基于學生行為分析模型的高校智慧校園教育大數據應用研究

李有增 曾浩

摘要：隨著高校信息化建設的發展，“校園大數據”被越來越多的人關注，將大數據技術和教育資源相結合，是互聯網時代信息科技帶給智慧校園建設的新思路、新方法和新途徑。然而在智慧校園建設中還存在著現有數據標準不統一、數據孤島現象突出、數據資源利用不到位等問題。為有效解決以上問題，該文設計開發了校園大數據分析平臺，并構建包含學生基本信息、課堂學習、課外學習、校園生活、娛樂五個維度的學生行為分析模型，將校園大數據技術運用到學校的科研、教學、管理和服務等各個方面，促進學校綜合治理能力的全面提升。最后，以北京某高校智慧校園建設實踐為例，從學校宏觀決策、校園管理和服務、個性化教學、貧困生分析與資助等不同角度開展大數據應用的效果分析。經在該校應用試驗效果看，基于學生行為分析模型的高校智慧校園教育大數據應用值得在教育領域普遍推廣。

關鍵詞：智慧校園；大數據；個性化教學；學習行為分析

中圖分類號：G434 文獻標識碼：A

一、研究背景

習近平同志指出：“教育興則國家興，教育強則國家強。”我國一直都高度重視教育事業的發展，黨的十九大報告中也明確提出“優先發展教育事業”。多年來的教育信息化建設，支撐和引領了我國教育現代化發展，有力推動了教育理念更新、模式變革和體系重構。

隨著大數據、物聯網、移動互聯網等新型信息技術的廣泛應用，高校信息化已經從“數字化”走到了“智慧化”的路口，邁入了一個新的階段一智慧校園。其中，大數據作為智慧校園建設的關鍵支撐技術，對智慧校園建設具有無可替代的作用。大數據是指那些規模大到傳統的軟件工具無法采集、存儲和分析的數據集，擁有“4V”特點（即Volume，Varity，Velocity，Value）。大數據服務學校管理領域關鍵在于啟發和輔助決策。智慧校園所建設的各類系統數據全部匯聚到大數據交換平臺之中，將海量的異構多維校園數據進行接入、共享、分發和挖掘應用。通過大數據綜合分析，掌握校園里師生的行為規律和學校的整體運行水平，對學校整體教學科研形勢和發展態勢整體研判、動態監測，從被動應對到主動服務轉型，實現源頭發現、智慧服務。

《教育信息化十年發展規劃（2011-2020年）》明確提出，“學校教育教學方式的變革要在學生多樣性、個性化學習方面的改變上取得突破”；“到2020年形成與國家教育現代化發展目標相適應的教育信息化體系，教育信息化強調的是信息技術在教育教學中的普及和廣泛應用”。而校園大數據的出現，為支持個性化教學和管理帶來了可能，也提供了強大的技術支撐。通過對每一個學生個體的日常行為習慣和學習行為特征數據進行挖掘分析，為校園綜合治理提供數據支撐，初步構建科學管理、個性服務、智慧應用的校園治理新模式。

二、研究問題

2013年開始，我國很多研究者開始開展大數據技術在教育領域的應用研究，徐鵬、沈學珺等多名學者都開始關注教育與大數據技術的關系和面臨的挑戰等問題。而從2014年開始，“教育大數據”首次作為文章關鍵詞出現在眾多研究文獻中。蔣東興、王曉光等大量學者也將教育大數據研究的重點開始轉向數據如何深度應用和推進教學改革等課題上。而在近年來教育數據應用和實踐過程中，仍然存在著現有數據標準不統一、數據孤島現象突出、數據資源利用不到位等問題。因此，本文所提校園大數據應用的研究內容主要包括以下幾個方面。

（一）整合高校基礎數據資源。對高校基礎數據進行有效整合，建設各類標準數據庫，包括學生信息、教師信息、一卡通消費數據、圖書館借閱數據等基礎數據的整合。

（二）實現對全校各類信息資源的共享。打破學校內部各職能部門之間的信息壁壘。建立規范化的數據共享協同機制，優化資源在部門間的轉換、調度。

（三）開展校園大數據深度應用。對各類學校教學和管理數據進行多維度的復雜應用、分析、挖掘和展示，將這些數據精細化地分析、系統化地歸類，利用這些數據找到真正影響教育的重要因素，進而提供更加科學合理的教學指導和管理服務。

三、校園大數據分析平臺

為研究解決以上關鍵問題，校園大數據分析平臺采用多層架構，將大數據處理、數據交換與共享、基于關系型和統計型大數據存儲、權限管理、大數據分析挖掘進行有效整合，貫通校園大數據管理和應用的各個環節，從而適應于多維異構環境下校園大數據處理要求，實現海量數據的高效管理。

如圖1所示，在統一的分布式存儲之上數據平臺通過YARN（Hadoop資源管理器）提供統一的資源管理調度，結合LDAP（Lightweight Directory Access Protocol），輕量目錄訪問協議1提供完備的權限管理控制，不同的部門可以按需創建計算集群訪問其授權數據，包括基于Spark計算框架的SQL類統計分析應用與數據挖掘類應用，以及基于MapReduce計算框架的應用等。同時，平臺通過使用Hbase結合SQL計算執行引擎，為用戶提供基于SQL的高并發的查詢以及分析能力。在數據導人與交換方面，數據平臺提供多樣的數據導人與交換形式，包括Sqoop提供與關系型數據庫的數據交換以及Kafka消息隊列集群接收實時流數據。校園大數據分析平臺具備以下大數據服務能力。

（一）從不同異構數據源同步數據的能力，例如學校各部門系統的建設技術方案和技術路線不盡相同，需要有能力匯聚數據且方法簡易可行；

（二）向異構數據源共享數據的能力，能適應學校各部門的不同需求，根據共享數據的分類用不同的方式共享數據；

（三）易于在線擴容的能力，在建設初期的投入成本可控，隨著項目后期需求的增加，容易擴展系統容量和處理能力；

（四）處理海量數據分析的能力，例如能基于海量一卡通消費信息統計分析出學生的用餐、打水、洗澡等行為規律，從門禁數據中分析出行異常行為，以便更好地服務；

（五）進行海量數據挖掘的能力，例如能挖掘出具有異常行為特征的學生之間的關聯關系和關鍵重點人群的聯系網絡圖；

（六）海量數據高并發查詢檢索的能力，例如提供基礎數據給學校各部門查詢檢索，能支持同時幾千人在線查詢；

（七）支持實時流數據接入與分析能力，例如根據門禁刷卡數據和人臉識別數據分析人流密度變化與預警；

（八）平臺有開放性，能支持各種主流標準接口，例如標準SQL2003和PL/SQL便于應用開發和應用移植。

依托校園大數據分析平臺，本文構建了一種以學生日常行為的五個關鍵指標為分析維度的學生行為分析模型，并基于學生個性化行為序列節點分析方法開展校園大數據應用。

四、學生行為分析模型

本文所采用的學生個性化行為序列節點分析方法首先以個性心理學和學習分析理論等為基礎，構建學生行為分析模型，并通過基于頻繁模式樹的數據挖掘算法分析挖掘出每一位學生的知識掌握水平、學習方式偏好、課外興趣、娛樂生活等個性化情況，從而實現更加個性化的校園管理和服務。

具體來說，通過對中、美、英三國高校學生事務管理的對比研究，依托個性心理學、學習分析理論和大學生事務管理學等相關理論，我們構建了多維時空下基于校園時空大數據的學生行為分析模型（如圖2所示）。該模型涵蓋學生在校期間的吃、住、行、學、娛等個人行為關鍵信息，從而為教育、服務和管理等高校學生事務管理提供科學的數據支撐。學生個性化行為序列節點分析法則是基于該模型中的學生基本信息、課堂學習、課外學習、校園生活、娛樂五個維度來評估和分析每一名學生的日常行為情況，依托相關的系統數據庫，對學生行為信息進行分類匯聚，并運用校園大數據技術進行離散點分析和聚類分析，從而形成實現更加科學合理的校園綜合治理。

如下頁表1所示，學生行為分析模型中的每個分析維度都有相應的評價指標，同時通過對應數據庫提供數據支撐。以學生課堂學習維度為例，依托選課數據、上課數據、作業數據、課程平時成績、課程期末成績和互動交流評價數據等數據資源，將學生知識掌握水平、綜合素質和成績評價等作為課堂學習行為分析項。其中，學生的知識掌握水平則重點分析學生對于所學課程的掌握和應用的能力和水平，兼顧其圖書借閱信息的分析；綜合素質則包含學生科研能力、創新能力、藝術修養、心理健康、班級活動等。學生的成績評價基于課程平時成績、期末成績、試驗成績以及實習成績綜合評判。通過對學生課堂學習行為的分析，將具有相同學習興趣和能力水平的學生進行聚類，從而為不同民族、不同學習偏好、不同能力水平的學生提供差異化、個性化的課堂教學輔導服務、學習推薦以及校園優質服務。

五、應用分析

通過在北京某高校開展智慧校園建設的實踐，我們以該校良鄉校區作為試驗對象，采用本文所提出的基于學生行為分析模型的校園大數據分析方法，開展校園大數據應用。

通過整合該校相關數據資源（如表2所示），我們開展了以下幾個方面高校智慧校園教育大數據的挖掘分析與應用。

（一）為學校發展決策提供科學依據

通過對該校的歷年高基表數據進行提取、清洗、去噪、整合等，形成能夠支持高基表數據分析應用的數據倉庫，為校領導日常管理及對外信息發布提供統一、規范、準確、及時的統計數據，為學校雙一流學科建設、高層次人才培養、海外人才引進、專業課程設置、重大科研創新等戰略管理決策提供數據支撐（如圖3所示）。

以近10年教職工職稱變化情況為例（如圖4所示），通過大數據分析可以發現，該校專任教師數量逐年增加，教輔人員及工勤人員逐年遞減，這要求學校應加大對科研教育方面的投入，做好教師教育的保障工作。

（二）實現科學化校園管理和服務

通過對該校1400多萬條一卡通消費流水數據進行數據挖掘和關聯分析（如下頁圖5所示），可以從學生消費頻次、圖書館刷卡次數、學生教室刷卡打水時間、宿舍門禁刷卡數據等一卡通的海量數據中挖掘分析出一個學生的在校和外出習慣、圖書借閱、晚自習時間等有價值的行為信息，使學校對學生的學習生活情況有了更加理性、清晰的認識，引導高校形成健康科學的學生培養模式和教學生活管理方式。

以該校學生生活習慣分析結果為例，學校可在學生早餐、中餐、晚餐和打水洗澡的高峰時段，通過增加窗口、延長營業時間、設立人流疏導屏等方式來減少人員聚集、等待時間過長等現象。此外，我們基于門禁數據對學生夜間未按時歸校、長時間離校未歸等異常情況進行預警；基于學生一卡通消費數據分析出受歡迎菜品、餐廳及窗口等學生就餐喜好情況，從而為相關食堂改進提供更加科學合理的建議。

（三）個性化的教學和管理

我們通過對該校師生教學互動和學生學習過程的大數據進行數據挖掘和關聯分析，挖掘分析出一個學生的學習生活行為信息，勾勒出每一名學生的“個性化行為畫像”（如圖6所示），從而指導學校按照依據每一名學生的“個性化行為畫像”，針對每一名學生提供個性化的教學和管理，不斷優化完善教學方式和指導方法。

（四）貧困學生分析與資助

在個性化管理服務方面，通過校園大數據技術，我們開展了自動篩選受資助對象等大數據應用服務，如圖7所示。在該應用實踐中，我們通過設定相應的受資助對象尋找策略，基于該校61961名學生在去年3月至5月的一卡通消費數據，依托兩個關鍵參數（消費金額小于10元，消費次數大于10次）找尋該校受資助對象。通過數據分析，可以發現3、4、5月份都是刷卡消費的金額小于等于10元且消費總次數大于10次為1人，因此推測受資助對象為生命科學學院的一名專業碩士。以此為依據，通過學校學生工作處對該名學生的情況進行核實，開展諸如經濟資助、心理疏導等關愛行動，提供勤工助學崗位，避免學生因生活費用不足引起的就讀困難或心理問題的發生。通過以上措施，該名貧困生的學習生活狀況得到了很大的改善。

在該校智慧校園建設和實踐過程中，學校也逐步建立了一套完整的校園數據應用管理制度體系，同時明確由數字校園管理中心負責校園大數據的匯聚、共享和應用管理工作，其它各部門和院系則按權限開展相關應用工作。這些規章制度的建立，也為校園教育大數據的應用提供了有力的制度保障。經在該校應用試驗效果看，基于學生行為分析模型的高校智慧校園教育大數據應用值得在教育領域普諞推廣。

六、結語

眾多高校都把智慧校園作為其信息化建設的重點內容，校園大數據技術作為最重要的技術支撐，可有效提升校園信息化建設水平和建設效果。本文所提出的基于學生行為分析模型的校園大數據應用，對海量、異構、多維的校園數據進行清洗、整合、挖掘和應用，從中提取出潛在的、有價值、極具潛在應用價值的信息，為學校的教學、科研、后勤、管理、安保等各項工作提供科學的數據支撐，這對于實現教育強國夢想具有重要的現實意義。