学生信息主导的大数据智慧校园平台功能探究

2021-11-28徐皓波张语

电脑知识与技术 2021年28期

徐皓波张语

摘要：智慧校园平台是“互联网+”国家战略下学校信息化建设的重点，借助大数据技术能够将智慧校园平台中原本离散的数据信息进行有效的整合，凸显信息的价值。该文以学生信息为主导，通过学生的基础信息数据及后期加入的衍生信息数据，利用数据挖掘分析技术，对大数据智慧校园平台功能进行了相关探究，具有一定的实用价值，也为后续平台的发展建设指明了方向。

关键词：智慧校园平台;大数据;信息化建设;资源整合

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2021）28-0023-02

开放科学（资源服务）标识码（OSID）：

在云计算、物联网和大数据等新一代信息技术的引领下，人们的工作、学习及生活方式正时刻地发生着改变。在高校教育信息化方面，智慧校园平台的建设是实现“互联网+”国家战略的关键环节[1] [2]。传统的智慧校园平台通常以学校管理者的视角出发，校园运行、教师教学管理等方面是关注的重点[3] [4]。而学生信息主导的大数据智慧校园平台旨在通过学生的基础信息数据，联合学校、银行、电力、电信运营商的衍生信息数据，利用数据挖掘分析技术，实现学习、消费、用电及安全等预警功能，使学生在校园的学习生活更智能、更人性、更便捷、更安全。

1 大数据智慧校园概述

智慧校园是以云计算、物联网、大数据及人工智能等技术为基础，充分融合教学、科研、管理和校园生活，满足校园内行政人员、授课教师以及学生的各种需求，将各种校园内外的数字信息资源进行整合和重组。大数据在整个智慧校园中起到了关键作用，负责信息的整合处理及深层挖掘工作[5]。大数据其本质是大量、多样化、低价值密度且真实的信息资产，而大数据技术通过智能算法对大量的数据信息进行分析，从中找到规律，帮助人们指导工作、改善生活。因此，大数据智慧校园有效利用校园内外的数据信息，可以为师生提供智能化的快捷服务，同时也可以为学校管理者提供更加准确而详细的信息支持，从而辅助学生的日常管理、提高教育教学质量，进一步保障学校有序运行，促进学校的科学发展。

2 平台工作流程

大数据智慧校园平台基本工作流程（见图1）如下：首先，数据平台通过各类数据源采集学生数据信息;其次，数据挖掘分析平台将数据信息进行整合加工;最终，功能平台实现学习、消费、用电及安全四大预警功能。

3 学生信息数据采集

大数据智慧校园的基础就在于其大量、多样化、低价值密度、真实的数据信息，因此数据的采集工作尤为重要。大数据智慧校园数据平台采集的学生信息主要分为传统信息和补充信息两类，并开放数据接口与外部平台相连（见图2）。传统的学生信息即学生的基础信息一般会跟随着学生入学而记录在案，其中包括了学生的姓名、学号、身份证号码、性别、籍贯等，这些信息都是比较常见的数据了。但是，为了大数据智慧校园平台能够更好地为学校管理者、教师以及学生服务，这些基础信息远远不够，仍需要补充采集其他信息，其中包括学生的校园一卡通信息、实名认证的手机号码、支付宝及微信账号、学生的人脸及指纹等。当采集完所有信息后，数据平台可以和外部平台进行信息交互，学生在校的日常行为痕迹都能通过平台数据体现。

4 大数据分析算法

大数据智慧校园数据挖掘分析平台利用大数据分析算法对数据平台中采集到的海量数据进行分析挖掘，是最关键的工作。数据的挖掘是从大量、多样化、低价值密度的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程，也是一种决策支持过程。大数据分析算法常用的方法有分类、回归分析、聚类、关联规则等。数据挖掘分析平台使用这些方法从多个角度对平台数据进行挖掘。

4.1 分类

分类是通过平台数据库中对象的共同特点，按照分类模式划分为不同的类别，最终目的是通过分类模型，将数据库中的数据项映射到某个给特定的类别中。分类可以应用到学生类型的画像分析，将学生的学习工作表现进行数据量化，可以根据学生的各科成绩、社会活动参与度等分成不同的类，教师就可以从众多学生中选拔成绩优异或者热衷参加活动等类别的学生，从而方便学生干部的选拔培养等。

4.2 回归分析

回归分析通过函数表达数据映射的关系来发现属性值之间的依赖关系，可以突出数据库中数据属性值的特性。它可以应用到对数据序列的预测及相关关系的研究中去。比如对于学校开设的某一门课程，教师可以对往届学生的平时作业情况、期末考试成绩等数据进行回归分析，对当前授课的学生的学习情况进行预测，可以适当地调整教学方式方法，提高学生成绩。

4.3 聚类

聚类方法是数据的相似性和差异性将一组数据分为几个类别。聚类与分类相似，但是聚类不存在分类中给定的某个类别标签，纯粹根据数据相似度来。因此，聚类算法特别适合在一些无法设定分类特点标签的情况下实现数据的划分。

4.4 关联规则

关联规则是隐藏在数据项之间的关联或相互关系，特别是数据平台采集完学生信息后与外部平台可以建立多个关联规则。利用关联规则，分析平台可以根据一项数据信息的出现推导出其他多项数据信息。关联规则的挖掘过程主要包括两个阶段：第一阶段为从海量原始数据中找出所有的高频项目组;第二阶段为从这些高频项目组产生关联规则。关联规则挖掘技术将学生信息作为数据基础，找出其中的高频项目组，再与各种外部平台数据产生关联规则，构建信息桥梁，为功能平台的呈现打下坚实基础。

5 平台功能

大数据智慧校园功能平台是对大数据分析结果的呈现，本文的设计主要实现学习、消費、用电及安全四大预警功能（见图3）。

5.1 学习预警

学生的第一要务是学习，大数据智慧校园平台能够对学生的学习生活进行分析预警，帮助学生更方便地完成学业任务[6]。大数据智慧校园平台与教务信息平台及智慧教室数据进行共通对接，每名学生可以方便地查询到自己每天需要在何时何地上哪位老师的哪门课程，任课教师也能从平台看到所教班级学生打卡签到情况。学生若有出勤率不达标、学分缺失、考试挂科等情况，平台能及时发送预警消息提醒学生。同时平台也能形成学生的学习成果画像供任课教师参考。

5.2 消费预警

学生进入大学以后，远离了父母的约束，经济也相对独立。但是现在社会上的超前消费观念或奢侈之风，难免影响到校园内的学生，再加上近年来盛行的各种“套路贷”“校园贷”以及各类网络诈骗更是防不胜防。大数据智慧校园平台中采集了学生的校园一卡通以及银行、支付宝及微信数据，能够监控学生在校园内部以及互联网上的各种消费行为[7]。一方面学生可以自行在校园一卡通或支付宝微信上设置消费限额，而另一方面智慧校园平台也能采集到学生的消费流水，对异常的消费支出向学生绑定的手机或微信推送预警信息，降低学生的后续消费冲动;对于异常的现金转账，也能同步发送预警信息至负责学生管理的老师，及时阻止网络诈骗。可以说，消费预警功能是大数据智慧校园平台给学生钱包安装的一个安全锁。与此同时，学校也掌握了学生的日常生活开销数据，为每年的贫困生评选提供了指导。

5.3 用电预警

学生的宿舍用电安全一直是宿舍管理的重点之一，而宿舍里的大功率电器的使用也一直是安全隐患。每个宿舍的用电则由学校后勤统一管理，一般学校会给每个学生一学期一定免费的电量，对于使用大功率电器的宿舍，电量会经常超出，需要学生额外缴费。大数据智慧校园平台把学生的宿舍信息与电量数据联系了起来：宿舍的用电数据作为数据源之一，会直接传入数据平台中，而数据挖掘分析平台会对宿舍用电数据进行分析计算，通过某时间段内电量的突增来判断宿舍是否有异常用电行为[8]。功能平台定期向学生发送宿舍用电情况，提醒学生安全用电，也能培养学生的节能环保理念。

5.4 安全预警

传统的校园安全保障主要依靠校园内的保安巡逻，并采用视频监控系统等信息技术进行辅助。疫情期间，学校采用半封闭式管理，人员进出校门需要保安确认身份信息及审批手续方能进出。随着技术的革新，借助大数据智慧校园平台中的海量数据源、配合视频监控抓取人脸数据，数据挖掘分析平台通过人脸识别技术与数据平台中采集的人脸数据进行匹配，可以准确地识别人员身份，并根据平台中的审批数据，判断该人员是否有完整手续进出校园，为校园安全工作减负。此外，大数据智慧校园平台的安全模块除了接入視频监控数据以外，还加入了电子围栏及实时手机定位功能进行补充[9] [10]。单纯的视频监控往往只能提供事后查证，电子围栏系统则可以实现事前预

警，做到以防为主，防报结合;而实时手机定位可以时刻知晓学生的位置，及时把握学生动向。大数据智慧校园平台安全预警综合应用了视频监控系统、电子围栏系统、人员手机定位系统三类数据，利用大数据分析技术进行抽取分析，第一时间对学生异常行为进行判断预警，为打造“平安校园”提供强有力的技术支撑。

6 结语

本文以学生信息主导，对大数据智慧校园平台的功能进行了一些探讨，部分平台功能涉及信息安全及个人隐私，还不能完全实现。基于大数据技术的智慧校园平台，其最终目的还是以学生为本，为学生服务，方便学生在校园的学习生活。相信随着法律制度的健全、信息技术的发展，大数据智慧校园平台的功能将会更加完善。

参考文献：

[1] 张华.教育信息化背景下智慧校园的建设[J].教学与管理，2019（36）：33-35.

[2] 李国章.基于“互联网+”背景下大数据创新智慧校园服务[J].计算机产品与流通，2020（10）：168.

[3] 王颖.大数据背景下高职院校智慧校园建设的思考[J].数字通信世界，2020（8）：259-260.

[4] 邵岩.大数据环境下高校智慧校园信息化模式探究[J].吉林大学学报（信息科学版），2020，38（4）：502-508.

[5] 韦大欢.智能算法大数据分析在智慧校园建设中的应用[J].无线互联科技，2019，16（22）：132-133.

[6] 邓逢光，张子石.基于大数据的学生校园行为分析预警管理平台建构研究[J].中国电化教育，2017（11）：60-64.

[7] 丁晓蔚，苏新宁.基于区块链可信大数据人工智能的金融安全情报分析[J].情报学报，2019，38（12）：1297-1309.

[8] 潘建宏，张凯，樊家树.电力大数据支持下的用户用电行为分析[J].电子世界，2020（9）：29-30.