基于Hadoop大數據分析學生行為的校務管理平臺

符龍生

（海南經貿職業技術學院 海南省海口市 571100）

為提升我國高等職業教育發展水平，有關職能部門相繼出臺多項部門規章與發展規劃，從制度、政策維度為相關建設工作提供科學指導。若想實現高職學校的創新發展與科學轉型提升其專業化水平，首先需要確保學校管理制度的科學性與先進性。本文探討基于現代大數據技術的新型學校事務管理系統，在全面提升管理效率的基礎上為“雙高”建設目標的實現提供有力支持。在發揮本系統學生行為分析功能的基礎上，能夠明確管理工作的目標和重點，再提升工作效率的同時提高學校綜合管理水平。

1 校務大數據平臺的建設

1.1 背景及存在的問題

信息時代實現了現代信息技術的高速發展與廣泛應用。高等職業院校作為我國高等教育的重要組成，同樣需要持續開展信息化建設工作，明確職能目標，以提升工作效率為目的積極推動信息系統建設管理工作，打造一套由人事管理系統、財務管理系統、教務系統，一卡通系統，教學資源平臺等為核心的信息化管理系統。各類信息化系統的使用雖然能夠極大提升管理效率，但是也會形成大規模的數據信息，導致了巨大的數據管理工作量。以學生為例，其基本信息涵蓋了姓名、學號、院系、年級、籍貫等信息，同時也包含了學校消費、后勤消費等生活信息；同時還涉及考試成績、選課考評、圖書借閱等方面的信息。高職院校在自身信息化發展方面雖然取得一些成果，但尚有許多問題需要解決。

（1）不同職能部門使用信息系統時會形成大量數據，在缺乏數據交互機制的情況下，某一環節的數據變動不能及時反饋給其他環節，導致了十分嚴重的滯后性問題，也產生了大量冗余數據。

（2）現有的各類業務信息系統缺乏集成化，無法實現數據集中共享和管理，只能局限于數據管理、維護等基本操作層面，產生了十分突出的“信息孤島”問題，未能構建起完整的信息系統，無法實現數據資源的合理共享與高效利用。

（3）各應用系統在設計開發時缺乏統一技術標準，難以保證數據的規范性與標準化，加大了數據分析和處理的難度。

（4）缺少符合高職校發展現狀的數據管理系統。這就使得高職校所特有的大數據平臺的開發與設計工作成為信息技術領域的熱點研究課題。

1.2 數據標準的建立

圖1：校務大數據分析與決策平臺架構

為了打破“信息孤島”，實現數據信息的高度共享，首先需要制定統一規范和標準，確保數據傳遞效率，學院網絡中心對全學校已有的信息系統開展了深入細致的調研工作，建立大數據平臺，準備實現源頭數據匯集到學校大數據平臺，形成三大基礎信息。包括教學管理信息標準、借閱管理信息標準集、校園一卡通信息標準集等，然后綜合考慮高職院校數據信息的具體特征與國家信息化工作的技術標準，制定本校《信息化數據標準》，具體從校外標準、校內標準兩個維度出發對數據進行集中管理。其中，校外標準包括國家標準代碼子集、教育部標準子集、高教行業標準子集。校內標準則包括學生管理數據、教學管理、教職工管理、科研管理、資產管理、行政管理、財務管理等相應的數據子集。這些數據標準為高職校大數據平臺建設奠定了良好基礎，充分保證了數據交互、共享的效率水平與質量水平，也為數據標準化管理創造了有利條件。此外，還需要考慮到各信息系統運行過程中所存在的數據變化問題，制定必要的更新優化策略及時進行調整確保數據可靠性。

1.3 數據的治理基本流程

依據高等職業院校的數據標準，制定數據采集計劃對學校相關數據信息開展采集工作，確保數據源頭與大數據平臺的關聯性實現同步更新。在具體工作中，需要根據信息系統的具體特征制定差異性的同步更新策略。數據信息的管理流程大致上包含三個階段：首先是收集各信息系統分散存儲的各類數據信息。其次是針對這些數據可使用ODI、Kettle 等軟件工具對各信息系統的原始數據進行篩選和提取，將其作為中心數據庫的信息來源，然后開展質量分析明確數據庫的數據質量，根據質量分析結果對數據預處理工作的必要性進行判斷。最后，在完成必要性的數據預處理工作的基礎上，于數據中心內形成國家標準集、行業標準集和校內標準子集。在對各信息系統數據信息進行預處理和提取的基礎上充實中心數據庫，以標準化數據的形式進行集中管理，然后由各信息系統根據需要對中心數據庫數據進行調用，實現數據信息的高度共享和高效交互。以上策略能夠打破不同信息系統之間的數據隔閡，形成了一條條“數據流”，進而為大數據挖掘、分析工作提供有力支持。

1.4 校務大數據精準服務平臺的建立

作為一個開源性的軟件工具，Hadoop 具備海量數據分析和處理能力，最核心的設計是 HDFS 和 MapReduce。HDFS 為大規模、復雜數據提供了一個高效、可靠的管理工具，處理非結構化的數據，MapReduce 自動實現分布式并行計算，其功能的科學整合使 Hadoop 充分滿足海量數據的高效管理需求。從圖1 可以看出,校務信息管理系統的技術基礎為大數據平臺的標準數據子集，能夠對高職校現有的數據資源進行高效整合，構建起以教務、教師、學生等為主體的數據信息庫，然后使用ETL 工具，確保數據信息的標準化、集中管理與高效交互，在實現數據安全的同時具備數據資源的高度共享與高效交互優勢。此外，Flume 軟件還能夠對異構數據進行處理，將其轉換為標準化數據為數據挖掘和分析提供有力支持，并且能夠在分析評估用戶網絡行為的基礎上形成了一個綜合大數據分析平臺。在結合Hadoop 數據分析處理優勢的基礎上為系統數據分析提供更加充分、更加可靠的數據信息，從而提高決策水平。

1.5 學生數據標簽體系建立

在大數據分析學生行為中，標簽體系的建立尤其重要。從其概念來看，標簽屬于基于特定定義標準的一系列精煉、準確的標識，表現出獨特的特征。標簽化作為用戶定性畫像的關鍵要素，能夠降低用戶畫像解讀的難度，又方便計集機分析和程序化處理。標簽化之后，首先，計算機可以自動完成分類統計功能。例如從多角度刻畫學生畫像、為各項管理工作提供信息支持。此外，學生數據信息也可以進行標簽化處理，使其成為學生的唯一信息化標識。具體標簽內容包括：一是基本數據，即學生的個人信息；二是學業數據，即學生的選課情況、考試成績、閱覽信息、網課進度信息等內容；三是生活數據，即以校園一卡通為工具完成的各類消費支付行為；四是社交數據，即學生電腦連入互聯網之后的使用記錄。在此基礎上可對相關數據進行挖掘和分析，創建相應的標簽，為各項數據信息的管理創造便利條件。在事實標簽的基本上，可以通過預測標簽對學生潛在需求進行分析，明確其需求內容為學校服務提供科學依據。

1.6 學生群體行為畫像構建和分析

在完成標簽設計開發工作之后，基本上都需對數據進行必要的挖掘與分析處理。借助聚類分析、回歸分析等方法工具，可對標簽信息進行提取與整合并以群體畫像（如院系畫像、專業畫像）的形式進行結果輸出。學生標簽的復雜性決定了聚類分析的困難性，往往需要對多個標簽進行分析和整合才能獲得一種相對可靠的分析結果。在具體分析處理過程中，需要明確不同標簽的權重，根據其權重設計聚類分析的規則和方法，而歸一化處理則是聚類分析之前的一項重要工作。之后是學生畫像聚類分析，主要工作任務是對學生行為的相似度進行界定，并對相似度較高（滿足閾值條件）的行為作為同類行為，同類行為之間的差異相對較小，而不同類行為之間的差異則相對顯著。聚類分析能夠明確不同行為畫像所含信息的相似水平，從中提取相似度較高的行為構建起聚類子集，從而明確共性特征為學生管理提供準確依據。代表性的聚類分析方法有K-Means 算法，該工具能夠高效、準確的分析和描述學生共性行為特征，并可在分析學生行為畫像的基礎上開展學習成績、上課考勤等監督管理工作，實現學生行為的動態監控，能夠更好的發現學生問題并采取科學的應對策略，進一步提升學生管理水平確保教學質量。

2 校務大數據平臺精準服務管理水平場景

2.1 促進學生個體自我認知與發展的完善

學生在自我認知方面往往表現出顯著的主觀，感性特征，這就將導致學生自身發展與管理工作的不確定性。大數據技術的應用將實現學生復雜數據信息的分析功能，以學生畫像的形式對其行為特征進行描述，從而提高學生對自身的科學認知水平，明確自身發展方向和需求，能夠根據具體情況及時調整自身狀態實現科學成長。

2.2 為師生提供精準化、個性化服務

基于學生畫像結果可開展精準管理，明確學生潛在需求并提供相應服務，以此保證學生管理工作的質量水平和效率水平，提高學生對學校管理與服務的滿意度，為學校管理工作的開展奠定良好基礎。

基于校務數據的學生標簽能夠對學生的行為習慣、潛在需求、發展趨勢進行分析和預測，從而為學生工作提供更加準確的依據，便于教師、學校對學生開展針對性的管理，實現管理與服務的精準轉型，發揮大數據技術的優勢作用切實有效的提升高職院校管理水平。

2.3 為學校宏觀決策與管理奠定基礎

學生標簽的繪制能夠為信息化管理工作提供可靠依據，從而提升學校管理決策的科學水平。學生畫像能夠直觀、準確的展示學生在生活、學習等領域的規律和特征，能夠為學校管理工作提供更加準確的依據，便于學校、教師開展相應的管理與服務工作，滿足學生需求并改善其學習、生活環境，從面提高整體學生成績，對招生數據的分析能夠從中挖掘出優質生源，明確學校招生工作的重點提高其管理資源綜合利用水平。

基于校務數據的數據分析處理工作，能夠實現對學生的精準畫像、為學校精準管理和服務提供可靠依據，充分保證學生的科學成長。與傳統管理機制相比，基于大數據技術的信息管理系統能夠進一步提升學校管理的精準性和效率水平，從而極大提升高職院校綜合建設水平，實現高職院校科學發展。