课题申报模板：3215-基于“智慧校园”数据下的学生教育管理有效途径研究

1、优秀课题申报书模板精选基于“智慧校园”数据下的学生教育管理有效途径研究1、问题的提出、课题界定、国内外研窕现状述评、选题意义与研究价值。一、问题的提出各个学校都在大力建设智慧校园，我校“校园一卡通”第一期于2013年9月正式上 线运行，目前正在实施第二期工程。开通食堂就餐、图书借阅、宿舍管理、超市购物、洗浴、 打开水等功能。这些智慧校园的数据量最大，数据质量也比较好，能够反映大学生在校帕的 日常行为，适合进行数据挖掘分析，那么，是否可以利用数据挖掘技术，有效加强学生教育 管理呢？比如，分析失联，消费异常，旷课，挂科，晚归等异常行为的学生管理。二、课题界定智慧校园是集数据共享、身份认证、金融消费

2、等多项功能于一体的信息集成系统，一般 包括身份识别、图书借阅、网络收费、考勤、消费、餐饮、上机、水控等多种服务，集学习 和生活一体。智慧校园为师生提供优质、高效信息化服务的同时，系统自身也积淀了千万条 流水记录,学校透过这些业务记录可掌握用户在校园内的日常生活与学习行为。三、国内外研究现状述评随着大型数据库的技术成熟及应用普及，不缺数据缺知识的矛盾日益突出，如何从如此 大量的数据中发现隐藏的且有用的知识，创造更大的效益是一个迫切需要研究的课题。数据 挖掘的应用领域随着n技术和数据挖掘理论的发展及其市场的需求扩大也越来越广泛。目前，国外数据挖掘的研究领域已遍及的行业包括电信业、电子商务、金融业、

3、零售商、 制造业、医疗等。数据挖掘所能解决的典型问题包括：背景分析、交叉销售、等市场分析行 为，数据库营销、群体划分以及学生流失性分析、学生信用记分、欠费发现等等。关联规则的概念最初是由Agrawal、Imielinski及Swami共同提出的，关联规则挖掘 分析是从事务数据库中，找出事务数据库大量数据项集之间存在的、有意义的、隐藏的关系， 即关联性，从而预测事物的发展趋势。众所周知，其经典的挖掘方法是以Apriori为代表 的“产生-测试”范型，以及fp-growth为代表的采用复杂数据结构压缩存储空间的范型。 自从1993年agrawal等人提出关联规则挖掘，这种以研究数据库中各个属性之间

4、关联性为 主的数据挖掘方法已经逐步被应用于销售、保险、零售、银行等商业领域，同时正在或即将 被应用于其它需要分析大量数据的领域。在其算法的改进方面的研究也是日益增加，与各种 技术相结合的改进研究也是不断出现。聚类分析是对静态的数据分析的技术，受到许多领域的广泛应用，包括数据挖掘、机器 学习、模式识别、生物信息和图像分析。聚类就是把相似的数据划分到不同的类别或更多的 簇，使处于同一类别的相似性较高，不同类别的相似性较低。相似性就是指数据对象的属性 值之间的差异程度，一般用距离来量化差异程度，当数据对象的属性值间的距离小于预定的 阀值时，这些数据对象就会被划分到同一个簇中，反正则被划分到不同的簇。

5、“智慧校园”系统建设目标是建立以卡片为媒介的、面向校园师生的综合性服务平台, 覆盖身份识别、金融服务、信息服务，形成了高效稳定、功能全面、扩展灵活、管理方便的 平台，实现“一卡在手，走遍校园”，是校园信息化建设的基础核心内容之一。目前国内 外很多高校在具体应用上实现了各项功能，而数据库最大的作用是收集存储数据以及提供查 询等，多年来积累的庞大数据量并没有为学校的管理和决策提供有效的支持，缺乏对数据有 效的挖掘和分析。近几年国内已有很多高校意识到利用校园卡的相关数据进行某些方面的挖掘研究，例如 武汉理工大学的学生经济状况与资助合理性评判系统、山东大学的贫困生评议等等，事实表 规划课题、课题界定、

6、研究现状、选题意义、研究价值、理论依据、研究目标、研究内容、研窕假设、创 新之处、研窕思路、研究方法、技术路线、实施步骤优秀课题申报书模板精选明，利用校I园卡数据分析挖掘方而的研究，对校园信息化建设的深入以及推动学校往更科学 的管理方向上发展都是有相当的现实意义的。四、选题意义很多学校已经实现''智慧校园”，开通了食堂就餐、图书借阅、超市购物、洗浴、打开 水等、购电等功能，数据量最大，数据质量也比较好，适合进行数据挖掘分析，那么，是否 可以利用数据挖掘技术，有效加强学生的教育管理？虽然这些流水只限于其在校内的生活, 但能够反映出学生在校园的学习和生活行为。基于智慧校园数据，利用

7、数据挖掘技术，进行挖掘分析就有一定的现实意义。尤其对其 学生群体进行分类和关联规则分析，挖掘出学生异常行为，在整体上对学生的行为按群体进 行分类，并期望研究各类行为的特征，比如以分析消费异常行为结合学校贫困生的评断为应 用，对贫困生分类群体进行消费行为模式研究，希望了解贫困生群体的消费行为模式，对实 际的贫困生认定起到一定的辅助支持作用，从而向相关部门提供学生资助的辅助管理决策依 据，还可利用挖掘结果，分析学生挂科异常行为，预测有可能挂科的学生名单，为思想政治 工作提供支持。总之，本课题在尝试利用信息化所累计的数据分析学生行为，在学生教育管 理、分析、决策方而有着现实的意义。五、研究价值通过研

8、究智慧校帕在教育信息化领域的结合和应用模式，进一步丰富数字校园、智慧校 国的技术体系，在教育信息化与热点前沿技术结合的问题上进行学术和工程上的有益探索; 研制形成校园数据平台，利用大数据技术，完成智慧校园工程产生的庞大数据的分布式存储 和处理，促进校园数据的进一步分析和挖掘，研制学生异常行为动态分析系统，对学生的历 史数据和实时数据进行分析，及时掌握学生的行为动态，关注学生的行为发展，对不同学生 给予不同的教育和帮助方式，真正做到因材施教，对学生的全面发展具有指导意义。通过分 析挂科、晚归、失联、用电、消费（贷款）、旷课、上网等学生中的异常行为，挖掘其校园 生活学习中的特征，对学生的教育管理起

9、到决策支持作用。2、课题理论依据、研究目标、研究内容、研究假设、创新之处。一、理论依据数据挖掘（英语：Data mining）,又译为资料探勘、数据采矿，一般是指从大量的数据 中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过 程。主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分 析、分类分析、异常分析、特异群组分析和演变分析等。数据挖掘通常与计算机科学有关, 并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模 式识别等诸多方法来实现上述目标。二、研究目标大学生从入学、学习、生活、毕

10、业到就业等整个活动周期中，在各个信息管理系统如招 生、教务、学生管理、餐饮消费、图书借阅、上网、实验、考勒、晨练、实训、毕业设计、 财务收缴费、设备使用、离校、就业等各个电子行为活动中留下了大量的记录信息。这些数 据建设有助于将学生管理工作者从日常的具体事务性工作中解脱出来，解决运用传统手段难 以获取各类统计数据的问题，经过过程性和综合性的分析，找到学生各种行为之间的内在联 系，思考背后的逻辑关系，并做出恰当的教学、管理决策，研究学生教育管理有效提供途径是本课题的研究目标。三、研究内容本课题主要是两个方面的研究分析：一是基于主题的学生行为分析系统。在智慧校园的推广过程中已经产生了大量的结构化

11、数据，本课题拟建立一个学生行为分析系统，用于采集、存储、处理校园大数据环境中的各 类数据，以学生行为动态代表为专题，研制一个基于该大数据平台的专题应用，以便更有效 的挖掘、监测学生的行为动态，及时指导学生行为全面健康的发展。利用主流的大数据框架 的文件系统和计算模型，研究形成基于技术的高校学生行为分析系统的总体技术架构、研究 高校学生数据采集框架和数据漂白算法、研究形成学生行为分析系统功能架构和为分析专题 研制关犍分析算法。主要分析主题为：学生学业主题、就餐消费主题、借阅主题、寝室管理 主题、上网主题。二是基于数据挖据的学生教育管理系统。设计实现学生在校各类异常行为预警功能模型, 通过对数据的

12、分析和深度利用，实现如失联分析预警、学业分析（旷课、挂科）预警、晚归 分析预警、消费分析（贫困生）预警、上网行为分析（网瘾学生、网络舆情）预警等，将存 在异常行为的学生主动预警并告知学生管理工作者，以便及时关注到此类学生，从而可以提 早及时发现各类问题，避免学生管理工作中的疏忽。为实现预警功能，设计电子行为大数据分析与预警决策模式。充分利用各个业务信息系 统每天所沉淀的数十万条学生各类活动的海量电子行为大数据，如校园卡消费数据、校园卡 考勤数据、上机、实验、用水、电、寝室刷卡记录等、校帕卡借书信息以及上网数据，构建 主题数据仓库，形成多维数据集，并生成诸如每月全校校园卡消费排行榜、学生上网时间

13、排 行榜等各类“排行榜”，设置一些临界值（阀值）且反复修正，一旦达到临界值范围，系 统自动发出警报（通过校园短信平台向相关管理人员发送短信或电子邮件等），实现学生异 常行为预警。通过排行榜，结合学校的作息时间和学生的平均在线时长等去发现一些问题， 如学生是否正常上课，是否已经网络成瘾等，对学生加以正确有效的教育引导，防微杜渐。 还可以通过分析有无刷卡记录判断非请假失联分析。另外，通过掌握学生消费的整体情况， 将学生个体的消费行为与之对照分析，如月总消费额、日消费额均在平均线以下，甚至每餐 的消费额也大多低于平均水平，并且除了餐厅消费外，少有超市消费、网络消费等其他非必 要消费，则基本可以认定为

14、困难学生，再通过结合生源地和家庭情况等信息综合考虑来排查 家庭经济困难学生，为发放贫困生生活补助及助学金提供有力参考，还可以分析学生贷款、 消费金额阶段性大幅度增加、突然无消费记录等异常行为，等等这有助于领导层制定学生工 作的管理目标和重点，帮助管理者及时做出反应，增加了学生管理的主动性，防患于未然， 提高学生管理的针对性、适用性和实效性。四、研究假设本课题是基于学生异常行为的发生是能通过其在学校生活发生的数据分反映出来，并与 已经发生异常行为的学生进行验证、优化，最终达到分析预测学生的异常行为，为学生管理 提供决策支持。五、创新之处各学校正在或已经推广和实施“智慧校园”系统，该系统很大程度上

15、只是整合了学校各 个信息管理系统，起到了整合平分，统一管理的目的，提高了管理效率。大量的业务数据存 储在硬盘，起不到任何作用。本课题，通过分析智慧校园的大量数据，关联分析各个系统数 据，找到学生各种行为之间的内在联系，思考背后的逻辑关系，并做出恰当的教学、管理决 策。3、研究思路、研究方法、技术路线、实施步骤。一、研究思路本课题通过了解学生管理中存在的问题，建立数据分析模型，利用数据挖掘技术将学生 的基本信息、选课信息、学习成绩、毕业去向、就餐信息、上网信息、借阅信息及宿舍门禁 信息等等学生活动行为信息综合起来分析，找出其中的规律及潜在的知识解决问题，对于辅 助高校学生管理决策是可行的而且是必

16、要的。二、研究方法1 .文献法。通过文献资料，全面地、正确地了解智慧校园、数据挖据的相关技术。2 .分析法。通过分析法可以使人们对学生行为的认识进一步精确化，以便更加科学地揭示学 生行为规律，把握本质，理清关系，预测事物的发展趋势。3 .信息研究法。信息方法是一种新的科研方法，它以信息来研究系统功能，揭示事物的更深 一层次的规律，帮助人们提高和掌握运用规律的能力。4 .验证比较法。通过系统的预测和现实情况的比较，不断地修改预测方式，实现更加准确的 预测。三、技术路线1 .需求分析。2 .理论研究。3 .方法研究。4 .技术分析。5 .实践应用。6 .结果评估。7 .反馈优化。8 .总结应用。9

17、 .关键技术说明：数据仓库、联机分析处理和数据挖掘这三种技术内在的联系性和互 补性,将它们结合起来用于高校学生管理的决策支持系统中，可以提高系统相应的处理和分 析能力。（1）底层的数据库作为数据源,用于保存学生基本信息表、学生选课表、学生借阅记录表、 学生上网记录表、学生就餐信息表、学生宿舍门禁信息表等等学生校园学习及生活相关的信 息。（2）数据仓库对底层数据庠中的事务级数据进行集成,形成面向全局的数据视图,包括学生 选课信息、学生上网信息、学生借阅信息、学生就餐信息、学生事实表等等。（3） olap从数据仓库中集成数据出发,构建面向分析的多维数据模型,从多个不同的角度对 数据进行分析、比较，

18、实现基本的统计和分析工作。（4）数据挖掘则以数据仓库和多维数据库中的大量数据为基础,发现数据中的潜在的模式, 并以这些模式为基础对学生作出分析预测。四、实施步骤本课题的主要研窕工作就是结合数据仓库、联机分析处理和数据挖掘三种技术,实现针 对学生管理的决策支持系统。主要从以下几个步骤开展研究：（一）准备阶段（2017. 9-2017. 12）1 .前期调研。找出学生教育管理中存在的问题。2 .课题论证。论证通过“智慧校园”数据分析能解决哪些问题°3 .查阅相关文献。了解国内外研究现状，主要做法。对数据仓库技术和数据挖掘技术 进行了深入的研究。4 .整理资料，进行文献综述。（二）实施阶段（2018. 1-2018. 12）5 .建立分析模型（关联分析、序列模式分析、分类分析、聚类分析），初步选定阈值参 数。6 .创建“智慧校园”数据仓库。通过抽取、转换、清洗、装载，建立规范的学生行为分 析数据主题仓库，比如学生学业主题、就餐消费主题、借阅主题、寝室管理主题、上网主等。7 .数据分析。引入数据挖掘机制，进行学生各种行为之间的关联和聚类分析。建立学生 细分聚类模型、学生失联分析模型、消费异常分析模型、学业成绩异常特征分析、寝室管理 异常行为分析模型等学生教育管理分析模型，进行数据分析。