三盟科技教學大數據分析解決方案3

教務大數據解決方案

一一四川大學深度學習探索計劃建設方案

目錄

1.背景概述.....................................................................2

1.1.教育信息化發(fā)展趨勢......................................................2

1.2.政策推進教育信息化融合創(chuàng)新..............................................3

1.3.教育基礎數據對教學的重要意義............................................3

2.需求分析....................................................................4

2.1當前教學現狀.............................................................4

2.2業(yè)務需求................................................................5

3.方案架構設計.................................................................6

3.1方案概述.................................................................6

3.2平臺整體架構..............................................................6

3.3子系統(tǒng)構成................................................................9

4.系統(tǒng)整體設計.................................................................12

4.1大數據平臺...............................................................13

4.2爬蟲系統(tǒng).................................................................15

4.3智為一一智能教學督導.....................................................20

4.4智課一一智慧教學數據分析.................................................30

4.5智授一一智能輔助授課與學習系統(tǒng)...........................................33

4.6自習選座系統(tǒng).............................................................39

5.方案價值

1.背景概述

1.1.教育信息化發(fā)展趨勢

教育信息化是當代世界教育發(fā)展的趨勢，是教育教學改革的突破口，同時也

是教育現代化的必然要求。

高校是傳授知識、創(chuàng)造知識的殿堂，現在已經進入信息化時代，人工智能、

大數據、云計算等在深刻地改變人類社會的方方面面。教育信息化絕不是簡單地

將線下教育通過信息技術移植到線上，教育信息化是在大數據、云計算、新一代

互聯網技術支撐下，包含教育、教學、管理、服務、決策等在內的高等學校生存

發(fā)展的新生態(tài)。而在大數據等技術的影響下，教育信息化必將向以下幾個趨勢發(fā)

展：

■必然帶來教育理念的創(chuàng)新和教學模式的改變。

■必然帶來學習方式的改變，知識傳承、創(chuàng)造和運用的改變。

■必然帶來高等教育管理與服務方式的改變。

■必然帶來決策方式的改變。

■必然帶來資源配置和效益發(fā)揮方面的改變。

1.2.政策推進教育信息化融合創(chuàng)新

十八大以來，《“互聯網+”行動計劃》、《促進大數據發(fā)展行動綱要》、

《新一代人工智能發(fā)展規(guī)劃》等有關政策密集出臺。

其中，《促進大數據發(fā)展行動綱要》中明確提出建設“教育文化大數據”，

教育大數據已成為國家戰(zhàn)略，教育大數據建設迎來重大歷史發(fā)展機遇。

在教育部發(fā)布的《教育信息化“十三五”規(guī)劃》提到：

“當前，云計算、大數據、物聯網、移動計算等新技術逐步廣泛應用，經濟

社會各行業(yè)信息化步伐不斷加快，社會整體信息化程度不斷加深，信息技術對教

育的革命性影響日趨明顯。黨的十八大以來，特別是中央網絡安全和信息化領導

小組成立后，黨中央、國務院對網絡安全和信息化工作的重視程度前所未有，“互

聯網+”行動計劃、促進大數據發(fā)展行動綱要等有關政策密集出臺，信息化已成

為國家戰(zhàn)略，教育信息化正迎來重大歷史發(fā)展機遇?！?/p>

高校通過對大數據等信息化技術的引進和融合創(chuàng)新，將是教育信息化接下來

的發(fā)展重點。以更為豐富、更具活力、更加有效的方式建設優(yōu)質教育資源，從大

數據的視角重新了解課堂教與學，更全面評定教師教學成果，關注學生個性化學

習與發(fā)展，同時輔助高校數據化管理，不斷優(yōu)化教學資源，提高教學質量，讓高

校真正邁進大數據教學的時代。

1.3.教育基礎數據對教學的重要意義

教育大數據分析過程需要大量的教育基礎數據提供，目前高校的教育基礎數

據普遍存在缺失、采集困難、無法使用的問題，在《教育信息化“十三五”規(guī)劃》

中針對教育基礎數據提出了伴隨式采集及即時化分析的要求，結合當前的高校教

學數據應用的情況，教學數據本地化、豐富化是未來的一個重要發(fā)展方向，加強

數據采集終端設備建設，引進數據分析處理平臺，讓數據本地化、豐富化，才能

產生更多的分析結果，進而實現教學中的人工智能應用，真正提供教育服務的精

準推送。

2.需求分析

2.1當前教學現狀

過去幾年，我國在信息化基礎設施、信息化教學環(huán)境和數字化教學資源建設

方面取得了較大進展，但缺乏與日常教育教學的深度融合應用，尚未大規(guī)模地促

進教學模式和學習方式的轉變，尚未發(fā)揮出信息技術在提高教學效果方面的作

用。當前高校教學現狀普遍存在以下問題：

■教學過程行為數據無法采集

教學過程行為數據目前在高校都是處于缺失狀態(tài)，如何將一節(jié)課的過程記錄

下來并量化用于教學相關分析，更加科學地分析教學行為，是高校目前普遍面臨

的問題。

■數據無法有效全量存儲

目前不少高校建設了常態(tài)化錄播系統(tǒng)，受限于存儲空間，已錄播的課程在經

過三個月或者半年的時間就會被新的錄制課程覆蓋，造成了只有階段性數據，而

如果全量存儲，存儲的資源需要不斷的增加，造成投入的不斷增加。

■無大數據基礎平臺支撐，難以實現數據的處理和分析

大數據基礎平臺是綜合分析大數據的基本條件，大數據基礎平臺不同于傳統(tǒng)

的統(tǒng)計分析，結構化數據分析，需要能夠處理大量的半結構化、非結構化數據，

實時流數據，并能夠進行綜合分析，用傳統(tǒng)的數據庫平臺是無法做到的。

■結構化、半結構化、非結構化數據無法統(tǒng)一治理，加上數據沒有統(tǒng)一的

管理，大量數據存在不可用的情況

教學相關數據包含大量的結構化、半結構化、非結構化數據，這些數據來源

不同、格式不同，如沒有成熟的治理技術進行統(tǒng)一化治理、管理，將出現存儲大

量數據，卻無法使用的問題

■教學數據維度少，不足以支撐大數據分析結果

教學大數據涉及的層面也非常復雜，變化快速，目前教學數據采集的維度少,

數據分析結果的支撐數據非常單薄，導致數據分析結果過于簡單，或者準確率不

高

■教學評價以主觀評價為主，客觀評價所依托的數據不容易獲取

當前教學評價都要專家、學生的主觀評價為主，且并非對全部課堂進行評價,

這樣的評價大多不夠全面客觀，但是對于客觀的課堂數據，獲取方面存在一定困

難

■無法關注到每一個學生的行為和習慣，實施個性化教學難度大

當前課堂以教師帶班級的一帶多形式，但是教師精力有限，無法持續(xù)關注每

個學生的行為和習慣，對每個學生的個性化教學也難以開展

■針對于教師課堂語音、圖像的分析缺乏AI智能平臺支撐

基于語音、圖像對課堂行為的分析需要成熟的AI技術作為支撐，將行為數

據進行不斷學習、調整，才能得到越來越精確的結果，缺乏AI智能平臺，將難

以實現行為數據的分析。

■互動教學實際執(zhí)行情況無法量化評估

互動教學等創(chuàng)新的教學模式實際的執(zhí)行效果無法量化體現，導致教師創(chuàng)新教

學的反饋不足，創(chuàng)新教育的發(fā)展緩慢

2.2業(yè)務需求

綜合來看，教務大數據當前的建設需求如下：

■通過大數據技術量化教學：引入信息化新技術，將教學相關行為數據化,

為教學創(chuàng)新、教學質量提升提供數據支撐。

■通過人工智能因材施教：基于學生學習軌跡、學習習慣等的不同，對每

個學生做個性化學習推送

■通過大數據平臺支撐智慧教學：基于課堂教學反饋，進行教學模式創(chuàng)新、

信息化技術應用等，實現教學智慧化

■通過大數據技術完善教學評估體系：提供課堂行為分析，為學校教學評

估提供客觀數據支撐

■通過大數據技術輔助教務決策：破解教育決策粗放化問題，提升教育管

理決策科學化

3.方案架構設計

3.1方案概述

隨著科學技術的發(fā)展，現代社會已經進入一個“信息化”時代，而信息的

主要載體是數據，在當今信息化社會中扮演著非常重要的角色。大數據時代的到

來，為高校信息化發(fā)展指引了新的方向，將大數據技術與課堂教學進行融合創(chuàng)新,

為高校教學管理提供科學的依據，為教學創(chuàng)新提供客觀及時的反饋，為個性化教

學提供數據基礎。

全流程教育大數據分析解決方案基于大數據平臺及AI智能平臺，對教學數

據進行多維度采集分析，包括線上學習平臺數據，線下課堂數據，學校業(yè)務系統(tǒng)

數據等，從多方面對教學過程進行數據分析，數據化教學過程，讓原本不可量化

的教學過程變成數據形式呈現，并基于這些數據源，通過智慧教學大數據平臺，

針對高校不同的服務對象進行有針對性的業(yè)務模塊開發(fā)。

在學校領導端，教學大數據分析幫助學校領導更好地了解教學過程數據變

化，完善質量監(jiān)控體系，在變動的教育數據和復雜的關聯中推進教育決策的科學

性與評教的客觀性。

在教師端，通過教學大數據可了解、分析、評估教師教學效果，促進教與

學的有效性和創(chuàng)新性，借助教學模式創(chuàng)新、個性化教學等的智慧性，助力“智慧

教學”。

在學生端，通過教學大數據分析為學生量身推薦學習計劃、資源和反饋,

實現“因材施教”，促進有效學習的達成，為個性化教學指明方向。

3.2平臺整體架構

1.2.1教務大數據全流程數據源

全流程教育大數據分析解決方案有豐富的數據源支撐，包括數據源管道產

品：教學輔助數據及數據采集平臺、混合式教學及數據采集平臺、音頻信息采集

平臺、視頻信息采集平臺、教學評價系統(tǒng)、教師行為定位系統(tǒng)。

通過多維度的數據采集，形成全流程數據源的教育大數據分析系統(tǒng)，為高校

提供更加精準的預測與分析結果。

?教學平臺提供的教學活動數據，包括教師方面的教學資源建設、教學資

源運行、與學生互動的數據等，學生方面的學習時間、學習進度、知識

點掌握情況等數據，可以從中分析得出在MOOC或SPOC等創(chuàng)新型教學模

式下的教學效果，授課風格等，也可以從中得到學生的學習習慣，學習

效果及偏好，為后續(xù)做個性化學習推薦提供數據支持。

?教學輔助數據，如校園一卡通系統(tǒng)，圖書館系統(tǒng)，人事系統(tǒng)，學工系統(tǒng)

等，基于這些系統(tǒng)數據，可以完善師生個人數據及行為數據，為教學大

數據應用提供更多維度的數據支撐，如學生個性化推薦，可以依據圖書

借閱數據來對學生的內容偏好進行分析，推薦相應的內容。

?教學評價系統(tǒng)提供教學評價數據，包括學生評價數據及督導評價數據，

可以同一門課程不同班級、專業(yè)進行橫向對比，也可與往年數據進行縱

向對比，直觀地了解課程教學效果評價。

1.2.2系統(tǒng)架構

基于上述的數據源，全流程教育大數據分析解決方案架構如下圖，由底層數

據源支撐平臺對接后，通過數據資源平臺進行治理整合，再由底層大數據平臺及

AI服務平臺進行數據分析處理，最后通過教學大數據應用平臺，服務于終端客

戶。

其中由大數據平臺In-Center,AI智能平臺形成強大的數據分析處理平臺，

在對混合式教學平臺、智慧教學環(huán)境、課堂行為數據、教學評價系統(tǒng)、校園業(yè)務

系統(tǒng)等數據源進行分析，最終通過智慧教學大數據平臺輸出對應的數據應用模

塊。

教學大數據應用平臺

與傳統(tǒng)的大數據平臺架構不同的是，我們在第三層面加入了AI服務平臺，

因為教學大數據中很多重要的數據源是非結構化數據，要通過自然語言、視頻拆

分后的分類計算等技術進行處理，從而提供相應的教學大數據服務。如個性化教

學資源推薦、知識圖譜等重要應用。

3.3子系統(tǒng)構成

學生

智能輔助授課

智彗教學數據分析

智能教學督導與學習

教學過程數據的缺失或者留存困難的問題給教學創(chuàng)新帶來了非常大的影響。

在教學活動中的三類主要角色面臨著各自難以解決的問題，分別根據高校不同服

務對象的問題進行有針對性的數據產品開發(fā)。

針對目前高校領導在教學管理方面的難題，我們了解并總結了下面的這四個

方面的問題：

?教學評估方法單一，數據支撐不完善

?教學過程評價難以實現

?教學過程數據的采集及留存缺乏整體規(guī)劃

?教學綜合數據的應用缺乏標準

針對這四個問題，我們提出了智慧教學督導平臺，通過綜合教情、學院教情、

教學狀態(tài)預警、教室畫像，對教學相關數據進行相應的呈現，讓學校領導能直觀

了解教學運行狀態(tài)，處理相應教學預警，同時經過豐富的大數據數據治理經驗，

對相關數據進行整體規(guī)劃及治理，數據統(tǒng)一化、標準化管理，也為后續(xù)不斷發(fā)展

的大數據業(yè)務做數據準備。

客戶端模塊功能

學生概況

教師概況

課程概況

綜合教情

學院概況

教室概況

預警情況

智能教學督導

課程基本信息

教學資源信息

學院課程畫像

課程運行情況

專業(yè)設置

課堂秩序

教學狀態(tài)預警

學生學業(yè)預警

到課率分析

督導評分預警

學生評分預警

基本情況

教師綜合畫像教學行為分析

教學評教

教室數量配置平衡性分析

教室類型與班級規(guī)模、課程類型匹配

教室資源分析

分析

教室資源綜合利用情況分析

教學數據報告教學數據報告

針對教師端在教學創(chuàng)新、學生管理等方面的難題，我們了解并總結了下面幾

方面的問題：

?缺乏教學大數據，難以實現個性化教學

?教學模式創(chuàng)新成果評估難

?無法實現對每個學生的學習監(jiān)督

針對這幾個問題，我們提出了針對教學數據的智能教學數據分析系統(tǒng)，從

教師個人畫像和課堂教學數據為教師了解自身教學效果和課堂反饋提供渠道，同

時也為教師的創(chuàng)新教學模式提供及時的嘗試反饋，便于教師調整教學模式，不斷

優(yōu)化課堂提供依據。

學生行為數據則為教師提供所帶班級所有學生的學習相關數據，通過對相應

數據的篩選，也可以對落后學生進行學習資源推送，關注學生的平衡發(fā)展，也為

學生端個性化學習推送提供人工行為機器學習資源，優(yōu)化個性化學習推送，真正

做到因材施教，為社會輸出更優(yōu)質人才資源。

客戶端模塊功能

教學行為分析

教學督導評價

教師個人畫像

學生評價

課程成績分析

教學建設概況

教學互動情況

智慧教學數據分析課堂教學分析課堂活躍度情況

課堂質量情況

課堂風格報告

學生到課率

學習軌跡分析

學生行為分析

成績分析

學習成績預警

針對目前學生在學習方向，自身優(yōu)勢了解和學習驅動力上的疑惑，我們了解

并總結了以下幾方面的問題：

?學生學習成果評價單一

?缺乏教學數據，難以實現個性化學習推送

?缺乏自動預警機制及時引導學生學習

針對這幾個問題，我們提出了智能輔助授課與學習系統(tǒng)，基于課程知識點的

匯總梳理得到知識圖譜，通過知識點的掌握情況、學生的學習習慣，學習軌跡、

內容偏好等來對學生進行個性化學習推送，同時基于推薦系統(tǒng)的用戶反饋和教師

人工推送干預，不斷優(yōu)化推送機制，提高學生的使用體驗和用戶粘性，讓產品真

正發(fā)揮作用。

客戶端模塊功能

基本畫像

學業(yè)分析

學生綜合畫像

心理預警

智能輔助授課與學

精準資助

習

專業(yè)領域知識圖譜

知識圖譜個性化學習內容推薦

個性化學習路徑推薦

4.系統(tǒng)整體設計

全流程教育大數據分析解決方案主要由三大平臺：教學大數據分析平臺，大

數據平臺和人工智能AI平臺構成，其中基于大數據平臺和人工智能AI平臺形成

強大的數據分析處理平臺，最后通過教學大數據分析平臺輸出相應的結果和服務

到相應的應用端。

4.1大數據平臺

智能大數據平臺，采用業(yè)內領先技術，基于Hadoop大數據框架進行深度定

制開發(fā)，結合自研可視化ETL工具、建模分析、流式處理等核心技術，針對高教

行業(yè)背景自主研發(fā)的企業(yè)級智能大數據平臺，也是當前是教育行業(yè)落地案例最多

的大數據服務平臺。

InCenter具有突出的可用性，優(yōu)秀的性能和高可擴展性，能處理PB級別以

上的數據，可圖形化地采集校內業(yè)務系統(tǒng)數據、互聯網數據以及設備日志數據等,

同時具有強大的實時和離線計算能力，以及豐富的數據挖掘分析能力，能夠為高

校管理、服務、教學和科研方向提供深度的數據處理、高效計算與挖掘分析，從

而為高校用戶構建海量數據深度分析，挖掘數據潛在的核心價值。

圖：大數據管理平臺框架圖

大數據管理服務平臺InCenter總體框架如圖，各部份詳細建設內容如下所

示：

?智能數據采集中心InCenter-DC

通過針對教育行業(yè)定制的各類可圖形化操作的數據采集ETL工具庫，采集對

數據中心內外的全量及新增數據源，可采集高校各種類型的軟件、硬件設備數據

和日志，互聯網絡數據等海量分散數據，具有集中度高、采集速率快、可分配數

據訪問權限、并具有詳細的采集日志等特點。在采集過程中，支持Socket,

webservice,數據庫、FTP等常見對外接口。各采集頻率需要根據業(yè)務需求、數

據量大小等靈活制定，可采集的數據類型包括分布式數據信息、關系數據庫中結

構化數據、各類半結構、非結構化的數據、靜態(tài)及高低頻知識數據，互聯網數據,

以及第三方合作商提供的數據，并且能實現對數據質量進行監(jiān)控和迭代優(yōu)化。

?智能數據預處理中心

本次項目將通過大數據管理平臺數據智能預處理中心模塊，通過清洗工具將

采集的校內業(yè)務系統(tǒng)的數據進行智能采集及清洗，定制清洗規(guī)則，實現數據的標

準化，建立統(tǒng)一的數據規(guī)范標準,建立一套基本涵蓋學校全維度數據字段規(guī)范庫,

滿足學?，F有業(yè)務系統(tǒng)及擴展建設的業(yè)務系統(tǒng)標準數據平臺。同時，該標準化庫

具備良好的擴展功能，應對未來數據維度需求增加時的擴展需求。

?智能存儲及檢索中心

智能存儲及檢索中心建設主要分為：數據的全量原始庫建設、標準化數據倉

庫建設、應用模型主題庫建設、數據管理及檢索平臺建設；針對采集的原始全量

數據及增量數據構建原始數據倉庫，實現業(yè)務系統(tǒng)原始數據和增量數據的全量數

據備份，同時為校內數據積累提供數據存儲；對原始數據倉庫數據清洗及標準化

處理，如認證計費系統(tǒng)、互聯網絡數據等海量分散數據進行清洗預處理，并分析

適配，形成數據分析表、入庫存儲，對傳統(tǒng)的關系型數據庫，也包括XML等半

結構化數據，以及以視頻、音頻、文本和其他形式存在的非結構化數據，將如殘

缺數據、錯誤數據和重復數據進行處理，把結果集入庫，并記錄清洗結果，形成

標準化數據庫倉庫，最后通過建模分析，針對模型建立模型分析主題數據倉庫。

平臺同時提供高效的數據管理及檢索，可通過對數據平臺的授權向外提供數據訪

間接口，實現訂閱式的數據共享。

?InCenter-RC智能實時計算中心

基于Flume的實時流數據采集，采用Kafka實現實時流調度處理，通過實時

流數據聚合技術，并用SparkStream實現實時流計算功能，實現大數據實時計

算與分析能力

?智能挖掘算法中心

本挖掘算法中心包含教育行業(yè)大數據中的算法沉淀庫以及應用模型庫，針對

大數據業(yè)務系統(tǒng)，基于基礎模型和應用模型采用類似機器學習算法、基礎算法、

聚類算法、實時流計算等算法，實現對數據的建模分析。

?智能數據管理中心

提供數據管理界面，包括數據查詢，元數據管理，文件管理等。針對數據倉

庫平臺的數據進行查詢，檢索；提供對整體存儲庫中的元數據進行統(tǒng)一的管理；

提供對整體存儲庫中的文件的文件管理

?智能統(tǒng)一API中心

提供統(tǒng)一的數據倉庫開發(fā)接口，支持包含Python、Java語言的開發(fā)語言，提供

標準的sql語言支持。提供統(tǒng)一的API接口管理中心，對接口提供統(tǒng)一的管理控

制及授權。支持多角色訪問，提供統(tǒng)一的模型主題庫開發(fā)接口，可無縫對接第三

方BI開發(fā)工具，支持用戶自定義業(yè)務呈現開發(fā)。支持教學建模及比賽

?智能數據安全中心

本項目提供的大數據平臺結合大框架下的大數據應用服務，可支持一平臺多

租戶使用，即用戶可通過該平臺以大數據服務的模式向二級部門或其它機構提供

數據服務租用。同時通過嚴格的授權角色及權限控制功能,保證平臺及數據安全。

同時結合數據多副本、數據加密技術、加密傳輸技術等保證平臺的安全訪問及可

靠保證。同時建立規(guī)范化的安全訪問體系。

?智能數據運維中心

本項目數據平臺通過對整個數據采集、數據存儲、數據標準化、流程控制、

平臺自動化安裝部署、Hadoop集群管理、服務節(jié)點管理、應用服務管理、安全

及權限管理進行統(tǒng)一管理和控制,可以極大的提升學校管理員的效率，并降低日

常運維的難度和工作量。

?業(yè)務應用

前端的大數據業(yè)務的分析展示平臺使用SpringMvc+Mybatis+React框架，大

數據算法使用針對各業(yè)務需求開發(fā)的數學建模算法，比如k-近鄰、決策樹、樸

素貝葉斯、Apriori算法、SVD奇異值分解等。在實際項目中一個模型中會嘗試

多種算法，橫向對比和分析各個算法的實際效果，最終確認選用哪個算法。前端

應用展示門戶中，前端使用Jquery+Ajax+Echarts組件，并采用了大量的可視化

展示技術，通過如折線圖、柱狀圖、儀表盤等呈現直觀的大數據分析效果，可根

據用戶權限開放不同的可視化應用服務。用戶訪問時使用統(tǒng)一門戶，在保證信息

的安全的同時，提供訪問和使用的便捷性。

4.2爬蟲系統(tǒng)

該爬蟲系統(tǒng)管理平臺具有突出的可用性，優(yōu)秀的性能和高可擴展性，能處理

PB級別以上的數據，可采集各種類型互聯網數據等，同時具有分布式網絡請求

調度、以及豐富的頁面結構解析能力，能夠為高校管理、服務、教學方向提供爬

取數據功能，從而為高校用戶構建海量數據深度分析，挖掘數據潛在的核心價值。

?整體架構設計

網修謫求隊列演求線程獨

網頁抓取記錄網燦障設計

數據管道KafkaHadoopElasticSearch

圖2爬蟲平臺技術架構圖

平臺總體框架如圖，各部份詳細建設內容如下所示：

（1）頁面請求

支持以各種方式進行網頁請求，包括HttpClient、ChromeDriver、

SafariDriver、FirefoxDriver、PhantomJS等。

（2）URL調度

支持多種策略URL調度，包括：隊列、Redis等。

（3）頁面解析

內置常見門戶網站頁面解析，支持結構化頁面及未知結構頁面解析，智能識

別網頁內容，進行篩選，抓取。

（4）數據管道

支持多種對抓取數據處理方式，包括MySQL、Hadoop、ElasticSearch等。

（5）爬蟲監(jiān)控

支持對爬蟲服務全方位信息監(jiān)控，實時報告監(jiān)控信息。

?涉及技術工具

序號技術工具描述

高性能key-value數據庫，主要用來存儲待爬取地址信息、爬取完

1redis

成的地址信息、爬取異常的地址信息、爬取結果數據信息

高吞吐分布式發(fā)布訂閱消息系統(tǒng)，主要用來發(fā)布待爬取地址消息和

2Kafka

已完成爬取的地址消息

3zookeeper分布式應用程序協(xié)調服務。監(jiān)控爬蟲程序運行狀態(tài)

4hdfs分布式文件系統(tǒng)，保存爬取結果信息

5mysql關系型數據庫，保存爬取結果信息

?爬蟲腳本邏輯設計

?爬取數據信息腳本流程圖

?數據入庫腳本流程圖

?爬取地址完整校驗腳本流程圖

4.3智為一一智能教學督導平臺

教學大數據分析平臺作為教學數據分析結果和相應業(yè)務模塊的展示端，是學

校領導、教師、學生接觸的終端平臺，以業(yè)務模塊為架構，對教學大數據的功能

進行展示，具體的業(yè)務模塊介紹如下：

?綜合教情

基于教學工作的管理需求，將與高校教學工作密切相關的數據組織起來，以

數字化方式呈現出來，形成系統(tǒng)化的反映高校教學運行狀態(tài)的數據集，讓高校領

導可以直觀看到全校教學相關數據，為相應的決策做輔助。

＞學生數據：將近5年全校在讀學生人數、男女比例；近5年招生人數、

男女比例；全校學生地域分布；學生成績等級分布的數據進行圖表化展

示

＞教師數據：近5年全校在職教師人數、男女比例；近5年新入職教師人

數、男女比例；教師督導評分等級分布；全校教師職稱分布的數據進行

圖表化展示

＞課程數據：全校課程總數；本學期開課課程數、網絡教學課程數、精品

課程數的數據進行實時展示；全校課程總數、本學期開課課程數、網絡

教學課程數、精品課程數的近5年數據曲線展示

＞學院概況：針對各學院、專業(yè)的教學相關數據進行綜合的數字化呈現，

讓學校領導了解到每一個學院、專業(yè)的教學相關數據，包括學院整體的

課程運行狀態(tài)和相關指標呈現；學院整體在教學平臺上的教學資源建設

情況；教學平臺上的課程運行情況；

＞教室概況：教室總數；特色教室數；設備運行預警數；近一個月全校教

室使用率曲線圖的數據展示

＞預警情況：全校學業(yè)預警個數、逃課預警個數、掛科預警個數、學生到

課率預警個數、督導評價預警個數的展示；近一個月全校學業(yè)預警數量

變化趨勢的圖標

?學院課程畫像

針對各學院、專業(yè)的教學相關數據進行綜合的數字化呈現，讓學校領導了解

到每一個學院、專業(yè)的教學相關數據，包括學院整體的課程運行狀態(tài)和相關指標

呈現；學院整體在教學平臺上的教學資源建設情況；教學平臺上的課程運行情況;

＞學院課程分析：可對學院、年級、學期進行篩選，得到課程總數、必修

課數和選修課數，同時對所有課程的分析結果進行展示；對所有課程的

督導評分進行展示

＞教學建設數據：課程資料容量、課程資料數量、課程的題庫總量、課程

試卷庫的試卷數量、課程知識點數量、課程網站展示頁面數量、全?？?/p>

量/趨勢圖、網站均值/趨勢圖、教師均值/趨勢圖

＞課程運行數據：數據項目系統(tǒng)總訪問量、課程網站訪問量、精品課程網

站訪問量、本學期布置作業(yè)次數、本學期提交作業(yè)份數、本學期提交作

業(yè)率、本學期批改作業(yè)次數、本學期批改作業(yè)率、本學期布置網絡考試

次數、本學期網絡考試交卷份數、本學期網絡考試交卷率、本學期網絡

考試批改份數、本學期網絡考試批改率、本學期網絡提問次數、本學期

答疑總次數、本學期答疑率、本學期發(fā)起論題數量、本學期論題回復數

量、本學期論題回帖率、本學期課程調查總次數、本學期課程調查問卷

回收量、全校總量/趨勢圖、網站均值/趨勢圖、教師均值/趨勢圖、學

生均值/趨勢圖。

＞專業(yè)設置：可查看學院專業(yè)設置情況，包括專業(yè)設置數量，設置時間，

在校人數、建設基礎、建設目標、招生計劃等內容。

?教學狀態(tài)預警

建立全校、院系和專業(yè)的教學狀態(tài)預警指標體系，綜合考慮不同變量對教學

質量的影響程度，設立不同級別的預警值。在預警指標體系的基礎上，對不同指

標的運行結果進行實時監(jiān)控，實現對各級教學狀態(tài)數據的可視化管理。教學狀態(tài)

預警包括課堂秩序預警、學業(yè)預警、學生到課率預警、督導評分預警和學生評分

預警，將教學質量監(jiān)督細化到每一節(jié)課，并有針對性的對預警進行處理，提高教

學質量。

＞課堂秩序：通過篩選學院，對學院的學生課堂狀態(tài)進行展示，同時點擊

可以查看各個行為的具體課程占比情況

＞學業(yè)預警：所有課程學生學業(yè)預警個數圖（點擊可出課程學業(yè)預警班級

分布）；所有班級學生學分不達標個數（點擊可出班級具體學生名）；

學業(yè)預警top5課程；學分不達標top5班級

＞學生到課率：所有到課率趨勢下降預警的班級；（點擊可看具體到課率）；

＞督導評分：所有督導評分趨勢下降課程的預警；（點擊可看具體督導評

分）；

＞學生評分：學生評價教師評分平均分趨勢下降班級預警（點擊可看具體

學生評分）

?教師綜合畫像

教師個人畫像為教師提供個人在教學方面的綜合數據分析，通過對教學行為

分析，如教學模式等信息；教學督導對課程及教師的評價；所帶班級學生對課程

及教師的評價；所帶課程的班級成績統(tǒng)計分析，與往年同級別學生的對比，來了

解當前教學方式的整體情況，通過教學數據和學生、督導對教學的反饋，可以進

一步對教學過程做適當調整，嘗試創(chuàng)新教學方式等，提高教學的創(chuàng)新性和綜合水

平。

＞教學行為分析：對教師的教學模式；教學評分進行展示

＞教學督導評價：所帶課程督導系統(tǒng)近5年評價分析

＞學生評價：所帶課程學生近5年評價分析

＞課程成績分析：近5年所帶課程成績分析

?教室資源分析

首先采集教室類型（如制圖室、畫室、實驗實訓室、多媒體教室等）屬性數

據、排課數據、自習教室預約與使用數據、各學院教學教室、學生與課程數據、

通過數據分析確定資源配比、資源組織、利用情況、使教室資源發(fā)揮最大價值。

＞教室數量配置平衡性分析

＞分析各類型教室課時安排占比與教室數占比對比分析，通過數據分析確

定差距與并挖掘出優(yōu)化策略

＞教室類型與班級規(guī)模、課程類型匹配分析

＞通過班級規(guī)模數據、課程類型數據、教室類型數據分析確定匹配度，通

過數據挖掘過程，挖掘出教室與課程之間最有的匹配模型，解決教室利

用率低的問題并提供教室新增與改造優(yōu)化方案。

＞教室資源綜合利用情況分析

＞通過對各類教學方法、教學模式數據、教室環(huán)境數據的分析，確定教室

資源綜合利用情況，并挖掘出更適合學校各類新型教學方法和教學模式

的教室建設方案。

?教學數據報告

教學數據報告是根據不同角色及需求，將平臺已有數據進行整合后導出相應

的數據表，便于不同場合需求使用

4.4智課一一智慧教學數據分析平臺

大數據分析解決方案有豐富的數據源支撐，除了管道產數據，如智能控制、

混合式教學等數據采集平臺之外，還包括外采數據，如教學督導系統(tǒng)數據，這些

數據均可直接對接相關系統(tǒng)的數據。

目前的教學評價系統(tǒng)提供教學評價數據，包括學生評價數據及督導評價數

據，可以同一門課程不同班級、專業(yè)進行橫向對比，也可與往年數據進行縱向對

比，直觀地了解課程教學效果評價。

在教師層面，開發(fā)了教學智能數據助手，通過教師數據（包括近5年全校在

職教師人數、男女比例；近5年新入職教師人數、男女比例；教師督導評分等級

分布；全校教師職稱分布的數據進行圖表化展示）、學生評價數據及督導評價數

據等多源數據建立教師個人畫像，并通過課堂教學數據為教師了解自身教學效果

和課堂反饋提供渠道，同時也為教師的創(chuàng)新教學模式提供及時的嘗試反饋，便于

教師調整教學模式，不斷優(yōu)化課堂提供依據。可以直接應用到教學質量綜合評價

模型中。

教學智能助手-教師畫像

學火6廂分新邛甘

校學I■式

深入淺出

幽默自然

Wt

TIT^B

飛*2＜1力分炳＞

70S

?教師個人畫像

教師個人畫像為教師提供個人在教學方面的綜合數據分析，通過對教學行為分析，如教

學模式等信息；教學督導對課程及教師的評價；所帶班級學生對課程及教師的評價；所

帶課程的班級成績統(tǒng)計分析，與往年同級別學生的對比，來了解當前教學方式的整體情

況，通過教學數據和學生、督導對教學的反饋，可以進一步對教學過程做適當調整，嘗

試創(chuàng)新教學方式等，提高教學的創(chuàng)新性和綜合水平。

＞教學行為分析：對教師的教學模式；教學評分進行展示

＞教學督導評價：所帶課程督導系統(tǒng)近5年評價分析

＞學生評價：所帶課程學生近5年評價分析

＞課程成績分析：近5年所帶課程成績分析

在多源指標下對不同維度原始數據進行抽取和融合，實現數據規(guī)范化，實現

教師的教學模式、教學態(tài)度等多維評教指標融合。

教學智能助手-教師畫像

針對各學院、專業(yè)的教學相關數據進行綜合的數字化呈現，還可以讓學校領

導了解到每一個學院、專業(yè)的教學課程的相關數據，包括學院整體的課程運行狀

態(tài)和相關指標呈現；學院整體在教學平臺上的教學資源建設情況；教學平臺上的

課程運行情況；。

今大HUQ■5平8?==mo-s1MtnaO

?課堂教學分析

＞教學建設概況對課程資料容量、課程資料數量、課程的題庫總量、課

程試卷庫的試卷數量、課程知識點數量、課程網站展示頁面數量、全校

總量、網站均值、教師均值，做可視化呈現

＞教學互動情況從簽到、資料推送、隨堂測試、作業(yè)、考試、問卷、小

組討論、PBL的使用數據及教學互動指數等方面反映教學互動情況

＞課堂活躍度情況通過師生互動、簽到、早退、課堂行為、學生反饋

等數據維度進行課堂活躍度的綜合評價

＞課堂質量情況通過所帶班級的學生成績、所帶課程評分、學生課堂活

躍度、學生課堂行為等維度進行課堂教學質量的綜合評價

＞課堂風格報告根據課程的每堂課音頻分析結果、視頻分析結果、教學

風格，生成課堂風格報告

?學生行為分析

＞學生到課率

通過人臉識別、刷卡考勤、二維碼考勤、宿舍門禁、學生行為軌跡進行

學生到課情況的準確分析

＞學習軌跡分析

根據教學平臺上學生學習過程記錄，進行學習軌跡分析，可作為成績預

測、學霸軌跡研習等數據源支撐

＞成績分析

根據所帶班級每個學生知識點測試成績、隨堂測試成績；分析所帶班級

本學期預測平均成績走勢，預測學生成績；

＞學習成績預警

”選用準點率、出勤率、成績，做加權求和，反映學生的學習基礎與學習

態(tài)度。通過疑似逃課分析、本學期成績預測、個人歷史成績分析、課程

準點情況等多個維度做成績預警。

4.5智授一一智能輔助授課與學習系統(tǒng)

通過對學生行為、學業(yè)能力、心理健康等維度的綜合評判，構建學生綜合畫

像，根據學生的消費情況、上網信息、個人綜合信息等數據，識別貧困學生，為

精準資助提供決策支持。培養(yǎng)優(yōu)秀人才是高校的宗旨，如何培養(yǎng)出優(yōu)秀的適合社

會發(fā)展需求與市場導向的專業(yè)人才是關鍵。我們通過構建課程以及專業(yè)領域的知

識圖譜，對學生進行學習資源推送，關注學生的平衡發(fā)展，也為學生端個性化學

習推送提供人工行為機器學習資源，優(yōu)化個性化學習推送，真正做到因材施教，

為社會輸出更優(yōu)質人才資源。

■學生綜合畫像

?基本畫像

展示學生個人信息數據展示，至少包含學生性別、出生日期、民族、政治面

貌、籍貫、入學和畢業(yè)時間、學號、專業(yè)等詳細信息

?學業(yè)分析

根據學分情況，掛科情況，逃課情況，學習活躍度，以及相關算法學習學生

行為習慣，綜合考評學生學習時長、學習偏好，對學生學業(yè)進行分析

?心理健康分析

通過大數據系統(tǒng)，對學生個人信息進行多維度智能分析，結合學生個人的消

費記錄、網絡數據、門禁數據、WIFI數據與相關的問卷調查等數據，可以為學

校提供一個準確的心理健康分析功能，包括心理建檔、宣傳教育、危機預警和干

預體系的全方位預警平臺，為學校領導及時感知學生心理狀況，預防學生心理危

機提供重要可靠的保障。

＞心理測評畫像

①篩選條件：院系、專業(yè)、年級、民族、性別、生源地；

②心理健康情況分布：正常人群（心理測評分數良好）、潛在人群（心理

測評分數及格但較低）、危機人群（心理測評分數不及格但程度較輕）、

嚴重人群（心理健康測評分數低）的人數和占比；

③心理發(fā)展趨勢：以心理測評次數節(jié)點為橫坐標，人數為縱坐標，維度為

正常人群、潛在人群、危機人群、嚴重人群，分析四個維度的發(fā)展走勢;

④學生特征：以詞云圖的形式提取所查詢群體的特質；

⑤心理問題上報趨勢：以月份為橫坐標，件數為縱坐標，統(tǒng)計所查詢條件

每月上報心理問題件數的走勢；

＞心理健康查詢

①搜索

查詢條件：院系、專業(yè)、年級、民族、性別、生源地、心理健康等級、預警

類型、是否為上報人員、是否預約咨詢；

②查看詳情

直接跳轉到“個人畫像”模塊；

③幫扶管理

幫扶時間（開始時間、結束時間）；

幫扶人員；

幫扶原因；

幫扶方向：勾選項形式，內容與個人畫像的子功能相同，方便后期對比分析;

幫扶方式：心理咨詢、輔導員跟進、朋輩輔導、心理團輔、其他；

幫扶結果：暫未成功，繼續(xù)幫扶（在下方新增幫扶的一整個流程模塊，并標

明次數）、成功，終止幫扶；

幫扶對比畫像：功能鍵，跳轉到新頁面；

④幫扶對比畫像

根據選取的幫扶方向，對比不同時間節(jié)點數據的橫、縱對比情況；

?貧困生精準資助認定

根據學生在校期間一卡通消費、上網信息、個人信息綜合分析，實時追蹤學

生在校生活情況，分析判斷出未獲得助學金同學中是否有疑似貧困的學生存在、

獲得助學金的學生中是否有不符合貧困生標準的人數存在。通過大數據分析判

斷，給出直觀、可視的數據展示，為學工部相關工作人員的減輕工作壓力，提供

工作效率，更加準確的發(fā)放助學金。

根據學生在校期間一卡通消費、上網信息、個人信息綜合分析，實時追蹤學

生在校生活情況，分析判斷出未獲得助學金同學中是否有疑似貧困的學生存在、

獲得助學金的學生中是否有不符合貧困生標準的人數存在。通過大數據分析判

斷，給出直觀、可視的數據展示，為學工部相關工作人員的減輕工作壓力，提供

工作效率，更加準確的發(fā)放助學金。

＞貧困生分析

①獲助學金人數趨勢分析：國家一等助學金、國家二等助學金、春雨助學

金、思源助學金；

②當前貧困生分析：貧困生總人數、異常貧困生人數、建議關愛人數；

③貧困生學院分布：列舉不同學院人數；

④貧困生總體畫像：a.區(qū)分男生、女生；b.分析維度：學習水平、作息習

慣、上網習慣、三餐習慣、社交關系；

⑤貧困生生源地分布：國家地圖的熱力圖形式；

⑥貧困生民族分布：展示不同民族的貧困生人數和百分比；

⑦致貧原因：家庭欠債、突發(fā)意外事件、年邁喪失勞動力、建檔立卡家庭、

家庭成員殘疾、其他；

⑧消費穩(wěn)定性分析：分析維度為貧困生與非貧困生對比；

⑨人均月消費金額對比：展示近半年貧困生和非貧困生的消費金額對比；

＞貧困生查詢

①搜索

查詢條件：院系、專業(yè)、年級、民族、性別、生源地、資助學年、已獲資助;

②貧困生列表

顯示序號、學生姓名、學號、所屬院系、年級、已獲資助、困難程度、資助

金額（月）、上次認定時間、操作；

列表的操作欄提供：查看詳情、關注判斷兩個子功能；

③查看詳情

個人信息：姓名、學號、性別、學院、專業(yè)、年級、貧困原因；

消費水平：個人消費金額、校貧困線、該生平均線；

月均消費金額趨勢：個人、學校平均線、貧困生線；

消費結構分析：給出不同類型消費的金額和占比，并給出恩格爾系數；

三餐消費金額：從早餐、午餐、晚餐三個方面，對比貧困生、全校平均值、

個人消費值；

④關注判斷

勾選功能：懷疑虛假貧困生、需要經濟關懷；

⑤備注；

＞異常貧困生

①列表

異常貧困生列表：序號、學生姓名、學號、所屬院系、年級、性別、已獲資

助、困難程度、資助金額（月）、異常指數、月消費金額、操作；

列表的操作欄提供：查看詳情、關注判斷兩個子功能；

②查看詳情

個人信息：姓名、學號、性別、學院、專業(yè)、年級、貧困原因；

消費水平：個人消費金額、校貧困線、該生平均線；

月均消費金額趨勢：個人、學校平均線、貧困生線；

消費結構分析：給出不同類型消費的金額和占比，并給出恩格爾系數；

三餐消費金額：從早餐、午餐、晚餐三個方面，對比貧困生、全校平均值、

個人消費值;

②關注判斷

關注原因：勾選框（懷疑虛假貧困生）、備注；

取消關注原因：勾選框（非虛假貧困生、已取消資助資格）、備注；

＞關愛學生

①列表

列表：序號、學生姓名、學號、所屬院系、年級、性別、貧困指數、月均消

費金額、建議月資助金額、處理結果、操作；

列表的操作欄提供：查看詳情、處理預警、關注判斷三個子功能；

②查看詳情頁面展示內容：

個人信息：姓名、學號、性別、學院、專業(yè)、年級；

消費水平：個人消費金額、校貧困線、該生平均線；

月均消費金額趨勢：個人、學校平均線、貧困生線；

消費結構分析：給出不同類型消費的金額和占比，并給出恩格爾系數；

三餐消費金額：從早餐、午餐、晚餐三個方面，對比貧困生、全校平均值、

個人消費值；

③處理預警頁面展示內容：

勾選框：確定經濟困難、非經濟困難；

備注

④關注判斷頁面展示內容，分為兩種情況：

關注原因：勾選框（需要經濟關懷）、備注；

取消關注原因：勾選框（非經濟困難、已資助）、備注；

＞特別關注學生

①特別關注學生

1）列表

列表：序號、學生姓名、學號、所屬院系、年級、性別、貧困等級、貧困指

數、月均消費金額、關注原因、操作；

列表的操作欄提供：查看詳情、關注判斷兩個功能；

2）查看詳情頁面展示內容：

個人信息：姓名、學號、性別、學院、專業(yè)、年級；

消費水平：個人消費金額、校貧困線、該生平均線；

月均消費金額趨勢：個人、學校平均線、貧困生線；

消費結構分析：給出不同類型消費的金額和占比，并給出恩格爾系數；

三餐消費金額：從早餐、午餐、晚餐三個方面，對比貧困生、全校平均值、

個人消費值；

3）關注判斷

取消關注原因：非虛假貧困生、已取消資助資格、非經濟困難、已資助；

備注；

②取消關注學生

1）列表

列表：序號、學生姓名、學號、所屬院系、年級、性別、貧困等級、貧困指

數、月均消費金額、取消關注原因、操作；

列表的操作欄提供：查看詳情、關注判斷兩個功能；

2）查看詳情頁面展示內容：

個人信息：姓名、學號、性別、學院、專業(yè)、年級；

消費水平：個人消費金額、校貧困線、該生平均線；

月均消費金額趨勢：個人、學校平均線、貧困生線；

消費結構分析：給出不同類型消費的金額和占比，并給出恩格爾系數；

三餐消費金額：從早餐、午餐、晚餐三個方面，對比貧困生、全校平均值、

個人消費值；

3）關注判斷頁面展示內容：

關注原因：懷疑虛假貧困生、需要經濟關懷;

備注;

■知識圖譜

知識圖譜是顯示知識發(fā)展進程與結構關系的一系列各種不同的圖形，用可視

化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識的發(fā)展進程

及其之間結構關系。

功能

根據學生的學習行為和學習成績等數據，通過收集與分析學生基礎信息、學

習行為、課堂考勤、學習成績等主要信息的數據，讓教師對所帶班級學生的情況

有更充分的了解，同時基于學校的學生素質評價體系，構建每個學生的多個維度

的行為模型，綜合各個維度的情況建立學生個人畫像，宏觀和微觀展現學生各方

面的情況，有利于了解學生個體情況以及和學生之間的差距，便于對學生實施個

性化學習推送的人工輔助。

?專業(yè)知識圖譜

學生知識圖譜是根據學生每次的考試、測驗等成績情況，判斷學生對知識圖

譜中的知識點的掌握情況，讓學生清楚了解每門學科的掌握程度及與學習目標的

差距，為學生制定個性化學習路徑，推薦學習資源。

軟俗學院英譜遹日文g缺金融學覲會it學fit國齊貿易學院政治與公共?理學魏法學歌藝術系物

?

B3

*9

2

a0