基于大數據導向的高校智能教學決策系統建設

◇川北幼兒師范高等專科學校 王仕艷

在當前高校教育過程中存在信息無序的情況，通過建設以大數據為導向的高校智能教學決策系統，能夠充分發掘大量教學信息，從而發現不同教學信息之間的規律，充分發揮在教學決策過程中的信息價值。在進行高效智能教學決策系統建設過程中應當結合決策系統總體框架，根據安全高效發展實際特征進行系統建設，從而推動高校教育水平的不斷提升。

計算機技術的發展推動各類數據決策系統智能化，對于各類數據的處理效率不斷提升。目前我們已經迎來大數據時代，復雜數據結構與大量數據規模促使數據分析難度增大。在高校實際開展教育工作的過程中涉及多種教學管理數據，需要針對學生、教師、學校等多方面管理工作開展數據分析，從而保證最終決策的合理性。在當前高校開展決策過程中不僅需要進行簡單數據處理，同時也需將信息分析處理、數據挖掘與決策支持重視起來。通過建立起高效智能教學決策系統，能夠充分開數據挖掘與知識發現，從而獲取數據之間的聯系并發現相關規律，保證高校教育教學管理決策的合理性。

1 基于大數據的高校智能教學決策系統的數據儲存方式

高效智能教學決策系統主要是利用大數據對各類原始數據進行整理，結合從各類途徑獲取的教育資源形成完整數據體系，得到數據層。基于數據層內部數據進行內容分析篩選并進行裝載，從而獲得支撐層。最終利用數據層所獲得整體數據以及支撐層的優化數據，最終構建起決策層。目前基于大數據的高效智能教學決策系統，在儲存時借助數據庫、基于多維數據和虛擬化三類方式。

1.1 基于數據庫儲存

在進行數據儲存分析的過程中，利用數據庫開展儲存工作主要是借助關系數據庫的形式，在數據庫表中分析決策數據中的內容，并利用管理源數據的手段開展數據儲存工作[2]。基于數據庫儲存方式構建數據庫時，首先由用戶結合本身數據分析決策需要進行圖形頁面操作，滿足多維數據模型建設操作需要，并利用特定程序對關系數據庫中的內容進行抽取分析。而在抽取過程中應當認識到，為滿足智能決策系統建設的需要，應當對數據庫內部數據的清洗加工，而不是單純抽取出某個數據。為避免在決策過程中由于數據錯誤而導致的決策結果偏差，在進行數據儲存的過程中，應當從學校內部管理的不同需要出發整合各個業務系統之間的原始數據，并將關系數據庫作為主要儲存方式，保證數據利用的科學合理推動階段性歷史數據分析效率的提升，使得最終決策結果保持科學合理性。

1.2 基于多維度數據儲存

多維度數據儲存方式作為一種數據組織形式，建立在在線聯機分析處理（OLAP）的基礎上，具有自身特點，在管理與儲存數據的過程中主要借由數據立方體實現數據的多維度顯示與組織。開展數據儲存的過程中需要利用多維數組結構文件，保證數據與數據管理文件之間相適應。并借助多維度索引的當時保證數據內容的準確全面[3]。從多維度數據儲存本身原理來看，子類數據儲存方式，在進行數據數據分析的過程中，將傳統的二維關系數據表進行拆分組合，從而得到多維數據立方體，借助多維數據集的形式使度量（Measure）與數據屬性（Demension）對應量相適應。從多維與二維之間的關系來看，多維度數據組成就是利用傳統二維關系進行立體組合來保證數據立體性，并在此基礎上對數據進行拆分與分析。

1.3 基于虛擬化數據儲存

虛擬化數據儲存的方式根據儲存途徑與分析方法不同，可分為統一處理與邏輯處理兩部分。首先，針對統一處理而言，主要是由管理層結合自身內外資源數據管理需要進行各類數據上傳，使數據平臺上能夠儲存有結構化與非結構化數據，從而統一管理相應數據儲存設施。此類虛擬化儲存當時對于共享數據資源具有積極作用，從而做到儲存空間極致利用，實現儲存設施的循環利用，提升相關設施容量。滿足當前高校智能教學決策系統數據儲存量大、數據內容多、數據結構層次復雜等需要。其次，針對邏輯層面整理而言，在數據整合過程中需要針對決策分析系統的不同進行專門儲備空間設置，并在原業務系統數據庫中完成數據儲存工作。為滿足決策分析系統的維度要求，應當結合不同維度需求進行數據借口設計，并在此過程中有效分析業務系統數據庫中的數據，從而完成多維度數據分析工作。就成本而言邏輯層面進行數據整理的儲存模式形式簡單、成本低廉，對業務系統數據質量要求高，并且必須以決策分析系統的多維數據模型為樣本，從而保證業務系統數據模型的合理性。

2 基于大數據的高校智能教學決策系統的層次結構

高校智能教學決策系統建設必須從高校管理決策需求出發，結合教學教育活動資源管理需要進行信息系統分析，在適當篩選分析后儲存在數據倉庫之中。在信息儲存過程中，結合信息系統建設需要從校內外各類數據出發，進行數據收集與分析篩選，從而保證所儲備業務數據的合理性與全面性。在獲得相關數據的前提下進行數據倉庫系統建設，收集相應業務數據挖掘管理內容，最終建立完善的高校智能決策分析系統。

2.1 數據層

構建系統數據倉庫需要做好數據層建設工作，通過打造決策系統底層為整體數據倉庫建設提供相應前提。在高校進行智能教學決策系統建設的過程中，為保證向內部數據的全面性，需要從學校管理的多個方面出發，對各類系統的數據以及以往數據檔案和其他教學資源的內容進行收集，避免存在忽略教學教育管理影響因素的出現，避免影響數據分析的準確性[4]。同時，要重視學校外部資源的收集，結合高校管理過程中與校外資源、校外教育等內容數據，得到更加完善的數據倉庫，避免出現數據覆蓋內容少、時間跨度短的時間情況。

2.2 支撐層

支撐層是決策層對數據層進行訪問的主要途徑，能夠量化開展分析決策需求目標分析。支撐層在進行數據庫內容轉載的過程中需要對不同數據開展一系列管理工作，從而發揮數據分析的統一管理優勢。在分析層實際開展工作的過程中為滿足決策層需要應當結合決策各類需求進行標準借口設計，從而建立起高密度數據集市，滿足主題分析需要。并且，應當注重數據匯總聚合的開展，通過將數據倉庫內部數據進行特定層次劃分得到數據分析多維視圖，結合不同角度需求應用分析數據。

2.3 決策層

決策層借助簡單分析模型與創新挖掘方法進行通用平臺建設，并結合復雜穩定數據的分析利用進行主題平臺建設。通用平臺建設對于適應各類決策系統，保證決策系統靈活全面應用具有重要作用。而主題平臺則能夠有效抽取相應數據以得到針對性的分析決策系統，結合決策系統實際需要進行主題數據分析利用，保證決策內容合理性。

3 實現基于大數據的高校智能教學決策系統的途徑

3.1 數據源

數據源內部數據獲取途徑廣泛，就高校智能教學決策系統而言不僅包括校內教學管理資源的各類結構化或非結構化數據，同時也包括校外相關數據。在開展高校決策支持系統建設的過程中需要從數據源出發獲取各類教學管理信息，并結合實際決策需求進行數據處理分析儲存，從而構建起與分析系統相關的基礎數據。

3.2 數據處理

數據處理工作實際上就是處理不同數據源信息，避免存在影響分析決策系統內部數據格式，保證數據統一性，減少系統內部雜亂數據數量，降低出現數據源數據混亂的可能，提高決策系統內部合理數據數據的存有量[5]。另外，系統應當應用決策樹數據挖掘算法對海量關聯項數據信息實施深度挖掘，在實際處理過程中，離散化處理具有連續性的高效教學信息數據，便使其成為便于決策樹算法運行的有效數據樣本。

3.3 數據儲存及管理

整體決策系統建設需要大量的數據進行支撐，必須對數據庫內結構化與非結構化數據進行有效管理儲存，保證最終決策的高效合理。在進行數據倉庫建設的過程中注重數據儲存與管理工作的開展，從決策層數據庫出發對各類決策分析數據進行有效管理，從而得到相應的系統運行模型和處理模型，借助數據源內容實現數據庫有效構建填充。最終實現數據同步和整合工作[6]。

3.4 數據挖掘與知識發現

數據挖掘與知識發現的開展需要結束大數據中的內容，將計算智能和數據庫結合起來，并利用多種算法獲得源數據中的隱藏規律，從而對各類關聯數據知識進行分析。同時，應當有效提取各類主題信息分析工作，實現管理決策工作的開展。

3.5 決策分析

決策系統的建設需要從高校決策系統內部出發進行數據源數據篩選分析，解決存在的數據結構化問題。從決策層構建情況來看，需要對通用分析平臺以及主題分析平臺進行建設。而通用分析平臺主要被用來解決當前高校管理過程中由于教學改革、教學管理、決策需求改編等因素導致的管理需求不穩定問題，借助簡單數據分析模型并利用常規數據挖掘辦法實現快速決策。同時，在決策構建過程中還需考慮到相對持久穩定的高校內部決策需要，通過主題數據的抽取進行數據分析篩選，建設與主題需求相適應的決策平臺。在進行實際決策的過程中需要結合高校不同管理需求進行通用分析平臺與面向主題分析平臺應用，從而制定高校發展戰略與日常管理工作決策。

4 結束語

基于大數據的高效智能教學決策系統的建立所需周期較長，同時設計多個對象、海量數據、復雜結構。在實際開展工程過程中應當堅持循序漸進的原則，應當從儲存出發進行數據分析，最終找到進行數據處理的最佳途徑，從而獲得與高校內部決策需求相適應的數據挖掘算法，并結合教學管理實際需要從高校內部行政與教學兩部分出發進行教學綜合決策分析系統模型構建，保證最終得出決策的科學性，推動高校人才培養工作發展。