返回首頁
當前位置: 主頁 > 互聯網技術 > 云計算 >

大數據在教育行業應用與創新

時間:2018-03-24 22:53來源:電腦教程學習網 www.aedwey.tw 編輯:admin

方案類別

  大數據應用與創新服務

  用戶需求

  存在信息孤島,教務處、學生處、科研處等系統及數據各自獨立,部門數據不能有效及時交互,導致各部門工作不能有效開展。

  缺乏半結構化、非結構化的信息采集和處理能力,日常產生的大量數據無法處理和利用,導致信息獲取不完全,無法做出全面分析。

  缺乏校園信息化集中應用與展示平臺,各自獨立的應用系統導致缺乏協同工作能力,也缺乏為用戶提供個性化信息服務的能力。重管理輕服務,為師生提供的信息服務沒有良好的應用體驗。

  單個部門的信息系統很難站在自己這個信息集上,進行整個學校的全面信息查詢和決策分析,各個應用系統能夠發揮的效益沒有更好地利用和挖掘。

  解決方案

  一、方案背景及趨勢:

  隨著互聯網技術的迅速發展,大數據時代正在改變我們的生活、工作和思維。高校是數據生產大戶,中國高校數量多而且規模大,萬人以上的大學非常多,在高校里上學的學生從招生、學籍、選課、成績、飯堂、活動等方面產生大量的數據;而這些數據往往是以業務為主導的孤立運行著,各個部門無法進行有效的交互;導致缺乏協同工作能力,也缺乏為用戶提供個性化信息服務的能力。在大數據時代,只有用好這些數據,才能更好地幫助教學、科研、學生管理等工作,大大提高高校的信息化水平。

  二、產品定位:

  智慧校園大數據決策平臺,秉承“用數據參與決策”的核心理念,以“平臺+工具+服務”為建設支撐,旨在通過大數據平臺對高校數據進行高效采集和深度挖掘;通過靈活數據決策工具,快速配置數據指標,便捷制定校園管理策略;通過多種數據決策服務,緊貼學校關鍵業務,將成為校園治理提供數據可視化、管理智能化、決策科學化的重要依據。

  三、產品技術架構:

  大數據來源于對傳統數據的提取和分析,更強調數據之間的關聯性,主要研究數據間的關系;從數據的應用方向上來說,大數據以對事物發展進行預測為核心思想,通過對海量數據進行分析,得到未來發展趨勢或者推斷將來的可能;整體方案的技術架構主要有如下幾個維度:

  數據源層

  通過核心交換機以及業務系統關聯等方式將機器數據、網絡數據和業務數據進行采集。全方涵蓋高校教學、教務、管理、學生行為等方面的各項數據。數據內容除了能夠通過各項系統結構化的數據外,還能夠基于網絡流量分析各種數據類型里面的非結構化化數據。

  數據集成總線層

  利用ETL、數據復制、爬蟲引擎、系統接口等技術,具備多業務、多技術接口的數據采集能力,并按照各種場景和應用進行數據采集,實現分布式部署和靈活的擴展能力。

  數據存儲層

  利用Hbase、HDFS、CIM、RDBMS等技術解決關系型數據、非關系型數據的集中清洗、存儲、管理,為數據展示層做好支撐。

  數據計算層

  利用離線計算、查詢引擎、語義分析、各類文件類型的計算、OLAP等技術實現數據的處理功能,通過豐富的數據組裝、處理、分析等能力,供場景和應用靈活使用。

  分析應用層

  利用Jquery、Restful、Bootstrap、HTML5、Report等技術實現數據直觀展示給客戶的所有功能,是系統的使用界面和展示界面,可以靈活的定制滿足客戶各種場景和應用的需求。提供了數據統計分析、數據分析、數據檢索、數據導出等應用界面。

  四、產品方案特色:

  1. 可視化的陽光指數分析:通過陽光指數配置引擎,校領導可根據學校治理策略選擇并配置關鍵指標和確定指標影響因子,并自定義關鍵指標和指標影響因子的權重,從而學校可以量化學校核心業務的運行狀態,及時發現業務短板,精準輔助決策。

  2.動態化的勢態感知預警:智慧校園大數據決策平臺支持靈活自定義配置預警模板,適應不同場景下對校園動態數據的監測和預警功能。通過配置戰略目標(業務指標),校領導可準確了解每個戰略目標完成情況并進行預警。

  3.開放的算法平臺:基于大數據平臺靈活的指標配置管理,智慧決策平臺研發出一系列專業、便捷化使用的數據分析建模工具,方便學校快速上手,運用算法工具對學校數據進行深度的挖掘分析,以輔助業務管理。學校可以通過后臺算法模型配置平臺通過訓練數據進行算法調優和配置,學校領導可以調用訓練好的算法模型進行復雜事件的預測、歸納分析。

  4.多維度的場景算法: 產品中所有提供的場景功能是由算法庫支撐,體現了大數據和機器學習算法技術在校園場景應用落地的價值。算法平臺既提供了如:風險預測/成因分析/趨勢預測等常見的可以直接使用對應的場景解決對應的問題的成型算法;又可以進行自建模型進行訓練分析等。

  5.全方位無感知的學生異常行為管理:智慧校園大數據決策平臺通過對學生在校的結構化數據和非結構化數據進行廣泛的采集、挖掘和建模分析,能夠及時發現學生出現的離校、晚歸、過宅等在校安全問題和網絡危險言論、疑似負面傾向等思想動態異常,并向學生的主管老師發送預警通知,進行及時的排查管理。從而幫助校內的學生管理從以結果為導向的被動管理方式轉向以預防為主的主動管理方式。

  6.個性化學生畫像分析

  (1)群體畫像

  通過將在校生行為數據進行大數據分析,為每個學生貼上具有行為或思想的特征標簽,并按照群體分類,用戶可以查看每個分類的人群特征,并從院系、年級、男女比例三個方面進行群體標簽的分析,幫助學校定位不同標簽人群的特征和規律,幫助學校進行精細化學生管理,為學校進行個性化管理和教育引導進行數據支撐。通過對不同行為數據進行標準化設置,快速鎖定出現行為異常的學生,并進行及時糾偏。

  (2)個體畫像

  通過搜集學生的多維度行為數據,如行為數據、學生信息、消費信息、在校關系網等等,綜合性地分析判斷學生的狀態。全面刻畫學生畫像,幫助學校管理者針對單個學生進行畫像分析。幫助學生管理者從學習,網絡行為,生活等多維度分析學生的習慣和特點,幫助學校實現個性化培養教育提供數據支撐。

  產品及技術優勢

  決策平臺通過對高校數據進行多元采集和深度挖掘,實現學校業務的全面可視化、學生管理智能化感知和學校管理的科學化決策;具備如下技產品術特點:

  1.多元穩定的數據采集:采用基于JAVA編寫的ETL的采集工具,可以在Window、Linux、Unix多種系統環境運行,數據抽取高效穩定。支持多種數據源:支持多種數據源,支持的數據庫包括DB2、Oracle、Mysql、MS SQL Server、Sybase等各種主流數據庫。

  2.技術架構的高可用性:采用分布式文件系統 (HDFS);HDFS提供了一個高度容錯性和高吞吐量的海量數據存儲解決方案。HDFS 通過一個高效的分布式算法,將數據的訪問和存儲分布在大量服務器之中,在可靠地多備份存儲的同時還能將訪問分布在集群中的各個服務器之上,這樣既可以完成數據自動檢測和復制,又可以降低高吞吐量訪問帶來的瓶頸。

  3.精細管理的實效性:所謂實時計算指數據產生即處理,也就是數據的處理結果和產生時間在很小的范圍內,數據的處理采用流式+小時間窗口處理,通常情況在秒級別內,實時計算的業務如,推薦系統、實時敏感詞、實時離校預警等。目前決策系統中采集的實時計算系統通過部署Flume+Spark Streaming實現;其設計的原理也是基于將數據流,如日志數據從各種網站服務器上匯集起來存儲到HDFS,HBase等集中存儲器中。

  創新特色

  1、基于PB量級結構化及非結構化的的數據分析。

  2、開放式算法平臺:算法平臺提供大量的應用場景及可自定義修改的算法模型,簡單易用操作方便。

  3、學生畫像分析:基于大數據的深度分析對學生從思政、安全、成長等多維度的刻畫學生特性,從原來的管理式教學向服務式教學的思想及觀念的改變。

  應用效果及案例

  一、應用效果:

  1、山西省某高校使用智慧決策產品平臺通過學生WIFI定位數據、網絡日志分析實時鎖定學生位置,及時發現學生異常情況,在使用期間杜絕一例校園謀害案件,輔導員在第一時間通過手機得到預警通知,杜絕了一場高危行為。

  2、江蘇省某高校:將學工管理工作進行量化管理,實現了學校業務的可視化,我司的校情展示及其圖表配置工具,給客戶帶來的極致體驗,讓客戶非常滿意,并提出可以用我們的系統替換原有BI的想法。

  二、成功案例:

  北方民族大學、浙江大學寧波理工學院、中北大學、大連醫科大學、中國刑事警察學院、徐州財經大學、北京勁松職業高中等。

  高等院校用戶評價

  1、北方民族大學:以前我們對學生的了解僅僅是通過測評考試出來的分數進行結果導向的分析,現在我們有了智慧決策平臺可以通過多角度的數據科學化預測分析每一個學生的表現及性格傾向,為我們開展學生工作提供極大的便利條件。

  2、寧波理工學院:智慧決策開放性的平臺,對于校園數據價值的利用非常符合學校管理的新思路,非常吻合高校智慧校園建設的思路。

來源:中國教育網作者:卓智
------分隔線----------------------------
標簽(Tag):大數據 教育行業應用
------分隔線----------------------------
推薦內容
猜你感興趣
26选5中奖通告