高职院校智慧校园建设大数据应用研究①

朱军文，吴汉强

[摘 要] 随着云计算、大数据、物联网、移动技术和社交网络的迅速发展与广泛应用，学校的信息化迫切需要从数字化校园向智慧化校园转型，主要对大数据技术在智慧化校园中的应用进行探讨，期望能为智慧化校园建设献计献策。

[关 键 词] 智慧校园；大数据；物联网

[中图分类号] G717 [文献标志码] A [文章编号] 2096-0603（2017）31-0022-03

一、智慧校园

现在关于智慧校园的研究和文章很多，那么，什么是智慧校园呢？一般来讲，就是关于校园的智能化，校园的工作环境智能化，教师的教学科研、学生的学习生活、学校的管理安全越来越智能化。当然，智慧校园不仅需要技术支持，而且需要教育理念支持。高速网络的发展、信息技术的发展、物联网、云技术、大数据技术的发展都对校园的智能化起到推动作用，然而，怎么样把这些技术的应用与现有的教育理念结合起来，诸如自主学习、个性化学习等，又值得我们深思。

当前，高职院校基本已经完成了数字化校园建设，正处在向智慧化校园过渡的阶段。高职院校大都建立了诸如校园网、OA办公系统、教务管理系统、图书管理系统、学工管理系统、就业管理系统、后勤管理系统等信息化平台，为高职院校的教学、科研和管理提供服务，随着移动技术的发展，有线网与无线网无缝结合，实现了在校园内可以随时随地上网，随着物联网的普及，物联网的节点产生的数据是海量的，而且是实时的、源源不断的。对高职院校来讲，需要与时俱进，融合这些新技术，创建智慧校园环境，共享专业教学资源和信息资源，为学校教学、科研、管理服务，为学生学习、生活服务，为企业和社会提供信息、培训服务。

二、大数据应用

大数据，简单地讲，就是数据量非常大，海量数据。随着网络应用的普及、物联网的发展，特别是数字化传感设备的大量使用，出现了海量的数据，这些数据有的是有用的、有的是无用的，有的对一些人无用，但对另一些人有用，有的看似无用，但实则隐藏着有用的东西，需要通过数据挖掘技术提取。大数据技术则是对海量数据如何获取、存贮、利用、安全等应用的技术，如图1大数据标准体系框架所示，大数据标准体系包括七大组成部分：（1）基础——术语和参考架构。（2）数据——数据资源和交换共享。（3）技术——大数据集描述、处理生命周期和互操作技术。（4）平台/工具——系统级产品和工具级产品。（5）管理——数据管理、运维管理和评估。（6）安全和隐私——方法指导、检测评估和要求。（7）行业应用——工业大数据、电子商务大数据等。由此可见，我们平时所说的大数据，狭义上是海量数据，广义上还应包含各种大数据技术及应用。

三、高职院校智慧校园大数据应用建设

大数据之“大”不仅是数量大，而且“价值”也大。对高职院校来讲，需要根据教育的应用目的进行数据过滤和清洗，然后，从海量数据中挖掘相关联系、发现潜在问题、判断发展趋势，从而用大数据技术优化资源配置、实现个性化学习、促进公平、提升教育质量和辅助教育决策等，实现大數据在教育中的价值。

智慧校园中的海量数据从哪儿来？主要有这样一些途径：（1）现有校院网、各院、系、部门的局域网。（2）物联网中的各种传感器。（3）移动网络。（4）手机、校园卡、指纹、脸谱等身份识别。（5）教学过程，如课堂教学、考试、测评等。（6）教育管理，如家庭信息、学校教职员工的信息。（7）教学科研，包括论文发表、设备采购、耗材使用等。（8）校园活动，如图书借阅、健康运动、上机上网等。

这些来自于不同系统中的各类数据，有结构化的数据库、半结构化的日志或者电子表格，以及非结构化的文档、图片、视频、声音等。每种不同的数据都有各自的概念体系和组织逻辑，因此，需要将不同的概念连接起来，形成知识的融合，并在融合知识的基础之上建立数据分析，再将分析结果运用于校园的智慧化。这些结果按开放共享程度不同有以下形式：（1）数据在网站上可用（任意格式）。（2）作为结构化数据可用（比如Excel，而不是扫描图）。（3）以一种开放的、非专属的形式可用（比如XML）。（4）除了使用开放的格式，使用统一资源定位符（URLs）识别使用来自W3C的开放标准和推荐事物。（5）除了使用开放的格式和URLs识别事物，链接数据到其他用户的数据，提供上下文环境。

因此，需要建立完善的数据库系统，减少因条块分割造成的数据不一致、不统一，更好地进行数据共享。加强大数据的贮存管理，建立自己的存贮空间设备，最好是租用现有的大数据公司的存贮空间，这样可以节省设备的费用和管理的费用。另外，这些公司还提供大数据应用方面的优质服务，比如安全管理、数据挖掘工具等。加强大数据的安全管理，特别是权限管理。加强大数据的应用开发。参照表1信息技术大数据通用规范，建立完善的数据库系统，还需要全面考虑大数据的功能性、可靠性、兼容性、安全性、可扩展性、维护性、易用性等方面的内容。

建立完善的数据库系统是建立智慧校园大数据应用所必需的，但还有一些内容也是应该考虑的：（1）数据战略，确定数据管理愿景、目标等内容，是各项职能任务有序开展的高阶指南。确定管理功能及内在关系，结合实际情况，设计或选择一个数据职能框架，界定数据管理和数据应用的各项功能，并在实践中持续检验其合理性和完整性。确定任务蓝图及优先顺序，先评估数据管理和数据应用的现状，确定现实与愿景、目标之间的差距，然后根据数据职能框架制定阶段性数据任务蓝图，并确定优先级实施步骤。对落实执行过程进行评价，对数据相关工作的开展进行定期评估，有利于战略的执行和调整。（2）数据治理，对数据资产管理行使权力和控制，指导其他数据管理职能如何执行。其中，组织架构、岗位设置、团队建设、数据责任等内容，是各项数据职能工作开展的基础。数据制度建设则是保障数据管理和数据应用各项功能的规范化运行，建立对应的制度体系，是数据治理沟通和实施的关键依据。（3）数据架构，定义数据需求、指导对数据资产的整合和控制、使数据投资与业务战略相匹配的一套整体构件和规范。针对组织经营、管理、决策活动中的数据信息需求，建立一系列结构化的主题域数据模型、概念数据模型、逻辑数据模型和物理数据模型及信息价值链分析。确定一个相对合理的最佳数据采集存储系统，制定历史数据的存储策略和系统数据主副本间同步机制。组织内部及与外部合作伙伴或监管机构信息系统间的数据交换报文标准，提高数据交换的灵活性、适应性和效率，实现将组织内、外部的多种数据整合在一起，建立能够进行复杂数据加工处理、便捷访问数据的环境，供组织内的各级用户根据需要和安全权限访问或使用数据。形成不同类型的元数据，元数据一般分为业务元数据（如业务术语、业务规则）、技术元数据（如数据表结构、文件结构等）、操作元数据（如数据的更新时间、更新频率等）和管理元数据（如数据的负责部门、负责人等）等。（4）数据标准，为各个信息系统中的数据提供规范化、标准化的依据，是组织数据集成、共享的基础，是组织数据的重要组成部分。创建、审批、修改和发布统一的业务术语、业务数据、参考数据和主要数据标准等。（5）数据质量，反映数据满足用户使用要求的程度，根据业务需求及数据要求制定来衡量数据质量的规则。数据质量需要进行动态、实时监控，从而获取数据质量问题，并向数据质量监控人员进行告警，及时掌控数据风险。同时对数据质量检查过程形成的数据质量问题及累积的各种信息进行汇总，确定影响数据质量的原因，评估影响数据质量的级别，确立数据质量改进目标，根据数据质量分析的结果制定、实施数据质量改进方案，并制定数据质量问题预防方案。（6）数据安全管理，是计划、制定、执行相关安全策略和规程，确保数据信息资产在使用过程中有恰当的论证、授权、访问和审计等措施。确保合适的人用正确的方式使用和更新数据，对所有不适当的访问和更新数据进行限制。数据安全管理是在数据安全标准和策略的规划下统一对组织数据安全的管理工作、通过对访问的授权、分类分级的控制、监控数据的访问等多方面来进行数据安全的管理工作，满足数据安全的业务需求和监管需求，实现组织内部数据安全周期的数据安全管理。数据安全管理通过审计负责经常性分析、验证、讨论、建议数据安全管理相关的政策、标准和活动。（7）数据应用，通过对组织数据进行统一的管理、加工和应用，对内支持业务运营、流程优化、营销推广、风险管理、渠道整合等活动，对外支持数据开放共享、数据服务等活动，从而提升数据在组织运营管理过程中的支撑辅助作用，同时实现数据价值的变现。数据应用可以通过对数据分析（探索性分析、挖掘建模等）实现对组织各项经营管理活动提供数据决策支持、评价推广等活动。数据应用可以提供数据开放共享，按照统一的管理策略对组织内部的数据进行有选择的开放，同时按照相关的管理策略引入外部数据供组织内部应用。数据应用可以提供数据服务，通过对组织内外部数据的统一加工和分析，结合公众、公司和行业的需要，以应用的形式对外提供数据服务，实现数据跨领域、跨行业的有偿或者无偿服务。（8）数据生命周期，在数据全生命周期中实施管理，确保从宏观规划、概念设计到物理实现，从获取、处理到应用、运维、退役的全过程中，数据能够满足数据应用和数据管理需求。首先，对业务运营、运营分析和战略决策过程中产生和使用的数据的分类、含义、分布和流转进行描述，识别并定义所需的数据，确定数据需求优先级并以文档化的方式对数据需求进行记录和管理。然后，设计、实施数据解决方案持续满足组织的数据需求过程，数据解决方案包括数据库结构、数据采集、数据整合、数据交换、数据访问及数据产品（报表、用户视图）等方案。另外，对数据采集、数据处理、数据存储等过程进行日常运行和维护。最后，对历史数据的管理，根据法律法规、业务、技术等各方面需求设计历史数据的保留和清除策略，执行历史数据的归档、迁移和清除工作，确保组织对历史数据的管理符合外部监管机构和内部业务用户的需求。

高职院校智慧校园中大数据应用得如何，我们可以通过数据能力成熟度评估模型（DCMM）来衡量，如表2 DCMM数据能力成熟度评估所示，该模型列出了多项评估指标供我们参考。当然，大数据应用的建立不是一蹴而就的，而是不断优化、逐步改善的过程。

四、智慧校园、物联网和大数据展望

智慧校园离不开大数据，大数据促进智慧校园的发展，物联网是大数据产生的催化剂，物联网的应用使大数据永不枯竭，三者不断融合，相辅相成。大数据的开放共享应用程度、物联网节点的多少与自动化程度都对校园的智慧化起到巨大的推动作用。

参考文献：

[1]黄蔚.教育大数据：真能“算”准你的未来[N].中国教育报，2017-06-17.

[2]姚刚，张晓祥，李金.基于移动平台的医院管理决策系统研究[J].计算机与数字工程，2013（8）：1291-1293，1384.