李豐

摘 要：高校助學(xué)金評比主要依據(jù)為學(xué)生家庭經(jīng)濟情況，如何通過學(xué)生檔案數(shù)據(jù)、校內(nèi)外兼職數(shù)據(jù)和校內(nèi)一卡通使用相關(guān)數(shù)據(jù)真實反映學(xué)生經(jīng)濟狀況是關(guān)鍵。文章針對這一問題提出使用PostgreSQL作為非關(guān)系型數(shù)據(jù)庫，使用可編程統(tǒng)計分析軟件R對存儲流進行分析和建模后數(shù)據(jù)挖掘，通過對上述數(shù)據(jù)進行采集、數(shù)據(jù)提取和存儲、數(shù)據(jù)計算和分析等過程，產(chǎn)生學(xué)生消費數(shù)據(jù)分析匯總表，作為學(xué)生助學(xué)金評比的重要依據(jù)。

關(guān)鍵詞：大數(shù)據(jù)；助學(xué)金；PostgreSQL；統(tǒng)計分析軟件R

文章編號：1672-5913（2017）05-0154-04

中圖分類號：G642

1 大數(shù)據(jù)技術(shù)和高校學(xué)生行為活動中大數(shù)據(jù)的產(chǎn)生

1.1 大數(shù)據(jù)的產(chǎn)生

隨著計算機相關(guān)信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的推廣與發(fā)展，互聯(lián)網(wǎng)根據(jù)應(yīng)用協(xié)議在信息傳輸中大規(guī)模運用“請求”+“響應(yīng)”模式。所有接入互聯(lián)網(wǎng)的設(shè)備、軟件等客戶端通過發(fā)送數(shù)據(jù)主動提出服務(wù)請求，服務(wù)器端會根據(jù)指令發(fā)送相應(yīng)的請求數(shù)據(jù)，用戶在客戶端上的每一次訪問請求其實就是一次鼠標點擊或鍵盤輸入數(shù)據(jù)的操作，在服務(wù)器的操作日志中，會忠實地記錄下每個人“訪問的時間、請求的命令、訪問的網(wǎng)址”[1]等數(shù)據(jù)。用戶在網(wǎng)絡(luò)上或各種應(yīng)用系統(tǒng)操作中產(chǎn)生的各種數(shù)據(jù)就像生活中不經(jīng)意間留下的各種各樣痕跡一樣，這些痕跡串連到一起，交織成了網(wǎng)民們在互聯(lián)網(wǎng)上的各種行為軌跡。這些貌似雜亂無章的各種龐大數(shù)據(jù)，經(jīng)過量的積累完成了質(zhì)的飛躍，數(shù)據(jù)中蘊含著巨大的價值。

類似的數(shù)據(jù)之間“具有非關(guān)系型、無序”，被稱為非結(jié)構(gòu)化大數(shù)據(jù)，包含文字、圖片、視頻、音頻等[2]，過去幾十年中已經(jīng)積累了好多，未來還會有更多的數(shù)據(jù)呈幾何級數(shù)增長，而云計算的產(chǎn)生和云技術(shù)的不斷成熟，為大數(shù)據(jù)的存在提供了巨大的存儲空間和合理的訪問技術(shù)，為數(shù)據(jù)分類、查詢和透視分析帶來了可能，從而使得大數(shù)據(jù)技術(shù)成為信息技術(shù)發(fā)展到一定階段后再次產(chǎn)生質(zhì)的飛躍的必然產(chǎn)物。

1.2 高校學(xué)生活動中的大數(shù)據(jù)

高等學(xué)校是一個人員非常密集的生活教育場所，校內(nèi)學(xué)生是信息技術(shù)的天然受眾，學(xué)生的出行、購物、飲食起居、生活娛樂、接受教育等過程中，各種數(shù)據(jù)終端的使用和各種系統(tǒng)的應(yīng)用，會在無形中產(chǎn)生巨大的數(shù)據(jù)量。如果對這些數(shù)據(jù)加以運用，可以更好地改善學(xué)生生活服務(wù)質(zhì)量，提升服務(wù)水平。

（1）高校原始基本數(shù)據(jù)的產(chǎn)生。主要是指學(xué)生和學(xué)校原始基本數(shù)據(jù)的錄入，如每年的“高等學(xué)校數(shù)據(jù)平臺”和“高等學(xué)?；鶎咏y(tǒng)計報表”中學(xué)校相關(guān)數(shù)據(jù)的全方位輸入、學(xué)校固定資產(chǎn)管理系統(tǒng)中資產(chǎn)增加或淘汰后的信息更新、高校實驗室信息管理系統(tǒng)中實驗實訓(xùn)設(shè)備數(shù)據(jù)的更新以及每年新生入學(xué)后所有新生基本數(shù)據(jù)的導(dǎo)入。

（2）應(yīng)用系統(tǒng)中數(shù)據(jù)的產(chǎn)生。目前學(xué)校使用的各種信息化系統(tǒng)主要有進出校門的門禁系統(tǒng)、平時服務(wù)的校園一卡通系統(tǒng)、教學(xué)管理方面的教務(wù)管理系統(tǒng)和學(xué)工管理系統(tǒng)、學(xué)生學(xué)費管理方面的財務(wù)管理系統(tǒng)、圖書借閱方面的圖書管理系統(tǒng)、行政辦公方面的OA辦公系統(tǒng)、學(xué)生聯(lián)系方面的校迅通、固定資產(chǎn)管理方面的資產(chǎn)設(shè)備管理系統(tǒng)，另外還有校園BBS和百度貼吧中的各種文本內(nèi)容和視頻監(jiān)控系統(tǒng)中的各種數(shù)據(jù)。以上一系列信息設(shè)備的使用，不僅僅方便了高校管理，而且在系統(tǒng)使用過程中產(chǎn)生出大量的中間數(shù)據(jù)，這些來源廣泛的數(shù)據(jù)，其類型呈現(xiàn)多樣化的形式，有結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和視頻、音頻、圖形等非結(jié)構(gòu)化的數(shù)據(jù)。這些中間數(shù)據(jù)和互聯(lián)網(wǎng)上相關(guān)的學(xué)生活動數(shù)據(jù)整合起來，和基礎(chǔ)數(shù)據(jù)一起進行過濾、清洗與整合，共同組成能反映學(xué)生各方面生活學(xué)習(xí)細節(jié)的原始大數(shù)據(jù)。

2 學(xué)生助學(xué)金評比中涉及的相關(guān)數(shù)據(jù)

通過與學(xué)生資助管理部門工作人員、高校中各系分管學(xué)生工作人員和輔導(dǎo)員溝通交流，他們一致認為學(xué)生助學(xué)金和學(xué)生獎學(xué)金是有很大區(qū)別的，它存在的目的為資助家庭經(jīng)濟困難學(xué)生完成學(xué)業(yè)，因此評比標準中最重要的一條就是學(xué)生家庭經(jīng)濟情況。大數(shù)據(jù)技術(shù)使用的最終目的是如何真實反映學(xué)生家庭經(jīng)濟情況，數(shù)據(jù)的采集和整理可從以下幾方面考慮。

（1）學(xué)生學(xué)籍檔案中體現(xiàn)出的各種數(shù)據(jù)，如家庭年收入情況、父母居住地為農(nóng)村或城市、是否為單親或離異家庭、父母工作單位、主要社會關(guān)系、學(xué)生健康狀況等各種數(shù)據(jù)，這些信息可以作為評定學(xué)生助學(xué)金的一個重要參考，但由于助學(xué)金評定范圍廣、參與學(xué)生多，對一些家庭經(jīng)濟情況不太明顯的學(xué)生，參考價值就不是太大。

（2）學(xué)生校內(nèi)外兼職數(shù)據(jù)。這個數(shù)據(jù)主要涉及兩方面，一方面是兼職遲早問題，也就是大一就開始兼職，還是大二或大三才開始兼職，兼職越早從理論上來說，家庭經(jīng)濟情況可能更差；另一方面是兼職時間問題，每周多少小時，時間越長、權(quán)重越高，有的學(xué)生可能有幾份兼職；最后是兼職地點問題，校外兼職還是校內(nèi)兼職。

（3）學(xué)生在校內(nèi)餐廳、小賣部等處刷卡消費數(shù)據(jù)。這個是學(xué)生助學(xué)金發(fā)放依據(jù)的主要數(shù)據(jù)，最能說明問題，由以下幾點組成：①刷卡頻次問題，因為學(xué)校餐廳的就餐費用相對來說比較低，所以頻次太低的同學(xué)雖然每月刷卡金額總數(shù)少，但不能說明家庭經(jīng)濟情況差，頻次太高的同學(xué)說明家庭經(jīng)濟情況相對較好，所以經(jīng)過認真核對之后，把每月刷卡頻次大于平均頻次1/3的同學(xué)數(shù)據(jù)提取，其他淘汰；②刷卡金額問題，家庭經(jīng)濟情況不好的同學(xué)刷卡頻次一般，就餐時可能以主食為主，中高價菜肴和小賣部較貴物品購買較少，每月平均單次刷卡金額一定不會太高；③刷卡時間問題，因涉及學(xué)生服務(wù)和利益因素，學(xué)生食堂開放時段很長，對單個學(xué)生來說如果長期刷卡時間和正常上課時間重復(fù)，說明該生學(xué)習(xí)態(tài)度和學(xué)習(xí)積極性有問題。

3 大數(shù)據(jù)技術(shù)的使用和解決方案

3.1 技術(shù)分析和工具的使用

由上文的大數(shù)據(jù)技術(shù)應(yīng)用和學(xué)生助學(xué)金評定中大數(shù)據(jù)的產(chǎn)生可以看出，技術(shù)上問題的解決實際就是對產(chǎn)生的大數(shù)據(jù)進行恰當?shù)牟杉?、合理的分類存儲并最終正確計算分析的過程[3]。這個過程中涉及兩個技術(shù)問題：一個是數(shù)據(jù)的分類存儲過程中需要將原來的數(shù)據(jù)導(dǎo)入能夠進行大數(shù)據(jù)技術(shù)應(yīng)用的相關(guān)數(shù)據(jù)庫中，如Hadoop++、HBase、HadoopDB、Hive等；另一個是導(dǎo)入過程和計算分析過程需要用到的工具，如OCTAVE、SCILAB、R軟件等[4]。經(jīng)過對數(shù)據(jù)庫規(guī)模、計算速度、適用性、使用熟練程度等綜合分析，我們決定在數(shù)據(jù)庫方面使用PostgreSQL，在對存儲流進行分析和建模后的數(shù)據(jù)挖掘過程中使用可編程統(tǒng)計分析軟件R，理由有以下幾點：①這兩款軟件都是開源的免費軟件，從技術(shù)方面看成本特別低，有利于高校的開發(fā)和使用；②PostgreSQL 是一個對象—關(guān)系數(shù)據(jù)庫服務(wù)器，涵蓋極其豐富的數(shù)據(jù)類型支持和十幾種平臺支持，具備多版本并行控制系統(tǒng)（MVCC）、子查詢、數(shù)據(jù)完整性檢查等多種特性，雖然在數(shù)據(jù)庫集群方面有所欠缺，但是正好適用于本系統(tǒng)的數(shù)據(jù)存?。虎跼軟件能夠進行制圖、計算和數(shù)據(jù)處理，具備簡潔高效的編程語言、完整的統(tǒng)計分析、強大的數(shù)組運算工具等功能。endprint

3.2 技術(shù)實現(xiàn)的解決方案

1）相關(guān)數(shù)據(jù)的采集。

（1）學(xué)生檔案中涉及的相關(guān)信息在學(xué)生入學(xué)時提供的電子檔案基礎(chǔ)上，由學(xué)生工作人員在每年的新生開學(xué)前采集并上傳至學(xué)工管理信息系統(tǒng)，在需要時首先由系統(tǒng)操作人員根據(jù)關(guān)鍵字對信息進行查詢，將符合要求的相關(guān)信息篩選到助學(xué)金評定人員手中，作為評定最先需要依據(jù)的數(shù)據(jù)，一些特殊情況如單親、低保等情況可以不考慮后面數(shù)據(jù)直接評定助學(xué)金。

（2）學(xué)生校外兼職數(shù)據(jù)可以作為一個重要的參考，由各班班主任和輔導(dǎo)員負責(zé)采集、匯總并上報相關(guān)部門，兼職時間的長短和兼職地點在校內(nèi)或校外這兩大因素對學(xué)生校內(nèi)刷卡頻次和消費金額有直接而深遠的影響。

（3）刷卡消費相關(guān)數(shù)據(jù)量大、結(jié)構(gòu)復(fù)雜、技術(shù)要求高，是本次大數(shù)據(jù)技術(shù)應(yīng)用中分析的數(shù)據(jù)，相關(guān)數(shù)據(jù)內(nèi)容存儲于校內(nèi)一卡通服務(wù)器上，存儲方式單一，有利用提取和分析。

2）學(xué)生刷卡消費相關(guān)數(shù)據(jù)的提取和存儲。

在一個時間節(jié)點上如一學(xué)年結(jié)束后進行數(shù)據(jù)采集，用R軟件對數(shù)據(jù)進行流分析，把處理完成的數(shù)據(jù)流用關(guān)系型數(shù)據(jù)庫的方法以JSON格式讀入PostgreSQL數(shù)據(jù)庫中。具體的操作過程為：第1步，把R軟件和PostgreSQL數(shù)據(jù)庫以開放數(shù)據(jù)庫連接方式進行連接；第2步，在數(shù)據(jù)結(jié)構(gòu)現(xiàn)有狀態(tài)不變的情況下，通過數(shù)據(jù)框添加，插入PostgreSQL數(shù)據(jù)庫內(nèi)臨時表中；第3步，根據(jù)要求創(chuàng)建一個新的數(shù)據(jù)庫，通過一個新編寫的SQL腳本把上一步中臨時表內(nèi)的數(shù)據(jù)以一定的頻率寫入新的數(shù)據(jù)庫中，最后將臨時表刪除。數(shù)據(jù)采集工作結(jié)束以后，前2個步驟根據(jù)程序設(shè)定自動執(zhí)行，步驟3中的SQL腳本一般不定時，根據(jù)數(shù)據(jù)量手動運行。

3）學(xué)生刷卡消費數(shù)據(jù)的計算分析過程。

導(dǎo)入PostgreSQL數(shù)據(jù)庫后就要進行數(shù)據(jù)分析，此處主要是指對數(shù)據(jù)進行挖掘和統(tǒng)計。一開始的數(shù)據(jù)分析因為數(shù)據(jù)總量相對比較少，我們應(yīng)用硬盤緩存技術(shù)緩解由于內(nèi)存容量低產(chǎn)生的卡和慢問題，將R軟件采用開放數(shù)據(jù)庫連接方式連接到PostgreSQL數(shù)據(jù)庫中，把數(shù)據(jù)移動到R軟件進行分析。在以后的操作過程中，如果數(shù)據(jù)量特別大，因為數(shù)據(jù)分析的需求通常情況下比較固定，為了降低數(shù)據(jù)遷移的成本，就必須將R軟件代碼用自定義函數(shù)的形式插入PostgreSQL數(shù)據(jù)庫的存儲過程中，在PostgreSQL數(shù)據(jù)庫內(nèi)部對數(shù)據(jù)進行統(tǒng)計分析和數(shù)據(jù)挖掘。

經(jīng)過數(shù)據(jù)統(tǒng)計分析和挖掘后，綜合刷卡頻次、刷卡金額和刷卡時間對數(shù)據(jù)進行計算，取一個值α。α計算方法為每月刷卡總金額/（每月刷卡總次數(shù)-規(guī)定時間外刷卡次數(shù)），然后排除每月刷卡頻次小于平均頻次1/3的同學(xué)，最后把每月的α加起來，以班級為單位由低到高排名。

4 結(jié)果呈現(xiàn)

經(jīng)過大數(shù)據(jù)提取分析后，最終提交給班主任和學(xué)校資助管理人員3張表，優(yōu)先級別分別為表1、表2和表3。

（1）表1是學(xué)生家庭情況表，分為三星、二星、一星3種情況：三星為嚴重情況，如家庭為單親或離異家庭、家中直接親屬有重大疾病、家住農(nóng)村為低保戶等，可以不考慮后2張表優(yōu)先評定；二星為一般情況，如家庭經(jīng)濟收入較低等，在參考表3的情況下做到優(yōu)先評定；一星為普通情況，也有可能家庭收入較低但在表上沒有體現(xiàn)出來。

（2）表2是學(xué)生兼職情況表，以班為單位，有本班學(xué)生姓名、兼職地點、兼職開始時間、每月兼職時長等相關(guān)信息，評定人員根據(jù)相關(guān)信息進行評定。

（3）表3是學(xué)生消費數(shù)據(jù)統(tǒng)計匯總表，由于表中涉及的數(shù)據(jù)龐雜，呈現(xiàn)給學(xué)生助學(xué)金評定人員的有兩部分內(nèi)容：一部分是每月刷卡頻次大于等于平均頻次1/3的同學(xué)，把每月的α加起來，每名學(xué)生一個數(shù)值，由低到高排名；另一部分是每月刷卡頻次小于平均頻次1/3的同學(xué)，也把每月的α加起來并排名。

各班班主任（輔導(dǎo)員）和學(xué)生資助管理人員根據(jù)3張表的優(yōu)先級和表的內(nèi)容，將其作為評定助學(xué)金時一個重要依據(jù)。另外一個值得注意的重要問題就是表中內(nèi)容涉及學(xué)生個人隱私，根據(jù)相關(guān)法律不能在公開場合泄露，希望相關(guān)人員高度重視。

5 結(jié) 語

學(xué)生助學(xué)金的評比是一個多維度、復(fù)雜的過程，除了家庭經(jīng)濟情況外，還要參考學(xué)生學(xué)習(xí)狀況、遵守校規(guī)校紀情況等。大數(shù)據(jù)技術(shù)的應(yīng)用可以給評定過程提供一些重要依據(jù)和有意義的參考，但技術(shù)的發(fā)展和完善是一個長期的過程，文中提到的技術(shù)有局限性，整合的數(shù)據(jù)也有片面性，希望高校的教育工作者能夠不忘初心，秉持崇高理想，充分運用自己的管理技巧使學(xué)生助學(xué)金評定更加客觀、公正、合理。

參考文獻：

[1] 趙國棟， 易歡歡， 糜萬軍， 等. 大數(shù)據(jù)時代的歷史機遇[M]. 北京： 清華大學(xué)出版社， 2013： 13.

[2] 黃恒軍， 漆威. 海量半結(jié)構(gòu)化數(shù)據(jù)采集存儲及分析[J]. 統(tǒng)計研究， 2014（5）： 10-16.

[3] 陳吉榮， 樂嘉錦. 基于Hadoop生態(tài)系統(tǒng)的大數(shù)據(jù)解決方案綜述 [J]. 計算機工程與科學(xué)， 2013（10）： 25-34.

[4] 張德剛， 張德海， 吳毅， 等. 面向大數(shù)據(jù)分析的企業(yè)信息化解決方案研究[J]. 電力信息通信技術(shù)， 2014（9）： 11-14.

（編輯：宋文婷）endprint