应用数据价值，建设智慧校园
近年来，智慧校园的热度持续攀升。
相关政策密集出台，包括《教育信息化“十三五”规划》《2018年教育信息化和网络安全工作要点》《教育信息化2.0行动计划》以及《智慧校园总体框架》等。
相关市场规模进一步扩大，据前瞻产业研究院预测，到2026年我国智慧校园的建设渗透率预计可达40%以上，市场规模将超过1890亿元，行业发展复合平均增速约为14%。
一、什么是智慧校园？
智慧校园是指以物联网为基础的智慧化的校园工作、学习和生活一体化环境。
纵观学校教育信息化发展历程，可以发现学校的教育信息化发展经历了4个阶段：校园网、校园信息化、数字校园、智慧校园。
“智慧校园”是在经历了网络化、信息化、数字化管理阶段之后，在“互联网＋教育”趋势下的重要发展思路，主要表现为以各种应用服务系统为载体，将教学、科研、管理和校园生活进行充分融合，让校园实现无所不在的网络学习、融合创新的网络科研、透明高效的校务治理、丰富多彩的校园文化、方便周到的校园生活等。
二、智慧校园建设五大数据应用需求
在当今的大数据环境下，与校园的信息化发展相伴而来的，必然是激增的数据量。目前高校管理系统的数据结构及数据量发生着巨大的变化，要求“以人为本”、“面向服务”的智慧校园，在实现智慧化一站式服务的过程中，对数据应用的需求主要集中在以下五个层面。
1.教学层面
大数据、云计算、物联网、人工智能等技术的兴起与广泛应用，正重塑着教育服务模式与资源配置方式，传统学校和班级的界限正在被打破，个性化学习成为了一种趋势，推动着教育的供给侧改革。课堂模式的创新、教学质量的提升，都需要大数据的支持：对教学资源管理平台中的学生学习数据进行分析，教师就可以得知学生的兴趣点和难点，从而帮助教师有的放矢地把握教学重点和教学难点，提升教学效果；通过对不同老师教学方法和教学效果的横向对比，也可以帮助老师吸取别人的优点，提高教学能力；通过多样的教学数据，教学管理者也能搭建起更加全面、科学的教师评价体系。
2.学生层面
①个性化学习：要帮助学生实现更加个性化的学习，需要大数据来提供支撑，通过采集学习者的行为数据，根据数据挖掘的算法，来准确地为学习者提供个性化的学习资源，对学习者进行个性化评价并给出合适的学习建议。②便利生活：大数据的应用也能帮助提升针对学生的生活服务质量。现代校园网络是一个包括终端设备（无线AP、POS机、门禁等）、汇聚交换机、AC控制器、核心交换机、负载均衡设备、流量控制设备、计费系统、防火墙、堡垒机、服务器、存储等诸多设备的复杂系统，这些设备记录着海量的登录和访问日志，对这些数据的分析和挖掘能够为很多业务部门比如后勤、安保、图书馆等提供有价值的信息，为学生带来更加便利的校园生活。
3.科研层面
科研水平是衡量现代大学办学质量的重要指标之一。但科研资料获取难、科研管理效率低下、科研质量难以科学评定是长期困扰我国高校科研管理的主要问题。目前的科研数据应用仅是对课题级别（国家级、省部级、厅局级等）、课题类型、资助金额、科研成果质量（发表在何种刊物上）等简单的静态分析，缺乏对科研过程的动态管理和对提高科研质量的决策支持分析。将科研成果数据、科研项目数据和教师有关信息进行综合分析，可以获得高"投入--产出比"的科研项目及其负责人和团队成员，为将来的项目评审提供参考；对科研数据进行动态分析，可以发现"高成长"的科研人员和科研部门，予以重点关注；对全校科研成果进行聚类分析，可以发现潜在的科研团队和可以进行研究的跨学科课题。
同时，也可以通过对科研项目数据的挖掘和分析，为项目过程管理提供帮助，比如，可以通过邮件和短信，对项目进度进行提醒，对将要超时的项目进行预警；利用公开科研数据库的有关数据，可以为项目团队成员提供同类研究课题的进展情况报告，推动文献共享，以便本校科研人员了解行业最新进展情况。
4.管理层面
学校的管理决策支持有赖于对于大量业务数据的深度分析和应用。大数据可以将分散的数据进行汇聚，可以对数据进行深层次挖掘，数据与数据之间可以相互关联，在保护隐私的前提下，实现数据共享，为管理决策提供参考。比如通过对学科、学院、系所等教学和科研单位的数据分析和挖掘，可以得到引进人才和自有人才谁的"性价比"更高、各学科和各单位投入和产出对比等等有价值的信息；通过结合其他同类高校和同类专业的数据进行分析，可以更加详细地了解其他学校和专业与本校及本校的同类专业之间在人才结构、教学设置、科研项目和科研成果等方面存在的差异，为有针对性的改进提供准确的参考数据，对于建设一流大学和一流学科具有重要意义。
5.评价层面
智慧教育需要“智慧”的教学评价方式，依据数据进行评价将成为评价的重要理念。将数据分析技术引入到教育领域的评估系统中，能让教育评价可量化、数据化，从而提高教育管理的科学性，增强教育数字化建设的实效性。
从国际经验和我国实际情况看，教育评价数字化改革的趋势是：优化组合基于数据的评价方式，促进评价过程与学习过程紧密结合，在学习过程中完成评价，支撑规模化教育和个性化培养有机结合。学校可与通过优化评价体系和数据采集标准，应用大数据感知、互联、存储、计算和分析技术，构建跨区域、跨场景的智能化测评系统平台和工具，形成基于证据和大数据（全样本）的教育评价体系。
三、智慧校园的数据应用瓶颈
经历了这十几年的发展，多数学校已基本完成网络、服务器、存储、私有云、公共数据库、统一身份认证、一卡通系统和内容管理系统等基础设施的建设，在部门内实现了信息化的管理。但业务系统各自为政、数据孤岛、业务响应时效差、业务系统的相对独立造成数据逻辑的不统一、难以实现实时、高效的整体分析是高校信息化建设正面临的发展瓶颈。1.缺乏全局规划
过往学校各部门信息化建设仅以解决本部门的工作需求为目标，关起门来搞信息化，应用系统彼此独立，跨部门的应用、部门之间的协同未得到良好支撑。由于缺少统一规划与设计，没有信息标准规范，导致各个应用系统数据冗余，致使学校部分数据无法实现互联、互通以及共享。由于缺乏数据质量监控手段，已有数据在质与量上无法满足要求，给后期的大数据应用造成障碍，无法为科学决策提供可靠数据来源。最终导致教学质量难以监测，阻碍学校发现问题并改进问题。
2.脱离师生需求
信息化的落脚点在于应用，师生体验的满意度是评价信息化建设是否成功的关键因素。部分系统已建设多年，平台技术架构、资源整合模式已跟不上时代发展与师生需求，部分系统的服务功能都隐藏在各系统内部，服务呈现方式、服务内容的精细化方面还有待提高，导致系统建成后使用率低、使用效果差、用户满意度差、维护保障差等问题。3.重建设轻运营
许多院校由于信息化人才不足，以及可持续的运营、管理、维护机制不明，导致学校的信息化出现建而不管、建而不用的局面。信息化硬件利用率不高、软件系统运维不删、资源应用更新不足等现象，都限制了信息技术与教育教学的深度融合，制约着智慧校园的建设与发展。4.数据挖掘不够
虽然许多院校经过多年的信息化建设，建成了大量业务应用系统，但大多系统局限于查询、统计、打印报表等事务性处理，期间产生的大量原始数据，亟需按主题进行收集、整合、清洗，构建数据仓库系统加以充分利用。将这些数据加以治理、分析、挖掘，辅助领导进行科学决策，具有十分重要的现实意义。
四、智慧校园数据应用的三大场景
1.便利服务：个人数据分析中心
个人数据中心主要是针对学校的领导、教职工和学生的个人需求，以角色为线索，通过整合与之相关的个人信息，来为师生提供更直观、高效的决策及展示服务。个人数据中心的搭建，需要以数据应用为导向，梳理师生业务模型，通过提供个人数据的查询和导出服务，以及统计用户获取数据的入口，来降低数据获取的成本，减少师生的重复工作量，更加方便地填报、查询信息，并获得决策需要的数据支持。
2.决策依据：综合校情分析平台
校情分析系统面向学校提供数据管理、报表分析、画像分析、统计查询分析、权限管理等功能，横向覆盖了学校各类数据信息和各部门的工作内容；纵向反映了各类数据信息的发展变化趋势。通过系统，学校领导能够从全局了解院校的整体建设情况，为学校总体方针的制定和决策提供数据支持。综合校情分析系统可以从以下几个维度搭建。
（1）学校整体概况
综合展示学校整体概况，包括学生基本信息分析、教职工基础信息分析、学生信息查询。一屏展示学校核心数据，让学校领导做到心中有“数”。校领导可根据整体概况，了解到生源地的情况，并对其他招生不佳的地方做出针对性的宣传，帮助学校快速发展。
（2）专业分布
专业是一个学校重要的关注点，提供重点专业、特色专业等数据统计分析。根据各专业学生、教师人数分布可以看出学校的重视程度、投入力度，如果某些院系的生源增多但是师资力量和教室资源却没有跟上，可以在系统中一眼发现并及时跟进堵住漏洞，尽量的平衡资源，让全体师生共享学校成果。
（3）课程体系
教学工作是学校的中心工作，教学质量是学校的生命线。课程数、课时数、缺课率等多维度图表分析，主要为提高课程的上课率、精品课程建设提供及时准确的数据统计信息。对于那些缺课率和缺课时增长很快的课程，已经及时找到教研小组，调整授课方式和内容，对于常年都是缺课率常客的课程可以及时取缔，深入学生中去了解他们的核心诉求，开设更多学生们喜爱并非常愿意学习的课程。
（4）师资队伍
包括教职工的基本信息、出勤加班信息、出国(境)信息、培训学习信息、奖惩信息、人员变动信息、收入分配信息等多维度全方位的统计分析，主要为学院管理层提供教职工队伍建设的统计分析数据。根据这份数据明显察觉到教师的职位构成和变动，一旦出现大幅度异动应该及时找教师代表谈话，抓住问题所在，不断改进学校架构和规则的制定，有效帮助学校回到正常发展轨道上来。
（5）学生发展
学生发展从招生、人才培养到就业，是一个发展体系。招生工作完成质量的好坏，不仅影响学校的管理水平和教学质量，而且影响学校的改革和发展。人才培养需要紧跟时代需求，学校每年都会根据市场需求对人才培养方案作出调整。学生的就业情况分析，从就业率、就业质量、就业满意度等多方面展开，对即将毕业的同学起到一定的指导作用。3、优化管理：数据预警服务
高校的数据来源主要有两个方面，业务系统数据、机器数据（无线认证日志数据、WEB访问日志数据、物联网数据等）。通过对数据进行深度的挖掘和分析，可以为用户提供丰富的个性化的数据服务预警应用：如擅自离校预警、成绩预警、贫困生预警等。(1)擅自离校预警
擅自离校预警可通过全方位整合学生在数字化校园各应用系统、网站、WIFI热点等产生的行为数据，经过系统的自动分析和甄别，找出存在擅自离校隐患的学生，由系统及时自动推送给相关辅导员发出预警，及时沟通，减少因学生擅自离校带来的安全隐患。
亿信华辰曾帮武汉理工大学搭建起研究生安全预警与服务系统。该系统是基于一卡通、门禁、上网信息以及研究生基本信息的数据进行加工处理，分析得到学生的在校情况，以便学校更好的对学生安全进行管理。主要包括：实际不在校学生预警、应在校学生列表、学生异常状态预警、关注类学生异常列表以及邮件推送。
研究生安全预警与服务系统根据基础数据通过科学的建模与数据统计方法的应用，对不在校人员进行管理并掌握存在安全隐患的学生信息；管理者通过对异常数据的占比作为考核指标，对辅导员的学生管理工作进行监控与考核，同时通过邮件及短信提醒等方式为管理人员提供更人性化的数据推送服务。
(2)成绩预警
成绩预警可以通过对学生对学生个人每学期行为的统计分析，以及与同专业同年级学生成绩的对比分析，来定位学习异常情况，便于教职工及时沟通调整，提升学生学习情况。(3）贫困生预警
贫困生预警从精准资助学生的业务逻辑出发，设计困难学生个体画像（困难学生识别、困难学生定级）、困难群体分析（从学院角度分析、从年度角度分析、从困难程度角度分析等）、建议关爱学生挖掘、资助效果评估等精准资助场景，及时发现海量学生中可能存在的贫困学生，有助于及时帮助学生渡过难关。
从不同系统收集的收入情况、消费情况、学业情况、生活信息等多方位综合数据进行分析，得出困难学生画像，并确定困难指数，给出资助定级建议；根据消费习惯等数据分析可以发现虽然未申请贫困生，但可能需要学校关爱的学生名单建议；根据资助前后的学习成绩、消费结构、行为变化等数据跟踪，进行学生个体资助效果评估等。
五、小结
智慧校园以广泛互联的网络接入、优质高效的信息资源和智慧便捷的应用服务为典型特点，成为未来高校信息化、数字化与智能化发展的重要趋势。而数据作为智慧校园的核心资产，对于其的各个层面的挖掘应用，可以有效提升校园信息化建设水平和建设效果，助力智慧校园的建设。
