随着大数据发展战略的深入开展,高校教育管理的信息化、数据化将成为不可逆转的趋势,挖掘教学数据深层次的价值并使其为学校发展决策服务是高校数据管理的重要任务。目前许多高校已积累大量的教学资源和管理数据,形成了规模巨大、结构复杂的数据集,为高校的教学管理决策提供了强有力的支持,成了高校教学管理不可缺少的一部分。随着教学改革的不断推进,高校对数据的需求已经从原来的简单事务处理方式转向面向信息分析处理、数据挖掘及决策支持等。因此,针对现有的大数据集合建立决策分析系统,对高校决策分析具有重要的实际意义。大数据决策分析系统能够帮助决策者快速做成正确的决策,进而提高高校教学管理的科学性,为高校带来高效的决策管理模式。

​​​​​​​​​​​​​​
方案介绍

大数据决策分析是目前知识发现和数据管理领域中的一项重要技术,它采用多种统计分析方法、机器学习及人工智能等进行数据挖掘和知识发现,进而在已有的数据整合中获取高校办学过程中的人、资源、行为以及三者之间的内在联系,从而帮助决策者快速做出正确的决策。高校决策层通过决策分析结果能够深度掌握学生各方面状态和教学科研情况,也可利用相关结论清楚把握学校运行态势,并进一步推进以信息整合和个性化服务为一体的智能决策与管理工作。大数据决策分析包括模型选用、计算过程、模型性能评估与验证、开发技术与运维、可视化呈现等部分。

 
​​​​​​​
模型选用

根据高校实际教学管理工作划分决策对象,梳理不同对象的决策场景需求,建立面向不同对象的决策模型。例如在研究学生上网行为与学科成绩关系中,可利用线性回归模型进行分析,通过最终计算结果将学生的上网流量和上网时间控制在一定的范围内,有助于扩展学生的知识面,提高学生成绩。再如在挂科预测问题上,通过随机森林算法建立模型分析学生上学年的成绩、图书馆借阅数目、上网行为等信息,从而有效地预测学生的成绩走势;通过建立多维度的学生行为异常指标可筛选出行为异常的学生,进而推送给辅导员。

​​​​​​​​​​​​​​
计算过程

支持根据决策需求的不同背景来进行算法的挑选,并通过算法调参和模型验证来建立最适合的模型,主要步骤有以下几点:

1.计算各维度的显著性与相关性:从统计学角度分析事物的显著性以及在各维度之间的关联程度。

2.训练模型:将处理好的各个维度的数据输入到多个模型中进行训练。

3.模型验证:检验各个输出模型的准确度,比如:回归模型中常用R^2进行检验,以    及使用交叉验证方法让模型更加稳定而可靠。

4.结果评估:比较各个模型的准确度,挑选出准确率最高的模型作为该决策分析对象的最    终模型。

5.结果分析:分析该决策分析对象的最终模型输出的结果,根据其结果分析维度之间的规律情况。

模型性能评估与验证

对于整体模型的性能评估,使用了统计分析、回归分析、聚类分析等模型方法。

在统计分析方面,用统计分析以及相关性分析。在进行统计分析时,采用抽取样本的方法验证结果;在进行相关性分析时,计算Pearson correlation coefficient、spearman correlation coefficient以及计算相关系数显著性。

在回归分析方面,通过5-Fold交叉验证将数据集划分为训练集和测试集,利用回归模型进行建模预测分析,选用R^2检验作为评价指标计算该模型的交叉验证平均正确率。同时使用随机森林回归算法、梯度提升回归算法及多项式线性回归算法作为比较模型,验证所选的线性回归算法的准确度。

在聚类分析方面,使用Ward法、K-means对数据进行聚类,得到不同属性的类型。

开发技术与运维

在整个解决方案的开发过程中,主要是利用spark引擎平台,对复杂的海量数据进行分布式计算,大大提升了运算的速率。同时在spark引擎平台上使用Python进行大数据方面的开发,大量运用Python中许多成熟的框架和算法库,如numpy、scipy、pandas等,提高模型最终计算结果的准确度。

​​​​​​​
可视化呈现

决策分析结果的可视化呈现方面使用JS可视化技术,并借助Seaborn、tableau、matplotlib工具实现数据可视化图形的形成、数学建模和算法设计,实现Dashboard和动态数据更新。以What-if分析和回归模型拟合等多样化的形式对关键指标的异常值进行预警,并将预警通过特定的方式推送给学生本人或其他特定人群。

方案价值

基于大数据的决策分析能够对教工群体、学生群体以及学校资产等所有信息进行系统的整理和分析,进而实现以下诸多需求:

  • 智能预测
    通过大数据分析智能预测学生成绩、就业情况等,为学生提供指导建议。 ​​​​​​​​​​​​​​
  • 智能推荐
    通过对高校学生数据的分析,对学生进行个性化、智能化的图书推荐、课程推荐、就业推荐等,以及帮助学校进行贫困生推荐、党员推荐等,实现学生个人发展与高校领导层决策智能化。 ​​​​​​​​​​​​​​
  • 智能评估
    通过大数据算法对学生、教师情况进行智能评估,例如学生学业水平评估、教师科研水平评估、学生入党条件评估等。 ​​​​​​​
  • 异常预警
    对存在挂科倾向或行为异常的学生提供预警通知,对存在教学工作量、科研工作量异常的教师提供预警等。 ​​​​​​​​​​​​​​
方案配套产品

针对本方案我司配套的产品是是教育智能大数据综合管理平台,简称EI(Educational Intelligence,教育智能)。该平台针对学生成绩预测、学生就业推荐、学生入党推荐、学生挂科预警、学生与教师情况评估、教师教学工作量预警等决策案例制定了决策分析辅助服务,通过可视化报告和附件形式将决策分析结果、推荐名单、预测结果、预警名单等信息输出,帮助管理者实现高效的智能化管理和决策。

​​​​​​​
  • 教育智能大数据综合管理平台

    通过可视化、简洁清爽的图形界面进行数据关联,帮助学校快速完成多数据整合与数据清洗(ETL),提供灵活、可视化、探索式、自助式、易用且高效的即席分析能力,支持对数据进行钻取切片等操作,并对数据或数据分析结果进行实时可视化展示,具有实时监测指标预警功能。

×

联系我们

姓名
电子邮箱
手机号码
备注信息