括：
标识用于所述经训练AI处理的输入特征数据，其中所述输入特征数据包括指示所述多个学生用户中的每个学生用户的所述事件计数数据的特征，
基于教育参考框架指定来归一化所述输入特征数据，
对归一化的输入特征数据执行降维处理以生成所述用户活度数据的所述降维变换，以及
基于对所述用户活度数据的所述降维变换的分析来为所述多个学生用户中的每个学生用户生成所述用户活度水平的所述分类。
2.根据权利要求1所述的计算机实现的方法，其中所述多个学生用户是教育课程中的学生，并且其中所述教育参考框架指定是所述教育课程。
3.根据权利要求2所述的计算机实现的方法，其中经训练AI处理基于对所述用户活度数据的所述降维变换应用分类算法来为所述多个学生用户中的每个学生用户生成活度得分，并且其中所述多个学生用户中的每个学生用户的所述用户活度水平的所述分类是基于对所述多个学生用户的活度得分的比较评估的分析而被生成的。
4.根据权利要求3所述的计算机实现的方法，其中所述比较评估包括：针对所述多个学生用户中的每个学生用户执行所述活度得分的阈值评估；基于所述阈值评估的结果来将所述多个学生用户中的一个或多个学生用户分类为低活度；以及基于所述阈值评估的结果来将所述多个学生用户中的一个或多个学生用户分类为高活度。
5.根据权利要求3所述的计算机实现的方法，其中所述分类算法使用被训练为逻辑回归模型的分类器来生成所述分类。
6.根据权利要求3所述的计算机实现的方法，其中所述降维处理的所述执行包括对所述归一化的输入特征数据执行主成分分析(PCA)，以生成一个或多个主成分作为所述用户活度数据的所述降维变换；基于所述一个或多个主成分来在PCA空间中投影所述输入特征数据；以及应用空活度向量以确定用于评估所述输入特征数据在所述PCA空间中的投影的参考框架，并且其中所述经训练AI处理还适于：基于对所述PCA空间中的所述投影的分析，使用经训练机器学习模型来为所述多个学生用户中的每个学生用户生成用于所述用户活度水平的所述分类的标签。
7.根据权利要求1所述的计算机实现的方法，还包括：生成包括所述多个学生用户中的一个或多个学生用户的所述用户活度水平的所述分类的数据洞察；以及引起包括所述多个学生用户中的一个或多个学生用户的所述用户活度水平的所述分类的所述数据洞察的渲染。
8.根据权利要求1所述的计算机实现的方法，还包括：相对于与所述多个学生用户中的一个或多个学生用户的用户活度水平相关的一个或多个历史分类，评估所述多个学生用户中的一个或多个学生用户的所述用户活度水平的所述分类；基于相对于一个或多个历史分类对所述多个学生用户中的一个或多个学生用户的所述用户活度水平的所述分类的所述评估来生成数据洞察；以及引起所述数据洞察的渲染。
9.根据权利要求1所述的计算机实现的方法，其中为所述多个学生用户中的每个学生用户生成所述用户活度水平的所述分类包括：应用分类算法以根据所述用户活度数据的所述降维变换从对所述输入特征数据的投影的分析来生成所述分类。
10.根据权利要求1所述的计算机实现的方法，其中所述用户活度数据还包括从通过所述教育软件平台提供的学生调查接收的用户反馈的分级表示，其中对所述输入特征数据的所述归一化还包括将所述用户反馈的所述分级表示转换为数字表示。
11.一种系统，包括：
至少一个处理器；以及
存储器，与所述至少一个处理器可操作地连接，所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述至少一个处理器执行时引起所述至少一个处理器执行方法，所述方法包括：
访问与由多个学生用户的用户交互相关的教育软件平台的用户活度数据，其中所述用户活度数据包括指示用户活度的事件计数数据，所述用户活度由所述多个学生用户中的每个学生用户与多个应用或服务的每个应用或服务进行，所述多个应用或服务与所述教育软件平台相关联；
自动应用经训练人工智能(AI)处理，所述经训练AI处理适于基于对所述用户活度数据的降维变换的分析来为所述多个学生用户中的每个学生用户生成用户活度水平的分类，其中在为所述多个学生用户中的每个学生用户生成所述用户活度的所述分类时，所述经训练AI处理执行处理操作，所述处理操作包括：
标识用于所述经训练AI处理的输入特征数据，其中所述输入特征数据包括指示所述多个学生用户中的每个学生用户的所述事件计数数据的特征，
基于教育参考框架指定来归一化所述输入特征数据，
对归一化的输入特征数据执行降维处理以生成所述用户活度数据的所述降维变换，以及
基于对所述用户活度数据的所述降维变换的分析来为所述多个学生用户中的每个学生用户生成所述用户活度水平的所述分类。
12.根据权利要求11所述的系统，其中所述多个学生用户是教育课程中的学生，并且其中所述教育参考框架指定是所述教育课程。
13.一种计算机实现的方法，包括：
访问与由多个学生用户的用户交互相关的教育软件平台的用户活度数据，其中所述用户活度数据包括指示用户活度的事件计数数据，所用户活度由所述多个学生用户中的每个学生用户与多个应用或服务的每个应用或服务进行，所述多个应用或服务与所述教育软件平台相关联；
自动应用经训练人工智能(AI)处理，所述经训练AI处理适于基于对所述用户活度数据的降维变换的分析来为所述多个学生用户中的每个学生用户生成用户活度水平的分类，其中在为所述多个学生用户中的每个学生用户生成所述用户活度的所述分类时，所述经训练AI处理执行处理操作，所述处理操作包括：
标识用于所述经训练AI处理的输入特征数据，其中所述输入特征数据包括指示所述多个学生用户中的每个学生用户的所述事件计数数据的特征，
基于教育参考框架指定来归一化所述输入特征数据，
对归一化的输入特征数据执行降维处理以生成所述用户活度数据的所述降维变换，以及
基于对所述用户活度数据的所述降维变换的分析来为所述多个学生用户中的每个学生用户生成所述用户活度水平的所述分类；以及
输出所述多个学生用户中的一个或多个学生用户的所述用户活度水平的所述分类。
14.根据权利要求13所述的计算机实现的方法，其中经训练AI处理基于对所述用户活度数据的所述降维变换应用分类算法来为所述多个学生用户中的每个学生用户生成活度得分，并且其中所述多个学生用户中的每个学生用户的所述用户活度水平的所述分类是基于对所述多个学生用户的活度得分的阈值评估的分析而被生成的。
15.根据权利要求13所述的计算机实现的方法，还包括：引起包括所述多个学生用户中的所述一个或多个学生用户的所述用户活度水平的所述分类的数据洞察的渲染。