尚渡新 王涛 张天宇 唐金健 张志豪 郑禧潓
摘 要：数据管理是高校管理的重要业务，而在云计算和大数据技术不断发展的时代下，高校教务教学等信息管理的智能化和有效信息化已经成为高校信息化发展的重要途径，目前各高校根据需要已经不同程度的采用了信息管理系统，所产生的数据利用率却不高，如何将产生的大量数据转化为信息并为高校的智能化建设提供信息支持，制定行之有效的管理办法，必然有利于构建智能化教学环境，实现资源共享和提升高校管理能力。
关键词：大数据 高校 校园管理
中图分类号：F724.6 文献标识码：A 文章编号：1674-098X（2019）11（b）-0147-02
1 学生数据的产生
近年来随着高校信息化建设的高速发展以及大量商业信息软件入驻高校，高校内部迅速积累了丰富的用户行为数据和用户信息，致使高校各子系统内部及系统间的数据庞杂。我国高校数量更多，高校在校人数也多，所产生的学籍注册、图书借阅、场馆使用等校园数据也更为丰富，与此同时也奠定了大数据统计的基础元素[1-2]。在高校系统内部学生的信息数据主要产生于教务系统、学工系统、一卡通系统、图书管理系统等诸多分支系统，同时根据高校内学生信息变动频率的不同将这些数据定义为静态数据、动态数据、半动态数据加以区分收集。
（1）静态数据。来源于学生在校内期间的学生姓名、性别、出生日期、籍贯、所在学院、所学专业、班級等长期内无变动的学生基本信息。
（2）动态数据。基于学生在校期间的支付宝绑定校园卡的消费流水、图书馆的借阅信息，上网记录、出入校门时间等短时间内会产生高频率变化的信息。
（3）半动态数据。多产生于教务系统内的考试信息、学生选课信息等较长时间内产生次数少且产生后不会频繁变化的信息。
2 大数据智能管理应用场景
高校的学生管理系统模式由“分散”到“集中”，有效的避免了信息的孤岛化，模块化，管理费用和建设费用也势必减少，高校管理的过程中为了更加智能化人性化的管理学生，应以学生的需求为出发点，大数据时代下了解学生需求的最有效的途径就是通过学校的管理系统手机与学生相关的数据，提取和分析其中的潜在价值，进而分析学生的真实诉求[3]。
1）教务教学。通过采用大数据分析图书借阅情况、科技创新活动、运动竞赛情况，推荐选修课和跨专业选修课程，提供个性化的课程，因材施教，不仅可以更好的提升高校的管理能力，也可以提升教学质量，找到破解管理怪圈的利器，形成良性循环。
2）生活。通过对学生近期出入记录、考试成绩、上课出勤等信息的分析，建立模型，对学生的心理健康状况进行监测，对可能出现心理问题的学生进行重点关注，了解学生的近期情况，及时疏导可能存在的问题，避免出现重大问题。此外，在扶贫工作上，学校能够结合学生的籍贯等个人信息和在学校中产生的大量消费数据，对学校中的贫困学生进行“精准画像”，对贫困认定的结果进行“精准复核”，确保扶贫工作的有效开展。
3）学术。利用图书馆系统中的相关数据分析，可以对不同图书进行整理、分类、分析，通过对全校师生的大量借阅记录数据的分析，使用协同过滤等算法，为每一位师生提供可能感兴趣的图书，构建个性化的图书推荐系统。
高校中的数据有很高挖掘分析价值，近几年来高校数字化校园的建设丰富了学校教学、科研、行政管理、生活服务等各方面的数据，同时随着个人云服务器、移动互联网，数据承载方式的多样化变迁，大数据在校园管理中的利用可以变的更加灵活和高效（见图1）。在数据获取方面现代数字设备具有无滞后性、全程性、多样性，为数据的提取和利用提供了极大的便利。但与此同时高校内主要是数字化校园系统产生的数据，维度少、业务来源不足、有效数据量少，大多数以结构化数据为主，同时数据接口不完善，业务接口和数据结构不规范等成为高校利用大数据处理分析校园管理问题面临的主要困难。
3 范式平台
系统之间的“信息孤岛”问题明显，各个系统的数据处于相互独立，因此整个学校的数据处于一种分散存储的状态，彼此之间的关联非常少。针对上述问题，本文将大数据技术和统一管理理念引入到高校的学生管理中来，通过数据集成、数据挖掘和统一平台管理的策略，充分发掘高校内的大量数据的内在价值。
3.1 数据集成引擎
与学校共同制定数据标准，将学校的教务系统、学工系统、图书馆系统、一卡通系统、财务系统等彼此独立的各个系统中的大量学生和教职员工的数据、未在系统中储存的各类纸质数据、互联网中就业、科研等相关的数据存入平台，实现数据的集成，将校内的所有的信息资源进行统一的调度，再根据高校各个方面的不同业务需求，建立各类主题的数据库，以接口方式对外提供数据处理服务，减轻高校因数据分散造成的数据利用率低下的问题。并且，在平台中内嵌多种可视化数据处理引擎，运用分布式流数据的处理技术，为学校提供高效便捷的数据抽取、加载，完成从数据源向目标数据仓库无缝集成和转化的过程。
3.2 数据挖掘引擎
主要集中关注数据分析挖掘的引擎和服务，应用机器学习、分类聚类等大数据分析和挖掘算法进行分析和挖掘。针对高校的各个人群以及各类业务需求，引用大数据平台中相关的数据信息，建立各种模型，进而提供教务教学模块、后勤安保模块、学生管理模块、学术研究模块等功能模块进行相关数据分析服务。
4 结语
大数据技术在高校中的应用，必将促进高校教育智能化、信息化的更进一步的发展，提升高校教学理念、教学体制和教学环境的创新。通过大数据的精确分析得出的用户画像可以准确分析和提取学生用户的真实需求，做到真正的人性化服务。对于大数据应用在高校信息化发展中的过程，要紧密结合用户数据和业务逻辑，同时要尽可能的扩大数据覆盖范围，，这样搞笑才能有针对性、全面地进行数据分析和深层次的挖掘。随着大数据技术在高校中的应用，以及高校信息化的大力发展，高校内的数据资源价值必将得到更高更大的显现。
参考文献
[1] 魏伟华.大数据时代高校学生教育管理工作个性化研究[J]. 中国成人教育， 2016（20）：60-63.
[2] 项丹. 云计算与大数据时代下的高校教育教学管理信息化策略[J]. 中国成人教育， 2017（6）：40-43.
[3] 张洪军.基于大数据的高校管理改革研究[J].中国成人教育，2017（20）：40
