ITPub博客

首页 > 大数据 > 数据分析 > Smartbi研究院:高校数据中心和应用建设指南(三)

Smartbi研究院:高校数据中心和应用建设指南(三)

原创 数据分析 作者:思迈特Smartbi 时间:2020-11-25 22:31:17 0 删除 编辑

高校数据中心和应用建设指南(三):数据应用建设

高校数据应用建设——领导驾驶舱

高校数据应用建设——教学质量监测

1、服务学生

实时采集每堂课的到课率、抬头率;精准督导,采集电子证据;帮助老师改进教学,通过视频录像重现课堂教学实景,准确定位,精准督导

2、服务教师

通过数据统计、图表分析,提供教学情况、教学质量的量化分析,对比分析,趋势分析;科学、客观评价教学质量,表彰先进,鞭策落后,淘汰不合格,客观公正处理教学事故。

3、服务督导专家

手机查评教结果,到客情况;精准定位问题,横纵比较找差距,改进教学

4、服务校、院领导和管理部门

通过数据统计、图表分析,提供教学情况、教学质量的量化分析,对比分析,趋势分析;科学、客观评价教学质量,表彰先进,鞭策落后,淘汰不合格,客观公正处理教学事故。

精准回答:学生去哪了?学生喜欢上那些课?

到 课 率:实时反映和跟踪每节课的到课情况,未到课学生的去向分析

教师维度:实时给出每位教师的课堂到课率

课程维度:按课程统计并分析到课率

学院维度:分学院统计并分析到课率

秩序建设:可以自动精准地知会未按时到课的教师和学生,增强师生的纪律

建立学生行为的分析体系

成绩预测

成绩预测模型:

成绩预测模型通过搜集学生历史学习成绩数据,图书馆数据,生活规律等计算学生的努力程度,提前预测排名趋势,预警挂科危险

算法实现:

在成绩预测中,将学生考试成绩按照区间进行等级划分为优秀(成绩>=90)、良好(

90<成绩<=80)、中等(80<成绩<=70) 、及格(70<成绩<=60)与不及格(成绩

<60),主要是对每个专业的主要课程(全专业必修的专业课程和基础课程)进行预测。

异常学生预警

专为高校管理者提供学生行为动态跟踪和失联预警的管理系统,利用K均值与密度训练结合二分网络得到的社交信息,来发现学生在校期间的异常行为,为辅导员日常学生工作提供预警服务。系统24小时监测学生在校数据,若发现学生长具备预警模型特征,系统会自动告知失联。辅导员人不出户,即可通过系统提示,及时掌握学生失联情况,让校方及时采取应对措施。

及时发现并告知学生:

系统365天实时监测学生刷卡情况,长时间无数据生成则自动告警失联。管理者可以根据实际情况定义红色、橙色两种失联级别,7*24全天贴身告警,无延迟无遗漏。

快速掌握学生信息:

学生个人信息全面掌握,联系电话、所在班级、居住宿舍、好友室友、父母联系方式一键导出,快速通过各方信息追踪学生去处。

动态处理失联事件:

系统记录失联处置情况:失联事件、处理时间、处理状态、处理结果及相关处理人员一览无余,随时状态同步。

失联数据统计分析:

系统可按时间、学院、辅导员等条件自动筛选数据,生成分析报告。帮助学校观察学生失联事件与分布,为学生管理措施优化提供精准数据支持。

建立学生心理健康的评估体系

以上是Smartbi研究院关于高校数据中心和应用建设指南(三)的分享:数据应用建设。下期我们继续分享高校数据中心和应用建设典型案例,详见高校数据中心和应用建设指南(四)。如需下载完整版《高校数据中心和应用建设指南白皮书》可登陆Smartbi官网免费下载。


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/69965912/viewspace-2737028/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
Smartbi——更聪明的大数据分析软件,快速挖掘企业数据价值!

注册时间:2020-03-09

  • 博文量
    313
  • 访问量
    138225