基于云计算的高校体育信息管理及大数据应用研究

李国民 汪盛坞

（1.浙江理工大学体育教研部，浙江 杭州 310018；2.浙江工商大学杭州商学院基础教研部，浙江 杭州；310035）

我国体育信息化工作于20世纪80年代开始，信息技术在体育中的应用对我国体育事业发展起到很大的推动作用[1]。近年来高校教育信息系统建设进展较快，各高校在网络教学平台、教学管理系统[2]等方面投入了大量资金，因数据凌乱、资源闲置等导致出现信息孤岛、数据鸿沟等普遍性的困惑和难题，高校体育信息也存在类似的问题。基于此，本研究以高校体育信息为研究对象，以系统理论为依托，运用计算机分析法、大数据分析法等研究方法，采用云计算和大数据等信息技术[3]，构建高校体育信息系统，并进行大数据分析与应用实证研究，为高校体育改革和发展决策提供数据依据。

1 理论依据与研究逻辑

1.1 系统理论

20世纪40年代，美籍奥地利学者贝塔朗菲提出一般系统论[4]。系统是由众多要素相互作用产生的非线性相关，明显高于这些要素并制约要素表现整体性的东西[5]。从系统自身角度来看，系统由要素、结构、功能三个因素构成[6]。高校体育信息系统正是遵循系统科学思想，系统理论是本研究的理论支撑。

1.2 研究逻辑

当人们研究某个事物时，会有这样的想法：它由什么要素构成？各要素之间结构关系如何？它的功能是什么样的？高校体育作为系统是客观存在的事实，但我们发现高校体育还未发挥出其特有的功能。因此，基于系统理论对高校体育信息进行审视，厘清高校体育信息系统要素、结构及功能，通过系统设计完成系统开发，再运用数据挖掘技术分析高校体育信息的数据价值，为高校体育改革发展决策提供数据依据。

2 高校体育信息系统设计

系统设计包括系统结构构建、系统功能确定、开发方案设计等，将系统分解为若干子系统并预测性能效果。系统由要素、结构和功能三因素构成，因此高校体育信息系统设计主要从这三方面进行。

2.1 系统要素

我国体育信息化体系包括信息技术应用、信息资源、信息产业、信息化人才、信息化政策法规和标准规范等六大要素[7]。本研究认为，高校体育信息系统由人才、技术、资源、资金、战略规划等五大要素组成。人才是高校体育信息系统的关键要素；技术是高校体育信息系统的核心要素；资源是高校体育信息系统的内容；资金是高校体育信息系统的保障要素；战略规划是高校体育信息系统的顶层设计。

2.2 系统结构

2.2.1 云计算部署结构

图1 云计算平台结构图

云计算部署结构由基础平台层、数据资源层、功能应用层和显示表现层组成。基础平台层是云计算平台的基础设施；数据资源层为云计算平台提供所有数据管理；功能应用层有根据高校体育需求开发7 个子系统；显示表现层是与用户交互显示的系统界面。由高校自行开发的统一身份认证系统提供接口，通过服务器认证后可登录访问所有子系统。

2.2.2 大数据服务框架

高校体育大数据主要通过数据采集、存储、服务以及应用等框架来实现。在高校体育活动过程中，管理员、教师、学生等群体之间时刻都在产生海量数据，三者之间需要建立信息流闭环，其中很多数据都是高校履行职能的真实有效信息，是决策者在制定政策制度时的重要参考依据。

图2 大数据服务架构图

2.3 系统功能

高校具有三大传统功能，即人才培养、科学研究、社会服务。人才培养是指通过教育和教学工作培养专业人才；科学研究是利用知识进行学术研究和创新创造，是培养人才的一种途径；社会服务是运用知识和研究成果服务经济发展和社会进步，是人才培养和科学研究的延伸。高校体育信息系统的系统功能由办公系统、体育教学、课外锻炼、体质测试、运动竞赛、体育场馆以及体育科研等子系统来实现。

运动竞赛、体育场馆以及体育科研等子系统实现。

很多研究人员提出了解决这些问题的方法。通过使用废弃的底物（在消除其污染影响之后），可削减其生产的总成本。发展有效的生物工艺并且成功进行优化也是必需的，这包括对培养条件的优化、低成本的回收工艺，使得生产及回收最大化[181-183]。

图3 系统结构功能图

3 大数据服务

大数据是通过数据挖掘和数据建模，发现数据变化规律，寻找各种因素或变量之间的相关关系，挖掘其潜在价值，从而实现大数据的预测功能。

3.1 数据采集

高校体育信息系统的数据采集主要从以下几方面进行：一是从学生基本信息库里采集学生的基本信息。二是采集校园一卡通数据，采集方式为接口采集，如就餐、消费、门禁、考勤等。三是高校体育信息系统生成的数据，如操作日志、成绩录入、成绩统计等。四是对接图书馆系统。

3.2 数据处理

数据处理包括数据清洗、数据集成、数据变换和数据规约[8]。如学生体质健康测试数据中，可能出现身高2.80 米的异常值，类似异常数据以及不可信性数据等就需要通过数据清洗来完成。再如将不同类型数据库的数据集成后，通过数据转换统一数据格式后，再导入到中间数据库，这样便于做数据分析。

3.3 数据分析

在数据分析方面，通常采用数据仓库和数据挖掘对集中存储的数据进行处理。数据仓库是对各类数据的整合、组织和管理；数据挖掘是利用机器学习和统计学的方法来分析数据仓库里的数据。

3.4 数据可视化

4 学生体质健康水平结构方程模型

结构方程模型，又称为潜变量模型或协方差结构模型。本系统平台从教务系统、学管系统、校园一卡通系统、考勤门禁系统获取在校学生的学习、行为、生活以及宿舍用水用电等数据，挖掘分析海量数据中的潜在联系，建立学生行为特征模型[9]，用实际数据验证、提升模型的准确性。本研究以学生的身体形态机能、身体素质、体育教学、课外锻炼以及生活行为等作为潜变量，探讨可测变量与潜变量之间的关系，以及潜变量之间的关系，构建学生体质健康水平结构方程模型。由于大学男生和女生的体育测试项目不同，故随机选取浙江理工大学2020/2021学年大学一年级1069名男生的信息数据为研究对象。研究维度见表1。

表1 大学男生体质健康水平研究维度

在进行因子分析前需要检验变量数据是否适合进行因子分析，具体用KMO 与和Bartlett 球形检验，输出结果见表2。

表2 KMO 与Bartlett 检验结果

从表2可看出，变量间的相关性好，显著性水平Sig.为0，可知变量适合做因子分析。另外，经检验，引体向上（H5）、早餐金额（L2）、中餐金额（L4）、晚餐金额（L6）、购电次数（L8）、用电金额（L9）、购水次数（L10）、购水金额（L11）、购水电总次数(L12)不符合正态分布，故删除这些指标。初始模型如图4所示。

图4 大学男生体质健康水平初始结构模型

根据模型运行结果中的修正值（MI），遵循从大到小逐一释放的方法。在初始模型中删除坐位体前屈（H2）和购水电总金额（L13）这两个指标，然后再根据修正后的模型拟合指数，参考修正指标MI 释放e19 与e20 的假定，模型拟合情况很好。经检验，模型的整体拟合指数达到标准要求，对其进行二阶因子建模，其模型路径图如图5所示。

图5 大学男生体质健康水平最终结构模型

对模型进行参数显著性检验和模型拟合检验，方差和协方差的路径系数全部通过了显著性检验，模型的假设得到了验证，最终模型中各指标均达到理想模型标准。因此，该模型可作为大学男生体质健康水平评价的结构方程模型。

表3 结构方程模型整体拟合指数

5 结论

5.1 高校体育信息系统从要素、结构和功能三方面进行系统设计和系统开发，辅助数据流，实现信息数据的共享共建，缓解高校体育信息管理中的疑难问题，是高校体育信息管理的创新举措。

5.2 基于大数据技术探索高校体育信息数据之间的相关关系，实现大数据预测功能，为提高学生体质健康水平提供数据依据。