陈国胜,张辉宜,刘 明
(1.安徽工业大学 计算机科学与技术学院,安徽 马鞍山 243032;2.安徽工业大学 信息化处,安徽 马鞍山 243032)
大数据、新一代人工智能、物联网等新兴技术已逐渐渗透到教育领域并对其产生革命性的影响。2018年出台的《智慧校园总体框架》,进一步明确了智慧校园的构成要素和“四层两翼”的总体架构。2019年2月中共中央、国务院印发了《中国教育现代化2035》,进一步明确了加快信息化时代教育变革的任务和目标。信息技术的发展、应用为“互联网+教育”提供了有利的条件和环境。
谢幼如等通过分析14份智慧校园建设规范标准,发现智慧校园建设原则中,“融合创新”与“应用驱动”所占比例最大, 分别为85.71%与57.14%,其次分别是“统筹规划”、“特色发展”和“以人为本”,所占比例分别为35.71%、 35.71%与14.28%,可见以信息技术应用促进教育教学融合创新将成为智慧校园建设的新规范。本文基于高校核心业务应用需求,提出智慧校园应用建设基础框架,遵循“融合创新”“应用驱动”为主的建设原则,探索适合智慧校园发展的应用服务模式,通过教学管理、学生管理、行政管理等应用案例,为学校各部门的信息化应用提供参考,以应用案例形式驱动智慧校园持续、健康发展。
当前,国内高校信息化基本都处在智慧校园建设阶段,但很多建设效果不理想,还都在摸索阶段,还需要在方法上进一步创新、内容上进一步完善、应用上进一步深入,使之最终符合《教育信息化2.0行动计划》的总体要求。冀翠萍、周南平、刘革平、宋苏轩等对当前智慧校园建设存在的困境和问题进行了较为全面的分析和总结。智慧校园应用建设面临的问题主要有以下几方面:
一是高校信息化建设存在分批、多头建设管理的问题,导致多个系统之间数据标准不统一,从而导致数据无法互识、互通、共享。业务数据被人为私有化,业务部门对数据的“使用权”变为“所有权”,导致信息化建设初期的“信息孤岛”变成“数据孤岛”。即使部分业务数据共享到数据中心,但由于业务人员不知如何利用共享数据为师生提供个性化服务,校园各应用要素又相对封闭,业务数据还是囿于系统内部,很难打破数据与教学、科研、管理与服务之间的紧耦合关系。
二是业务系统无法实现跨部门的业务协作。校内应用相互割裂,各校园应用都限于完成自身的业务流程闭环,而相互之间没有交集,各应用之间的融合度不高,难以形成覆盖学校教学、科研、管理和服务等各项活动并产生整体联动的信息化应用环境。信息技术与教育教学存在“两张皮”现象,对高校治理能力、决策支持体系的支撑作用不足。这些现状使得高校信息化建设仍旧停留在传统模式里。
三是智慧校园建设缺乏与教学、科研、管理和服务等学校活动的深度融合,难以实现《国家中长期教育改革和发展规划纲要(2010-2020年)》和《教育信息化十年发展规划(2011-2020 年)》提出的要求和目标。很多高校组织结构和管理体制不能很好地适应这种新的形势,信息化建设缺乏整体规划和顶层设计,信息化建设基本就是信息化一个部门的事,无法形成“全校一盘棋”局面。有的高校虽然制定有“信息化建设规划”,但也大部分都束之高阁,缺乏落实执行、评价问责环节,信息化建设缺乏科学性和长效性。
微服务具有服务隔离、功能独立、职责单一、独立部署、轻量级通信等特点。本文将数据分为三种类型,即权威数据、非权威数据、非结构化数据,如表1所示。业务系统产生的原始数据和经过业务管理者审定的数据称为权威数据,形成共享数据中心。由流程引擎、表单服务等得到的数据称为非权威数据,形成应用数据中心。申报材料、归档文件等数据称为非结构化数据。在提供微服务时,可以同时从共享数据中心和应用数据中心读取数据,但前者数据不可修改(见图1)。
表1 三种数据的比较
图1 基于微服务的数据仓库框架
以往校园信息服务平台的数据采集大多由部门管理者和用户被动完成。本框架则体现出“全员主动参与”智慧校园建设的新理念,也满足了“让数据多跑路,让师生少跑路”的现代办公模式要求。
大数据开发框架在技术层面采用自顶向下分层架构设计,共分为四层:数据应用层、数据管理层、数据存储/计算层、数据采集层,满足未来需要具备的完整功能体系,平台整体框架如图2所示。
图2 基于微应用开发的大数据平台框架
1.数据采集层。具备多业务、多技术接口的数据采集和转换能力,具备按照应用场景进行业务数据采集,互联网数据抓取,机器数据采集能力,可分布式部署,具备灵活的扩展能力,是大数据平台的基础。支持对Oracle、SqlServer、MySQL、PostgreSQL等关系型数据库的集成。支持对HDFS分布式文件系统数据源的集成。支持对MongoDB文档型数据源的集成。技术上可以支持对现有业务系统的数据接口对接采集。支持对任意源设备、任意格式的日志数据格式化。
2.数据存储/计算层。实现海量业务数据的集中清洗、存储、管理,支撑决策层集中掌握校园整体运行情况。提供MapReduce、Spark、Storm等多种计算框架,离线计算、内存计算和流式计算并存,满足高吞吐、大数据量和低时延实时处理等多方面的数据计算要求。
3.数据管理层。具有丰富的原子能力和组装能力,供场景/应用层灵活调用,是大数据基础平台的核心的业务数据处理模块,具体包括用户管理、开发管理、数据接口定义及管理、数据接口访问控制等功能、数据接口使用展示、数据查看和导出等。各类数据中均会涉及到大量隐私信息,因此,数据管理还需具备数据安全和隐私保护功能。
4.数据应用层。具有直接与用户交互的所有功能,是系统的使用界面和视图,可快速灵活定制,满足各种校园使用场景和人员的需要,并具备统一门户和综合展示功能,包括多维度大学生学业预警、师生画像、精准督教、贫困生认定等大数据分析微应用模块,直接服务广大师生及学校管理决策层。
教学材料反映学校教学过程的规范程度,是高校教学水平和教学质量的体现,是各类评估、认证专家必查的资料。学校为了给专家留下好印象,在评估、认证中取得好成绩,往往不断要求教师检查已归档多年的教学材料,不断进行查漏补缺,反而造成资料遗失,得不偿失。
针对以上问题,采用了基于业务流程的教学材料数字化自动归档方案,实现了从教学日历、实验进程、教学过程听课评价、试卷送审、课程小结等整个教学过程教学材料填报与归档,并提供综合查询功能,避免了因审核签字缺失或不及时、教学材料丢失等问题,教师不再为各种评估、认证检查重复准备教学材料。不仅完善了教学资料档案的规范管理,也为教学质量监控提供了支撑。保留了历史资料,可对课程教学材料进行全面有效管理,便于追溯检查。通过对听课评价的查询统计,实时了解教师的教学情况,便于过程监督。
吴暾华选取学生考勤指数、“宅”指数、学习指数、成绩指数以及家境等五个可能影响学业的指标,通过SVM算法预测学生的学习状态。刘博鹏遴选了与学习成绩关联的学生行为和个人属性以及课程之间的关联规则,通过SVM算法预测学习状态不佳的学生。本案例通过读取学生历史成绩数据、当前选课数据、课堂考勤数据、网络认证数据,并通过大数据分析平台获取其上网日志数据,对学生的学习状况进行多维度在线实时预警,实现精准督学,可以实现单个类型预警,亦可实现综合预警,并将预警结果实时推送给辅导员、班主任以及指导教师,便于有针对性地做好学生管理工作。预警框架如图3所示。
图3 多维度大学生实时学业预警框架
选课门数预警:根据学生当前应该选课门数,对实际选课门数不足以及不合格门数进行预警。
课堂考勤预警:根据学校规定,学生单门课程无故旷课3次将取消考试资格,意味着这门课程肯定不合格。因此,通过实时读取课堂考勤数据,当单门课程旷课两次时将对该生课堂考勤进行强烈预警。
历史成绩预警:通过读取学生已学完的课程历史成绩,分析出不合格课程及其与达到合格线的差距,帮助学生采取针对性措施完成学业(拿到毕业证)。
学分绩预警:根据学校规定,平均学分绩达到70才能获得学士学位。预警系统读取学生已学完的课程历史成绩,计算出学分绩,帮助学生采取针对性措施完成学业(拿到学位证)。
上网时长预警:通过对校园网日志系统和多运营商统一认证平台的上网日志大数据分析,计算出学生的上网时长,将这个时长与班级平均时长进行比较,实现沉迷网络实时预警。
上网偏好预警:根据预先设置的游戏、购物、视频、论坛等偏好网站,结合上网时长,当学生将上网时长的60%(可变)用于某个偏好网站时,认为学生对此网站存在偏好倾向,从而进行预警。如果将偏好网站设置为学习网站和文献资料学习网站,则可判断该生当前的学习情况。
学业综合预警:对上述几种维度的预警赋予一定的权值,则可实现学业综合预警。
物资采购过程周期长、审批部门多,过程资料管理非常繁琐,在验收、报帐过程中经常出现找不到审批依据等情况。针对此问题,采用基于微服务流程架构,将学校原本线下复杂的物资采购业务流程数字化、网络化,实现了在线申报、在线审批,避免了教职工在学校相关部门之间跑路签字现象。既提高了部门主动服务意识,又保证了资料的完整,也为资产使用效率分析提供了条件。业务流程如图4所示。
图4 物资采购审核与材料归档业务流程
智慧校园建设非一朝一夕之功,需要深入地研究高校信息化的规律和理论,重视体制保障、强调融合创新、突出区域特色,坚持“以用户为中心”的建设理念,并持之以恒地进行探索与实践。智慧校园建设过程中,应用需求是推动智慧校园不断发展的核心力量,无论是IT 建设内容还是服务呈现形式,均需要密切关注用户体验,以满足用户的实际需要为目标。应充分做好校园用户的需求调研,找准真实需求和现实问题,从“管理为本”转向“服务为本”,并以此为据确定智慧校园的建设规划和内容。