教育大数据应用方案

      一、需求分析

      借助院校已具备的良好的计算及存储资源，利用云计算灵活的部署模式，采 用 Hadoop+分布式数据库并行的大数据架构体系，参照教育部教育管理信息化标 准，对各信息化业务系统的主要结果数据进行“采、治、管、服”等环节处理， 对全校的数据资源进行管控和运营，充分发挥数据资产的优势，用于师生管理、 教学、科研、资产及相关应用分析模块，服务于学校办学管理的各个方面。如对 学生学习行为数据的分析，了解学生的学习进度、学习效果以及可能的就业方向 等，这些数据展示给学生，让其可以调整自己的工作学习安排;这些数据展示给

教师，将对教学创新提供最为直接的依据;这些数据整合给学校，将可以为学生 提供更具个性的智慧校园服务等。

      二、架构设计及建设内容

     利用云计算灵活的部署模式，采用 Hadoop+分布式数据库并行的大数据架构体系。

     构建学生行为画像分析模型，该分析从学生的角色出发，基于个性化差异， 对相关业务系统元数据通过因子分析、聚类分析、交叉分析以及组合分析等手段 进行分析，来挖掘出每位学生的学习、生活、消费、行迹、兴趣爱好等具有明显 个体特征性的标签信息，构建一个多维度、准确且全面的学生综合行为画像分析 模型，实现快速精准的多维度分析结果展示，从而解决智慧校园大环境下的学生 个性化成长及高学智慧化办学服务中所遇到的困境与瓶颈。

     平台通过扩展和封装 Hadoop 来实现对大数据的存储、分析的支撑，同时实 现对于非结构、半结构化数据处理、复杂的 ETL 流程、复杂的数据挖掘和计算 模型处理，在构建统一数据标准的同时完成基础核心的元数据管理平台及数据共 享交换平台的建设，在此基础上将学校教务、一卡通、图书、学工等系统的主要 基础数据汇聚到平台里，结合数据建模，从中构建出一个可多维度展示个体学生 行为的数据分析模型(即行为画像分析模型)

     三、应用分析

     通过上述大数据平台的实践建设，对高校各业务系统的数据做数据处理及数 据仓库建设，由于部分原始数据有可能涉及学生隐私内容，因此，所有数据在清 洗入仓时已做脱敏处理，保证数据信息的安全，其中对构成学生行为画像分析模 型元数据进行流程化处理后，便可进行学生层面的分析与展示。

     3.1 学生画像分析

该分析基于数据仓库数据抽取模型，分析每名在校学生的个人基本属性、综 合指标表现等个体特征及分项排名。分析结果十分有助于校方及老师对每一位学 生有一个准确的了解，知道如何去针对不同的学生或整体学生的学习概况而进行 教学方法的调整及学习方法的引导，同时有针对性地为学生提供感兴趣的课内课 外学习资源，助力学生的个性化学习成长;最重要的是让学生本人对自己有一个 客观的认识，更清晰地定位在校学习、生活以及就业等工作，并及时了解自己在 各个阶段所出现的细微變化，通过自我肯定或反思，主动调整至最佳状态。

     3.2 学生行为分析

      该分析分为上网行为分析及行为轨迹分析两部分:一是上网行为分析是通过学生 校园网的上网记录日志数据，对学生的上网进行分析，针对学生的日上网时长、 流量、终端类型、接入地点等指标，展开其在年级、学院、时段等不同维度的分 析;而对于网络应用类型及偏好分析则通过网络行为审计数据来实现。这些分析 结果便于学校引导学生合理使用网络，同时干预沉溺网络的行为。 二是行为轨 迹分析通过挖掘学生在校的所有含地理位置痕迹的数据(主要有校园 Wi-Fi 认证 接入、时长及漫游记录，辅以一卡通及门禁记录等)，分析得出学校各个楼宇的 各时间段的人流密度情况，以及各类群体和具体个人的行为轨迹规律，如图 4 所示。这有助于学校有针对性的加强人流密集区的安保措施，另外，在当前疫情 期间，可依此对学生在上、下课以及用餐高峰期时进行错峰安排。

      3.3 精准助学分析

      精准助学的主要对象是家庭经济贫困学生，根据对全体在校学生一卡通消费 数据的统计及聚类分析，得出在校学生整体的消费水平及频次概况，从中得知贫 困学生群体与正常学生群体之间的消费差距及在校消费稳定性上的不同，从而开 展相关工作。精准助学分析不仅可以验证已列入贫困助学学生的实际经济情况，

也可以发现其他因故而没有申请或申请不通过的贫困学生，学校可依此主动对这 类学生进行心理疏导或助学关注，避免出现其他问题;同时可以作为助学申评结 果的有效依据，确保贫困学生有基本的生活质量并能顺利完成学业。

     3.4 学生综合预警

     高职院校的生源宽泛，生活行为习惯参差不齐，管理难度较大，潜藏着很多 管理盲区隐患，然而传统的校园管理或信息化手段并未对学生异常行为进行有效 的主动式预警，而无法及时掌握学生的各种动态，使学校在学生管理方面處于被 动地位。学生综合预警分析功能是利用学生的学业成绩、一卡通消费记录、门禁 考勤记录等校务管理信息，以及图书馆借阅数据、校园网使用数据等建立聚类及 关联分析模型，并设置预警阈值，针对学生的学业情况、考勤情况、用网情况及 可能出现的失联情况等进行危机预警，告知学生本人可能产生的不良后果并进行 提醒或警告，以警代罚，实现对学生的全方位科学化的管理和教育。

     3.5 学生在校分析报告

     该分析用于呈现在校学生每个阶段时间内及整个大学学习生涯内的表现情 况，利用大数据微观钻取到学生在校期间各方面的“蛛丝马迹”，并且和同年校 内其他学生进行对比分析，科学宏观地展示学生学业、综合素质、日常生活等整 体行为全貌。这不仅方便学生有针对性的自我补差提优，更方便家长对孩子在整 个大学生涯各个阶段的行为表现有一个清楚的认识;同时也可作为毕业时校方就 业推荐及综合评价的优差依据。

     四、详细需求

      1.以学生个体为维度，从学生的基本信息、学习行为、助贷行为、奖惩情况、借 阅行为、消费行为、网络行为、住宿行为、社团活动、运动行为、缴费情况等多 维度实时动态呈现出学生的基本情况，辅助学生精细化管理。需能实现和学校思 政管理系统对接跳转。 

     2.以学生个体为维度，按照时间轴的形式，从学生的基本信息、学习情况、行为 活动、助贷行为、奖惩情况、借阅行为、消费行为、网络行为、社团活动、运动 行为、缴费情况等多维度实时动态呈现出学生在学校发生的一些关键事件，辅助 学生精细化管理。

    3.以学生群体为维度，从学生的基本信息、学习行为、助贷行为、奖惩情况、借 阅行为、消费行为、网络行为、住宿行为、社团活动、运动行为、缴费情况等多 维度实时动态呈现出学校->学院-专业>班级学生的基本情况，支持不同角色人 员查看不动数据内容，辅助学生管理工作。需能实现和学校思政管理系统对接跳 转。 

     4.通过关系图来呈现人物的社交关系，红蓝标识来表示男女性别(蓝色表示男生， 红色表示女生)。用识别码来为个人进行标记，识别码取值先后顺序依次为学号、 职工号、联系电话、身份证号 

     5.即时分析模块。可以让学工部门或辅导员随时查找满足按相关条件的学生，支持筛选条件后台自定义

     6.重点关注学生主要以各类预警情况为标签，提升学校管理者及辅导员的工作效 率，做到学生精细化管理 

     7.疑似不在校预警辅助学校管理者及时跟进了解学生失联状况，模块由疑似不在 校概况，疑似不在校预警失联学生名单、不再预警名单、历史预警名单、预警配 置管理六个部分组成。

     8.基于学生基本信息、学习成绩、学习状态、生活信息等数据构建学业预警模型， 预测学生本学期可能会挂科的学分。模块通过大数据建模，采用关联算法及随机 森林模型构建学生学业预警模型。模块由关联分析、学业预警概况、学业预警、 不再预警名单、预警配置六个部分组成 

     9.沉迷网络预警辅助学校管理者及时发现、跟进沉迷网络的学生。模块由预警概 况、沉迷网络预警，不再预警名单、预警配置四个部分组成。 

     10.沉迷游戏预警辅助学校管理者及时发现、跟进沉迷游戏的学生，模块由预警 概况，沉迷游戏预警、不再预警名单、预警配置四个部分组成。

     11.沉迷视频预警辅助学校管理者及时发现、跟进沉迷视频的学生，模块由预警 概况、沉迷视频预警、不再预警名单、预警配置四个部分组成。 

    12.行为异常模块主要辅助学校管理者及时发现学生生活中的一些异常行为并进 行处理，模块由行为异常预警、不再预警名单两部分组成。 

    13.宿舍晚归预警模块主要辅助学校管理者及时发现学生生活中的作息时间问题，发现学生晚归异常并进行处理，模块由晚归预警概况、宿舍晚归预警，不再预警 名单，预警配置四个部分组成 

     14.宿舍晚出预警模块主要辅助学校管理者及时发现学生生活中的作息时间问题， 发现学生晚出异常并进行处理，模块由晚出预警概况、宿舍晚出预警、不再预警 名单、预警配置四个部分组成 

     15.不出宿舍预警模块主要辅助学校管理者及时发现学生生活中的作息时间问题， 发现学生不出宿舍异常并进行处理，模块由不出宿舍概况、不出宿舍预警、历史 预警名单、不再预警名单、预警配置五个部分组成。 

    16.孤僻人群模块辅助学校管理者通过系统识别孤僻学生名单，并进行跟进处理， 做到学生精细化管理。模块由孤僻人群概况、孤僻人群预警、不再预警名单、规 则定义四个部分组成