基于高校數(shù)據(jù)中心的數(shù)據(jù)分析

楊眾 王旭東 叢玉正

摘要：隨著信息化技術(shù)的快速發(fā)展，高校的信息系統(tǒng)日趨完善，各種信息系統(tǒng)如學(xué)習(xí)平臺、教學(xué)和辦公應(yīng)用系統(tǒng)都運行在數(shù)據(jù)中心，數(shù)據(jù)中心存儲了大量的業(yè)務(wù)信息。對高校數(shù)據(jù)中心存儲的各類應(yīng)用數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)化和處理，建立面向主題的數(shù)據(jù)倉庫。對系統(tǒng)數(shù)據(jù)進(jìn)行挖掘和探索式分析，以可視化駕駛艙的方式直觀地展現(xiàn)學(xué)校的實際數(shù)據(jù)狀態(tài)，通過對數(shù)據(jù)的可視化分析可以為學(xué)校在辦學(xué)、人才培養(yǎng)和學(xué)生管理等方面提供數(shù)據(jù)支持和決策。

關(guān)鍵詞：數(shù)據(jù)中心；數(shù)據(jù)分析；數(shù)據(jù)倉庫；可視化；智慧校園

中圖分類號：TP393文獻(xiàn)標(biāo)志碼：A文章編號：1008-1739（2021）17-65-4

0引言

自教育部發(fā)布《教育信息化十年發(fā)展規(guī)劃（2011—2020年）》以來，國內(nèi)各高校對信息化建設(shè)大力投入，各類業(yè)務(wù)系統(tǒng)逐步建設(shè)完善，信息化服務(wù)水平不斷提高[1]。數(shù)據(jù)中心的建立有效地解決了各系統(tǒng)數(shù)據(jù)存儲分散、數(shù)據(jù)標(biāo)準(zhǔn)不一致和數(shù)據(jù)共享困難等信息孤島問題。下一步將圍繞如何發(fā)揮數(shù)據(jù)中心的數(shù)據(jù)價值進(jìn)行研究，對數(shù)據(jù)中心存儲的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行有效挖掘，實現(xiàn)跨業(yè)務(wù)系統(tǒng)、高效的數(shù)據(jù)分析，讓數(shù)據(jù)“說話”，達(dá)到數(shù)據(jù)分析展現(xiàn)的統(tǒng)一歸口，實時展現(xiàn)學(xué)校各方面的數(shù)據(jù)狀態(tài)，為學(xué)校領(lǐng)導(dǎo)提供決策支撐。

教育數(shù)據(jù)挖掘（Educational Data Mining，EDM）是一門涉及計算機(jī)科學(xué)、教育學(xué)和統(tǒng)計學(xué)的交叉學(xué)科，它致力于分析學(xué)校教育環(huán)境下的獨特數(shù)據(jù)，目的是為了更好地了解學(xué)生及學(xué)校環(huán)境，從而提高學(xué)校教學(xué)成效[2]。

1技術(shù)路線

研究分析的數(shù)據(jù)來源于高校數(shù)據(jù)中心，數(shù)據(jù)中心通過與統(tǒng)一認(rèn)證平臺、人事系統(tǒng)、科研系統(tǒng)、學(xué)生系統(tǒng)和一卡通等系統(tǒng)進(jìn)行數(shù)據(jù)交換進(jìn)而存儲大量的業(yè)務(wù)數(shù)據(jù)。通過對數(shù)據(jù)中心的數(shù)據(jù)源進(jìn)行ETL（提取、轉(zhuǎn)化和裝載），將想要進(jìn)行分析的主題數(shù)據(jù)進(jìn)行高效的提取和處理，形成數(shù)據(jù)倉庫，進(jìn)行建模分析。數(shù)據(jù)倉庫是專門為數(shù)據(jù)的統(tǒng)計分析和決策支持而設(shè)計的，存儲著需要進(jìn)行分析的面向主題數(shù)據(jù)，數(shù)據(jù)具有穩(wěn)定并隨時間變化等特點[3]。研究的技術(shù)路線情況如圖1所示。

1.1數(shù)據(jù)操作

采用的開發(fā)語言為Python 3，開發(fā)IDE為PyCharm 2020，數(shù)據(jù)庫為Oracle 12c。數(shù)據(jù)庫操作基本代碼如下：

1.2數(shù)據(jù)處理

由于數(shù)據(jù)中心的數(shù)據(jù)來源于不同系統(tǒng)，各個系統(tǒng)始建于不同時期，所用數(shù)據(jù)標(biāo)準(zhǔn)各不相同，導(dǎo)致數(shù)據(jù)質(zhì)量參差不齊。要想對數(shù)據(jù)進(jìn)行分析就需要對數(shù)據(jù)的質(zhì)量問題進(jìn)行處理。

Python中有著豐富的數(shù)據(jù)處理、分析和挖掘工具包。采用Numpy庫實現(xiàn)了多維數(shù)組與矩陣的高效運算，Pandas庫函數(shù)對數(shù)據(jù)的編碼問題、缺失值問題與異常值的問題進(jìn)行有效處理，生成規(guī)整數(shù)據(jù)裝載進(jìn)數(shù)據(jù)倉庫。比如用dropna函數(shù)對不規(guī)整數(shù)據(jù)進(jìn)行刪除，fillna函數(shù)對空值進(jìn)行替換等。

1.3數(shù)據(jù)展現(xiàn)

在數(shù)據(jù)展現(xiàn)方面，將對系統(tǒng)分析出來的數(shù)據(jù)通過Web可視化進(jìn)行展現(xiàn)，這里采用Flask Web容器來部署pyechars技術(shù)。pyechars是Python語言中用于設(shè)計Echars圖表的類庫，對百度開源圖表庫Echars進(jìn)行了封裝，實現(xiàn)了Java Script的圖表庫技術(shù)。相比于Matplotlib繪圖，pyechars有著可移植性強、展現(xiàn)直觀、生動、可交互、可高度個性化定制等特點[3]。下面采用pyechars繪制學(xué)生消費情況柱狀圖，代碼如下：

2數(shù)據(jù)分析設(shè)計實現(xiàn)

本研究對高校幾大核心業(yè)務(wù)系統(tǒng)數(shù)據(jù)進(jìn)行整理和抽取，按照招生、教職工、學(xué)生消費和科研4個數(shù)據(jù)主題進(jìn)行展示與分析。

2.1招生分析

招生作為高校人才培養(yǎng)的主要入口之一，生源質(zhì)量的好壞和招生計劃是否合理都會影響學(xué)校的教學(xué)成果。本研究選取了學(xué)校近8年本科生招生數(shù)據(jù)進(jìn)行研究分析，按照招生完成率、錄取情況、學(xué)生情況和地區(qū)招生情況進(jìn)行了統(tǒng)計分析。各主題分析指標(biāo)類型如表1所示。

通過調(diào)用Python機(jī)器學(xué)習(xí)第三方模塊Sklearn，對招生計劃數(shù)和實際錄取人數(shù)進(jìn)行回歸分析。研究利用corr（）函數(shù)對計劃和實際錄取人數(shù)進(jìn)行相關(guān)性評估計算，得出分?jǐn)?shù)為0.97，非常接近于1，這說明二者有明顯的線性相關(guān)性，也就是說招生計劃越多，實際招生人數(shù)也越多，招生情況回歸分析如圖2所示[4]。

利用最小二乘法對歷年的招生數(shù)據(jù)建立數(shù)據(jù)模型，在LinearRegression中調(diào)用fit（）訓(xùn)練方法進(jìn)行數(shù)據(jù)模擬仿真[5]。采用score（）函數(shù)對訓(xùn)練出的模型進(jìn)行打分，為0.98分，模型效果比較理想，使用predict（）函數(shù)對未來招生的情況進(jìn)行預(yù)測。預(yù)測結(jié)果為當(dāng)招生計劃數(shù)增加至2 000人時，實際招生人數(shù)會達(dá)到1 957人。預(yù)測實現(xiàn)代碼如下所示：

2.2學(xué)生行為分析

隨著各應(yīng)用系統(tǒng)及大數(shù)據(jù)中心的建設(shè)，學(xué)生在校內(nèi)的學(xué)習(xí)和生活痕跡都會被系統(tǒng)記錄并存儲。通過抽取、整合學(xué)生數(shù)據(jù)和一卡通數(shù)據(jù)，按照以下幾個主題對學(xué)生日常行為數(shù)據(jù)進(jìn)行分析展現(xiàn)，如表2所示。

圖書館和自習(xí)室是大學(xué)生主要的學(xué)習(xí)場所，對一年中30萬條學(xué)生進(jìn)出圖書館和自習(xí)室的門禁記錄進(jìn)行了統(tǒng)計分析，學(xué)生行為數(shù)據(jù)如圖3所示。

發(fā)現(xiàn)學(xué)生行為數(shù)據(jù)存在如下規(guī)律：

①在學(xué)習(xí)方面，學(xué)生進(jìn)出圖書館的時間主要集中在每年的6月、7月、12月和1月，每年2月和8月圖書館的訪客最少，周末進(jìn)出圖書館人數(shù)少于平時。從數(shù)據(jù)中可以分析出，學(xué)生在臨近1月和7月的期末考試前夕進(jìn)入圖書館自習(xí)室學(xué)習(xí)的次數(shù)最多，側(cè)面反映出學(xué)生平時缺乏自主學(xué)習(xí)的能力。針對這種現(xiàn)象，建議學(xué)校增加學(xué)生階段性過程考試，培養(yǎng)在校學(xué)生養(yǎng)成良好的學(xué)習(xí)習(xí)慣。

②通過對學(xué)生在一天之中進(jìn)出圖書館的時間進(jìn)行分析，發(fā)現(xiàn)學(xué)校進(jìn)圖書館的時間主要集中在7時、8時、12時和13時，離開圖書館的時間集中在18時，在6—7月時，學(xué)生離開圖書館的時間推遲至22時。從數(shù)據(jù)中可以分析出學(xué)生在一天之中學(xué)習(xí)集中的時段，由于期末學(xué)習(xí)任務(wù)較重，學(xué)生在圖書館自習(xí)的時間較晚，建議學(xué)校在期末前夕適當(dāng)延長圖書館的閉館時間，為學(xué)生提供更多的學(xué)習(xí)時間。

在學(xué)生消費方面，統(tǒng)計出各年級和專業(yè)在校生的消費情況，包括平均消費和最低情況，為學(xué)校在評獎助學(xué)金和助學(xué)貸款方面提供消費數(shù)據(jù)支撐。

2.3教職工分析

教職工分析聯(lián)合人事、科研和教務(wù)業(yè)務(wù)系統(tǒng)數(shù)據(jù)進(jìn)行分析。

教職工基本情況：展示教職工的年齡、工齡、學(xué)歷和戶籍信息，向?qū)W校展現(xiàn)教職工的基本情況信息。

教職工發(fā)展情況：教師的崗位、職務(wù)、職稱和編制類別等信息，分析各部門的崗位任職情況，為學(xué)校接下來的教師人才培養(yǎng)提供數(shù)據(jù)支撐。

博士教師情況：學(xué)校的博士教師情況和各部門博士人員數(shù)量，為學(xué)校申博和學(xué)科評估提供數(shù)據(jù)支撐。

人才引進(jìn)/流失情況：學(xué)校每年招入和流出的人員信息，更有目的性地制定人才引進(jìn)計劃。

2.4科研分析

各部門科研情況：學(xué)院各部門的科研成果情況，包括項目、論文、著作、專利和鑒定等。分析學(xué)院各職稱和各級別教師的科研成果情況：統(tǒng)計學(xué)校各專業(yè)科研成果，根據(jù)教職工的科研成果進(jìn)行統(tǒng)計分析，按照專業(yè)和學(xué)科計算出科研分?jǐn)?shù)，對科研分?jǐn)?shù)進(jìn)行統(tǒng)計分析，找出優(yōu)勢學(xué)科[6]。

3結(jié)束語

通過對學(xué)校各方面的數(shù)據(jù)進(jìn)行分析和挖掘，使原來數(shù)據(jù)中心和業(yè)務(wù)系統(tǒng)的數(shù)據(jù)重新發(fā)揮了巨大價值。將數(shù)據(jù)進(jìn)行可視化分析可以發(fā)現(xiàn)數(shù)據(jù)中存在的問題和規(guī)律，對學(xué)校在教學(xué)或科研上出現(xiàn)的異常數(shù)據(jù)進(jìn)行預(yù)警，使學(xué)校管理者在決策上由被動變?yōu)橹鲃?，大大提高了學(xué)校信息化的服務(wù)質(zhì)量，向?qū)崿F(xiàn)智慧校園邁進(jìn)。

參考文獻(xiàn)

[1]王運武.中國教育信息化戰(zhàn)略規(guī)劃的世紀(jì)變遷[J].江蘇開放大學(xué)學(xué)報，2016，27（4）：37-46，89.

[2]黃連強.大數(shù)據(jù)背景下高校教學(xué)信息化研究[J].電腦編程技巧與維護(hù)，2018（4）：96-97，121.

[3]李蒙昭.數(shù)據(jù)可視化平臺圖表推薦系統(tǒng)的研究[D].武漢：華中科技大學(xué)，2019.

[4]王瑞昌.面向教職工的數(shù)據(jù)中心數(shù)據(jù)共享的研究與實現(xiàn)[D].成都：西南交通大學(xué)，2012.

[5]李天輝.基于python的數(shù)據(jù)分析可視化研究與實現(xiàn)[J].電子測試，2020（20）：78-79.

[6]劉少楠.基于B/S模式的高校科研管理系統(tǒng)設(shè)計與實現(xiàn)[D].沈陽：東北大學(xué)，2015.