智慧校园建设中数据挖掘技术的应用研究

2021-02-01戴慧敏唐富文

科技经济导刊 2021年2期

戴慧敏，唐富文，罗政

（湖南工学院，湖南衡阳 421000）

1.引言

在信息技术高速发展的影响下，目前大部分高校的智慧校园建设都或多或少得到了一定的发展。学校的人数是非常多的，而校园中的各类设备以及各个系统平台时时刻刻都在产生数据，所以这些数据量非常庞大，这也意味着需要分析处理的数据量是庞大的，任务是艰巨的，这对校园数据的处理提出了更高的要求，而传统的数据处理方式渐渐没有办法满足大量数据处理的需求，所以急需更有效的数据处理技术。

2.数据挖掘技术概述

随着计算机技术、物联网技术以及网络的不断发展进步，计算机各种技术越来越多地应用到了我们的学习、生活中，因此而产生的数据量也正在快速增长。那么，在这样大量的数据中如何找到或提取我们所需要的信息，这就是数据挖掘技术要完成的主要工作。数据挖掘的过程就是运用机器学习、数学建模、统计学及人工智能等多种方法首先从大量的模糊数据中找到出隐含在其中的部分有用数据，然后需要对这些数据进行清洗、集成，利用不同算法完成数据选择、挖掘，最后实现模式的评估和信息的表示，让这些杂乱无规则的数据成为对用户有价值的信息[1]。数据挖掘技术需要融合物联网技术、云计算技术和互联网技术等多种技术，才能够实现数据的预测、分类并进行关联分析和数据总结，最终从大量数据中提取到有用信息进行反馈[2]。

将数据挖掘技术应用到智慧校园的建设过程中来，指的是将数据挖掘技术用于智慧校园中各类数据资源的处理，使智慧校园在工作和学习各方面为老师学生提供方便，也能够为学校的教学和管理工作提供更优质便捷的服务。首先，它能够处理的数据量是比较大的；其次，它能对不同类型的数据进行处理；此外，在应用方面它有密度低和价值大的效果，一些零散的、类型不同的数据，可以利用技术的分析手段，挖掘出信息中的潜藏的价值，以便于进一步的研究和使用。因此将大数据挖掘技术应用到智慧校园的建设中，能为学校建设发展提供更好的数据基础和技术支持。

3.智慧校园

智慧校园是高校信息化建设的进一步发展，是对数字校园建设的完善和提升。智慧校园基于物联网技术、虚拟技术、大数据技术以及云计算等技术，联合校园运作中的各类数据，综合各种应用服务系统对校园的管理和学习生活等业务进行融合，从而实现校园的教学管理和师生学习生活环境的智能化和一体化。智慧校园有三个核心的特征：首先是协同互联，智慧校园的建设是为了给学校的管理层面、教师的教学方面以及综合服务方面都能提供计算机网络信息服务平台，这样一来，将高校中的多个方面多个环节结合起来，一方面能够发展各方面的协同合作，另一方面也提高了管理人员和教师的工作和教学的效率；第二，智慧校园提供的信息管理服务系统除了全面还具有智能化的特点，智慧校园的服务平台能够根据校园中不同用户的特征和需求提供个性化的定制服务；最后，智慧校园作为学校与外面世界的接口，能够方便校园内的师生获取外面的最新信息，有增强学校与外面社会之间联系的作用[3]。

智慧校园的建设目前在大部分高校中已经取得了不错的成果，比如“校园一卡通”业务，通过一张卡即可完成校内消费、门禁、借书等功能；在学习上，大部分校园实现了在线辅助教学、监控考试情况等[4]。随着连接实体的数量越来越多，目前对数据的处理也提出了更高的要求，而对于这些数据的处理和利用与学校的管理和学生生活的各个方面都有很大的关系，因此将数据挖掘技术应用到智慧校园建设中，对产生的各类数据进行快速有效的分析处理并进一步挖掘，能为学校的建设和发展提供数据依据以及技术的支持，能实现学校的教学管理工作和师生学习生活环境的进一步智能化。

4.数据挖掘技术在智慧校园建设中的应用

4.1 构建智慧校园数据挖掘平台

随着智慧校园的建设发展，各方面收集而来的数据信息越来越庞大的，且这些数据的来源复杂，结构多样，那么智慧校园建设的重点就在于怎样才能在这大量的复杂数据中找到所需要的有用信息。在数据挖掘技术的基础上可以架构一个基于B/S（浏览器/服务器）结构的数据挖掘平台，平台可采用如图1所示的结构，此结构的平台有三个层次，由上至下分别是显示层，中间层和数据层。其中，显示层集中在浏览器端，中间层和数据层集中在服务器端。

图1 智慧校园数据挖掘平台结构

显示层即界面层，是访问平台的接口，以页面形式展现。它采用面向服务式的构架模式。用户通过显示层的界面访问系统，输入参数，系统根据参数从大量的数据中筛选出有关的数据信息，通过分析处理后，挖掘出满足用户要求的数据，并将挖掘的信息结果通过图形化的界面显示给用户，以此为用户提供各方面服务，让智慧校园的使用更加便捷。

中间层是平台的核心，主要实现算法的运行、数据的处理和结果的转换。中间层以数据挖掘技术为依托，根据接受到的用户的请求访问符合要求的数据并选择合适的挖掘算法对数据进行处理，最后再把处理的数据结果进行转换并返回到显示层。其中数据的处理包括数据清洗，数据分析和数据挖掘几个步骤。首先，需要对收集来的大量的非结构化数据完成清洗、筛选以及存储操作。然后，需要利用数据处理或管理的工具将这些非结构化数据进行分类、统计和聚类处理。最后，在分析完数据之后，中间层还可以通过各种挖掘算法进一步对各类数据进行更深一部的挖掘并进行关联分析，从而将隐藏在数据背后的有价值的信息提取出来。

数据层是中间层的数据来源，它利用智慧平台收集各类数据信息并将这些数据初步进行量化处理，即对数据进行预处理，以提供给中间层对数据进行更好的挖掘。数据层是通过智慧校园中的各种传感技术、传感设备以及各类平台进行校园中各类活动原始数据的收集，例如教师的教学数据信息、学生的学习数据信息、学生的生活数据以及教学设备各类仪器的数据信息等，为智慧校园的数据挖掘平台提供大量的基础数据。

4.2 实现校园管理的智能化

智慧校园基于以上构建的数据挖掘平台可以将有用的信息从校园大数据中挖掘和提取出来，并能够进行数据的存储，数据的计算和数据共享，使之服务于所有应用系统，从而实现服务的基于角色特征的个性化。在此同时，它能够引导和帮助信息化教育的工作人员不再困于以前的繁琐业务，将信息化教育的业务工作推向基于数据挖掘的个性化服务模式[5]，由此真正实现智慧校园的智能化、智慧化。

4.2.1 在教学环境中的应用

智慧校园的特色之一在于基于这些海量数据的分析挖掘而掌握教与学的相关特征和规律，从而展开智慧的个性化教学应用[6]。对数据进行分析与挖掘后，能够使学校师生通过数据知道自己的教与学的情况，并且能够通过分析结果进一步了解到数据背后隐藏的指导信息，这能够帮助用户在教学或者学习过程中做出针对性的调整策略，开展个性化的教与学。

教学相关的数据挖掘可以分为聚类分析和关联分析。聚类分析把各类信息分别聚类，得出基于这些信息的类别；而关联分析把聚类的结果和其他信息做关联分析，以找出数据集之间有意义的联系。比如学生的考勤数据、图书借阅数据、寝室的门禁数据以及学生上网时长数据可以先进行聚类分析，然后再与学生的个人基本信息以及学生的成绩数据进行关联分析，从而找出其中有意义的关联。教学信息、学生培养信息能让学生方便地了解学习情况，通过分析成绩的动态化过程，可以提供学生及时作好自我规划。而进一步的数据分析与数据挖掘，能够帮助管理者进行学情分析，为优化教学进度、教学模式提供指导，从而提高教学质量和效果。

4.2.2 在学生管理中的应用

智慧校园收集到的各类信息可以分类用来建立行为数据库，记录学生的课程数据、考勤数据、门禁数据、学习成绩数据以及上网时长数据等。在对数据进行处理后依据分析统计结果可以得到一个正常的范围值，在学生出现较多行为异常时给出相应预警，如旷课预警、夜不归宿预警、心理健康预警等，如果发现有学生的行为数据超过设定的范围值，那么可以通过多种方式提醒管理人员对该学生进行关注，从而帮助管理人员及时发现问题学生。

其次，根据一卡通收集的学生早饭、午餐、晚餐的消费数据以及水电、洗浴和学校超市购物等消费数据记录，可以了解到学生的各类基本消费支出情况，帮助班主任和辅导员对家庭困难学生、普通学生的消费信息进行对比分析，在学生的助学金发放和助学贷款的申请方面为管理者提供一定的依据和帮助，提高助学金资助和助学贷款发放的效率。

4.2.3 在后勤服务方面的应用

智慧校园通过对学校食堂、宿舍区超市消费数据的挖掘和进一步分析，可以了解在食堂或校园超市各时间段的人流量情况以及消费数据，从而为同学们就餐时间的选择以及对管理者在超市、餐厅的经营策略提供依据，为后勤部门提供信息指导。此外通过门禁系统的数据处理还可实现寝室监管的自动化，帮助规范化学生宿舍的管理。当然，还有更多智能化管理模式和人性化服务等着我们去发掘。