大数据背景下的高职院校信息化建设探索

标签: 大数据 信息化建设探索 | 发表时间:2016-09-09 14:30 | 作者:DinK
出处:http://www.199it.com

    在移动互联时代,数据获取方式发生了革命性的改变,数据的积累给规律探究和决策制定提供了第一手资料。呈几何级数增长的数据已成为新的资源,其价值将逐步被发掘,我们进入了大数据时代。大数据技术为校园信息化的发展带来了新的动力,从数字校园到智慧校园,以人为本的服务理念被提到了新的高度。以大数据技术为背景,从基础平台建设,业务、数据整合,数据挖掘应用三个方面,展望高校信息化建设前景。

  引言:从互联网时代到移动互联时代,信息获取和交流的主要方式从PC端过渡到智能移动终端;信息架构从传统的C/S和B/S模式,蜕变成智能移动终端/云计算服务端。新的数据采集方式和共享模式,使数据的产生量以几何级数剧增,数据的价值得到了前所未有的发掘,大数据开启了一次重大的时代转型。

  在教育信息化领域,随着“以人为本”服务理念的深入人心,数字化校园正逐步过渡到智慧校园,校园信息化正从传统的管理型向服务型转变。数字化是智慧化的前提和基础,而智慧化必须介入智能的数据处理和分析工具。大数据技术的发展,给智慧决策和知识挖掘提供了新的工具。全面的校园数据,正需要大数据这一强有力的工具,优化分析校园服务的各个环节。

  在智慧校园建设的新阶段,校园信息化将以无线网和物联网为主要载体,计算和存储从服务器端向云端过渡。使各类信息服务高度整合和共享,一站式体验更为流畅。在大数据分析的技术框架下,整合校园业务,积累业务数据,开发数据应用。使大数据技术和智慧校园建设充分融合,建立人性化的校园信息服务体系。

   智慧校园基础平台建设

  2008年IBM提出以新一代信息技术应用为基础的“智慧地球”概念,而其应用在高校信息化领域,便形成了“智慧校园”的雏形。关于智慧校园,并未形成统一的定义,一般认为智慧校园是高校信息化发展的新阶段,是数字化校园的扩展和提升。它基于移动互联、大数据、云计算、物联网等新兴技术,以提供一站式、个性化的校园服务为目标,使校园的数字空间和物理空间有机融合,如图1所示,形成高效、共享、灵活、易用的智慧化服务和管理新体系。

1473431354-4019-3417eb9bbd59193b24173b

  图1 智慧校园示意图

  由此可见,“智慧”的目标是“持续地改进服务”。智慧校园相对数字校园,在教、学、研和管理等校园生活的方方面面更强调服务的个性化、精细化和动态性。而智慧是建立在一套有效的数据收集和分析机制之上的。因此,智慧校园的标志性模块有:以智能移动终端、无线网、物联网为代表的数据采集系统,校园三大平台和非结构化数据(日志、监控、社交等)相结合的数据交换和分析系统。智慧校园建设主要有如下几个方面:

  (1)完善无线网络构架,提高无线网络的稳定性和安全性。

  拓展校园WLAN覆盖范围,提高网络的承载能力,加强认证和安全管理,为数据的采集和交换提供安全、稳定的网络基础。

  (2)完善三大平台,打通数据孤岛,建成结构化数据的采集和交换中心。

  应用统一的校园数据标准,加强各业务系统的数据集成;建立完善的数据采集和维护管理机制;从多业务系统的单点登录过渡到数字身份的高度集成。保障校园数据采集的便捷性、有效性和及时性。

  (3)规划数据获取终端,整合现有的系统监控和日志资源,构建有特色的校园社交生态。

  优化“一卡通”系统,在实现“多卡统一”的基础上,使“一卡通”成为物理人员和数字空间的重要桥梁;规划电控、水控、门禁、环境检测等数据采集终端的接口标准和空间分布;整合现有的网管系统、网络流控系统、安防系统和标准化考场监控系统等数据和日志资源,并结合微信、微博、帖吧等公共社交平台,和校园app平台,打造数据中心之外的半结构化和非结构化数据交换中心。

   以数据为核心的校园服务碎片化

  “智慧校园”以提高“服务”质量为目标,而好的服务体验往往与个性化、便捷、高效相联系。以数据为核心的校园服务碎片化理念,将很好地解决传统校园业务系统在提升服务上的问题。所谓“服务碎片化”,就是对现有的校园业务流程和数据流进行梳理,对原有业务系统进行横向整合,在业务逻辑上呈松耦合,强调一个应用(称之为app)只完成一件事务。如职称评审app,(见图2)呈现给教职员工的是完成一次职称评审的完整流程,包含相关表格填写、资料上传以及评审进展查询等,教师只要按照引导逐步完成即可。而其后台可能涉及人事、教务、科研等业务系统的数据更新和审核。碎片化服务对用户屏蔽了业务系统,只有事务的概念,大大提升了信息系统的用户体验和使用效率。

1473431354-8373-3417eb9bbd59193b24223c

  图2 碎片化服务app示意图

  数据是信息化建设的核心资源,是信息服务得以推行的基础。碎片化的前提是灵活、标准化的数据接口,因其把传统的校园业务系统透明化处理,而前端app直接和后台数据接口相联系。这就需要在数据定义时,规范每个数据项的UC矩阵,并尽可能消除冗余数据项。碎片化服务具有快速开发的特性,有利于校园数据质量的持续改进。在灵活数据接口的基础上,校园的数据填报和采集将变得非常容易。例如教学工作量采集,根据教务、科研、学工、产学研等部门的数据接口,可以快速生成数据采集app。基于数据中心的可靠性,很多数据段可以自动生成,而用户只需更新部分内容就可以完成一次大规模的数据采集,这无论在输入端和审核端都大大降低了教职员工的工作量,其数据流示意图如图3所示。

1473431354-1102-3417eb9bbd59193b242e3d

  图3 App数据流示意图

  改进校园数据交换中心设计,使之适应碎片化数据服务接口,是数据层的工作重点。在数据接口的设计中,引入三层设计原则:①个人查询。使个人用户在权限范围内,便捷地查询和修改相关信息,及时获取校园资讯;②院系部门统计。院系部门能对各自关心的数据进行收集、统计与分析,便于了解本部门运作情况,及时制定合理措施;③校级辅助决策。校级范围内更强调整体数据的报表呈现和信息挖掘,为校级决策提供依据。

   校园数据应用

  数据应用是“智慧校园”的有机组成部分,也是“智慧”的重要体现。随着校园数据的积累,通过大数据分析获取事物规律改进校园服务的能力也进一步提升。无论在个人、院系以及校级层面,大量信息模式的获取,可用来指导具体工作和决策。常规的校园数据应用有如下几个方面:

  1.生源数据分析

  根据各地区新生的报到率和在校的学习表现,调整生源地分布和招生策略。在分析过程中针对省内生源,可以把生源地分析粒度缩小到县、镇甚至校级;外省生源可以把分析粒度扩大到省甚至大地区。并根据分析结果指导招生部门开展考前宣讲、优惠政策制定等,以提高学校的生源质量。

  2.就业数据分析

  通过对学生专业分布和就业数据的分析,了解各专业在校学生的结构分布以及毕业生的就业动态,并探索建立合理的信息共享模式,使用人单位和我校有更流畅的信息交流。也可以建立毕业生的职业数据跟踪,更好地引导在校学生的就业分流,发挥优秀毕业生对在校学生的职业指导作用。使学校制定的就业政策能及时反映就业市场需求,提高毕业生的社会竞争力。

  3.校园人流分析

  根据WLAN接入分布、信息流量分布的空间特征,结合安保系统的监控信息,对全校范围内的热点区域和热点事件进行实时跟踪和预警。也可以根据信息点接入数量和流量的实时数据,调整局部网络结构和流控策略,以提高用户的网络使用体验,充分利用有限的网络资源。

  4.一卡通数据分析

  通过对一卡通消费数据的分析,分析学生的日常用餐和生活消费模式,为勤工俭学、贫困生资助、奖学金和助学金发放等提供数据依据,确保各项补助尽可能合理地发放。可以对学生的消费模式(消费时间、消费内容)进行分类。和健康数据相结合,为师生提供个性化的健康饮食建议;和教学数据结合,探索生活模式和学业成绩的相关度。

  5.教学数据分析

  在教学数据中,通过教室安排和排课系统,对全校的教室和实验室资源进行统计分析,为今后教务处的排课优化提供参考;通过对教务和学工系统数据的集成,对学生到课率和选课信息进行跟踪统计,建立起缺课预警通知系统,为部分经常旷课、迟到、早退的学生,及时提供告警或其他信息反馈,引导学生顺利完成学业。也可以对学习表现(到课率、课堂表现等)和学业成绩进行相关度分析,以帮助各专业识别关键课程甚至关键课时,及时改革课程设置,提高教学的有效性。

  6.上网行为分析

  通过对网络流控数据和访问数据的分析,追踪不同用户的上网习惯、访问内容、软件使用等。协助发现校园流行趋势、技术动态和热点事件,以及对可能存在的病毒和舆论事件进行控制和预警。也可以和学业成绩、健康数据进行相关度分析,以便学校开展适时的培训和指导,引导学生形成健康的网络使用习惯。

  7.图书借阅数据分析

  通过对图书借阅和电子阅览室使用数据的分析,了解学生的阅读模式和阅读频率,以及对数字资源的内容需求,为调整图书的类型和改进阅读服务提供依据。可以对学生阅读内容、阅读数量、借阅习惯和学业状况、能力表现进行相关性分析,以便更好地引导学生的书籍阅读和书籍推荐。

   结束语

  智慧校园围绕着数据的采集、数据分析和数据应用展开。在大数据应用的过程中,也存在着众多问题。①数据的采集和管理机制问题。对于源数据的录入和审核是保证数据有效性的前提,而数据安全和隐私保护也需要合理的管理机制。②数据源问题。数据应用需要较大规模的数据基数,否则会造成模式挖掘的偶然性。数据的完整性不够,或者错误数据的存在,可能造成无效的模式挖掘。③挖掘模式的验证问题。通过数据挖掘的模式不一定都是有价值的,有的甚至是错误的,这需要加以严格的理论分析和实践论证,唯数据论并不可取。

  总之,目前大数据的研究和应用还处于初步阶段,但很多专家学者都对“大数据技术”寄予厚望,甚至认为这将拉开“数据技术”时代的帷幕。“智慧校园”是校园信息化建设的新方向,大数据分析作为“智慧校园”的关键技术,将对提升校园服务、改进校园管理产生深远的影响。(作者:许冠军等,台州科技职业学院)

您可能也喜欢的文章:

上海数据交易中心发布《数据互联规则》 探索中国数据交易合规有序发展

探索大数据背景下的基因研究

高薪高职排行榜前十:大数据行业成新宠

国家信息中心常务副主任杜平:八类数据可产生真正的大数据价值

Gartner:2013年全球数据中心建设支出接近1500亿美元
无觅

相关 [大数据 背景 高职] 推荐:

大数据背景下的高职院校信息化建设探索

- - 199IT互联网数据中心
    在移动互联时代,数据获取方式发生了革命性的改变,数据的积累给规律探究和决策制定提供了第一手资料. 呈几何级数增长的数据已成为新的资源,其价值将逐步被发掘,我们进入了大数据时代. 大数据技术为校园信息化的发展带来了新的动力,从数字校园到智慧校园,以人为本的服务理念被提到了新的高度. 以大数据技术为背景,从基础平台建设,业务、数据整合,数据挖掘应用三个方面,展望高校信息化建设前景.

谈大数据(2)

- - 人月神话的BLOG
对于大数据,后面会作为一个系列来谈,大数据涉及的方面特别多,包括主数据,数据中心和ODS,SOA,云计算,业务BI等很多方面的内容. 前面看到一个提法,即大数据会让我们更加关注业务方面的内容,而云平台则更多是技术层面的内容. 对于大数据会先把各个理解的关键点谈完了,再系统来看大数据的完整解决方案和体系化.

大数据之惑

- - 互联网分析
算起来,接触大数据、和互联网之外的客户谈大数据也有快2年了. 也该是时候整理下一些感受,和大家分享下我看到的国内大数据应用的一些困惑了. 云和大数据,应该是近几年IT炒的最热的两个话题了. 在我看来,这两者之间的不同就是: 云是做新的瓶,装旧的酒; 大数据是找合适的瓶,酿新的酒. 云说到底是一种基础架构的革命.

白话大数据

- - 互联网分析
这个时代,你在外面混,无论是技术还是产品还是运营还是商务,如果嘴里说不出“大数据”“云存储”“云计算”,真不好意思在同行面前抬头. 是千万级别的用户信息还是动辄XXXTB的数据量. 其实,大数据在我的眼里,不是一门技术,而是一种技能,从数据中去发现价值挖掘价值的技能. ”当我掷地有声用这句话开场时,正好一个妹子推门而入,听到这句话,微微一怔,低头坐下.

交通大数据

- - 人月神话的BLOG
本文简单谈下智慧交通场景下可能出现的大数据需求和具体应用价值. 对于公交线路规划和设计是一个大数据潜在的应用场景,传统的公交线路规划往往需要在前期投入大量的人力进行OD调查和数据收集. 特别是在公交卡普及后可以看到,对于OD流量数据完全可以从公交一卡通中采集到相关的交通流量和流向数据,包括同一张卡每天的行走路线和换乘次数等详细信息.

Photoshop 图片背景素材

- yasy - 紫萝卜 | 所有与设计有关
设计师设计的时候经常会用到不同的的背景来搭配以获得最佳的设计效果,这篇文章收集了30个photoshop经典的图片背景素材.

全球10大数据库

- - 译言-电脑/网络/数码科技
原文: Fiorenttini   译者: julie20098. [非商业性转载必须注明译者julie20098和相关链接. ,否则视为侵权,追究转载责任. 世界气候数据中心:气候全球数据中心, 220TB 的网络数据, 6PB 的其它数据. 国家能源研究科学计算中心,有 2.8PB 容量.

大数据公司Amazon

- - 36氪 | 关注互联网创业
说到 Amazon,它通常给人的印象是一家典型的电商公司——创办于1995年,靠在线书籍销售业务起家,发展至今也已颇具规模. 近日,TechCrunch作者Alex Williams撰文称,Amazon其实并非一家贸易公司,而是一家大数据公司. 联想到Amazon CEO Jeff Bezos曾说过的一句话:“企业家应该愿意在很长一段时间内承受误解的目光.

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.

大数据架构hadoop

- - CSDN博客云计算推荐文章
摘要:Admaster数据挖掘总监 随着互联网、移动互联网和物联网的发展,谁也无法否认,我们已经切实地迎来了一个海量数据的时代,数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB,对这些海量数据的分析已经成为一个非常重要且紧迫的需求. 随着互联网、移动互联网和物联网的发展,谁也无法否认,我们已经切实地迎来了一个海量数据的时代,数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB,对这些海量数据的分析已经成为一个非常重要且紧迫的需求.