校园大数据探析及深度应用.doc

校园大数据探析及深度应用 　　随着云计算、物联网、智能设备为代表的新型信息技术的广泛应用，高校信息化建设正在向智慧校园迈进，大数据的分析和深度应用成为智慧校园的重要应用之一。本文分析了校园大数据的特点，阐述了大数据分析面临的难题及解决途径，提出了大数据深度应用的方向。通过对校园大数据的分析及深度应用，促进信息化建设，为高校教学、科研、管理和决策提供数据支撑 【关键词】智慧校园 碎片化 决策 数据支撑 1 引言 信息技术飞速发展的今天，给人们的工作、生活、学习和思维带来了巨大改变。作为新生事物的领先接收者，高校信息化的建设发展如火如荼，大多数高校对数据堪比黄金的价值已达成共识。目前智慧校园已成为信息化建设的热点，大数据的分析和深度应用成为智慧校园的重要应用之一。虽然这与社会的大数据相比，还不能是真正意义的大数据，但是就高校而言，这些数据就是校园大数据。这些碎片化的数据目前仅仅用于教师、学生信息的统计、查询，但这远远没有发挥出这些数据的价值。通过对校园大数据进行分析，并将其深度应用于教学管理、科学研究、学科建设、招生就业、学生成长和管理服务等多个方面，从而为高校管理和决策提供数据支撑 2 校园大数据的分析 在高校数年的信息化建设中，都比较注重数据的管理和积累。与社会大数据一样，校园大数据也具有真实性、巨大性、复杂性和混杂性等特点。校园大数据的区别还在于实时性和价值性。实时性是指经过数字校园的建设后各高校基本建成数据共享平台，校园大数据生成后可以实时采集和共享。价值性在于经过分析、深度应用的校园大数据可以即时产生价值 数据分析是校园大数据深度应用的前提与核心。通过对高校信息系统产生的内容真实、不同类型、快速增加的数据进行采集、清洗，在数据分析平台的支撑下，运用数据分析方案或模型，从而挖掘出其中的相关关系。经过分析，才能为后续深度应用提供数据支撑 目前校园大数据分析主要以定量为主，既有动态性数据也有静态性数据。数据分析的任务主要包括描述性分析、预测性分析和规范性分析。描述性分析目的是总结历史形成客观描述。预测性分析主要是利用各种工具对历史数据进行分析，然后基于当前数据对未来做出预测。规范性分析则是通过动态指标显示决策结果供决策者使用 校园大数据分析同样面临一系列的难题。一是数据的完整性和准确性不足。采集到的数据不能准确反映问题。例如学生校外购物数据难以掌握，无法准确判断学生的生活情况。二是部分数据涉及个人隐私。真实数据的分析结果若涉及个人隐私，可能会引起不满。三是大数据的分析是一项系统工程，需要高校各部门配合。通过职责划分明确各部门承担的角色，自上而下，保护数据安全，维护数据隐私，严格数据管理规定，完善数据来源，提高数据质量。唯有通过多途径才能真正提供有价值的数据分析和应用 3 校园大数据的深度应用 校园大数据的分析能够将隐藏在海量碎片化数据中的信息挖掘出来，根据分析结果，提升教学质量，细化学生管理水平，提升资源利用效率，帮助科学管理决策，从而服务于高校的各项工作，服务于高校师生员工 互联网技术的发展，使得在线学习逐步成为学习的重要方式。通过学生的在线学习行为，如学习时长、测评结果，可以分析出学生对课程的学习情况，教师通过学生的学习情况确定教学难点，关注教学重点，调整教学方式，提高教学效率。通过对学生的学习行为、考核情况，可以预测学生的学习情况，对问题学生进行预警，及时督促其学习。通过对学生选课、考试成绩、图书借阅和社团活动等数据进行分析，根据结果有针对性的调整学生培养方案，从而提高毕业生质量 一卡通消费数据，可以分析学生的就餐和消费行为，可以通过消费水平判断经济状况，对严重低于平均消费的学生重点关注，及时与学生沟通，帮助解决生活难题，从而发挥大数据深度应用的价值。将学生在校期间的消费数据形成报表，毕业时推送给学生，既能帮助学生回忆校园生活的点点滴滴，又增强了学校与学生之间的凝聚力。同时还可以给学生提供校?@导航、校车轨迹等个性化精准服务 结合无线使用情况和一卡通数据，可以分析教室、自习室和图书馆中学生的分布情况，为学生自习提供指引。通过对图书借阅情况分析，可以及时调整热门图书位置，方便借阅。通过对校园基础设施的使用情况分析，及时调整热门设施的布局，提高设施利用率，减少基础投资 随着数据分析及深度应用体系的使用，通过校园大数据分析预测模式，可以为高校提供管理层面的科学规划和决策支持。通过跟踪招生和就业信息，可以预测在校生的未来就业情况，为学校改变管理和教学模式提供支撑。通过教师的教学、科研和学生学习、就业情况的分析，可以帮助预测学校在行业中的地位及未来发展情况，为学校管理层提供数据支持和趋势判别 4 结语 互联网新技术的不断发展和应用，使得社会各行各业都面临着巨