智慧教育大数据解决方案

一、系统建设目标

1.提高全校师生信息素养

通过数字化校园的建设，提高全校师生的信息素养，这是数字化校园建设的核心重点之一。

改进教师的教学理念与教学模式，通过信息技术提升教学能力。培养学生信息技术使用与实践能力，促进学生拓宽学习能力及方式。锻炼管理人员信息化管理能力，用更有效的方法完成更高效的管理工作。

2.将数字化服务应用到日常教学、管理与学生评价中

教学、管理、评价、信息交流及学习是数字化校园的根本价值，所有设施及软件应用均以此为基础，并服务于学校管理者、教师、学生及家长。为学校建立整套日常教学、信息化管理、学生评价等相关的应用服务，打通一切信息壁垒，实现信息技术与教育、教学的高效整合。

3.加强学校数字化设施建设及应用培训

基础设施建设包含场地、网络、硬件及软件，是数字化校园的具体体现，也是最基本的要素要求。而应用培训是数字化校园是否有效应用的前提保障，通过应用培训可以让更多师生快速参与其中，提高信息技术能力与素养。

4.提高校园安全与保障机制

安全与保障是数字化校园的必要条件。安全分为两大部分，人身安全与信息安全。通过数字化校园的建设，一方面全方位保障师生在校人身安全及安全知识学习。另一方面通过制度、管理及网络技术全力保护学校用户相关数据，让数字化无障碍运行。

二、总体架构设计

5.系统设计原则

市教育大数据的建设须坚持“先进性、实用性、开放性、标准化、可靠性、稳定性、可扩展性、易升级性、安全性、保密性、易维护性、可管理性”的设计原则。

1、先进性：教育大数据建设采用先进的思想、成熟的技术与设计方法，符合当前潮流与未来发展趋势，以便跟上信息技术的发展，具有较强的生命力，具有长期使用价值。

2、实用性：教育大数据建设的核心目的就是“应用”，须坚持实用的设计原则，紧紧围绕学校的实际需求。在能够满足学校数字化校园要求的前提下，以尽可能以少的投入，取得尽可能大的效益。

3、开放性：教育大数据具有良好的开放性和兼容性。采用面向服务的公共管理平台，通过信息门户、统一身份认证和公共数据交换，整合、集成各类应用系统和各种信息资源，以尊重历史、满足现状、适应发展。

4、标准化：教育大数据符合业界主流标准与规范，包括基础架构与各个应用系统，包括系统集成与数据整合，均遵循标准化原则，不依赖特定的网络、系统软件与硬件，能够部署并运行在各种主流的软硬件环境中。

5、可靠性：教育大数据支撑着整个学校的日常管理、教学应用及学习工具，必须具有高可靠性、高容错性和强大的数据处理能力。使用成熟的热备份技术和集群技术，以确保不间断运行、确保局部出错不影响整体、确保快速响应。 

6、稳定性：教育大数据必须具有良好的稳定性，保证持续运行时间长、故障间隔大、无故障时间长。

7、可扩展性：教育大数据必须具有良好的可扩展性，对于管理模式的变化、组织机构职能的调整、业务流程的改变等，能够通过规则引擎简便配置即可快速适应变化、满足需求。

8、易升级性：教育大数据采用独创的版本控制机制与更新包技术，能够简便快捷地完成平台整体或部分的版本升级

9、安全性：教育大数据涉及到学校各个职能部门的大量敏感数据，安全运行至关重要。必须构建全方位、多层次、完善的安全保障体系，通过安全制度建设和安全教育培训，在保证物理安全和网络安全的基础上，保证数据安全。根据基础架构及各个应用系统的设计要求，采取不同的安全策略与安全措施，保证系统安全。

10、保密性：教育大数据通过身份认证、角色定义与权限分配，确保每个用户能且只能访问相应的信息资源与应用服务。

11、易维护性：教育大数据的用户包括校领导、各个职能部门的管理人员、教师教辅人员和学生，必须坚持易维护的设计原则，确保结构清晰、界面友好、操作简单、维护方便。

12、可管理性：教育大数据具有高可管理性，使得平台管理员和运行维护人员的管理简便快捷，降低运行维护费用。

6.技术特点及总体架构

采用自行研发的跨平台开发引擎，基于优秀的开源框架Coco2d-x，进行大量的底层修改和完善，专门针对数字校园建设的特点增加了许多基础解决方案与优化。

基于基础云平台服务，可灵活部署后端服务，并视业务量增长情况平滑扩展；分离本地代码和资源，并使得工程大量脚本化，便于App快速迭代和升级；可以按区域、用户角色提供差异化升级服务。如下图所示——

完整的业务架构设计方案依赖于详细的需求与数据模型，采用成熟的分布式网格架构、标准的开放认证规范，结合云服务的计算、存储以及带宽资源支持，完成高可用性、安全性以及弹性扩展能力的架构方案。

A、水平分层

在大中型互联网后台业务系统的设计中，水平分层是比较标准的规范，其特点是各层之间的依赖关系都是从上往下，上层的服务依赖下层，下层的服务不会依赖上层，构建了一种简单直接的依赖关系。

接口层主要实现与Web页面、移动客户端的接口交互，定义统一的接口规范，平台最核心的三个接口分别是认证(包括第三方认证)、用户数据访问以及管理。

服务层主要把中心的核心业务模块化，提高代码复用度，简化数据关联，从而降低开发难度，提高整个系统的可维护性和迭代升级能力。

数据层主要是各种业务数据的存储，首要的设计原则依然是数据分离，存储方式则与数据属性有关，比如结构化或非结构化，持久化或非持久化。

B、垂直方向

垂直方向实际上给出了水平分层中各分层功能实现所需的各种技术。接口层实现需要负载均衡和网站技术，为了支撑大规模的用户访问流量，CDN技术也是必不可少。在网站技术中，全站HTTPS对于用户数据的安全性是非常关键的。

C、服务层技术架构是整个架构的技术核心

ICE框架提供了基础的网络通讯、对象网格以及RPC访问能力；PAXOS算法可以进一步提高服务对象的动态分布能力；增强的AMQP消息队列(RabbitMQ)提供异步消息发布和持久化能力。Lucene、Kafka和Hadoop则分别提供了全站信息搜索，高性能日志处理和大数据分析能力。在数据层，分布式缓存技术可以大幅度降低SQL关系数据库的访问压力，NoSQL和分布式文件系统则提供了对大规模非结构化数据存储的支持。

D、监控平台

所有服务系统一定会存在故障的可能性，监控平台可以提前预测和发现潜在的故障点，对于系统的平稳运行是非常重要的。分布式监控组件采用对业务系统透明的低侵入方式，利用接口框架、服务框架提供的切入点采集和汇总日志，供监控平台进行分析。

E、云服务

云服务在IT成本方面的优势已经是毋容置疑的事实，据公开资料，云服务可以把传统IOE(IBM/Oracle/EMC)架构的成本降低70%左右。云服务还可以提供更专业的CDN、带宽管理、网络安全等方面的技术支持。在云服务的弹性支撑能力之上构建系统结构，可以专注于业务本身，不太需要关注资源方面的。经过较长时间测评，我们最终选定使用阿里云服务作为IaaS服务商。

F、安全规范

安全规范分为以下几个方面展开:

传输安全：作为整个教育系统的核心，用户中心建议采用全站HTTPS，即所有接口均只支持HTTPS协议以保证传输数据无法被窃取。实施全站HTTPS需要云服务商的大力配合，包括HTTPS证书服务和支持证书的CDN服务，这样可以在保证安全的前提下，提高系统的响应速度和吞吐量。

令牌安全：令牌被分类两类，一类是用户在用户中心登录后分配给用户的登录令牌，该令牌可以与设备绑定，拥有较长的有效期，允许在客户端缓存作为自动登录使用的凭据。这样用户在启动客户端时不需要频繁输入用户名和密码，可以提升用户体验。另一类为第三方应用用临时代码换取的访问令牌，该令牌与应用和设备绑定，有效期较短，访问令牌无法用于登录，只能用来访问用户数据。

数据安全：通过模块化开发，可以减少需要数据库访问权限的开发人员，降低数据库泄露的风险。如果对安全有更高的要求，可以组织混合云，即将数据库等关键服务放在内部机房，把公共服务放在云机房，混合云需要专线联接公有云和内部机房，成本稍高。某些隐私数据，比如用户手机号、住址、身份证等，可以在数据库中加密存储，防止隐私数据泄露。

7.硬件部署

所有硬件、线路设计、安装点、保护设备均以安全、绿色环保、可回收、实用性强、无尖锐突起等为根本原则，让全校师生及家长均可放心使用。

其中将学校不同区域进行功能及设备划分，更合理的分配硬件及网络资源，让学校在使用过程中更便捷、更贴心。

三、运维方案

8.方案说明

免费7×24小时电话技术支持，具备完备措施方案，防止网络病毒、黑客入侵及系统稳定性方面有良好的保障措施；保障项目出现重大问题时及时响应和解决，处理时限见下表：

10.运营团队

11.管理平台

管理平台由教职员工、班级、学生、权限及设备等管理体系及数据统计构成，是数字化校园的基础。应用功能如下——

12.应用平台

应用平台包括教育、教学及学习应用，是数字化校园应用的核心重点，应用功能如下——

A、网络备课

B、网络教学

C、网络教研

D、课堂教学

E、教学资源

F、学生学习

13.安全平台

安全平台包含两大部分，第一部分是平安校园，包含入校考勤、打卡、GPS定位、红外监控、视频监控等。第二部分是数据安全，包含个人信息、应用信息及相关数据。应用功能如下——

信息平台包含两个部分，第一个部分是校内信息展示与发布，包括学校数字信息墙、数字班牌。第二个部分是移动端信息展示与发布，包括即时沟通、校园风采、发布通告、调查问卷等。应用功能如下——

智慧教育、数字校园解决方案基于阿里云平台服务，所有硬件、线路设计、安装点、保护设备均以安全、绿色环保、可回收、实用性强、无尖锐突起等为根本原则，让全校师生及家长均可放心使用。其中将学校不同区域进行功能及设备划分，更合理的分配硬件及网络资源，让学校在使用过程中更便捷、更贴心。

15.智慧课堂

运用云计算、大数据等先进技术，以智慧课堂为核心，依托课堂及时测评、人人通平台教与学应用与分析系统及相应设备等，为教育管理机构、学校、教师、学生、家长提供服务，实现教育技术与教学应用的深度融合。硬件可支持答题器、平板电脑等不同设备。以大数据为重点，收集课堂测评、课堂教学成果、教师课前教学准备、学生课后练习等相关数据，构建教学分析、教学资源运用、教学模式优化、学生学习能力等多种大数据分析模型，为教师、学校提供优化教学方法与手段的数据依据。构建更加智慧的现代化课堂。

16.数字班牌

数字班牌，是智慧校园建设最重要的组成部分之一，即提升了校园的整体形象，又充分展现了校园风采，丰富了校园生活，也成了学校和班级，教师和学生，及家长和学生之间的互动媒介之一。

每个教室配置一个前端显示屏或触摸屏，安装在教室门口或教室内，用来显示班级信息，当前课程信息，班级活动信息以及学校的通知信息。信息内容为文字、图片、多媒体内容等，为学生和老师提供新颖的师生交流及校园服务平台。

17.平安校园

通过无线阅读器、考勤机及软件构成平安校园解决方案，可以进行入校考勤、请假、家长提醒、数据自动汇总等。支持红外夜视高清摄像1080P，24小时监控，全部采用室外摄像机，符合IP66级防水设计，可靠性高，支持防盗报警提示。

18.少儿编程课

一站式编程教育服务云平台。包含活动赛事、编程大冒险、蜜蜂编程学院三大板块。基于美国麻省理工开发的Scratch3.0编程工具。提供学校开设少儿编程课的解决方案，包括教材+教案+视频+PPT+直播+教师培训等相关内容，方便老师进行双师教学。课程分为初级、中级、高级三个阶段，跨学科（数学、英语、语文等）知识涵盖，真正做到学科融合。通过教师教学引导和实践操作，可训练学生的逻辑思维能力，并提升学生的综合素质。

19.语文拓展学习

以统编语文教材的单元双主题（人文主题、语用主题）编排体系为依据，合理提高学生的阅读时长、能力与水平，并通过与语文教材知识点相匹配的特点，加深学生对课文的理解力与拓展学习能力。改革语文教学思路与模式，淡化抠字咬文的传统语文教学模式，让学生在大量阅读、合作学习及数据反馈中，提升学生学习语文的能力。

20.素质与兴趣培养

以大数据为基础，通过各类兴趣活动、素质评价、才艺展示及系统引导，营造一个以素质提升、才艺兴趣培养的网络环境。每周发布一次兴趣活动，如绘画、手工、模仿、乐器等不同类型的主题活动。每学期进行两次素质评价，通过数据收集与汇总，向老师、家长及学校汇报相关的结果。每天鼓励学生上传自己的才艺作品，通过班级同学、老师、其他学校学生的互动鼓励及虚拟奖励机制，激发孩子展示自己的才艺。

六、大数据收集

21.基础行为数据

采用一个平台策略，所有功能与应用全集中在平台中。教育工作者、学校领导、老师、学生及家长共同使用一个软件，减轻用户使用负担，不需要切换软件或更换设备。

从用户行为数据收集看来，目前远远领先于科大讯飞，仅在华为手机中，下载安装量达5000多万次，而科大讯飞的悦作业仅142万次，上次更新APP需要追溯到9个月以前。

收集用户基础数据包含：登录时间、位置、IP地址、MAC地址、机型、系统版本、使用时长、功能点、互动交互、家校沟通、交流文本、使用轨迹。

22.教学数据

教师教学包含课前、课中、课后，通过资源中心、备课、微课、班级活动、班级网盘、课堂工具使用、电子课本、板书、课堂奖励、课后作业、评语、班级空间内容及活跃量等相关数据，建立老师教学相关数据模型。

从而通过数据模型去发现有更多价值的东西，如如何帮助老师提高信息素养、改善教学方法、提高教学效率、实施个性化教学等等。

23.学习数据

学生学习数据收集主要包含：课堂学习记录与成果、课堂测评结果、课后作业数据、自主学习数据、考试成绩统计等。除日常学校教学、学习以外，还收集学生对艺术、才艺、表演、诗词、逻辑运算、社交等不同学习数据与能力。

从而可以有更度去发现学生的优点、薄弱点、学习能力等相关数据。

七、大数据模型

大数据分为数据收集、整理及汇总三大部分——

数据收集：包含行为事件、业务数据、操作数据、应用数据、逻辑处理数据等。

数据整理：包含数据粒度、数据维度、数据分类、归属角色、模型对比等。

数据汇总：包含公共数据、个性数据、行为分析数据、对比分析数据、模拟预判数据等。

的使用，除软件外，还包含相应的硬件、使用场景、环境与角色。如入校考勤卡、校园支付卡、课堂即时测评答题器、数字班牌、少儿编程课程等。为更好的建立大数据，我们从体系架构和模型分层对所有数据进行相关的处理与汇总。不仅为现在的使用者进行服务，还支撑未来更多的数据挖掘需求与业务要求。

大数据体系架构如下——

通过以上架构，确定业务流程>>确定粒度、纬度属性、周期等>>确定事实表，核心内容在于规范与定义不同数据、事件的相关属性。以便于设计出相应的数据分析模型。

大数据模型分层架构如下——

通过操作数据准备层（ODS）、分类、纬度模型层（CDM）和数据、业务应用层（ADS）建立大数据模型分层架构，在此架构上，构建关于教育、教学及个人的个性化分析模型与获取数据。

24.学生大数据模型与分类

将学生大数据共分为四大类，学习、爱好、社交与品格，每一大类都分为多个小类，第一个小类又细分为多个细节。当学生使用时间越长，累积越多的数据，大数据分析模型将逐步绘出学生个人的相关信息画像。

这为家长培养孩子、老师教导孩子提供了有利的帮助与支持，模型分类如下图所示——

25.老师大数据模型与分类

老师的教学大数据，同样主要分为四大类，课前、课中、课后和引导培养。第一个大类又分为多个小类和汇总结果。通过这些数据的分析与汇总，老师可以对自己的教学模式有一个非常直观的了解，同时也可以通过数据的反馈与提醒，纠正或调整接下来的教学目标、方向和方法。

同时，这些大数据的构成，也可成为学校领导对老师的考核方向和指导，通过学校内部的配合，完善或改进教学模式。

26.家长大数据模型与分类

家长大数据分为三大类、多个小类和汇总细节，通过大数据的收集与分析，家长可以通过数据的表达，更加了解自己和孩子教育、教学的关系，如家长的对孩子课本学习的关心程度，在一定范围内与孩子的课本学习效率、结果成正比，又比如家长有很强的文学或手工技能，可能导致孩子在这方向有非常大的兴趣或成就。又或者家长对学校和班级活动的配合程度，可能间接或直接反应在孩子的学校生活或社交能力。

家长的大数据分析结果，同样也为孩子的老师提供一个参考依据，让老师明白如何去配合不同的家长一起对孩子进行更好的教育、教学。