论文部分内容阅读
【摘要】 文章介绍了大数据的相关概念，阐述了目前高校在管理学生中使用大数据的现状，对大数据环境下的高校学生行为数据分析系统进行了总体设计和需求分析。
【关键词】 大数据 数据分析系统
Abstract： This paper introduces the related concepts of large data， expounds the current situation of the use of large data in the management of college students， and analyzes the overall design and demand analysis of the college student behavior data analysis system under the large data environment.
Keywords： big data; data analysis system
一、大数据概述
随着信息技术的飞速发展，人们生活及生产的各个方面都在不断变化，同时产生了大量数据。为了实现对海量数据的存储、分析和处理，挖掘有价值信息，在新兴的互联网技术、计算机信息处理技术、物联网技术的推动下，大数据技术迅速诞生并发展成为社会各界关注的焦点。近年来，在众多大数据处理技术中，出现了Apache Hadoop、Spark、Flink等为代表的主流大数据处理技术和系统平台[1]。利用这些平台能有效处理企业及高校的各类数据问题。
二、高校信息化水平概述
髙校作为走在信息化前沿的重要行业，每年投入巨大，校园信息化建设不断完善，各个学校已经建立了众多的应用管理系统。这些系统经过多年的积累，已经形成了大量的应用数据，而据不完全统计，国内高校应用系统沉淀的海量数据基本处于"沉睡"状态，结合我国教育大数据行业的发展，"唤醒"送些"沉睡"的高校数据，使用大数据分析的方法，给高等院校的领导、老师、学生提供更加直观的决策及管理依据变得越来越重要[2]。虽然国家高度重视教育信息化的建设，但是各地教育信息化发展水平不均，并且各大高校对学生行为大数据分析进行研究的程度和角度不同。南方某高校利用学生在可控社交网络实验室上的行为数据以及学生在校的行为数据（微博、微信、邮箱、刷卡信息）进行分析挖掘，以学生“体检报告”的形式对行为进行总结，并在预警食堂突发事件和学生非正常离校方面取得了很大的进展。他们对于学生行为数据分析维度单一、结果简单，不足以为教师、高校管理人员提供丰富的决策数据。结合大数据技术，以学生行为数据为基础，构建分析系统，非常有必要，也很有意义。系统平台能提高学生管理工作人员的工作效率和服务质量[3]，增进学生管理工作人员对学生的进一步了解，使得他们在管理众多学生时能做到有的放矢，有章可循，更好的服务学生成长成才。
三、总体设计与需求分析
1、总体实施构架。系统主要利用机器学习及大数据技术，通过深层次分析学生在校期间产生的各类校园数据，探索学生群体的行为模式分类方法、学生网络评论的情感极性分类方法、学生特殊群体及异常行为判定的方法，为教师因材施教提供支持，使得学生管理工作人员可以及时的关注学生的行为发展，尽早做出决策，提升高校学生管理人员的工作效率、服务质量。项目的实施架构包括数据采集、数据分析、结果呈现三个部分：（1）构建基于hadoop的大数据平台，为后续数据处理、分析提供基础实验环境。（2）实现数据采集、清洗、存储。 （3）分析数据，呈现结果。
2、应用功能规划。（1）学生行为模式管理。研究使用机器学习中的K-means算法，结合服务器中的数据，验证并实现高校学生行为模式分析。根据学生一卡通消费数据、位置定位数据，结合算法，进行归类，将学生行为模式划分为優良，中等，及格，不及格四个等级。（2）学生情感模式管理。研究使用基于依存关系分析的极性分类算法，结合服务器中的数据，实现高校学生情感模式分类分析。（3）学生异常行为管理。使用SVM算法，结合服务器中的数据，验证并实现高校学生特殊群体及异常行为分析。研究学生的基本信息、家庭信息、在校期间的学习成绩记录、一卡通日常消费记录、学生活动记录、辅导员与学生的深度辅导谈话记录等学生校园数据，通过学生对比辅以以往经验，制定学生异常行为判定条件，对初判的重点类型的学生及时了解，一旦发现问题，及时给与更多的关注，有效预防学生发生意外情况。
结语：随着大数据技术与应用模式的快速发展，各类基于大数据构建的系统已经成为互联网未来发展的一种重要方式。我国高校信息化正在进行改革与创新，大数据技术在我国教育领域中将得到广泛应用，并发挥巨大作用。
作者简介：方勇（1983-）男，湖北鄂州人，讲师，硕士，研究方向为计算机应用技术。
参 考 文 献
[1] 王红，许春秀，廖明海.大数据在高校中的应用研究机.中国集体经济，2014（34）：134-135.
[2] 王华.浅析大数据在高校毕业生就业信息系统中的智能化应用[J].企业技术开发：学术版，2015，34（2）：82-84.
[3] 郑晓薇，项明，张大为，等.基于节点能力的Hadoop集群任务自适应调度方法[J].计算机研究与发展， 2014， 51（3）：618-626.
【关键词】 大数据 数据分析系统
Abstract： This paper introduces the related concepts of large data， expounds the current situation of the use of large data in the management of college students， and analyzes the overall design and demand analysis of the college student behavior data analysis system under the large data environment.
Keywords： big data; data analysis system
一、大数据概述
随着信息技术的飞速发展，人们生活及生产的各个方面都在不断变化，同时产生了大量数据。为了实现对海量数据的存储、分析和处理，挖掘有价值信息，在新兴的互联网技术、计算机信息处理技术、物联网技术的推动下，大数据技术迅速诞生并发展成为社会各界关注的焦点。近年来，在众多大数据处理技术中，出现了Apache Hadoop、Spark、Flink等为代表的主流大数据处理技术和系统平台[1]。利用这些平台能有效处理企业及高校的各类数据问题。
二、高校信息化水平概述
髙校作为走在信息化前沿的重要行业，每年投入巨大，校园信息化建设不断完善，各个学校已经建立了众多的应用管理系统。这些系统经过多年的积累，已经形成了大量的应用数据，而据不完全统计，国内高校应用系统沉淀的海量数据基本处于"沉睡"状态，结合我国教育大数据行业的发展，"唤醒"送些"沉睡"的高校数据，使用大数据分析的方法，给高等院校的领导、老师、学生提供更加直观的决策及管理依据变得越来越重要[2]。虽然国家高度重视教育信息化的建设，但是各地教育信息化发展水平不均，并且各大高校对学生行为大数据分析进行研究的程度和角度不同。南方某高校利用学生在可控社交网络实验室上的行为数据以及学生在校的行为数据（微博、微信、邮箱、刷卡信息）进行分析挖掘，以学生“体检报告”的形式对行为进行总结，并在预警食堂突发事件和学生非正常离校方面取得了很大的进展。他们对于学生行为数据分析维度单一、结果简单，不足以为教师、高校管理人员提供丰富的决策数据。结合大数据技术，以学生行为数据为基础，构建分析系统，非常有必要，也很有意义。系统平台能提高学生管理工作人员的工作效率和服务质量[3]，增进学生管理工作人员对学生的进一步了解，使得他们在管理众多学生时能做到有的放矢，有章可循，更好的服务学生成长成才。
三、总体设计与需求分析
1、总体实施构架。系统主要利用机器学习及大数据技术，通过深层次分析学生在校期间产生的各类校园数据，探索学生群体的行为模式分类方法、学生网络评论的情感极性分类方法、学生特殊群体及异常行为判定的方法，为教师因材施教提供支持，使得学生管理工作人员可以及时的关注学生的行为发展，尽早做出决策，提升高校学生管理人员的工作效率、服务质量。项目的实施架构包括数据采集、数据分析、结果呈现三个部分：（1）构建基于hadoop的大数据平台，为后续数据处理、分析提供基础实验环境。（2）实现数据采集、清洗、存储。 （3）分析数据，呈现结果。
2、应用功能规划。（1）学生行为模式管理。研究使用机器学习中的K-means算法，结合服务器中的数据，验证并实现高校学生行为模式分析。根据学生一卡通消费数据、位置定位数据，结合算法，进行归类，将学生行为模式划分为優良，中等，及格，不及格四个等级。（2）学生情感模式管理。研究使用基于依存关系分析的极性分类算法，结合服务器中的数据，实现高校学生情感模式分类分析。（3）学生异常行为管理。使用SVM算法，结合服务器中的数据，验证并实现高校学生特殊群体及异常行为分析。研究学生的基本信息、家庭信息、在校期间的学习成绩记录、一卡通日常消费记录、学生活动记录、辅导员与学生的深度辅导谈话记录等学生校园数据，通过学生对比辅以以往经验，制定学生异常行为判定条件，对初判的重点类型的学生及时了解，一旦发现问题，及时给与更多的关注，有效预防学生发生意外情况。
结语：随着大数据技术与应用模式的快速发展，各类基于大数据构建的系统已经成为互联网未来发展的一种重要方式。我国高校信息化正在进行改革与创新，大数据技术在我国教育领域中将得到广泛应用，并发挥巨大作用。
作者简介：方勇（1983-）男，湖北鄂州人，讲师，硕士，研究方向为计算机应用技术。
参 考 文 献
[1] 王红，许春秀，廖明海.大数据在高校中的应用研究机.中国集体经济，2014（34）：134-135.
[2] 王华.浅析大数据在高校毕业生就业信息系统中的智能化应用[J].企业技术开发：学术版，2015，34（2）：82-84.
[3] 郑晓薇，项明，张大为，等.基于节点能力的Hadoop集群任务自适应调度方法[J].计算机研究与发展， 2014， 51（3）：618-626.