高校大数据价值分析

《高校大数据价值分析》由会员分享，可在线阅读，更多相关《高校大数据价值分析（5页珍藏版）》请在装配图网上搜索。

1、高校大数据价值分析乔昱亚;薛友宏;倪蔚;谢超凡【摘要】现代化的高校必须拥有企业高效的同时，还必须具备孕育科学孵化人才和 技术的能力,因此对于数据价值的挖掘也应当更加重视，高校必须建立数据思维，掌握 分析数据价值的能力和工具.通过构建基于大数据的整体架构，实现人的全面、自由 和个性化发展模式，通过信息技术与教育的深度融合实现穿透的教育价值重构、结 构重构和程序再造.【期刊名称】福建师大福清分校学报 【年(卷)，期】2018(000)005 【总页数】5页(P15-19) 【关键词】大数据;数据价值;数据挖掘;高等学校 【作者】乔昱亚;薛友宏;倪蔚;谢超凡【作者单位】福建师范大学福清分校文化传媒与

2、法律学院福建福清,350300;福建 师范大学福清分校文化传媒与法律学院福建福清,350300;福建师范大学福清分校 文化传媒与法律学院福建福清,350300;福建师范大学福清分校电子与信息工程学 院,福建福清,350300 【正文语种】中文【中图分类】TP2741研究背景 在现今社会，大数据无处不在，大数据的应用也遍布我们周围，每天都会产生大量 数据.对于高校来说，学校生源的不断增加，学生信息不断地积累，致使数据库中 的信息不断增加，随着移动手机终端的普及，数据的量更呈现爆炸式的增长，已经 达到了大数据的水准.但由于高校某些部门的职责划分不明确或者出于安全考虑不 愿意承担相应的责任等，导致大

3、多数信息化系统各自孤立，互不联通，数据库中的 数据无法共享，造成大量数据的重复堆积，况且各个部门的字段名称不对应，使得 高校数据价值的利用率非常低，这是高校存在的第一层次的问题1-3.目前，部分 学者针对具体的问题，对高校数据进行深度挖掘，包括利用数据挖掘技术对学业预 警的分析、通过关联分析图书馆推送相应的图书、利用一卡通数据分析学生的就餐 行为等等4-9.虽然数据的价值已经有所体现，但都是具体应用系统的拓展，无法 在决策层形成一体化的指导培养方案.即使部分高校解决了第一层次与第二层次的 部分问题，对于数据带来价值的维度和深度挖掘也不够，仅仅是保存备份相应的信 息、系统产生的事务数据以及在各个

4、数据库系统上做相应的挖掘分析，而没有分析怎 么让数据服务于人才培养，学生的性格塑造、知识能力的提升、行为模式的分析、 学生消费习惯的一体化的培养方案，在此基础上，为高校的管理决策者提供决策的 方案和预测的方向10.因此，在高校的数据基础上，基于大数据我们可以构建多 种决策模型，大体上包括：教学分析模型、科研分析模型、学生行为模式分析模型、 个性化学习路径推荐模型、人员分布模型、消费模式预测模型、财政支出分配模型 等，让数据为学生提供一体化的服务，伴随学生的成长和提升，为教师的成长提供 全方位的服务，也为高校管理层提供决策的科学依据.研究将分析高校的大数据所 带来价值的深度和维度，进而分析如何使

5、用这些数据来构建知识决策系统为高校服 务.2信息系统架构高校信息系统大致分为三个部分（如图1所示），对于非智能化校园大多数不包 括高级决策系统和数据仓库部分.文章从大的架构来考虑，这三大部分包括客户端、 系统架构、高级决策系统.客户端包括网页客户端、手机移动端、应用程序客户端 组件，其中应用程序客户端组件大多数用来实现管理或者对数据库底层进行操作. 系统结构主要包括教务系统、OA系统、门禁系统、人事系统、图书系统、监控系 统、一卡通消费系统、学工系统、科研系统等，每个系统又可以分为很多子系统比 如教务系统可以分为学籍系统、排课系统、教室设备管理系统、成绩管理系统等. 每个系统内部信息机制交流，

6、它也可以通过OLAP接口和分析服务接口获得静态 信息，在结构的底部是连接数据库的驱动程序，XML是由消息和数据库对象过程 和触发器使用.高级决策系统包括：消费行为系统、个性化学习系统、图书推荐系 统、教学质量全面分析系统、学生行为分析系统等.这些系统主要是目标导向，以 知识为基础，因此需要大量的底层数据作为支撑，需要数据库和数据仓库的支撑. 图1高校信息系统结构3高校大数据价值的深度和维度文章将高校数据的价值分为广度分析和深度分析（如图2所示）.广度分析主要包 括不同字段之间的关联分析、不同维度数据的聚类分析；深度分析主要是从字段的 空间上比如省份、城市、乡镇，还有从数据的时间上进行切片.图2

7、数据深度和广度分析对于关联分析，由于字段繁多可建立的关联域将非常庞大，里面蕴含着巨大的知识 价值，可以将字段大致分为四个域（如图3所示）.四个域为个体属性关联域、位 置关联域、人际关联域、行为关联域.个体属性关联域包括高校的人、财、物；位 置关联域主要是活动的场所包括学校、家庭、宿舍、公共空间等，当然某些域可以 进行二级划分，比如公共空间位置可以分为图书馆、教学楼、体育馆，不过这是属 于字段粒度细化了；人际关联域包括同学、朋友、情侣、教师、家长、社会成员； 行为关联域包括学习、生活、爱好、社交.这些数据集蕴含着复杂的关联关系，比 如个体如果是学生，可以建立他（她）的专业属性、户籍所在地属性等与

8、行为关联 域的学习与爱好之间的关联关系，也可以与位置关联域的公共空间建立起关联关系， 也可以与人际关系的同学、朋友、情侣等建立起关联关系，从而分析该学生个性化 的学习习惯、社交爱好网络、个人的行为模式等.再比如可以由位置关联域的学校 位置与行为关联域之间的学习建立起关联关系来分析该学生一天或者一周的学习时 间是否达标，户外活动时间是否达标等等.图4是一个大的关联图.图3字段域的划分图4学生数据关联分析部分结构对于聚类分析，可以进行指标型的聚类也可以进行数据记录的聚类，数据型的聚类 比如相同学习兴趣的学生进行聚类，指标型的聚类比如进行消费习惯的分析时，把 那些对消费行为的影响比较相近的指标聚在一

9、起.图5是高校教学中经常做的聚类 分析.主要分为学生类和教师类，学生类的聚类主要包括：学生的学习行为聚类、 寻找心理孤独学生聚类、寻找贫困学生聚类、根据学生爱好进行聚类；教师类的聚 类主要包括教师教学水平聚类、教师科研水平聚类、教师专业研究方向聚类、教师 的学习模式聚类，这些聚类对于教师队伍的高水平建设和项目分工非常重要.图5学社教师数据聚类分析图对字段进行粒度的细化主要是更好地对大数据进行挖掘，比如学生的消费行为分析 中，可以将消费的产品分为：生活用品类、美食类、零食类.零食类又可以分为饼 干类、饮料类、糕点类、糖类等.糕点类又可以按牌子分为好丽友、达利园、盼盼 等.生活用品类可以分为牙膏类

10、、洗面奶、卫生巾类、化妆品类.牙膏类又可以按牌 子继续划分，比如中华、黑人、冷酸灵等.又比如学生的学习行为模式分析中，可 以分为学习场所、锻炼场所、交际场所、生活场所.学习场所可以细分为教学楼、 图书馆、实验室等.对时间进行时间切片其实可以把时间看成一个特殊的字段，可 以分为天、周、月、学期、年度，但是由于一些教务表中并不会有一个专门的字段 来记录时间，而是一个以时间命名的表.图6是加了时间维度的消费数据粒度图例 子.图6学生消费数据粒度图4结论高校大数据蕴含着巨大的价值，从横向维度来看可以构建数百上千个关联分析，涉 及到教师教学、学生的兴趣爱好、学生的学习行为、学生的消费行为等等，也可以 构

11、建各种各样的聚类分析教师的教学水平、科研水平、学习模式、适合的专业方向 等，而对于学生来讲可以构建学生的学习方法类别，可以用来进行学生人群划分从 而找出心理孤独的学生以及通过消费的习惯来找出真正贫困的学生等.从纵向深度 来看，可以构建基于数据仓库和数据挖掘的不同粒度细分模型，学校决策层可以基 于时间维度来观察学校每年的学生生源情况、学生的消费情况、学生的家庭情况、 教师队伍建设情况等等.因此在大数据时代，高校的教育管理面临一场变革，研究 通过构建基于大数据的整体架构，来实现人的全面、自由和个性化的发展模式，通 过信息技术与教育的深度融合实现穿透的教育价值重构、结构重构、程序再造.【相关文献】1

12、 陶宏才，潘启敬.对我国高校校园网建设的看法与建议J.计算机应用，2006,15(5):5-7.2 王宏伟.影响数字化校园建设中信息安全和信息共享的因素分析J.网络安全技术与应用， 2007(1):35-36.3 张凡，陈思平.信息化建设与数字校园探索J.现代教育技术，2007(1):83-87+94.4 周庆，肖逸枫.基于数据挖掘技术的高校学生学业预警分析J.中国教育技术装备，2018(3):60- 64.5 张怡华.基于大数据挖掘与决策分析体系的高校图书馆个性化服务J.电子技术与软件工程， 2018(4):173-174.6 苏兆兆，栾静.高校本科生就餐数据挖掘分析J.中国教育技术装备，2018(3):60-64.7 陈凤.高校综合素质测评管理中数据挖掘技术的应用探索J.现代信息科技，2018(2):5-10.8 孙丽爽.决策树技术在高校就业分析系统中的应用D.西安：西安理工大学，2017.9 陈桂香.大数据对我国高校教育管理的影响及对策研究D.武汉：武汉大学，2017.10 谢超凡.基于数据层的数据共享接口解决方案以福建师范大学福清分校为例J.福建师大福 清分校学报，2012(5):37-41.