高校基于大数据时代的数字化校园建设探讨

2015-12-02朱力纬刘丽勤

华东师范大学学报（自然科学版） 2015年1期

朱力纬，刘丽勤，王健

（1．东南大学网络与信息中心，南京 210018；2．东南大学校长办公室，南京 210018）

1 数字化校园发展情况简介

随着现代社会信息化技术的迅猛发展，以及国家高等教育发展的需要，积极推进教育信息化建设，加快教育信息化进程，已经成为我国教育发展的必然要求．

高校信息化建设先后经历了基础网络硬件设施建设、单一应用系统开发、数字化校园建设等阶段，目前的主要建设目标是建立一个统一平台、统一资源管理的面向用户服务的数字化校园．随着数字化校园提供服务的不断更新和统一数据平台中数据的不断增多，数字化校园在数据管理和应用方面产生了许多新的需求，也遇到了一些新的问题．随着大数据时代的到来，数字化校园建设即将迎来又一次技术和思想的变革．

2 数字化校园共享数据库的数据使用和管理存在的问题

在数字化校园建设不断深入的过程中，共享数据平台的数据管理和使用也面临了更多的挑战．主要表现为以下几点．

2．1 数据规模日益庞大

以我校数字化校园共享数据库为例，目前共享数据库中的数据主要可以分为：人员信息、教研信息、财物信息等．最近一次数据质量统计显示，目前我校共享数据库中数据量庞大．例如：人事系统保存了近12 000条教职工信息，教务系统中保存了近38 000条本科生信息、18 000条课程信息和多达两亿余条的学生成绩数据．随着校园信息化的推进，各业务系统还会不断产生新的数据，使得共享数据库的数据总量持续膨胀．

2．2 数据质量堪忧

各业务系统向共享数据库提供数据的同时，也需要从共享数据库中同步其所需数据．因此，数据质量直接影响各系统间的协同效率及使用效果．目前高校数字化校园共享数据中，普遍存在数据质量问题，主要表现为：①数据格式不统一，这主要由各业务部门对同一数据的使用习惯存在矛盾所造成；②数据维护质量低下，业务部门对数据质量管理工作的重要性没有充分认识；③对历史数据和冗余数据尚无统一完善的处理方法．

2．3 数据利用不充分

对数据的利用不充分，主要体现在两方面：①数据透明度低，无法实时查询、浏览．校园用户须进入各个业务系统，才可查询自己科研、教学、消费等数据．②数据的深层价值有待挖掘．数字化校园累积的大量数据中，包含了大量有用的信息．遗憾的是，大多数高校仍停留在数据查询阶段，对数据的深入挖掘并使其为决策提供支持等工作仍有欠缺．

3 大数据与数字化校园

3．1 大数据简介

大数据（Big Data），亦称巨量数据、海量数据或大资料，Gartner于2012年对大数据做出如下定义：“大数据是大量、高速、及多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理［1］．”大数据分析的意义在于通过将各数据集合并后的分析得出大量额外的有价值信息和数据关系，帮助指导人们优化自身的决策和行为方式．

大数据的数据来源多样化，包括物联网、互联网、手机等移动终端以及各种各样的传感器所采集来的数据．数据来源多样化决定了大数据的另一特点，即存在大量的结构化或者半结构化数据，如文字、图片、视频、地理位置信息等．基于这两大特点，大数据分析往往需要高效的计算方法和计算能力．从这个意义上讲，大数据的定义又取决于数据的处理能力［2］，如果数据规模大到开始造成数据管理困难，进而影响到挖掘有价值信息时，数据持有机构就应当开始考虑大数据解决方案以优化自身的各种行为．

3．2 高校中的大数据

高校数字化校园中包含大量具有价值的数据．师生在校生命周期内产生大量数据，如学习数据、教学数据、科研数据、奖惩数据等，这些组成了高校大数据的基础．这些海量数据中既包含常规管理型业务产生的如人事、教学、财务数据等结构化数据，又包含了大量的由服务与管理所产生的非结构化数据如多媒体教学资源等．

如何对这些结构化和非结构数据进行存储、分析和挖掘，并施加有效的管理，充分利用数据价值，使其为学校管理、教学、服务等工作提供有益的帮助，是本文研究的重点．

4 高校大数据的应用

前面两章节分别介绍了高校数据管理的现状和问题、大数据技术的特点及其与高校大数据之间的关系．本章节将在此基础上，对大数据在高校数字化校园中的应用提出若干建议和方案．

4．1 建立完善的数据采集体系

数据采集是大数据应用最基础的一环，其后的集成、分析、管理等方法都构建在数据采集的基础上．因此，要完善高校大数据的挖掘与应用工作，首先应建立一个较为完善的数据采集系统．

数据采集系统主要包括硬件和软件两个部分，如图1．硬件部分主要指分布在校园中的各种类型的传感器，采集的数据包括机房的上机记录、电子阅览室的阅览记录、数字图书馆的借阅记录、视频监控系统采集的视频数据、POS机设备采集的刷卡记录等；软件部分主要指各类虚拟化软件、应用系统平台采集来的数据，包括各业务系统运行过程中产生的大量数据．

图1 高校大数据采集系统

4．2 数据安全、权限管理

大量事实表明，大数据未被妥善处理会对用户隐私造成极大侵害．例如：通过分析用户的社交网站信息，可以发现用户的政治倾向、消费习惯及个人喜好等［3］．高校大数据也存在同样的数据安全及隐私保护问题．高校大数据中包含整个学校在人、财、物等几大方面的大量数据，其中不乏很多涉及个人隐私、信息安全等方面的重要数据，这些数据的集成一定程度上加大了用户隐私泄露的风险．因此，在对数据的挖掘利用工作深入开展的同时，应该把数据安全和隐私工作放在一个重要的位置．

首先，规范化数据的存储、备份及安全保护工作，避免因硬件、软件、操作、黑客攻击等各种原因造成数据的丢失，进而造成更大损失．

同时，在高校大数据应用中，以学校为主体进行大数据分析与校园用户的隐私在某些方面存在一定的冲突，如何寻找大数据应用与用户隐私的平衡点，是个值得关注和探讨的问题．可以考虑从两个方面着手应对．首先从技术上，应严格实行对数据访问的权限控制，保证数据使用过程中的安全性和隐私性，如图2所示．

图2 数据的用户访问权限管理

另外一方面是从管理着手，如：健立健全数据安全管理部门和管理机制；严格审核审查大数据应用的开发，以防数据滥用；对用户行为数据做详细的分类管理，甚至可以根据用户意向调研，对要使用到较为隐私数据的服务，由用户来选择他个人是否使用该服务．

但是总的来说，没有万全的方法可以做到既完全保障用户数据隐私，又为用户提供先进便捷的大数据服务，用户要享受个性化专属信息服务，就不得不牺牲一部分个人隐私．这也是大数据应用发展的双刃剑．

4．3 基于数据分析挖掘的应用

数据的生命力在于应用，对高校大数据进行深入挖掘和分析，可以为学校管理决策提供支持，为学校教学、科研工作的改进提供依据，同时还可以通过信息整合，提高校园用户校园生活体验等．

4．3．1 建立校园用户个人数据中心

在对共享库中的数据进行了规范和集成后，建立统一的用户个人数据中心条件已经成熟．校园用户可以通过统一的入口，方便的查看自己所有相关数据．同时通过大数据处理技术，可以看到数据分析和整理的各项结果，为用户了解自己在校的学习、教学、科研情况提供依据．在此基础上，应逐步建立一个统一的校级个人信息填报入口，将填报服务与管理流程分离，减少用户重复填报信息的操作，驱动用户主动去维护、完善个人信息［4］．

4．3．2 提供数据驱动的决策支撑

大数据技术应用的核心之一是预测．高校大数据中，包括了大到学校总体情况，小到学生使用校车频率、借阅图书情况等数据．通过对这些数据的挖掘、分析和预测，可以更全面地认识各类人员活动和物资配置、使用之间的关联，为学校管理者了解学校情况、制定学校发展规划等提供决策支持．例如，对学校专业招生情况、就业情况等数据进行分析，可以帮助学校预测专业后续招生趋势和改进专业培养计划等；对各类实验仪器的购买、使用情况和实验成果进行分析，可以辅助相关部门制定实验仪器的购买计划、优化配置；对师生乘坐校车频率、各时间段乘车密度等数据进行分析，可以帮助后勤管理部门合理安排校车班次．

如图3所示，高校总体情况数据展示，可以为学校管理者在相应的决策、规划工作中提供数据支撑．

图3 高校总体情况数据分析展示

4．3．3 数据质量管理

数据质量管理是大数据应用中重要的一环，数据质量决定着数据的准确性、信息的有效性，以及数据服务的可用性等．

建议建立一套有效的数据质量检测与跟踪体系，以便及时准确地发现数据质量问题，及时跟踪和评估数据质量的改进效果；制定相应管理规定，统一数据质量管理工作规范，加强对数据源的管理和维护，使数据质量的改进成为各业务部门日常工作的一部分．

数据质量检测体系业务流程示意图如图4所示．各业务系统将数据同步到共享数据库，进而同步到数据质量检测系统数据库，由数据质量检测系统对数据质量进行检测与分析．主要针对数据的正确性、明确性、一致性、冗余性、完整性、实时性等几个方面进行质量检测．同时，结合数据应用服务对某些业务数据提出有针对性的调整需求和意见．检测结果将形成质量分析报告，明确数据来源和责任单位，提出有效的数据质量管理解决方案，并反馈给责任单位．另外，也可将数据质量管理工作的成效作为相应的工作绩效进行考量，以推动数据质量管理工作规范化．

4．3．4 个性化学习、教学

大数据分析挖掘技术也可以应用于教学质量的提升．高校共享数据库中关于教学方面的数据是海量而丰富的，将这些数据有效地利用起来，可以促进教学效果优化，促进信息技术与教育教学深度融合．

图4 数据质量检测系统业务流程图

例如：可以将课件、视频等课程资源挂在学习资源网站上，让学生自行下载或在线观看学习．通过对学生点击率、下载量、以及在线观看时重点停顿地方等数据的分析挖掘，可得到课程教学重点、难点等信息，为教师教学方式方法的改进提供依据．

同时，大数据技术也可以为学生的个性化学习提供帮助．在线学习系统可以根据学生的成绩、学习资源访问情况、学习进展、互动信息等数据为学生制定个性化的学习指导，帮助学生完善知识结构，挖掘自身兴趣爱好和特长．随着多种个性化学习终端的不断革新，采集到的学生学习、兴趣发展的数据越来越丰富，甚至可能为学生提供更多的例如未来职业发展方向的指导［5］．

4．3．5 校园用户行为分析

高校校园内类型丰富的终端传感器设施如门禁考勤、图书借阅刷卡机、消费POS机等，采集了丰富的校园用户个人行为习惯数据．由此可以有针对性的对校园用户行为进行分析，将分析结果用于评估、指导学生的日常生活．例如，可以参考学生校园卡消费情况进行贫困生评选的辅助筛选；可以参考学生上网时间、图书馆刷卡记录等数据，为学习困难生分析学习习惯的不足，帮助其改进．

高校大数据亦可在预防学校疾病灾害传播方面提供帮助．例如在爆发传染性疾病的季节，通过分析已患病学生的饮食情况、就医情况、活动场所范围等数据，对传染病进行跟踪，防范传染病的蔓延，辅助确诊和治疗．

4．3．6 舆情分析，提高思想政治教育水平

随着高校网络的迅猛发展，网络舆情已成为当前影响大学生思想和行为的新兴力量．网络时代的高校舆情主要存在于校园BBS、微博、微信和各种即时交流软件等，这些是典型的大数据．高校网络舆情具有强烈的互动性，学生们对某一个社会或校园热点事件，通过多种途径发表自己的观点、诉求、情绪等，有理性的表达，也有偏激的宣泄．因此，在大数据技术背景下，准确快速的掌握网络舆情动向、合理引导学生正确的表达观点、不被别有用心的份子煽动利用等，都给高校思想政治工作提出了新的挑战．

除了以上几方面外，大数据技术在高校校园中可应用之处非常多，如对学科建设的支持、校园交通规划和改善等等．很多应用有待在校园信息化建设过程中不断地提出和完善．