Smartbi研究院：高校数据中心和应用建设指南（三）

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。