大数据服务在高校智慧校园建设中的应用探讨

崔行臣，韩　磊

(山东广播电视大学，山东　济南　250014)

一、引言

高校信息系统一直是数据生产大户。统计显示，仅2009年，美国国家教育部某信息系统的数据库就膨胀至269P字节，庞大的信息程度入选当年全美10大数据生产贡献量排名。在我国，超万人的高校非常多，学校的教学、科研、一卡通消费等都会产生大量的信息数据。这些高校现有的众多信息系统经多年运营积累了很多基础原始数据，如何对这些原始数据开展深入的分析和应用，在统筹分析的基础上加强学校的科学化管理，为学校发展决策提供数据支撑，成为摆在我国高校面前的一个重要课题和开拓性机遇。近几年很多高校成立了数据研究院，致力于教育大数据的挖掘和分析。2016年11月12日-13日，“大数据驱动的教育变革”国际学术研讨会暨首届中国教育大数据发展论坛在山东曲阜举行，与会国内外专家对如何适应大数据时代，并利用好大数据推动教育事业的发展、改革和创新进行了深入探讨。包括西安交通大学、复旦大学、华东师范大学等在内的一批大学已经开始重视数据的深度分析和应用工作。如西安交大与陕西省教育厅成立陕西省高等教育大数据服务平台，为省教育厅管理部门、评估机构、社会团体等提供高等教育相关数据的查询、统计、分析和咨询等服务。复旦大学构建了面向师生个人及校二级部门的数据中心和分析平台等。但很多高校特别是高职院校大数据应用很有局限性，没有对学校内各类服务主体提供各类应用全面的数据支撑。广播电视大学或开放大学作为以信息技术支撑的高校，目前开展大数据服务体系应用的还不多。

二、高校智慧校园

目前，高校信息化建设大多完成了以建立校园网基础设施和数字校园应用平台为主的建设模式，多年的信息化建设成果对学校的行政管理、教学科研产生了积极的影响。但随着IT新技术的发展，高校对信息化建设的需求进一步提高，教育信息化正逐渐呈现出智能化、开放化、个性化和社交化等特征。“智慧校园”逐渐取代“数字校园”，成为当前信息化发展的主题和发展趋势。

智慧校园是数字化校园的提升，它综合运用云计算、物联网、大数据、智能感知、知识管理等新兴信息技术，全面感知校园物理环境，挖掘教育大数据信息，从而对师生群体的工作、学习以及个体特征做出智能的识别，将学校的数字空间和物理空间相互衔接起来，为师生创造一个便利舒适、智能开放的教育环境和生活环境，从而实现师生与学校环境、学校资源之间的交互，实现人性化的创新服务。相对于数字化校园，高校智慧校园具有如下特征：

第一，环境感知。将传统网络与物联网融合，借助射频识别(RFID)、红外感应、视频监控、全球定位(GPS)等感知技术感知人、财、物信息。

第二，移动互联。3G、4G、WIFI等移动接入技术突破校园有线网络接入空间限制，移动终端多样化，移动应用便捷性为智慧校园便捷性和集成性提供支撑。

第三，数据支撑。用智慧的计算构建智慧的校园，大数据处理是智慧校园的重要特征。基于“大数据”理念的信息挖掘与资源推荐，实现智能化的决策、管理与控制，数据应用支撑服务整合和趋势分析。

第四，开放环境。推动校园网内外的环境融合开放，支持资源和空间的拓展。

第五，个性服务。智慧校园的内涵和最终目的是服务，智慧校园以数字化校园为基础，强调资源与应用的高度整合，以人为本、以服务为核心，向用户提供统一便捷，智能、聪慧的信息化服务。

智慧校园与大数据密不可分，对数据的充分利用是智慧校园服务优化的有效手段。基于大数据技术，整合各业务系统共享数据，深度挖掘、分析，为智慧校园的师生个性化服务、学校决策支持提供数据支撑。

三、数据服务现状

在广播电视大学多年的办学过程中，已经积累了教学、科研、师生信息等大量的、高质量的数据，涉及到开放教育、社区教育、成人教育等多种办学形式，传统的以流程为主体的业务服务模式所沉淀下来的数据成为新的宝贵资源，但实际开展数据分析和挖掘工作还非常有限，主要表现为：

(一)数据“碎片化”问题严重

在当前数据服务体系建设中，只实现了单个业务系统的业务数据展示分析、局部性的数据统计及报表服务。如了解全省社区教育学员学习情况，资源利用情况，需要到社区教育平台获取；了解成人教育的学习资源利用、学情等情况需要到成人教育平台去获取，或通过工作人员的手头资料来掌握实际情况，如果对比各类远程教育的招生、教学质量情况，优质资源共享情况，就无能为力了。没有从全局的角度去深度挖掘有利于学校决策、提升教学策略、资源合理配置等有价值的数据，这种数据“碎片化”问题造成了积累的数据与实际应用需求存在严重偏差。

(二)非结构化数据分析应用重视不足

在实际分析应用中，绝大多数使用的是结构化业务数据，非结构化数据的应用重视不足。非机构化数据包括各种文档、课程资料、数字化媒体资源、网络日志等。这些都是师生利用校园网进行教学科研过程中产生，数据量巨大而形式混杂，在存储方面，大都是以文件的形式分散的存储在硬盘中。这些数据看似杂乱无章，但从某一方面是师生在校园网的工作、学习和生活方面的行为反映，如果缺乏对这些非结构化数据的有效组织及分析，必然降低了数据利用的价值，局限数据应用和服务手段的发展。

(三)数据利用的意识欠缺

在以往的数字化校园建设中，各业务部门大多数关注的是软件业务功能，通过信息化手段提高工作效率，简化业务过程。而对数据的综合分析利用，特别是深层次的数据挖掘由于成效不明显，认识不到位，意愿性不强，主动性不够。

(四)数据挖掘层次亟待提升

校园的信息仍然停留在收集和积累阶段，对于采集的数据，信息化工作者和业务部门仅仅停留在查询阶段或满足于对数据的简单分析，即只对能分析出简单的因果关系的数据产生兴趣。例如对一卡通的消费情况进行统计，能很简单地发现学生的住校情况、确认贫困生的消费情况等，这对学工部门的学生工作无疑是起到作用的。然而对于更深层次数据挖掘，例如将学生一卡通消费情况和学习成绩挂钩，却很少能有业务部门能意识到其中存在的相关关系。复旦大学曾经尝试做过研究，发现了使用一卡通消费按时吃早餐的学生人群相对不按时吃早餐的学生人群学习成绩有明显差别。这两者之间虽然没有简单、直观的因果关系，却存在某种必然联系，而该现象没有得到有关部门的充分重视，无法对业务的调整产生良性反馈。

四、大数据在智慧校园中的价值

大数据在智慧校园中的战略意义不仅在于获取庞大的数据信息，更在于对这些有意义的数据进行专业化处理。大量获取的结构化、半结构化和非结构化数据作为原始类信息经过深度加工、整理和分析，提炼转化为有效的信息和知识，为学校实现智能化管理和教学提供有力支撑。从教育教学的角度，大数据在“智慧校园”建设中有4个方面的重要价值。

首先，教育管理更加精细化、规范化。大数据可以支持学校管理模式由经验管理向数据管理转变，可以真正实现教师、后勤、科学研究、人才培养方面的分类管理。可以对招生生源情况、就业情况等未来趋势进行预测，同时，对可能出现的问题进行早期的预防和预警。

其次，教育评价更加精准。大数据使教育评价从“单一评价”走向“多元评价”，教学评估不再仅仅是由考试成绩和纪律评价的传统意义上的感受，而由大量的数据感知得到，为实现教学评价的公正提供了依据，优化了教学方向。因为大数据建立在海量、多类型，以及实时采集的各种数据基础之上，它的样本是海量化的，采集方式是实时多元化的、分析是多维度的，数据采集分析挖掘也是根据不同的类型，采取不同的多样的分析手段。所以可以做到更加精准。

再次，“教与学”更加智慧。在MOOC实施多年后，现在获取的数据比原来更大量、精细，课堂教育大数据的获取分析，理念中的因材施教有望实现。从教师层面，可以进行班级或者针对专业学生的学习诊断，开展教学评估，通过反馈调整教学计划和教学方法；可以对学习者进行兴趣的聚类或者进行资源的有效聚合。在学生层面上，学生可以对自己的学习行为进行跟踪分析，找到自己的学习兴趣点、关注点，可以更好的认识自我，规划自我，进行有效的学习路径的设计和选择。在“教与学”过程中，通过教学大数据分析，在海量资源中深度挖掘并且实现资源的精准化订阅，为师生提供个性化的资源推荐和服务成为可能。

最后，科学研究更加高效。教育大数据时代，科学研究将从随机抽样、探讨因果关系走向全部数据、寻找相关关系。在某些问题上，通过对科研文献挖掘等数据分析为研究人员提供了个性化的服务，提高了研究的效率和成果的可靠性。

五、大数据在智慧校园建设中的具体应用

根据智慧校园的特征及大数据应用于智慧校园的价值，以需求为驱动，注重各领域之间的关联，开展面向管理、教学、科研、生活等各领域的数据服务应用，助力智慧校园建设。

(一)学校管理支持平台

智慧校园要实现智慧化管理，需要对学校招生、就业、师资、资产、办学项目等领域进行数据挖掘分析。

1.招生、就业数据分析

利用以往招生、就业数据，按地区、专业、性别、特长等生成数据报表，为将来招生计划制定提供数据决策支持。通过关注学生就业率、签约率的同比和环比趋势，分析学生就业的行业特征和地域分布，深入挖掘与学生就业相关的因素，为学生提供就业指导。就业情况引导专业设置和培养计划调整。

2.师资数据分析

关注师资队伍与学科的关系，合理配置师资结构，提高师资队伍的整体水平。从职称、学历、年龄、岗位、聘用方式及学科、科研等角度进行分析。加强高端人才引进，完善人事考核与晋升机制。

3.财务决策数据分析

通过分析学校多年财务数据，得出学校发展投入产出财务数据，合理配置资金，加强财务监管、预算管理，提高财务绩效。关注经费收入、预算和支出等统计信息。

4.资产分析数据分析

加强设备、家具、房产等资产的合理配置，加强水、电等能源的监控，提升学校资产和能源利用率。加强资源使用情况监控，制定节能减排措施。

5.办学趋势数据分析

对学校各类教育在招生、人才培养模式上进行统筹分析，对比各类办学项目招生趋势、生源情况，学习资源利用情况。

(二)教学管理支持平台

1.教研数据分析

构建教师画像，对教师的刻画主要包括教师任课情况、科研情况、实践活动、网上教学活动、学生成绩、职位晋升等信息，描述教师成长轨迹。通过大数据的分析推动教学决策调整，如对于选修课的开设，学校依据选修课程选课人数、课程通过率、学生评价的数据与教师的教学水平，综合制定选修课程的开设方案。

2.学习行为数据分析

根据出勤、课堂表现、成绩、获奖等过程性评价等数据，构建学生画像，分析出学业成绩和学习行为各要素的相关性，提供个性化的学业诊断。预测挂科、排名突降，动态评估经济水平，精准资助困难学生，预测学生毕业去向，提供针对性引导。学习分析还可直观地发现学生访问学习平台的积极性、学习的时间分布、学生的地理位置分布、教学资源对学生的吸引力等。

3.数字化学习资源分析

成人教育、社区教育等远程教育的开展离不开数字化资源建设，经过多年的办学实践，积累了很多优质的数字化学习资源，如电子图书、教学视频、网络课程等。通过各类办学项目的数字化学习资源按照学科、层次、资源类型等分类汇总，统计分析，统计出学校资源建设情况，资源利用情况，根据统计结果，为将来资源建设的方向和思路提供数据支持。

(三)后勤生活服务数据支持

1.一卡通数据分析

一卡通消费数据涵盖了餐饮、洗浴、图书馆、健身、娱乐等各类学生消费行为中产生的数据，可以说是智慧校园数据产生来源主要途径之一。通过一卡通消费大数据分析可以挖掘学生校园生活的生活习惯及对其他领域的内在关联性。如校园人流的可视化分析，包括图书馆人数和食堂人数等，通过实时数据的展示，可以让同学们在任何位置、任何时间了解到校园设施和校园资源的使用情况，在一定程度上起到分流、避免拥堵的作用；通过智能推荐算法，根据用户习惯，推荐就餐地点和网站站点。在智慧校园APP的帮助下，每一个同学都能够看到校园生活中的数据规律。

2.健康数据分析

关注师生健康状况，加强疾病预防，为师生员工提供良好的健康服务。从个人层面，对每年的教职工体检数据进行汇总分析，对个人提供健康情况分析及提供健康生活指南。从学校层面，从院系、年龄、性别、岗位、职称、体检项目等角度分析健康状况。为师生提供医疗专家进校园服务；为不同人群制定不同的体检套餐。健康状况受多种因素影响，通过数据挖掘分析健康状况与饮食、工作性质等直接因素外，可分析出与教学、科研任务之间的间接关联。

3.智能提示系统

智能提示是智慧校园的一个重要体现，当有新业务需要处理，场景变化是，能够及时提醒相关人员或推送相关资讯等。如待办事项提醒，上课提醒，学情提醒等来自各分析系统的提醒。

参考文献：

[1]胡钦太，郑凯，林南晖.教育信息化的发展转型：从“数字校园”到“智慧校园”[J].中国电化教育，2014,(01):35-39.

[2]宓詠，赵泽宇.大数据创新智慧校园服务[J].中国教育信息化，2013,(24):3-7.

[3]杜婧敏，方海光，李维杨等.教育大数据研究综述[J].中国教育信息化，2016,(19):1-4.

[4]工业和信息化部关于印发大数据产业发展规划(2016-2020年)的通知[EB/OL].http://www.miit.gov.cn/n1146295/n1652858/n1652930/n3757016/c5464999/content.html.