基于智慧校园的大数据建设模式初探

2018-03-23束乾倩涂庆华

数字通信世界 2018年6期

束乾倩，涂庆华，崔聪

（南京理工大学信息化建设与管理处，南京 210094）

引言

我国高校信息化建设至今已有二、三十年的时间。在这期间，高校信息化建设从单机应用系统辅助教学管理到各个职能管理系统的普遍应用，从Cernet建设到全面建成的一体化校园网络，信息化给高校带来了深刻的变化。信息技术在高校教育教学中的应用，创新了教学方式和方法，众多业务部门的服务水平得到了较大提升。近年来，在数字化校园初级阶段，信息化建设主要从业务部门需求出发，解决线上办公以及具体业务线上管理等问题。但由于各个系统建设的时期不同，产品厂商不一，建设过程中以“补漏”为主，缺乏整体角度统一规划，更没有统一的数据标准和建设规范，导致信息系统在交互通信、数据融合方面面临着巨大挑战。为了解决这一问题，数字化校园中期阶段出现了以主数据平台等产品为主的数据共享交换平台，解决了信息系统间的数据共享问题。但互联网的飞速发展，出现了海量的、非结构化的数据，此前以关系型数据为主要存储对象的主数据平台，已经不能支持类似音频、视频、日志数据以及更多的分析挖掘场景的数据存储及计算。大数据平台的出现，解决了多类型、海量数据的分析计算需求，它以其丰富的组件生态，客观上满足了各种数据统一的存储和计算需求。

1 智慧校园对大数据的内在需求

1.1 数据驱动管理模式创新与效率提升

大数据技术的出现，使得原来高校分散的、标准不一的各类数据能够统一的存储于同一平台，利用ETL工具、数据治理等技术进行很好的打通与融合，保证了在大数据体量下的各种维度对数据进行全方位的观察、分析，使得高校数据真正能够在综合维度上服务于具体的业务场景，帮助高校创新管理模式，提升管理效率。例如，高校相对松散的学生管理制度，培养了学生自主学习能力的同时，同时也会产生夜不归宿、长时间不在校等情况，极易产生人身安全事件。以往的管理模式为辅导员查寝、考勤等方式，但目前国内高校的辅导员与学生的生师比大概在1：200左右，如此大的学生基数使得上述管理模式效率极低。通过对一卡通消费、上网认证日志、门禁、借阅、考勤等多种数据进行多维分析时，即可判断在某一段时间内学生的在校情况，进而实现预警提醒、精准推送，使得辅导员的工作范围由1：200降低到1：10，极大提升工作效率，再加上有针对性的进行线下确认，从而快速、准确的发现学生不在校行为，尽早干预，避免或减少因学生不在校引起的人身安全事件的发生。

1.2 数据驱动人才培养和个性化学习

分析学生学习数据使得个性化学习成为可能。随着Web2.0的兴起，社交网络、移动互联、物联网等新型信息技术的广泛应用，学生的学习方式和学习方法都发生了很大的变化。学生可以在课堂上学习教材课本知识，在图书馆借阅专业相关图书及自己感兴趣的图书，可以在互联网上查阅资料。可以学习在线课程MOOCS，可以通过社交网络与同学及网友进行在线交流等，学生的这些行为都为大数据分析提供了宝贵的数据资料。通过对学生学习数据的分析，可以对学生未来的学习表现和存在潜在的问题进行预测，帮助学生制订学习计划，推荐学习内容，使学生实时知道自己在学习中存在的问题，对学习行为进行优化，真正实现个性化学习。大数据分析可以依据学生的学习行为和表现，分析并找到与其行为相近的已经毕业的优秀学生，分析前期所学课程及成绩与待选课程之间的相关性，再结合专业要求和学生学习能力及特点择优推荐学习课程和学习方案。就某一门课程而言，通过对以往学习该课程学生的学习行为的分析，可以根据在学人员的情况推荐学习内容和进度，制订合理的学习计划，真正实现信息化对人才培养方面的支撑作用。

1.3 数据驱动协同科研

科学研究是高校工作者非常重要的工作之一，当前高校信息化在科研管理及支持方面的摄入力度甚微，大部分高校仅仅处于科研通知发布、科研成果统计、数字图书文献资料查询等低级应用阶段。在大数据的支持下，科研信息可作为大数据分析的数据源，系统能将所有科研数据进行记录和保存，发掘和拓展教师感兴趣的领域和正在从事的研究领域，在教师申报课题、科学研究及项目结项等环节提供支撑。在课题申报环节，系统可以根据课题来源为硏究人员提供申报建议，完成个人基本信息及研究履历的填写，甚至还可以为研究人员推荐研究领域相近或相关的合作者；在硏究阶段，系统能够自动推荐相关文献，提供实验数据，合作者还可以在线进行交流研讨、协同工作；在结项阶段，系统能对研究成果进行汇总、分析，结合研究情况，给出发表建议。教师的科研成果可以同步更新到师生互动平台，与所教授学生进行分享，促进教学工作开展。