基于大數據的智慧校園支撐平臺建設探討

丁建英+張鈺涵

摘 要 大數據是繼云計算和物聯網之后IT領域的又一次顛覆性技術創新，大數據時代的到來為陷入瓶頸的信息化校園數據利用提供了新的出路。探討智慧校園建設現狀，基于大數據技術特點，提出基于大數據的智慧校園支撐平臺，分析、挖掘隱藏在校園信息化大數據中的教學結果和教學規律，對未來進行預測，以便于教師、學生和教育決策者及時掌握個性化教學狀態，改進教育策略，最終真正實現智慧校園。

關鍵詞 大數據；智慧校園；智慧校園支撐平臺

中圖分類號：G642 文獻標識碼：B

文章編號：1671-489X（2017）22-0038-03

Construction of Wisdom Campus Support Platform based Big Data//DING Jianying， ZHANG Yuhan

Abstract Big data is another disruptive technological innovation in IT after cloud computing and the Internet of things. The arrival of Big Data Era provides a new way for the information campus data utilization which is in the bottleneck stage. This article discusses the status quo of the wisdom campus， proposes wisdom campus support platform based on the Big data， so as to analyze and excavate the tea-

ching results and rules which is hidded in the campus big data. Then teachers， students and educational decision makers can master the individual teaching state， improve the education strategy timely， and ultimately realize the real wisdom campus.

Key words big data； wisdom campus； wisdom campus support platform

1 前言

2012年，《紐約時報》首次提出“大數據”一詞。“大數據”用于命名和描述信息化時代爆發的海量數據以及隨之出現的技術革新和發展[1]，它是繼云計算和物聯網之后，互聯網領域又一次顛覆性的技術創新，給各行各業的發展帶來了極大的機遇[2]。作為新技術應用前沿陣地之一的高校，大數據的概念已經延伸至校園信息化建設中，來重塑校園業務流程、IT基礎設施以及對于教育信息、教學資源的獲取和使用方式。面對大數據時代的到來，如何構建基于大數據的高校智慧校園服務平臺，從根本上促進校園活動的深度融合，是當前高校信息化建設的主題。

2 智慧校園建設現狀

智慧校園是數字化校園的進一步發展和延續，它是應用各種新興的IT技術，如物聯網、智能感知、云計算、移動互聯和大數據等，在完全感知校園環境，智能識別教師、學生的個別特征和校園教學、生活等場景的基礎上，有效整合學校的課堂教學、科學研究、運行管理等方面的資源與應用，為教師和學生建立智能、開放的教育教學環境，改變其知識傳遞、資源共享和交互協作的方式，將學校物理空間和數字空間有機銜接起來，實現以人為本的個性化創新服務。

智慧校園結構如圖1所示。首先是利用物聯網絡和移動互聯網絡連接校園網中的各種基礎傳感設備，創建一個一體化的智能感知環境，實時采集教學設備的運行狀態，教師與學生的教學、活動動態，以及生活環境狀態信息等，以積累校園教育教學、科學研究、運行管理等各個方面的海量大數據。在此基礎上，智慧校園還必須要建立一個基礎服務支撐平臺，使用先進的技術（如大數據處理技術、數據挖掘技術等）深入分析挖掘校園大數據中有價值的信息，將其轉化為上層應用服務的優化依據，為所有上層應用提供存儲、計算、共享等服務，從而為教師和學生提供基于角色的個性化教學引導服務；同時引導教育信息化工作者從煩瑣的業務中抽身出來，推動業務服務向基于大數據分析的個性化服務模式發展[3]，從而真正實現智慧校園的智慧化。

當前大部分高校已經完成智慧校園的基礎設施建設，也開展了數據中心建設，考慮了數據的積累和管理，但還沒有深入對這些海量教學數據進行分析、挖掘和充分利用。以山西師范大學為例，據不完全統計，截至2016年底，學校核心業務系統的結構化數據總量累計近1300 GB；在非結構化數據方面也積累了大量的課件、視頻材料等，然而目前這些海量的基礎數據并未得到深入分析和利用。因此，對智慧校園運行過程中積累的海量大數據展開深入分析、挖掘，獲取其中蘊藏的知識和價值，為學校的教育決策者、教師和學生提供個性化數據服務的迫切性正逐步呈現出來。

3 大數據概念及特點

“大數據”這個概念最初是在全球知名咨詢公司麥肯錫（McKinsey & Company）于2011年5月發布的報告《大數據：創新、競爭和生產力的下一個前沿領域》中提出的。該報告指出：“數據已經滲透到各行各業的職能領域，并且逐步構成了行業發展的重要生產因素；因而人們對于海量數據的高效利用必會帶來新一波生產率增長和消費者盈余浪潮的到來。”[4]大數據現在還沒有統一的界定，著云臺暨《中國云》團隊將大數據定義為：企業在運行過程中產生的海量結構化、半結構化以及非結構化數據，而這些海量數據采用關系型數據庫分析，將消耗大量的時間以及金錢。信息專家涂子沛認為：大數據并不單單是指容量大，其更深層次意義在于通過對海量異構類型數據的整合、統計以及分析，挖掘出其中蘊藏的知識和價值。IDC將大數據定義為：為了更加快速經濟地從海量的、異構類型的數據中挖掘出潛藏價值而設計的新型架構體系以及相關技術。endprint

總結起來，各種表達的共同之處就是：大數據不是傳統意義上的海量數據，而是一種數據量很大、數據形式多種多樣的非結構化數據，它具有信息容量龐大、信息種類多樣化、處理速度快、價值密度低的特點。

1）數據量龐大，指采集、存儲和分析的數據量非常大，在實際應用中，很多企業用戶把多個數據集放在一起，從TB級別躍升到PB級別、EB級別或者ZB級別。

2）數據種類多。大數據的種類和來源是多樣化的，既包含結構化的數據，也包含半結構化以及非結構化等形式的數據，如文字、圖片、文檔、視音頻、網絡日志、位置、環境信息等。2012年由互聯網數據中心（DCCI）舉辦的“Adworld2012互動營銷世界”指出：2010年，全球數據量已經達到1.2 ZB，然而在如此龐大的數據中，結構化數據大約只占10%，其余的大部分數據則是由視音頻、各類文檔、位置、環境等組成的大量半結構化數據和非結構化數據[5]。

3）處理速度快。和傳統的數據挖掘技術不同，大數據需要對海量數據采取近實時的分析和挖掘。因此，大數據強調利用強大的機器算法和專用技術如數據挖掘、數據倉庫和OLAP（聯機分析處理）對海量非結構化數據進行科學、快速分析和挖掘。如2011年，日本發生大地震之后僅僅九分鐘，美國國家海洋和大氣管理局（National Oceanic and

Atmospheric Administration）就通過分析海洋傳感器的實時大數據，挖掘出了海嘯影響模型，公布了詳細的海嘯預警[6]。

4）價值密度低。大數據的信息容量極為龐大，然而其中有利用價值的信息少之又少，如時長60分鐘的視頻中，有利用價值的數據可能僅僅十幾秒。

4 基于大數據的智慧校園支撐平臺研究

智慧校園的關鍵特色在于利用校園內的各種智能感知設備、物聯網以及移動互聯網絡等技術，獲取海量的教學互動和狀態大數據，并基于這些海量大數據的分析挖掘而掌握教與學的相關特征和規律，從而展開智慧的個性化教學應用[7]。這其中的關鍵就在于對海量數據的分析與挖掘，使得高校師生通過數據不僅知道發生了什么，而且掌握數據背后隱藏的個性化指導信息，以便于他們在教學與學習過程中及時做出相應的調整決策，主動積極地開展個性化的教與學。

面對這些問題，大數據時代提出利用Hadoop技術包括分布式存儲HDFS、分布式計算Map Reduce和數據實時反應技術等，對海量的數據進行科學化管理和分析。這個方法通過構建一個基于大數據的智慧校園支撐平臺，利用HDFS分布式文件系統為海量非結構化數據提供并行分布存儲，確保負載均衡的同時保證數據的可靠性和安全性，并通過Map Reduce并行計算多個任務，提高大數據分析的速度和效率，快速、準確地為上層應用提供智慧服務。基于大數據的智慧校園支撐平臺如圖2所示。

智能感知層 智能感知層首先利用各種傳感技術和傳感設備來收集校園活動的原始數據，包括教學設備儀器的工作狀態、教師和學生的教學、生活和狀態數據等，為智慧校園支撐平臺提供海量、多樣化的校園基礎大數據。

大數據處理層 大數據處理層包括數據采集、數據分析和數據挖掘三個部分。

首先，數據采集是對智能感知層的海量非結構化數據進行數據過濾、數據篩選以及數據存儲等操作。其中，數據過濾主要是對海量的大數據展開約束性檢查，實施去冗余化等操作，初步保證數據的真實性以及可用性；數據篩選是對海量數據進行多次反復過濾，從而獲取到低信息粒度的連續性數據；數據存儲則是利用Hadoop中的HDFS技術對經過篩選的非結構化數據進行安全存儲。

其次，數據分析是利用Hbase、ZooKeeper等數據處理和管理工具動態生成Map Reduce任務，對經過篩選的非結構化數據（如教室信息云、教師信息云、學生信息資源云、教學信息云等）進行計算和聚合高效處理。并利用Hadoop的ETL處理輸出基本模型分析匯總信息，以推斷出各種數據之間的細微差異與關系，從而獲得有利于優化教與學效果的洞見點。如通過分析教學信息云中學生的課堂學習行為、與他人協作行為、解決問題行為、提交作業行為等學習行為，獲取每一個學生的性格特征、學習能力、交互協作能力、資源利用能力以及學習方式傾向等個性化信息，以便于教師和學生根據分析結果做出適當教學調整。

最后，對數據進行分析之后，大數據處理層還要利用回歸算法、分類算法、聚合算法等數據挖掘算法對數據進行深層次挖掘，以提取隱藏在數據背后的有價值的信息，對未來的教與學提供相關優化策略。如通過挖掘學生的各類資源點擊率和觀看率，可以直接預測出學生更傾向于哪種資源。

智慧應用層 智慧應用層是在大數據處理的基礎上，獲取學生學習能力、性格特征、作息規律等個性化信息，評估目前教師的教學效果以及學生的學習效果，然后對這些個性化的處理數據加以應用，如信息檢索、數據可視化應用、教學評估與預測等，從而便于學校各業務部門、教師和學生及時改進。如課程教學之后，及時對學生的學習數據進行分析和挖掘，在此基礎上對該課程的后期課時設置、教學環境設置等提出針對性建議。

5 結語

隨著高校教育信息化的迅猛發展，各種業務產生的非結構化數據必將會以成倍的速度快速增長，如何科學有效地分析、挖掘大數據中的隱藏價值，使數據真正為高校的教學、科研、管理等發揮指導和預測作用，逐漸成為高校信息化部門的關注焦點。基于大數據的智慧校園支撐平臺能夠對這些海量的數據展開收集、過濾、深入分析和挖掘等一系列完全操作，從而為高校教育決策者、教師和學生提供教與學的相關特征和規律，以便其開展智慧的個性化教學應用。

參考文獻

[1]成果.大數據背景下智慧校園云資源利用研究[J].信息化建設，2016（1）：185.

[2]劉中宇，劉海良.基于大數據的云教學環境設計[J].中國教育信息化，2013（24）：18-21.

[3]宓詠，趙澤宇.大數據創新智慧校園服務[J].中國教育信息化，2013（24）：3-7.

[4]Manyika J， Chui M， Brown B. Big data： The next frontier for innovation competition and productivity[R].USA： McKinsey Global Institute，2011.

[5]Adworid2012互動營銷世界夏暨2012微鋒匯啟動[J].電腦與電信，2012（5）：14-15.

[6]佘叢國，朱志軍.大數據與云計算的關系及其對通信行業的影響[M]//中國通信學會通信管理委員會學術研討會暨寬帶中國戰略與創新學術研討會.2012.

[7]蔣東興，付小龍，袁芳，等.大數據背景下的高校智慧校園建設探討[J].華東師范大學學報：自然科學版，2015（S1）：119-125.endprint