三盟科技教学大数据分析解决方案3.0.docx

《三盟科技教学大数据分析解决方案3.0.docx》由会员分享，可在线阅读，更多相关《三盟科技教学大数据分析解决方案3.0.docx（38页珍藏版）》请在三一办公上搜索。

1、教务大数据解决方案川大学深度学习探索计划建设方案目录1 .背景概述21.1. 1.教育信息化发展趋势21.2. 政策推进教育信息化融合创新31.3. 教育基础数据对教学的重要意义32 .需求分析41 .1当前教学现状42 .2业务需求53 .方案架构设计61 .1方案概述63 .2平台整体架构63. 3子系统构成94 .系统整体设计121. 1大数据平台134. 2爬虫系统155. 3智为一一智能教学督导206. 4智课一一智慧教学数据分析3()7. 5智授一一智能辅助授课与学习系统338. 6自习选座系统395 .方案价值1 .背景概述1.1. 教育信息化发展趋势教育信息化是当代世界教育发展

2、的趋势，是教育教学改革的突破口，同时也是教育现代化的必然要求。高校是传授知识、创造知识的殿堂，现在已经进入信息化时代，人工智能、大数据、云计算等在深刻地改变人类社会的方方面面。教育信息化绝不是简单地将线下教育通过信息技术移植到线上，教育信息化是在大数据、云计算、新一代互联网技术支撑下，包含教育、教学、管理、服务、决策等在内的高等学校生存发展的新生态。而在大数据等技术的影响下，教育信息化必将向以下几个趋势发展： 必然带来教育理念的创新和教学模式的改变。 必然带来学习方式的改变，知识传承、创造和运用的改变。 必然带来高等教育管理与服务方式的改变。 必然带来决策方式的改变。 必然带来资源配置和效益发

3、挥方面的改变。1.2. 政策推进教育信息化融合创新十八大以来，“互联网+”行动计划、促进大数据发展行动纲要、新一代人工智能发展规划等有关政策密集出台。其中，促进大数据发展行动纲要中明确提出建设“教育文化大数据”，教育大数据已成为国家战略，教育大数据建设迎来重大历史发展机遇。在教育部发布的教育信息化“十三五”规划提到：“当前，云计算、大数据、物联网、移动计算等新技术逐步广泛应用，经济社会各行业信息化步伐不断加快，社会整体信息化程度不断加深，信息技术对教育的革命性影响口趋明显。党的十八大以来，特别是中央网络安全和信息化领导小组成立后，党中央、国务院对网络安全和信息化工作的重视程度前所未有，“互联网

4、+”行动计划、促进大数据发展行动纲要等有关政策密集出台，信息化己成为国家战略，教育信息化正迎来重大历史发展机遇。”高校通过对大数据等信息化技术的引进和融合创新，将是教育信息化接下来的发展重点。以更为丰富、更具活力、更加有效的方式建设优质教育资源，从大数据的视角重新了解课堂教与学，更全面评定教师教学成果，关注学生个性化学习与发展，同时辅助高校数据化管理，不断优化教学资源，提高教学质量，让高校真正迈进大数据教学的时代。1.3. 教育基础数据对教学的重要意义教育大数据分析过程需要大量的教育基础数据提供，目前高校的教育基础数据普遍存在缺失、采集困难、无法使用的问题，在教育信息化“十三五”规划中针对教育

5、基础数据提出了伴随式采集及即时化分析的要求，结合当前的高校教学数据应用的情况，教学数据本地化、丰富化是未来的一个重要发展方向，加强数据采集终端设备建设，引进数据分析处理平台，让数据本地化、丰富化，才能产生更多的分析结果，进而实现教学中的人工智能应用，真正提供教育服务的精准推送。2 .需求分析2.1. 当前教学现状过去几年，我国在信息化基础设施、信息化教学环境和数字化教学资源建设方面取得了较大进展，但缺乏与日常教育教学的深度融合应用，尚未大规模地促进教学模式和学习方式的转变，尚未发挥出信息技术在提高教学效果方面的作用。当前高校教学现状普遍存在以下问题：教学过程行为数据无法采集教学过程行为数据目前

6、在高校都是处于缺失状态，如何将一节课的过程记录下来并量化用于教学相关分析，更加科学地分析教学行为，是高校目前普遍面临的问题。数据无法有效全量存储目前不少高校建设了常态化录播系统，受限于存储空间，已录播的课程在经过三个月或者半年的时间就会被新的录制课程覆盖，造成了只有阶段性数据，而如果全量存储，存储的资源需要不断的增加，造成投入的不断增加。 无大数据基础平台支撑，难以实现数据的处理和分析大数据基础平台是综合分析大数据的基本条件，大数据基础平台不同于传统的统计分析，结构化数据分析，需要能够处理大量的半结构化、非结构化数据，实时流数据，并能够进行综合分析，用传统的数据库平台是无法做到的。 结构化、半

7、结构化、非结构化数据无法统一治理，加上数据没有统一的管理，大量数据存在不可用的情况教学相关数据包含大量的结构化、半结构化、非结构化数据，这些数据来源不同、格式不同，如没有成熟的治理技术进行统一化治理、管理，将出现存储大量数据，却无法使用的问题 教学数据维度少，不足以支撑大数据分析结果教学大数据涉及的层面也非常复杂，变化快速，目前教学数据采集的维度少,数据分析结果的支撑数据非常单薄，导致数据分析结果过于简单，或者准确率不高 教学评价以主观评价为主，客观评价所依托的数据不容易获取当前教学评价都要专家、学生的主观评价为主,且并非对全部课堂进行评价,这样的评价大多不够全面客观，但是对于客观的课堂数据，

8、获取方面存在一定困难 无法关注到每一个学生的行为和习惯，实施个性化教学难度大当前课堂以教师带班级的一带多形式，但是教师精力有限，无法持续关注每个学生的行为和习惯，对每个学生的个性化教学也难以开展 针对于教师课堂语音、图像的分析缺乏Al智能平台支撑基于语音、图像对课堂行为的分析需要成熟的AI技术作为支撑，将行为数据进行不断学习、调整，才能得到越来越精确的结果，缺乏Al智能平台，将难以实现行为数据的分析。 互动教学实际执行情况无法量化评估互动教学等创新的教学模式实际的执行效果无法量化体现，导致教师创新教学的反馈不足，创新教育的发展缓慢2 .2业务需求综合来看，教务大数据当前的建设需求如下： 通过大

9、数据技术量化教学：引入信息化新技术，将教学相关行为数据化,为教学创新、教学质量提升提供数据支撑。 通过人工智能因材施教：基于学生学习轨迹、学习习惯等的不同，对每个学生做个性化学习推送 通过大数据平台支撑智慧教学：基于课堂教学反馈，进行教学模式创新、信息化技术应用等，实现教学智慧化 通过大数据技术完善教学评估体系：提供课堂行为分析，为学校教学评估提供客观数据支撑 通过大数据技术辅助教务决策：破解教育决策粗放化问题，提升教育管理决策科学化3 .方案架构设计3.1 方案概述随着科学技术的发展，现代社会已经进入一个“信息化”时代，而信息的主要载体是数据，在当今信息化社会中扮演着非常重要的角色。大数据时

10、代的到来，为高校信息化发展指引了新的方向，将大数据技术与课堂教学进行融合创新,为高校教学管理提供科学的依据，为教学创新提供客观及时的反馈，为个性化教学提供数据基础。全流程教育大数据分析解决方案基于大数据平台及Al智能平台，对教学数据进行多维度采集分析，包括线上学习平台数据，线下课堂数据，学校业务系统数据等，从多方面对教学过程进行数据分析，数据化教学过程，让原本不可量化的教学过程变成数据形式呈现，并基于这些数据源，通过智慧教学大数据平台，针对高校不同的服务对象进行有针对性的业务模块开发。在学校领导端，教学大数据分析帮助学校领导更好地了解教学过程数据变化，完善质量监控体系，在变动的教育数据和复杂的

11、关联中推进教育决策的科学性与评教的客观性。在教师端，通过教学大数据可了解、分析、评估教师教学效果，促进教与学的有效性和创新性，借助教学模式创新、个性化教学等的智慧性，助力“智慧教学”。在学生端，通过教学大数据分析为学生量身推荐学习计划、资源和反馈,实现“因材施教”，促进有效学习的达成，为个性化教学指明方向。3.2 平台整体架构3.2.1 教务大数据全流程数据源全流程教育大数据分析解决方案有丰富的数据源支撑，包括数据源管道产品：教学辅助数据及数据采集平台、混合式教学及数据采集平台、音频信息采集平台、视频信息采集平台、教学评价系统、教师行为定位系统。通过多维度的数据采集，形成全流程数据源的教育大数

12、据分析系统，为高校提供更加精准的预测与分析结果。 教学平台提供的教学活动数据，包括教师方面的教学资源建设、教学资源运行、与学生互动的数据等，学生方面的学习时间、学习进度、知识点掌握情况等数据，可以从中分析得出在MOOC或SPOC等创新型教学模式下的教学效果，授课风格等，也可以从中得到学生的学习习惯，学习效果及偏好，为后续做个性化学习推荐提供数据支持。 教学辅助数据，如校园一卡通系统，图书馆系统，人事系统，学工系统等，基于这些系统数据，可以完善师生个人数据及行为数据，为教学大数据应用提供更多维度的数据支撑，如学生个性化推荐，可以依据图书借阅数据来对学生的内容偏好进行分析，推荐相应的内容。教学评价

13、系统提供教学评价数据，包括学生评价数据及督导评价数据，可以同一门课程不同班级、专业进行横向对比，也可与往年数据进行纵向对比，直观地了解课程教学效果评价。1.2.2系统架构基于上述的数据源，全流程教育大数据分析解决方案架构如下图，由底层数据源支撑平台对接后，通过数据资源平台进行治理整合，再由底层大数据平台及AI服务平台进行数据分析处理，最后通过教学大数据应用平台，服务于终端客户。其中由大数据平台In-Center,AI智能平台形成强大的数据分析处理平台，在对混合式教学平台、智慧教学环境、课堂行为数据、教学评价系统、校园业务系统等数据源进行分析，最终通过智慧教学大数据平台输出对应的数据应用模块。效

14、学大数据应用平台与传统的大数据平台架构不同的是，我们在第三层面加入了AI服务平台，因为教学大数据中很多重要的数据源是非结构化数据，要通过自然语言、视频拆分后的分类计算等技术进行处理，从而提供相应的教学大数据服务。如个性化教学资源推荐、知识图谱等重要应用。3.3子系统构成教学管理与督导国学生智能教学督导智彗教学数据分析智能辅助授课 与学习教学过程数据的缺失或者留存困难的问题给教学创新带来了非常大的影响。在教学活动中的三类主要角色面临着各自难以解决的问题，分别根据高校不同服务对象的问题进行有针对性的数据产品开发。针对目前高校领导在教学管理方面的难题，我们了解并总结了下面的这四个方面的问题： 教学评

15、估方法单一，数据支撑不完善 教学过程评价难以实现 教学过程数据的采集及留存缺乏整体规划 教学综合数据的应用缺乏标准针对这四个问题，我们提出了智慧教学督导平台，通过综合教情、学院教情、教学状态预警、教室画像，对教学相关数据进行相应的呈现，让学校领导能直观了解教学运行状态，处理相应教学预警，同时经过丰富的大数据数据治理经验，对相关数据进行整体规划及治理，数据统一化、标准化管理，也为后续不断发展的大数据业务做数据准备。客户端模块功能智能教学督导综合教情学生概况教师概况课程概况学院概况教室概况预警情况学院课程画像课程基本信息教学资源信息课程运行情况专业设置教学状态预警课堂秩序学生学业预警到课率分析督导

16、评分预警学生评分预警教师综合画像基本情况教学行为分析教学评教教室资源分析教室数量配置平衡性分析教室类型与班级规模、课程类型匹配分析教室炎源综合利用情况分析教学数据报告教学数据报告针对教师端在教学创新、学生管理等方面的难题，我们了解并总结了下面几方面的问题： 缺乏教学大数据，难以实现个性化教学 教学模式创新成果评估难 无法实现对每个学生的学习监督针对这几个问题，我们提出了针对教学数据的智能教学数据分析系统，从教师个人画像和课堂教学数据为教师了解自身教学效果和课堂反馈提供渠道，同时也为教师的创新教学模式提供及时的尝试反馈，便于教师调整教学模式，不断优化课堂提供依据。学生行为数据则为教师提供所带班级

17、所有学生的学习相关数据，通过对相应数据的筛选，也可以对落后学生进行学习资源推送，关注学生的平衡发展，也为学生端个性化学习推送提供人工行为机器学习资源，优化个性化学习推送，真正做到因材施教，为社会输出更优质人才资源。客户端模块功能智慧教学数据分析教师个人画像教学行为分析教学督导评价学生评价课程成绩分析课堂教学分析教学建设概况教学互动情况课堂活跃度情况课堂质量情况课堂风格报告学生行为分析学生到课率学习轨迹分析成绩分析学习成绩预警针对目前学生在学习方向，自身优势了解和学习驱动力上的疑惑，我们了解并总结了以下几方面的问题： 学生学习成果评价单一 缺乏教学数据，难以实现个性化学习推送 缺乏自动预警机制及

18、时引导学生学习针对这几个问题，我们提出了智能辅助授课与学习系统，基于课程知识点的汇总梳理得到知识图谱，通过知识点的掌握情况、学生的学习习惯，学习轨迹、内容偏好等来对学生进行个性化学习推送，同时基于推荐系统的用户反馈和教师人工推送干预，不断优化推送机制，提高学生的使用体验和用户粘性，让产品真正发挥作用。客户端模块功能智能辅助授课与学习学生综合画像基本画像学业分析心理预警精准资助知识图谱专业领域知识图谱个性化学习内容推荐个性化学习路径推荐4.系统整体设计全流程教育大数据分析解决方案主要由三大平台：教学大数据分析平台，大数据平台和人工智能AI平台构成，其中基于大数据平台和人工智能AI平台形成强大的数

19、据分析处理平台，最后通过教学大数据分析平台输出相应的结果和服务到相应的应用端。4.1 大数据平台智能大数据平台，采用业内领先技术，基于Had。P大数据框架进行深度定制开发，结合自研可视化ETL工具、建模分析、流式处理等核心技术，针对高教行业背景自主研发的企业级智能大数据平台，也是当前是教育行业落地窠例最多的大数据服务平台。InCenter具有突出的可用性，优秀的性能和高可扩展性，能处理PB级别以上的数据，可图形化地采集校内业务系统数据、互联网数据以及设备日志数据等,同时具有强大的实时和离线计算能力，以及丰富的数据挖掘分析能力，能够为高校管理、服务、教学和科研方向提供深度的数据处理、高效计算与挖

20、掘分析，从而为高校用户构建海量数据深度分析，挖掘数据潜在的核心价值。图：大数据管理平台框架图大数据管理服务平台InCenter总体框架如图，各部份详细建设内容如下所示： 智能数据采集中心InCenter-DC通过针对教育行业定制的各类可图形化操作的数据采集ETL工具库，采集对数据中心内外的全量及新增数据源，可采集高校各种类型的软件、硬件设备数据和日志，互联网络数据等海量分散数据，具有集中度高、采集速率快、可分配数据访问权限、并具有详细的采集日志等特点。在采集过程中，支持Socket,webservice,数据库、FTP等常见对外接口。各采集频率需要根据业务需求、数据量大小等灵活制定，可采集的数

21、据类型包括分布式数据信息、关系数据库中结构化数据、各类半结构、非结构化的数据、静态及高低频知识数据，互联网数据，以及第三方合作商提供的数据，并且能实现对数据质量进行监控和迭代优化。 智能数据预处理中心本次项目将通过大数据管理平台数据智能预处理中心模块，通过清洗工具将采集的校内业务系统的数据进行智能采集及清洗，定制清洗规则，实现数据的标准化,建立统一的数据规范标准，建立一套基本涵盖学校全维度数据字段规范库,满足学校现有业务系统及扩展建设的业务系统标准数据平台。同时，该标准化库具备良好的扩展功能，应对未来数据维度需求增加时的扩展需求。 智能存储及检索中心智能存储及检索中心建设主要分为：数据的全量原

22、始库建设、标准化数据仓库建设、应用模型主题库建设、数据管理及检索平台建设；针对采集的原始全量数据及增量数据构建原始数据仓库，实现业务系统原始数据和增量数据的全量数据备份，同时为校内数据积累提供数据存储；对原始数据仓库数据清洗及标准化处理，如认证计费系统、互联网络数据等海量分散数据进行清洗预处理，并分析适配，形成数据分析表、入库存储，对传统的关系型数据库，也包括XML等半结构化数据，以及以视频、音频、文本和其他形式存在的非结构化数据，将如残缺数据、错误数据和重复数据进行处理，把结果集入库，并记录清洗结果，形成标准化数据库仓库，最后通过建模分析，针对模型建立模型分析主题数据仓库。平台同时提供高效的

23、数据管理及检索，可通过对数据平台的授权向外提供数据访问接口，实现订阅式的数据共享。 InCenteLRC智能实时计算中心基于FIUnle的实时流数据采集，采用Kafka实现实时流调度处理，通过实时流数据聚合技术，并用SparkStream实现实时流计算功能，实现大数据实时计算与分析能力 智能挖掘算法中心本挖掘算法中心包含教育行业大数据中的算法沉淀库以及应用模型库，针对大数据业务系统，基于基础模型和应用模型采用类似机器学习算法、基础算法、聚类算法、实时流计算等算法，实现对数据的建模分析。 智能数据管理中心提供数据管理界面，包括数据查询，元数据管理，文件管理等。针对数据仓库平台的数据进行查询，检索

24、；提供对整体存储库中的元数据进行统一的管理；提供对整体存储库中的文件的文件管理 智能统一APl中心提供统一的数据仓库开发接口，支持包含PythOn、JaVa语言的开发语言，提供标准的sql语言支持。提供统一的API接口管理中心，对接口提供统一的管理控制及授权。支持多角色访问，提供统一的模型主题库开发接口，可无缝对接第三方Bl开发工具，支持用户自定义业务呈现开发。支持教学建模及比赛 智能数据安全中心本项目提供的大数据平台结合大框架下的大数据应用服务，可支持一平台多租户使用，即用户可通过该平台以大数据服务的模式向二级部门或其它机构提供数据服务租用。同时通过严格的授权角色及权限控制功能,保证平台及数

25、据安全。同时结合数据多副本、数据加密技术、加密传输技术等保证平台的安全访问及可靠保证。同时建立规范化的安全访问体系。 智能数据运维中心本项目数据平台通过对整个数据采集、数据存储、数据标准化、流程控制、平台自动化安装部署、HadOOP集群管理、服务节点管理、应用服务管理、安全及权限管理进行统一管理和控制,可以极大的提升学校管理员的效率，并降低日常运维的难度和工作量。 业务应用前端的大数据业务的分析展示平台使用SpringMvcMybatis+React框架，大数据算法使用针对各业务需求开发的数学建模算法，比如卜近邻、决策树、朴素贝叶斯、Apriori算法、SVD奇异值分解等。在实际项目中一个模型

26、中会尝试多种算法，横向对比和分析各个算法的实际效果，最终确认选用哪个算法。前端应用展示门户中，前端使用JqUery+Ajax+Echarts组件，并采用了大量的可视化展示技术，通过如折线图、柱状图、仪表盘等呈现直观的大数据分析效果，可根据用户权限开放不同的可视化应用服务。用户访问时使用统一门户，在保证信息的安全的同时，提供访问和使用的便捷性。4.2爬虫系统该爬虫系统管理平台具有突出的可用性，优秀的性能和高可扩展性，能处理PB级别以上的数据，可采集各种类型互联网数据等，同时具有分布式网络请求调度、以及丰富的页面结构解析能力，能够为高校管理、服务、教学方向提供爬取数据功能,从而为高校用户构建海量数

27、据深度分析,挖掘数据潜在的核心价值。整体架构设计网给清叫列清求线周池网页抓取记录网页H折蜕计图2爬虫平台技术架构图平台总体框架如图，各部份详细建设内容如下所示：（1）页面请求支持以各种方式进行网页请求，包括HttpClientsChromeDriverSafariDriverFirefoxDriverPhantonIJS等。（2） URL调度支持多种策略URL调度，包括：队列、RediS等。（3）页面解析内置常见门户网站页面解析，支持结构化页面及未知结构页面解析，智能识别网页内容，进行筛选，抓取。（4）数据管道支持多种对抓取数据处理方式，包括MySQL、HadoopElaStiCSearCh等

28、。（5）爬虫监控支持对爬虫服务全方位信息监控，实时报告监控信息。涉及技术工具序号技术工具描述1redis高性能key-value数据库，主要用来存储待爬取地址信息、爬取完成的地址信息、爬取异常的地址信息、爬取结果数据信息2Kafka高吞吐分布式发布订阅消息系统，主要用来发布待爬取地址消息和已完成爬取的地址消息3zookeeper分布式应用程序协调服务。监控爬虫程序运行状态4hdfs分布式文件系统，保存爬取结果信息5mysql关系型数据库，保存爬取结果信息爬虫脚本逻辑设计爬取数据信息脚本流程图从redis中获取地址对应的数据保存到HDFS或者数据库将地址保存到redis中的finSet集合爬取地

29、址完整校验脚本流程图4.3智为一一智能教学督导平台教学大数据分析平台作为教学数据分析结果和相应业务模块的展示端，是学校领导、教师、学生接触的终端平台，以业务模块为架构，对教学大数据的功能进行展示，具体的业务模块介绍如下： 综合教情基于教学工作的管理需求，将与高校教学工作密切相关的数据组织起来，以数字化方式呈现出来，形成系统化的反映高校教学运行状态的数据集，让高校领导可以直观看到全校教学相关数据，为相应的决策做辅助。学生数据：将近5年全校在读学生人数、男女比例；近5年招生人数、男女比例；全校学生地域分布；学生成绩等级分布的数据进行图表化展示教师数据：近5年全校在职教师人数、男女比例；近5年新入职

30、教师人数、男女比例；教师督导评分等级分布；全校教师职称分布的数据进行图表化展示课程数据：全校课程总数；本学期开课课程数、网络教学课程数、精品课程数的数据进行实时展示；全校课程总数、本学期开课课程数、网络教学课程数、精品课程数的近5年数据曲线展示学院概况：针对各学院、专业的教学相关数据进行综合的数字化呈现，让学校领导了解到每一个学院、专业的教学相关数据，包括学院整体的课程运行状态和相关指标呈现；学院整体在教学平台上的教学资源建设情况；教学平台上的课程运行情况；教室概况：教室总数；特色教室数；设备运行预警数；近一个月全校教室使用率曲线图的数据展示预警情况：全校学业预警个数、逃课预警个数、挂科预警个

31、数、学生到课率预警个数、督导评价预警个数的展示；近一个月全校学业预警数量变化趋势的图标 学院课程画像针对各学院、专业的教学相关数据进行综合的数字化呈现，让学校领导了解到每一个学院、专业的教学相关数据，包括学院整体的课程运行状态和相关指标呈现;学院整体在教学平台上的教学资源建设情况；教学平台上的课程运行情况;学院课程分析：可对学院、年级、学期进行筛选，得到课程总数、必修课数和选修课数，同时对所有课程的分析结果进行展示；对所有课程的督导评分进行展示教学建设数据：课程资料容量、课程资料数量、课程的题库总量、课程试卷库的试卷数量、课程知识点数量、课程网站展示页面数量、全校总量/趋势图、网站均值/趋势图

32、、教师均值/趋势图课程运行数据：数据项目系统总访问量、课程网站访问量、精品课程网站访问量、本学期布置作业次数、本学期提交作业份数、本学期提交作业率、本学期批改作业次数、本学期批改作业率、本学期布置网络考试次数、本学期网络考试交卷份数、本学期网络考试交卷率、本学期网络考试批改份数、本学期网络考试批改率、本学期网络提问次数、本学期答疑总次数、本学期答疑率、本学期发起论题数量、本学期论题回复数量、本学期论题回帖率、本学期课程调查总次数、本学期课程调查问卷回收量、全校总量/趋势图、网站均值/趋势图、教师均值/趋势图、学生均值/趋势图。专业设置：可查看学院专业设置情况，包括专业设置数量，设置时间，在校人

33、数、建设基础、建设目标、招生计划等内容。 教学状态预警建立全校、院系和专业的教学状态预警指标体系，综合考虑不同变量对教学质量的影响程度，设立不同级别的预警值。在预警指标体系的基础上，对不同指标的运行结果进行实时监控，实现对各级教学状态数据的可视化管理。教学状态预警包括课堂秩序预警、学业预警、学生到课率预警、督导评分预警和学生评分预警，将教学质量监督细化到每一节课，并有针对性的对预警进行处理，提高教学质量。课堂秩序：通过筛选学院，对学院的学生课堂状态进行展示，同时点击可以查看各个行为的具体课程占比情况学业预警：所有课程学生学业预警个数图（点击可出课程学业预警班级分布）；所有班级学生学分不达标个数

34、（点击可出班级具体学生名）；学业预警top5课程；学分不达标top5班级学生到课率：所有到课率趋势下降预警的班级；（点击可看具体到课率）；督导评分：所有督导评分趋势下降课程的预警；（点击可看具体督导评分）；学生评分：学生评价教师评分平均分趋势下降班级预警（点击可看具体学生评分） 教师综合画像教师个人画像为教师提供个人在教学方面的综合数据分析，通过对教学行为分析，如教学模式等信息；教学督导对课程及教师的评价；所带班级学生对课程及教师的评价；所带课程的班级成绩统计分析，与往年同级别学生的对比，来了解当前教学方式的整体情况，通过教学数据和学生、督导对教学的反馈，可以进一步对教学过程做适当调整，尝试创

35、新教学方式等，提高教学的创新性和综合水平。教学行为分析：对教师的教学模式；教学评分进行展示教学督导评价：所带课程督导系统近5年评价分析学生评价：所带课程学生近5年评价分析课程成绩分析：近5年所带课程成绩分析教室资源分析首先采集教室类型（如制图室、画室、实验实训室、多媒体教室等）属性数据、排课数据、自习教室预约与使用数据、各学院教学教室、学生与课程数据、通过数据分析确定资源配比、资源组织、利用情况、使教室资源发挥最大价值。教室数量配置平衡性分析分析各类型教室课时安排占比与教室数占比对比分析，通过数据分析确定差距与并挖掘出优化策略教室类型与班级规模、课程类型匹配分析通过班级规模数据、课程类型数据、

36、教室类型数据分析确定匹配度，通过数据挖掘过程，挖掘出教室与课程之间最有的匹配模型，解决教室利用率低的问题并提供教室新增与改造优化方案。教室资源综合利用情况分析通过对各类教学方法、教学模式数据、教室环境数据的分析，确定教室资源综合利用情况，并挖掘出更适合学校各类新型教学方法和教学模式的教室建设方案。教学数据报告教学数据报告是根据不同角色及需求，将平台已有数据进行整合后导出相应的数据表，便于不同场合需求使用4. 4智课一一智慧教学数据分析平台大数据分析解决方案有丰富的数据源支撑，除了管道产数据，如智能控制、混合式教学等数据采集平台之外，还包括外采数据，如教学督导系统数据，这些数据均可直接对接相关系

37、统的数据。目前的教学评价系统提供教学评价数据，包括学生评价数据及督导评价数据，可以同一门课程不同班级、专业进行横向对比，也可与往年数据进行纵向对比，直观地了解课程教学效果评价。在教师层面，开发了教学智能数据助手，通过教师数据（包括近5年全校在职教师人数、男女比例；近5年新入职教师人数、男女比例；教师督导评分等级分布；全校教师职称分布的数据进行图表化展示）、学生评价数据及督导评价数据等多源数据建立教师个人画像，并通过课堂教学数据为教师了解自身教学效果和课堂反馈提供渠道，同时也为教师的创新教学模式提供及时的尝试反馈，便于教师调整教学模式，不断优化课堂提供依据。可以直接应用到教学质量综合评价模型中。

38、教师个人画像教师个人画像为教师提供个人在教学方面的综合数据分析，通过对教学行为分析，如教学模式等信息；教学督导对课程及教师的评价；所带班级学生对课程及教师的评价；所带课程的班级成绩统计分析，与往年同级别学生的对比，来了解当前教学方式的整体情况，通过教学数据和学生、督导对教学的反馈，可以进一步对教学过程做适当调整，尝试创新教学方式等，提高教学的创新性和综合水平。教学行为分析：对教师的教学模式；教学评分进行展示教学督导评价：所带课程督导系统近5年评价分析学生评价：所带课程学生近5年评价分析课程成绩分析：近5年所带课程成绩分析在多源指标下对不同维度原始数据进行抽取和融合，实现数据规范化，实现教师的教

39、学模式、教学态度等多维评教指标融合。教学智能助手-教师画像针对各学院、专业的教学相关数据进行综合的数字化呈现，还可以让学校领导了解到每一个学院、专业的教学课程的相关数据，包括学院整体的课程运行状态和相关指标呈现；学院整体在教学平台上的教学资源建设情况；教学平台上的课程运行情况；。1学大分新甲出IUi IWXhPB谭程*g分桃qp#mraC fs 题我分析Bn必修鼻程 eM 正事90%60%90%100%120En BB HM*：1 hH课堂教学分析教学建设概况对课程资料容量、课程资料数量、课程的题库总量、课程试卷库的试卷数量、课程知识点数量、课程网站展示页面数量、全校总量、网站均值、教师均值，

40、做可视化呈现教学互动情况从签到、资料推送、随堂测试、作业、考试、问卷、小组讨论、PBL的使用数据及教学互动指数等方面反映教学互动情况课堂活跃度情况通过师生互动、签到、早退、课堂行为、学生反馈等数据维度进行课堂活跃度的综合评价课堂质量情况通过所带班级的学生成绩、所带课程评分、学生课堂活跃度、学生课堂行为等维度进行课堂教学质量的综合评价课堂风格报告根据课程的每堂课音频分析结果、视频分析结果、教学风格，生成课堂风格报告学生行为分析学生到课率通过人脸识别、刷卡考勤、二维码考勤、宿舍门禁、学生行为轨迹进行学生到课情况的准确分析学习轨迹分析根据教学平台上学生学习过程记录，进行学习轨迹分析，可作为成绩预测、

41、学霸轨迹研习等数据源支撑成绩分析根据所带班级每个学生知识点测试成绩、随堂测试成绩；分析所带班级本学期预测平均成绩走势，预测学生成绩；学习成绩预警选用准点率、出勤率、成绩，做加权求和，反映学生的学习基础与学习态度。通过疑似逃课分析、本学期成绩预测、个人历史成绩分析、课程准点情况等多个维度做成绩预警。4.5智授一一智能辅助授课与学习系统通过对学生行为、学业能力、心理健康等维度的综合评判，构建学生综合画像，根据学生的消费情况、上网信息、个人综合信息等数据，识别贫困学生，为精准资助提供决策支持。培养优秀人才是高校的宗旨，如何培养出优秀的适合社会发展需求与市场导向的专业人才是关键。我们通过构建课程以及专

42、业领域的知识图谱，对学生进行学习资源推送，关注学生的平衡发展，也为学生端个性化学习推送提供人工行为机器学习资源，优化个性化学习推送，真正做到因材施教，为社会输出更优质人才资源。学生综合画像基本画像展示学生个人信息数据展示,至少包含学生性别、出生日期、民族、政治面貌、籍贯、入学和毕业时间、学号、专业等详细信息学业分析根据学分情况，挂科情况，逃课情况，学习活跃度，以及相关算法学习学生行为习惯，综合考评学生学习时长、学习偏好，对学生学业进行分析心理健康分析通过大数据系统，对学生个人信息进行多维度智能分析，结合学生个人的消费记录、网络数据、门禁数据、WIFl数据与相关的问卷调查等数据，可以为学校提供一

43、个准确的心理健康分析功能，包括心理建档、宣传教育、危机预警和干预体系的全方位预警平台，为学校领导及时感知学生心理状况，预防学生心理危机提供重要可靠的保障。心理测评画像筛选条件：院系、专业、年级、民族、性别、生源地；心理健康情况分布：正常人群（心理测评分数良好）、潜在人群（心理测评分数及格但较低）、危机人群（心理测评分数不及格但程度较轻）、严重人群（心理健康测评分数低）的人数和占比；心理发展趋势：以心理测评次数节点为横坐标，人数为纵坐标，维度为正常人群、潜在人群、危机人群、严重人群，分析四个维度的发展走势;学生特征：以词云图的形式提取所查询群体的特质；心理问题上报趋势：以月份为横坐标，件数为纵坐

44、标，统计所查询条件每月上报心理问题件数的走势；心理健康查询搜索查询条件：院系、专业、年级、民族、性别、生源地、心理健康等级、预警类型、是否为上报人员、是否预约咨询；查看详情直接跳转到“个人画像”模块；帮扶管理帮扶时间（开始时间、结束时间）；帮扶人员；帮扶原因；帮扶方向：勾选项形式，内容与个人画像的子功能相同，方便后期对比分析;帮扶方式：心理咨询、辅导员跟进、朋辈辅导、心理团辅、其他；帮扶结果：暂未成功，继续帮扶（在下方新增帮扶的一整个流程模块，并标明次数）、成功，终止帮扶；帮扶对比画像：功能键，跳转到新页面；帮扶对比画像根据选取的帮扶方向，对比不同时间节点数据的横、纵对比情况；贫困生精准资助认

45、定根据学生在校期间一卡通消费、上网信息、个人信息综合分析，实时追踪学生在校生活情况，分析判断出未获得助学金同学中是否有疑似贫困的学生存在、获得助学金的学生中是否有不符合贫困生标准的人数存在。通过大数据分析判断，给出直观、可视的数据展示，为学工部相关工作人员的减轻工作压力，提供工作效率，更加准确的发放助学金。根据学生在校期间一卡通消费、上网信息、个人信息综合分析，实时追踪学生在校生活情况，分析判断出未获得助学金同学中是否有疑似贫困的学生存在、获得助学金的学生中是否有不符合贫困生标准的人数存在。通过大数据分析判断，给出直观、可视的数据展示，为学工部相关工作人员的减轻工作压力，提供工作效率，更加准确

46、的发放助学金。贫困生分析获助学金人数趋势分析：国家一等助学金、国家二等助学金、春雨助学金、思源助学金；当前贫困生分析：贫困生总人数、异常贫困生人数、建议关爱人数；贫困生学院分布：列举不同学院人数；贫困生总体画像：a.区分男生、女生；b.分析维度：学习水平、作息习惯、上网习惯、三餐习惯、社交关系；贫困生生源地分布：国家地图的热力图形式；贫困生民族分布：展示不同民族的贫困生人数和百分比；致贫原因：家庭欠债、突发意外事件、年迈丧失劳动力、建档立卡家庭、家庭成员残疾、其他；消费稳定性分析：分析维度为贫困生与非贫困生对比；人均月消费金额对比：展示近半年贫困生和非贫困生的消费金额对比；贫困生查询搜索查询条件：院系、专业、年级、民族、性别、生源地、资助学年、已获资助;贫困生列表显示序号、学生姓名、学号、所属院系、年级、已获资助、困难程度、资助金额（月）、上次认定时间、操