教育大数据应用场景分析

1、教育大数据应用场景分析 教育督导、教育规范、体制优化教育大数据场景设计的5W1H分析目标客户（Who）主要是面向各级教育主管单位（如教育部、省级教育厅、教委、市区县教育局）和各类学校（高校、职业类院校、中小学等）用户群体。核心诉求（Why）在于基础教育领域关注“学生减负、教育公平、教育质量提升、教育发展均衡”等一系列亟待解决的问题在高等教育领域关注“双一流建设”（建设世界一流大学、世界一流学科），以及围绕“双一流建设”战略，各高校结合自身实际而提出的相关教育综合改革的举措。目标（What） 利用大数据技术帮助客户解决核心诉求。数据源（Where） 数据源来至于各类教育管理系统的教育数据（学籍、

2、人事、教务、科研、财务、资产等）、校园一卡通数据、互联网社交平台日志数据、校园无线网络的地理位置数据、校园物联网的设备数据、在线学习平台的学习行为数据等。时机（When） 以基础教育领域的“智慧城市”和“三通两平台” 建设，高等教育领域的“智慧校园”建设为切入点。业务场景（How） 包括：教育决策支持、教育舆情监测、学习预警、学业评价、适应性学习分析等6职能分类应用场景职能分类应用场景决策支持1. 幼升小教育资源投入预测决策支持2. 高中学生培养质量增益分析学生管理3. 高校学生画像-失联预警学生管理4. 高校学生画像-贫困预警学生管理5. 高校学生资助的决策支持 教育教学6.高校教师的教学评

3、价 教育教学7.学生学业评价教育教学8. 高校学生画像-成绩预测决策支持9.教育事业运行情况全景描述科研管理10.高校科研经费监控与预警目录4今年学生太多，我们班级不够用户痛点每年秋季，都会有大量适龄儿童就读当地小学，为了满足学生就近入学的需要，教育局需要提前掌握每个区域适龄儿童的数量，然后根据当地小学教育资源的情况，来建新学校、增设班级，招聘教师等等。究竟在哪里建新学校呢，哪些学校需要增加几个班级等等。利用公安户籍系统，获取当地适龄儿童的户籍数据，然后，摸清楚各个区县小学的教育资源的配备情况，然后按照当地义务教育办学标准来计算和分析未来需要增加或调整的教育资源。解决方法通过对幼升小教育资源配

4、备与适龄儿童数量的对比分析，为教育资源配置提供决策依据。12价值与效益31. 幼升小教育资源投入预测11. 幼升小教育资源投入预测6解决方法价值与效益用户述求用户诉求教育局需要了解每年中考升入高中的学生，经过三年的高中教育后，学校对学生的培养结果是增值还是贬值了，然后对学校的进行问责和督导。解决方式收集学生高考成绩和中考成绩信息，通过均值、中位数、标准差的计算发现各个高中在学生培养过程中存在问题。价值与效益有利于教育局对全市所属高中的办学质量进行有效督导，实现动态调整高中在招生录取分数线和排名。2. 高中学生培养质量增益分析12. 高中学生培养质量增益分析全市参加中考的学生按照总成绩的排名被录

5、取到全市各所高中，经过三年的学习考入到不同层次的大学，通过桑基图可以大体看出高中培养出的学生质量如何。从全局上可以看出学校整体教学质量。12. 高中学生培养质量增益分析对没所高中高考成绩的进行分析，利用箱线图可以看出每个学校参加高考的学生成绩总体集中趋势，个体间的离散程度，以及出现的异常点情况。12. 高中学生培养质量增益分析以中考为起点，高考为终点，对全市学生的高中阶段的历次考试成绩进行横向的学校之间的对比和每名学生三年间成绩对比，从总体上把握各个学校的总体教学质量和针对学生个体培养质量。10如何主动发现高校学生失联事故频发发现的越晚越不利用户痛点是否可以预测被动发现居多有没有相关线索有哪些

6、处置预案从高校内部的一卡通系统、无线网络系统实时获取学生的消费、行为等动态数据，掌握学生的生活规律，第一时间获得一定时间内未留信息化痕迹的异常学生，并作出预警。如果能够同公安部合作，还能实时查到预警学生的社会化行为数据，比如手机位置、宾馆车站机场等场所的信息等，获得更精确的多维度信息，为失联处置提供支持。解决方法协助高校全方位加强学生安全管理，第一时间发现失联学生，预测有潜在失联风险的学生，通过预案处置尽最大可能的避免出现高校学生安全事故，提升社会稳定性12价值与效益33. 高校学生画像-失联预警11补助资金如何运用学校有哪些贫困生已认定的是否真实贫困用户痛点如何资助是否有隐性贫困生补助资金是

7、否够用从高校内部的一卡通系统实时获取学生的诸如食堂、超市、澡堂、医疗等涉及到消费的动态数据，实时掌握学生的金融消费情况，通过挖掘与分析，智能生成学生贫困指数，结合高校学生资助大数据分析，帮助学校找到真正贫困的学生。如果能够同公安部合作，还能实时查到预警学生的社会化行为数据，比如宾馆、机场、车站等的消费数据，获得更精确的多维度信息，为贫困指数的生成获得更精确的支持数据。解决方法找到真正的贫困学生帮助学校实现精准帮扶准确落实国家高等教育学生资助政策提高学校和地方政府声望12价值与效益34. 高校学生画像-贫困预警12客户需求解决对策产生效益通过分析，教育管理者发现亲人有病患的学生消费要低于非独生子

8、女，更为贫困。参加勤工的学生比获得奖学金的学生消费要高，因此决策者可以考虑是否应该为学生提供更多的助学岗位，或对奖学金金额和多额的设置是否合理。从教务系统中采集学生的学籍信息，从一卡通系统中采集学生的一卡通食堂消费信息。根据分析的需要进行特征提取，采用Apriori关联规则算法，发现学生贫困情况、父母是否病患、是否获得奖学金、参加勤工助学、食堂消费之间的关联关系。近年来，随着高校不断扩招，在校生人数逐年增加，高校贫困生人数偏高问题日益突出，资助贫困大学生以保证低收入者子女的教育参与和高等教育的公平性的问题日益成为社会关注的焦点。5. 高校学生资助的决策支持136.高校教师的教学评价教学评价是教

9、学的一个重要环节，是引导教育、培养高素质人才、帮助社会充分利用教学成果和促进教育健康发展的保障，传统的教学评价大多是注重评价结果，以作为教师晋升、学生评优的依据，将关联规则运用于教学评价数据中，就会发现一些有用的数据，对教学过程起着指导作用。客户需求分析模型数据预处理编号年龄职称评定3848副高优秀5042副高良好8931中级良好10137副高优秀12341正高优秀22351副高良好26527初级中等A1A2A3A4B1B2B3B4C1C2C3C400100010100000100010010001000100010000100010100000100001100000010010010010

10、0010000010从教学质量评估系统的数据库中教师教学质量评估表中抽取数据，将年龄、职称和评定分数3项抽取出来，其他属性可忽略。然后进行数据离散化，生成稀疏矩阵。146.高校教师的教学评价可视化展示下面我们分析教师课堂教学效果与年龄和职称之间的关联关系。规则年龄职称置信度支持度A31-3526.257.00B36-4945.0012.00C50-6022.56.00D中级25.006.67E副高52.5014.00F正高18.755.00从这些规则可以看出：（1）年龄在31-49岁的中青年教师具有丰富的课堂教学经验，评定分数的支持度、可信度较高，由此可见，学校重视师资队伍建设，提高了中青年教

11、师的各种教育教学实际能力，一批中青年骨干教师已经成长起来了，教师队伍结构趋于合理。（2）年50-60岁以上年龄层的骨干教师仍然占有较大比例，这些教师现在即将退休或已经退休，他们留下的空缺必须马上填补，因而，要重视对30岁以下青年教师的培养。分析结果价值&作用157.学生学业评价学校在对学生的综合素质进行评价的同时，要考虑的因素有很多，诸如：品德修养、专业成绩、社会实践、心理素质、合作创新、体育健康、文艺才能、社会交际、选修成绩、自主学习能力等。在做选择时，这些因素的重要性或影响力的优先程度往往难以量化，人的主观因素往往会起着主要作用，会给解决实际问题带来一定的困难。采用AHP层次分析法来帮助评

12、价。学生的综合评价是一个综合的、多准则、多因素的复杂问题.本文把学生评价的主要因素和基本要求归结表示为5个大的方面,27个因素。解决方法：客户需求：16哪些学科挂科可能性大哪些学生会挂科学生成绩能否提高用户痛点如何引导学生获取一卡通系统学生的诸如打水次数、图书馆次数、电教馆次数、上机次数，获取学生管理系统课程以往成绩、相关联的课程的以往成绩。通过上述大量数据的采集，建立数学模型，使用决策树C4.5算法，对海量的样本数据进行训练和模型调优，逐步获得准确的决策树模型。按照决策树模型推算学生的挂科情况，根据学生的努力程度，可预测成绩的升降。解决方法方便的找到存在挂科风险的学生，并触发挂科预警逐步掌握

13、学生在学习过程中对成绩有影响的因素容易掌握已挂科的学科，便于学科建设和教学12价值与效益38. 高校学生画像-成绩预测179.教育事业运行情况全景描述通过整合全市各学段教育管理数据（包括：学校、学生、教师），对全市教育事业整体情况进行全景展示。包括各区县教育资源的热力分布、近七年全市学生、学校、教师数量的变化趋势等。1810.高校科研经费监控与预警录入的经费数据要和财务核对科研管理系统财务系统账务,快给我发一个经费明细经费管理比较混乱经费监管难两个系统两个厂商两个部门痛点确认经费基本靠吼数据对比难审批效率低实效性差科研系统里有项目的明细，但缺少经费的数据；财务系统里有经费数据，但缺少项目的明细

14、和具体项目的经费比例要求。通过大数据平台把这两个系统的数据抽出来，通过对比、判断和计算和显示，就可以很好地解决经费监管的难题了。解决方案任务、预算、人员、进度等情况和对应的经费的额度、比例、类别、使用情况等数据放在一张表上12用一张表解决问题3政府大数据应用场景实例 67金融大数据应用解决方案九次方大数据平台汇集分析了42个产业链、8000个行业、40000个细分市场、600多个城市、2800个县区、2500个高新园区、30多万条街道、50多万个写字楼的3000多万家公司法人企业和7000万小微企业。3000多万企业7000万小微企业36个产业链8000个行业40000细分市场600个城市2800个县区2500个高新园区30多万条街道50多万写字楼 68国家部委大数据主要服务一网一库一中心一云N平台一基地一门户指数智库N场景利用先进的API接口技术，建立部委数据采集管道，打通信息孤岛整合国家部委大数据自有数据库及外部数据库，建立大数据库汇集部委数据，互联网数据，省