对于中职学校来说，学生管理是学校管理工作的重点和难点。现阶段大多数学校都实现了数字化管理，有效提高了学校管理效率。但也有相当一部分学校在建设数字化管理平台的过程中缺乏统一规划和设计，导致各系统之间信息无法共享，形成信息孤岛，造成数据资源的浪费。本文将讨论在大数据背景下，如何充分利用现有数字化平台，结合大数据处理技术对学校各软件模块的数据进行整合、分析和挖掘，进一步提升学校的管理水平，让学校从被动统一的管理转变为有针对性的智能化主动管理。

中等职业学校的学生是一个相对复杂的群体，普遍存在许多问题，如：学生文化基础较差、生理年龄与心理年龄偏差较大；大多数学生来自农村普通家庭，缺乏应有的家庭教育；希望早点就业，但对就业又信心不足；生性活泼，有着较鲜明的个性特点等。学校生源质量不高、生源复杂，导致教学难以兼顾。我国东西部地区发展的不平衡性也加剧了中等职业教育的差异化，在中西部地区，特别是西部地区很多学校还是按照常规中小学的管理模式来管理学生。这些问题给学校的管理和教学带来了极大的挑战，很多学校不得不把大部分精力放到学生的管理工作中。面对学生管理工作的多样性和复杂性，很多管理经验欠缺的老师通常采取一刀切的粗放型管理，使得学生反感，甚至退学，导致学校的流失率不断上升。因此，学校的失学率特别是西部地区的失学率一直是中职学校最为关注的问题之一。在此背景下，我们希望利用大数据处理技术建立一个智能化的管理平台，在学生入校就建立一个科学的个性化的管理方法来帮助班主任或者班级管理者对每一个学生进行管理。

为节约学校的管理成本，提高工作效率，毕节市工业学校（以下简称学校）通过与成都依能科技股份有限公司合作，利用

一、传感器网络构建

传感器网络，是由许多在空间上分布的自动装置组成的一种计算机网络，这些装置使用传感器协作地监控不同位置的物理或环境状况（比如温度、声音、振动、压力、运动或污染物）。无线传感器网络的发展最初起源于战场监测等军事应用。而现今无线传感器网络被应用于很多民用领域，如环境与生态监测、健康监护、家庭自动化、以及交通控制等。

学校将充分利用现有的网络宽带，在学校区域部署传感器节点，获取学生进出学校公共场所的信息。用来支撑学生行为决策。如学生出入图书馆、实验室的时间和频率等。

学校传感器网络区域主要分为四个部分：校园（操场等），教学区（包含实验室、图书馆等教学区），消费区（食堂、超市等）和宿舍区。传感器网络的结构如图1所示。

图1 传感器网络结构

（一）校园区

利用学校现有的无线宽带技术，结合RAID定位技术、学生一卡通和手机对学生进行跟踪定位，这个区域的定位对精度要求为20米左右。在一些关键的位置做特别处理。如校门口、教学楼以及实验室出入口等。无线定位结构如图2所示。

图2 无线定位结构图

（二）教学区

以教室为例，利用学生一卡通、手机和老师点名的方式获取学生出勤情况。同时利用YNedut平台的教学评价软件，通过师生互评的方式获取学生学习情况以及课程评价信息。

（三）消费区

消费区主要涉及食堂和超市，通过学生的消费记录掌握学生家庭情况和行为习惯。

（四）宿舍区

宿舍区需要利用带有RFID的一卡通以及学校门禁等，掌握学生出入信息，如：回寝室时间、是否夜不归宿等。

二、建立数据仓库

由于传感器的数据采集方式不同和作用不同，数据格式也不一样，因此需要引入一个数据采集服务器，用于获取和处理传感器网络的数据。主要有定位数据、进出校园数据、消费信息以及寝室出入数据。如图3所示。

图3 数据采集流程图

通过信息采集系统解决了数据采集和数据存储的问题。最后，结合学校现有的YNedut平台建立数据仓库。学校利用数据仓库内容进行数据挖掘和分析。如图4所示。

图4 数据仓库

三、数据建模

（一） 定义挖掘目标

本平台的目标是通过对学生日常生活习惯数据进行挖掘和分析得到有效、有针对性的学生管理方法。主要有以下几点：

实现动态学生行为预测。帮助老师快速发现学生可能出现的行为，让老师及时干预并且帮助学生解决问题。

制定学生个性培养计划。对不同的学生进行分析得到适合每一个学生的培养计划，帮助老师调整教学计划。

掌握学生身心发展状况。帮助老师进一步了解学生情况，及时有效帮助每一个学生。

（二） 数据采样

在明确数据挖掘的目标以后，学校需要从业务系统中抽取出一个与挖掘目标相关的样本数据子集。通过对样本的精选，不仅能减少数据处理，节省系统资源，还可以使学校想寻找的规律更加凸显出来。在确保数据完整无误和准确无误的基础上，学校可以采用随机采样、等距抽样、分层采样、从起始顺序抽样和分类采样的方式对数据进行采样。

（三）数据预处理

通常采样的数据会有维度过大、噪声等特点，学校需要对数据进行预处理。数据处理包括：数据筛选、数据变量转换、缺失值处理、坏数据处理、数据标准化等。如学生的基本信息很多包括学号、姓名、班级和身份证等，数据降维后可以只需学号表示，这样就降低了计算量。

（四）挖掘建模

样本抽取完成并经过处理后，学校根据不同的问题采取不同的算法进行建模。这一步是数据挖掘工作的核心环节，主要包括基于关联规则算法的动态学生行为预测、基于分类与预测算法的学生个性培养计划制定和基于类聚算法的学生身心健康发展状况。

（五）模型评价

在建模的过程中会得到一系列的分析结果，然后对模型进行评价，得到最好的模型，最后根据业务对模型进行解释和应用。

四、系统集成

系统的集成包含硬件和软件两个部分。在硬件方面，将采用双链路的形式，将传感器网络和现有数字化平台网络分开。这样既不影响现有的数字化平台使用，同时也不会因为突然增加的传感器网络加重网络负载，便于系统维护。软件方面，在依能智慧校园YNedut平台的基础上增加大数据分析平台，不改变现有软件结构。系统结构如图5所示。

图5 系统结构图

新生入学时利用YNedut平台的招生迎新管理系统，获得学生的基本信息和学生的家庭情况信息，再通过问卷调查系统对学生进行调查。将调查结果转入大数据分析平台对学生的性格、行为偏好等作出预判，系统会根据预判的结果为每一个学生提供针对其管理的参考案，YNedut平台通过APP或者邮件方式将方案推送给班主任老师，老师根据参考方案对学生进行管理。随着学生的不断成长，其行为习惯会发生变化，因此我们需要对传感器网络接收到的数据和学生的基本数据进行综合参考，不断总结和矫正管理方案。同时得出适合每一个学生的培养方案，做到因材施教。

五、系统实现的意义

本系统具有结构布局简单、使用方便、可持续、开放性等特点。通过对现有数字化校园平台资源的整合，解决数据孤岛。以学生工作大数据为基础，对相关数据进行集成和分析，最终形成完整的学生行为数据分析及服务平台，该分析结果可对学校的教学、日常管理、学生指导等方面提供科学有力的依据，实现学生管理工作智能化。不同地区、不同学校之间只要改变分析模型就能极大弥补管理经验的差异，让老师把更多的时间和精力放到教学中来，实现个性化的管理和个性化的教学。在后期的建设中，我们不仅要结合校内的数据，更要结合校外如购物、网站浏览、社交等多个方面进行数据抓取及分析，以达到更有效的指导及管理效果。

閱讀更多 依能管理科學研究院 的文章

關鍵字: 物联网 大数据 毕节市