大数据技术在高校智慧校园建设中的应用研究

2020-10-09林丽丹李娜

电脑知识与技术 2020年18期

林丽丹李娜

摘要：以2018年教育信息化2.0为起点，未来是以数据为基础的教育与信息化深度融合的数据应用阶段，高校在信息化校园的基础上逐步开展智慧校园建设，以大数据技术为主要支撑技术之一，充分挖掘、应用海量高校大数据的价值，为学校及师生提供智慧服务。文章结合智慧校园建设总体框架，高校大数据的特点及存在问题，提出智慧校园的大数据处理平台技术架构，并分析探讨大数据技术在智慧校园中的实际应用场景。

关键词：智慧校园;大数据技术;高校智慧校园建设;高校信息化;教育信息化

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）18-0036-03

开放科学（资源服务）标识码（ OSID）：

1 引言

随着2018年教育信息化2.0的总体规划要求及《智慧校园总体框架》国家标准的颁布，各大高校逐步开展了智慧校园建设工作[1]。高校智慧校园是在信息化校园的基础上，所构建的智能化网络服务评价架构，智慧校园的建设主要依赖于大数据、云计算、物联网技术[2，3]。而高校信息化建设起步相对较早，其信息化系统中日常运行所涉及的业务领域包括教学、科研、学工、校园一卡通、图书馆、后勤、人事等，这些领域会产生大量数据[4]。如何对这些数据进行有效的治理、存储、挖掘分析并运用，来提高教学质量、科研水平及工作效率，为学校管理提供新思路，为师生提供智慧服务，是智慧校园建设中利用大数据技术重点要解决的问题。本文将在智慧校园建设总体框架及高校大数据特点和内在需求的基础上，提出一种大数据处理平台技术架构，分析大数据技术在高校中的实际应用场景，为优化智慧校园应用层的建设提供参考。

2 高校智慧校园

2.1 智慧校园概述

智慧校园是以促进现代信息技术与教育教学深度融合、提高学生学习、教师教学、科研效率为目的，以物联网、云计算、大数据技术等为技术支撑，提供一种环境全面感知、数据化、网络化、协作型一体化的教学、科研、管理和生活服务，并能对教育教学、教学管理进行整体分析和预测的智慧学习、工作、生活环境[5]。智慧校园的建设将为学校师生打造一个安全、稳定、环保、节能的校园，同时也将为师生提供更加便捷、精准的个性化服务。

2.2 智慧校园建设总体框架

《智慧校园总体框架》国家标准中指出智慧校园总体框架建议采用云计算架构进行部署，分为基础设施层、支撑平台层、应用平台层、应用终端和信息安全体系等。不同层级分别负责基础设施搭建、网络通信、大数据处理、系统建设、服务提供等逻辑指令的执行[6，7]。

1）基础设施层。基础设施层提供网络搭建、网络通信、感知设备和数据存储，主要包括数据库、服务器、感知设备、校园基础设施等，为校园环境及校园内活动的感知、检测，数据的采集存储，网络的传输提供保障。

2）支撑平台层。支撑平台层是云计算、大数据业务的核心层，为应用平台层提供驱动和支持，包括云计算，大数据处理等核心技术架构。

3）应用平台层。应用平台层是智慧校园应用与服务的内容体现，在支撑平台层的基础上，构建服务于学生、教职工的各种应用。

4）应用终端。校园网的用户属于智慧校园建设的应用终端层，智能手机、平板以各种浏览器及移动端设备，可以随时随地应用到校园环境中，共享各类资源及服务。

5）信息安全体系。信息安全体系是贯穿整个智慧校园建设中的安全保障系统，保障智慧校园系统的安全运行及用户的信息安全。

3 大数据技术在智慧校园建设中的应用

3.1 高校大数据的特点及内在需求分析

高校信息化建设中收集了大量数据，高校大数据普遍存在一些共有的特点。（1）数据产生的用户群体相对单一，主要是学生、教工。（2）数据来源丰富，包括感知设备数据，如校园一卡通、门禁等;系统数据，如教务系统、学工系统、招生系统、收费系统、人事系统等;网络日志数据，如校园网、AP热点等产生的大量日志数据;社交数据，如QQ、微信、抖音、贴吧、微博等。（3）数据量大。自高校信息化建设以来，学校的学生、教职工的相关数据被采集存储，数据量非常大。（4）数据结构多样。不同数据源的数据类型不同，包括结构化、非结构化、半结构化数据。（5）数据质量低。高校信息化建设中采集数据时，并未对数据进行清洗、治理，导致数据完整性、准确性差，数据质量低。（6）数据利用率低。大部分高校只对数据采集、存储，一段时间后由于存储资源的压力将数据丢弃，未采用有效的技术手段对数据进行挖掘利用。（7）信息孤岛现象。高校普遍存在信息孤岛现象，教务、科研、学工、收费、人事、财务、图书馆各自用自己的系统采集、存储数据，并未建立数据共享机制，导致数据重复采集，不能产生关联性且重复部分过多占用存储资源。

高校大数据资源价值的挖掘与应用是高校智慧校园建设中的重要内容，智慧校园中大数据处理平台及数据共享平台的搭建，可以解决高校大数据面临的利用率低、信息孤岛的问题，实现数据资源共享、服务共享的目的。

3.2 大数据处理平台技术架构

高校智慧校园建设中需要充分挖掘海量数据的价值，这就需要在支撑平台层构建大数据处理平台，用于完成数据采集、清洗、存储，数据挖掘分析，数据可视化，最终给学校及师生提供智慧服务。结合高校智慧校园建设的实际需求、高校大数据特点及存在问题和主流大数据技术，本文提出一种大数据处理平台技术架构如图1所示。首先是数据采集阶段，根据数据源的不同选择数据采集技术。如业务数据可以采用Sqoop工具采集，设备数据的主流采集技术为Flume、Kafka，而互联网数据主要是通过爬虫来获取，如Scrapy框架，第三方合作数据则可以通过HTTP/FTP方式共享。其次是数据存储，主要用到的有HDFS分布式文件系统、HBASE、ElasticSearch、Redis、MySql等技术存储结构化、半结构化、非结构化数据。然后是大数据挖掘分析阶段，离线数据处理采用MapReduce、Hive等技术，实时数据处理用Spark、SparkStream等，结合机器学习的库如MLib，完成对数据的分析挖掘。最后根据学校领导、部门、院系、老师和学生关注业务的数据化、可视化需求，对数据进一步分析后，提供数据服务，包括数据可视化看板呈现，数据开发平台及主数据共享平台。其中数据开放平台为学校第三方合作提供數据支持，主数据共享平台则主要解决校内各部门之间存在的信息孤岛问题，实现校内数据资源的共享[8]。

3.3 应用场景分析

高校智慧校园的应用平台层包含多种应用系统，结合实际功能需求，将相关的信息服务整合至某一个应用程序中，可以实现智能化工作及服务。为了让学生、教工更好的使用智慧化服务，高校中基于大数据技术的应用程序开发可以从以下几个实际场景出发。

应用场景一：学校各个部门业务的数据化、可视化展示及决策建议推送。根据角色的不同，可视化展示该角色应关注的数据内容及决策建议。如招生处展示招生情况、与往年相比今年招生情况，并给出如何改善生源情况的建议等。

应用场景二：综合预警，减少学生安全事故的发生。高校学生安全事故频繁发生，如跳楼、自杀、网贷、抑郁等，通过使用大数据技术监测学生行为，描述学生行为轨迹，对异常行为分析并给出相应预警，如失联预警、心理预警、逃课预警、夜不归宿预警、网贷预警、传染病预警、情感预警、邪教预警等，将预警消息及建议解决方案推送给负责老师，老师可以通过移动设备或者PC端查看。

应用场景三：教学管理及学情分析。通过大屏展示教学任务大数据、学生培养大数据，让学生实时、便捷掌握教学和学生培养核心工作进展。结合教学任务大数据、学生培养大数据进一步分析挖掘，进行学情分析，对不同学习程度的学生学习情况深度分析，为老师优化教学进度、教学模式提供指导。

应用场景四：师生全景数据，描述学生画像、教师画像，为学校精准化、个性化管理提供基础。

应用场景五：学工管理大数据，让学生管理更简单。包括心理健康、精准扶贫、智慧查寝、思政分析、学生轨迹、学生诚信等。

应用场景六：网络日志清洗及深度分析系统。校园网的日志数据，包含了教师、学生在校的网上行为，对学生、教师的行为分析提供重要的数据资源。

4 结论

大数据技术为智慧校园建设的主要技术，通过大数据采集技术、分布式文件系统、数据计算引擎、数据挖掘分析框架等构建大数据处理平台，对采集到的海量高校数据，进行清洗、抽取、集成、挖掘分析，从而得到有价值的信息。结合高校的实际需求，整合信息至应用程序中，为师生提供智慧化服务。

参考文献：

[1]沈华根，冯炜，褚宁琳，等.基于大数据的高校智慧校园云端化建设方案研究[Jl.无线互联科技，2019（22）：11-12.

[2]李银超.大数据挖掘技术在高校智慧校园中的应用[J].信息与电脑（理论版），2019（22）：131-132，135.

[3]刁智刚.大数据下的高校智慧校园系统[J].计算机产品与流通，2019（12）：172.

[4]李江灵.大数据挖掘在高职院校智慧校园建设中的应用[Jl.电脑编程技巧与维护，2019（12）：116-117，131.

[5]宋佳.试析大数据背景下高职院校智慧校园建设[J].电脑编程技巧与维护，2019（11）：79-80，115.