摘" 要： 大數(shù)據(jù)成為當(dāng)下智慧校園建設(shè)的重點，目前的數(shù)字化校園擁有的數(shù)據(jù)量遠遠不足以實現(xiàn)大數(shù)據(jù)分析，廠商鼓吹的數(shù)據(jù)挖掘應(yīng)用也存在各種問題，并且學(xué)生大數(shù)據(jù)并不是短時間能夠建立完善的。文中研究學(xué)生數(shù)據(jù)畫像生成方式，通過采集數(shù)據(jù)形成數(shù)據(jù)畫像模型主框架，建立評估模型生成能力數(shù)據(jù)，利用數(shù)據(jù)表達生成雷達圖，逐步建立“精英模型”等方式完善學(xué)生數(shù)據(jù)畫像，并利用主動采集和人工智能輔助形式進行改進研究，探討可行的智慧校園數(shù)據(jù)挖掘模式與應(yīng)用。

關(guān)鍵詞： 數(shù)據(jù)畫像; 雷達圖; 精英模型; 被動收集; 人工智能; 智慧校園

中圖分類號： TN911.1?34" " " " " " " " " " " " 文獻標識碼： A" " " " " " " " " " " " "文章編號： 1004?373X（2019）21?0058?05

Abstract： Big data has become the key point to build intelligent campus at present. However， the data volume in the possession of the digitalized campus is far from enough required by big data analysis， and there are also many problems in the data mining applications promoted by various manufacturers. The perfection of big data for students is not a one?night work. The generating ways of students′ digital image are studied in this paper. By data collection， the main frame of data image model is formed and the evaluation model creating ability data is established. A radar map is generated from data expression and the “elite model” is built gradually to perfect data image of students. The improving study is made by active collection and artificial intelligence assistance to explore feasible data mining modes and applications of intelligent campus.

Keywords： digital portrait; radar map; elite model; passive collection; artificial intelligence; intelligent campus

0" 引" 言

目前，各高?；就瓿闪藬?shù)字化校園中主要應(yīng)用系統(tǒng)的建設(shè)，信息化系統(tǒng)涵蓋了OA、教務(wù)、學(xué)工、后勤、科研、一卡通等多個方面。部分系統(tǒng)已經(jīng)運行了將近10年，積累了超過二十萬的數(shù)據(jù)樣本，并且根據(jù)統(tǒng)一門戶、統(tǒng)一身份認證、統(tǒng)一數(shù)據(jù)庫建設(shè)思路，完成了初步的數(shù)據(jù)打通。在這些建設(shè)的基礎(chǔ)上，各高校根據(jù)應(yīng)用要求提出智慧校園規(guī)劃方案，各大廠商根據(jù)大數(shù)據(jù)、人工智能等行業(yè)熱點，推出了以學(xué)生大數(shù)據(jù)為核心的智慧校園建設(shè)方案[1]。但是經(jīng)過實踐探索，目前階段提出的學(xué)生大數(shù)據(jù)還并不能實現(xiàn)，本文通過對現(xiàn)有應(yīng)用數(shù)據(jù)分析，提出可行的智慧校園數(shù)據(jù)挖掘模式與應(yīng)用。

1" 數(shù)字化校園建設(shè)情況

1.1" 數(shù)字化校園的應(yīng)用系統(tǒng)建設(shè)與設(shè)計理念迭代

數(shù)字化校園中，各高校首先建立的大多都是教務(wù)系統(tǒng)，主要原因包括：一是學(xué)校是以教學(xué)為本，教務(wù)是整個學(xué)校的重中之重，教務(wù)系統(tǒng)是全校師生日常都必須使用的應(yīng)用;二是教務(wù)系統(tǒng)使用的用戶最多、使用頻率較高，包括成績、選課、評教等業(yè)務(wù)都在教務(wù)系統(tǒng)上完成。在數(shù)字化校園建設(shè)中，教務(wù)數(shù)據(jù)就成為了最基礎(chǔ)的數(shù)據(jù)來源，較多高校都是在教務(wù)系統(tǒng)的基礎(chǔ)上去拓展建設(shè)數(shù)字化校園。另一類的高校是先建立了校園卡系統(tǒng)，主要是因為校園卡是每個師生日常必須使用的卡，在校園卡系統(tǒng)成熟后，推出一卡通系統(tǒng)，并在此基礎(chǔ)上拓展數(shù)字化校園。

此類以教務(wù)數(shù)據(jù)或一卡通數(shù)據(jù)為主的數(shù)字化校園建設(shè)在后期被全面推翻。各高校的信息主管部門、信息網(wǎng)絡(luò)中心認識到數(shù)字化校園并不是簡單的以某個系統(tǒng)為主將各系統(tǒng)完成數(shù)據(jù)集成，而應(yīng)該是整個學(xué)生的數(shù)據(jù)呈現(xiàn)，數(shù)字化校園建設(shè)由此提出了“全生命周期學(xué)生管理”的概念，即從新生入學(xué)到畢業(yè)生離校，以時間主線串聯(lián)的整個在校周期內(nèi)所有業(yè)務(wù)建設(shè)[2]。此階段數(shù)字化校園各應(yīng)用系統(tǒng)中，事項必須依靠用戶數(shù)據(jù)呈現(xiàn)業(yè)務(wù)處理的過程，從另一個角度看是在各個數(shù)據(jù)維度建立用戶數(shù)據(jù)。在“全生命周期學(xué)生管理”的設(shè)計理念指導(dǎo)下，用戶數(shù)據(jù)逐漸向能表達學(xué)生方方面面發(fā)展，由此組成了學(xué)生的“數(shù)據(jù)畫像”[3]。

1.2" 數(shù)字化校園應(yīng)用數(shù)據(jù)情況

數(shù)字化校園建設(shè)中，目前的應(yīng)用數(shù)據(jù)情況有以下特點：

1） 針對從新生入學(xué)到畢業(yè)生離校的應(yīng)用建設(shè)越來越多，應(yīng)用數(shù)據(jù)種類越來越多;

2） 應(yīng)用數(shù)據(jù)量越來越大。隨著應(yīng)用系統(tǒng)的不斷建立，經(jīng)過一定時期的運行積累，逐漸沉淀了大量的應(yīng)用數(shù)據(jù);

3） 利用三大平臺進行數(shù)據(jù)打通，實現(xiàn)了“消除信息孤島”的目標。而這些數(shù)據(jù)是否就組成了可以為智慧校園所用的“數(shù)據(jù)畫像”，從目前來看并非如此。

2" 當(dāng)前智慧校園數(shù)據(jù)挖掘與數(shù)據(jù)使用瓶頸

1） 現(xiàn)有數(shù)據(jù)量和數(shù)據(jù)類型有限

智慧校園的核心理念是利用數(shù)據(jù)挖掘?qū)崿F(xiàn)智慧化的服務(wù)，這種數(shù)據(jù)挖掘必須建立在真實可用的數(shù)據(jù)中[4]。目前數(shù)字化校園數(shù)據(jù)中，數(shù)據(jù)量增加但多數(shù)為沉淀數(shù)據(jù)。沉淀數(shù)據(jù)主要是已畢業(yè)的學(xué)生數(shù)據(jù)，學(xué)生在校時間僅僅四年，而畢業(yè)以后的學(xué)生數(shù)據(jù)因為所在的時代背景、時代環(huán)境不同，沉淀數(shù)據(jù)挖掘?qū)τ诋?dāng)下的實用價值極其有限。在沉淀數(shù)據(jù)中，主要是教務(wù)、校園卡等已建立多年的數(shù)據(jù)較多，而真正可用的數(shù)據(jù)并不多。如2010年的學(xué)生每日飯?zhí)孟M數(shù)據(jù)由于當(dāng)時的物價、當(dāng)時并沒有出現(xiàn)如此之多的外賣等原因，進行數(shù)據(jù)挖掘意義并不大。有數(shù)據(jù)挖掘價值的僅僅只是近年來按照第1節(jié)新的思路建設(shè)的各類管理系統(tǒng)數(shù)據(jù)。

2） 現(xiàn)有過程數(shù)據(jù)有限

前期建設(shè)的數(shù)字化校園系統(tǒng)中，多數(shù)為業(yè)務(wù)流程的數(shù)字化，僅僅是將紙質(zhì)文檔變成數(shù)字文檔。以學(xué)工系統(tǒng)為例，此前的學(xué)生綜合測評管理僅僅是將學(xué)生的期末排名記錄在系統(tǒng)中，而學(xué)生綜合測評評審過程中的學(xué)生文體表現(xiàn)、品德行為、實踐創(chuàng)新的相關(guān)過程數(shù)據(jù)卻沒有保存。對僅有的結(jié)果數(shù)據(jù)進行挖掘，并不能很好地反映出實際問題。在后期系統(tǒng)建設(shè)中，反映學(xué)生日常行為的各類數(shù)據(jù)才是后期建設(shè)的關(guān)鍵。

3） 現(xiàn)有整合數(shù)據(jù)有限

在目前的數(shù)據(jù)打通過程中，還是簡單地按照學(xué)號作為主鍵去匹配。這個思路在三大平臺統(tǒng)一的原則上沒有錯誤，而在實際使用中，由于大部分的沉淀數(shù)據(jù)沒有進行合理的歸檔，匹配的工作量非常大。各類業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)存在同一值的不同表示、數(shù)據(jù)格式、命名習(xí)慣、拼寫錯誤、不合法值、空值等各種情況的臟數(shù)據(jù)，在多個系統(tǒng)數(shù)據(jù)匹配過程中出現(xiàn)各類問題，導(dǎo)致數(shù)據(jù)結(jié)果基本無用。必須通過建立清洗規(guī)則對臟數(shù)據(jù)進行清洗，建立數(shù)據(jù)中間件和數(shù)據(jù)倉庫，實現(xiàn)數(shù)據(jù)整合，保證數(shù)據(jù)的一致性，解決數(shù)據(jù)沖突[5]。

4） 現(xiàn)有實質(zhì)關(guān)聯(lián)數(shù)據(jù)有限

學(xué)生大數(shù)據(jù)的理念是在全方位數(shù)據(jù)打通的基礎(chǔ)上進行數(shù)據(jù)挖掘，生成數(shù)據(jù)畫像，而在僅有打通整合后的數(shù)據(jù)中，實質(zhì)關(guān)聯(lián)的數(shù)據(jù)有限，進行數(shù)據(jù)挖掘并沒有特別好的效果。如某廠商推薦的數(shù)據(jù)挖掘應(yīng)用中，將一卡通飯?zhí)孟M數(shù)據(jù)和學(xué)業(yè)成績數(shù)據(jù)進行挖掘，所產(chǎn)生的挖掘結(jié)果基本無實質(zhì)價值，僅有“檢驗助學(xué)金學(xué)生確實是貧困生”的應(yīng)用有實質(zhì)意義，不過在使用中，因為外賣等各類不可控因素，導(dǎo)致實質(zhì)效果微乎其微[6]。智慧校園建設(shè)需要對現(xiàn)有校園的業(yè)務(wù)進行梳理，尋找有實質(zhì)關(guān)聯(lián)的數(shù)據(jù)[7]。

3" 學(xué)生數(shù)據(jù)畫像生成方式

學(xué)生數(shù)據(jù)畫像生成分為如下部分：一是利用智慧校園數(shù)據(jù)中間件，通過數(shù)據(jù)共享交換搭建學(xué)生能力主框架數(shù)據(jù);二是通過數(shù)據(jù)中間件實現(xiàn)初步數(shù)據(jù)表達;三是利用歷史主框架數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)確定強相關(guān)因子，生成評估模型;四是利用數(shù)據(jù)表達轉(zhuǎn)化生成數(shù)據(jù)畫像雷達圖;五是利用爬蟲模塊獲取招聘網(wǎng)站數(shù)據(jù)、崗位信息，通過提取崗位關(guān)鍵詞生成精英模型，提供數(shù)據(jù)畫像的比較標準。學(xué)生數(shù)據(jù)畫像生成方式流程如圖1所示。

3.1" 利用數(shù)據(jù)中間件采集建立模型主框架

智慧校園建設(shè)需要站在更高的角度進行頂層設(shè)計，圍繞學(xué)生數(shù)據(jù)畫像，對數(shù)據(jù)的采集、組織、分類、保存、發(fā)布和使用都有一個較好的規(guī)劃，梳理每一個業(yè)務(wù)系統(tǒng)應(yīng)用中對應(yīng)數(shù)據(jù)的意義，建立以人為本的數(shù)據(jù)畫像模型，建立以數(shù)據(jù)聚合為核心的數(shù)據(jù)交換過程，建立以服務(wù)提供為呈現(xiàn)的數(shù)據(jù)處理業(yè)務(wù)系統(tǒng)[8]。在規(guī)劃整個數(shù)據(jù)畫像后，構(gòu)建“人—事件類別—數(shù)據(jù)”三元框架。以人為本的數(shù)據(jù)畫像模型將數(shù)據(jù)根據(jù)不同維度進行劃分，如日常學(xué)習(xí)、日常課外生活、日常消費數(shù)據(jù)，注重采集學(xué)業(yè)成績、綜測中記錄的學(xué)生獲獎、學(xué)生德育表現(xiàn)、學(xué)生創(chuàng)新創(chuàng)業(yè)表現(xiàn)、實習(xí)過程系統(tǒng)中的周報評價、總體評價等能直接描述學(xué)生各方面能力的數(shù)據(jù)，數(shù)據(jù)來源如圖2所示[9]。通過建成各類信息子集形成數(shù)據(jù)集市，數(shù)據(jù)集市各維度數(shù)據(jù)來源于相關(guān)業(yè)務(wù)系統(tǒng)的過程數(shù)據(jù)[10]，以此類“有用”的數(shù)據(jù)為主線，建立數(shù)據(jù)畫像的模型主框架，即建立預(yù)處理字段庫。

3.2" 利用數(shù)據(jù)中間件實現(xiàn)數(shù)據(jù)表達

數(shù)據(jù)表達是將數(shù)據(jù)畫像模型主框架中的成績數(shù)據(jù)、獲獎數(shù)據(jù)、實習(xí)過程數(shù)據(jù)各類文本數(shù)據(jù)，通過清洗轉(zhuǎn)化為數(shù)據(jù)化、具體化學(xué)生能力進行表述，用數(shù)據(jù)值指標來量化學(xué)生能力。具體實現(xiàn)是通過數(shù)據(jù)中間件獲取實習(xí)過程管理系統(tǒng)中承擔(dān)的實習(xí)項目評價數(shù)據(jù)，如在其中的職責(zé)和貢獻，在達到或完成規(guī)定的工作任務(wù)之外，做出了哪些其他貢獻;是否有建議曾被項目組采納;在實施這項建議時的作用以及因此取得的業(yè)績和資歷;是否處理過緊急或危險情況等數(shù)據(jù)，通過中間件的清洗轉(zhuǎn)換功能實現(xiàn)數(shù)據(jù)表達轉(zhuǎn)換，數(shù)據(jù)采集、清洗、轉(zhuǎn)換過程的中間件配置如圖3所示，并將其數(shù)據(jù)化為各個字段細項數(shù)據(jù)存入已建立的預(yù)處理字段庫。

3.3" 確定強相關(guān)因子建立評估模型

通過評估模型、自動評估預(yù)處理字段庫中的數(shù)據(jù)，生成學(xué)生數(shù)據(jù)畫像字段數(shù)據(jù)。評估生成的數(shù)據(jù)畫像數(shù)據(jù)字段主要包括學(xué)習(xí)提煉能力、溝通談判能力、承壓能力、執(zhí)行力、專業(yè)知識、關(guān)聯(lián)知識、技術(shù)能力、業(yè)務(wù)能力、項目計劃能力、項目跟蹤和控制能力、風(fēng)險識別與管控、度量及數(shù)據(jù)分析、敏捷項目管理能力、成本分析控制能力、團隊影響力等。

在建立評估系統(tǒng)時，為提高系統(tǒng)評估的準確性，在預(yù)處理字段庫中篩選了學(xué)生專業(yè)技能、溝通、文檔讀寫、獲得證書、實習(xí)經(jīng)歷等字段作為強相關(guān)因子，初步選定基于決策樹、隨機森林、提升樹、線性回歸等評估模型。通過人工評估驗證的方式，驗證評估模型的評估準確率。驗證過程中，分別計算評估模型的均方誤差（MSE）、均方根誤差（RMSE）、平均誤差（MAE）：

式中[Mi]為樣本人工評估平均值。通過比對人工評估值，分別計算五種模型的評估準確率[T]，計算結(jié)果如表1所示。

通過比對初步選定的五種模型評估準確率，最終選定基于隨機森林模型構(gòu)建數(shù)據(jù)畫像評估模型。與其他四種評估模型比較，具有抗噪聲能力較強、可解釋性較強、非線性關(guān)系問題處理較強和運行效率較高等優(yōu)點，并且在評估過程中不會出現(xiàn)能力值為負分的情況，效果較好。

3.4" 利用數(shù)據(jù)表達轉(zhuǎn)化生成數(shù)據(jù)畫像雷達圖

各類采集來源的數(shù)據(jù)進入預(yù)處理字段庫，通過評估模型，轉(zhuǎn)化為數(shù)據(jù)畫像各字段中的數(shù)據(jù)，并將各字段數(shù)據(jù)以雷達圖形式表達。通過雷達圖學(xué)校、教師可以清楚地掌握學(xué)生從入學(xué)到畢業(yè)，各項能力提升了多少，并掌握學(xué)生的最新狀態(tài)。通過分析計算機學(xué)院張某同學(xué)的學(xué)業(yè)成績、參加專業(yè)技能比賽、參加見習(xí)實習(xí)的意見反饋等數(shù)據(jù)，通過評估模型系統(tǒng)評估后，生成的能力雷達圖，如圖4所示。

3.5" 根據(jù)數(shù)據(jù)畫像雷達圖逐步打造“精英模型”

在建立數(shù)據(jù)畫像模型后，每一項數(shù)據(jù)的填充都是學(xué)生日常生活的體現(xiàn)，有利于將學(xué)生的各項能力數(shù)據(jù)化，這種數(shù)據(jù)化更加直觀地可以讓學(xué)生客觀認知自己的能力水平。數(shù)據(jù)畫像模型建立后，可對沉淀數(shù)據(jù)中的學(xué)生數(shù)據(jù)進行挖掘?qū)W習(xí)，逐步建立起“好學(xué)生”和“壞學(xué)生”的模型，通過智能網(wǎng)絡(luò)爬蟲工具自動爬取智聯(lián)招聘、前程無憂等20多個主流招聘網(wǎng)站幾千萬條信息。并且利用分詞解析技術(shù)將網(wǎng)絡(luò)上大量的招聘信息自動爬取、自動解析成相應(yīng)的技能，并轉(zhuǎn)化為數(shù)據(jù)畫像字段數(shù)值，逐步建立完善各專業(yè)各類型的“精英模型”。通過與社會所需要的能力數(shù)據(jù)畫像“精英模型”對比，讓學(xué)生全面了解自己的能力與社會要求能力的差距，學(xué)生可以知道自己跟什么樣的崗位匹配度最高，適合尋找哪個崗位方向的工作。同時知道自己的哪部分能力與用人單位的需要有差距，可以針對性地去提高，逐步完善自身各方面能力。圖5所示為通過系統(tǒng)生成的“項目經(jīng)理精英模型”，張某同學(xué)如有意愿應(yīng)聘“項目經(jīng)理”崗位，能看到自身的優(yōu)勢，也知道自身的劣勢，更好地提高自己的水平。

4" 學(xué)生數(shù)據(jù)畫像生成方式改進研究

4.1" 在主動采集的基礎(chǔ)上增加被動采集

目前的數(shù)據(jù)畫像模型主要都是各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，屬于主動采集的數(shù)據(jù)，而主動采集的數(shù)據(jù)量是非常有限的。隨著目前物聯(lián)網(wǎng)技術(shù)、人工智能技術(shù)的發(fā)展，在智慧校園中引入如各類傳感器和人臉識別等技術(shù)，逐步實現(xiàn)全方位、無感知地提供各類智能化服務(wù)[11]。在課堂行為監(jiān)控中，以前僅僅是通過學(xué)習(xí)成績反映課堂效果，而利用人臉識別技術(shù)可以對學(xué)生學(xué)習(xí)過程行為進行采集，包括教師授課、課堂互動以及學(xué)生的聽課狀態(tài)（是否在睡覺、是否活躍）等，在過程數(shù)據(jù)采集后，將其與學(xué)習(xí)成績相關(guān)聯(lián)，可以更好地掌握學(xué)生學(xué)習(xí)的過程情況，也可以為教學(xué)改進提供反饋依據(jù)。在宿舍管理應(yīng)用中，以前僅僅通過人工的方式去管理學(xué)生，而且最終導(dǎo)入的也是結(jié)果數(shù)據(jù)，而利用人臉識別技術(shù)可以實現(xiàn)對學(xué)生進出宿舍時間進行監(jiān)控，除了可以獲取“夜不歸宿”的學(xué)生結(jié)果信息，更能通過被動采集知悉優(yōu)秀學(xué)生的部分作息信息，由此去挖掘其延伸功能。

4.2" 引入人工智能輔助建立模型

在增加采集被動數(shù)據(jù)的基礎(chǔ)上，當(dāng)數(shù)據(jù)量積累到一定階段，數(shù)據(jù)量將會非常龐大，2萬學(xué)生每日上網(wǎng)行為數(shù)據(jù)約3 GB的文本數(shù)據(jù)。如此之多的數(shù)據(jù)單純靠人工分析是很難發(fā)現(xiàn)相關(guān)關(guān)系的。建立半監(jiān)督的機器學(xué)習(xí)，通過對各類數(shù)據(jù)清洗、提煉、聚類，分析從智慧校園海量數(shù)據(jù)中提取標簽，建立個體標簽體系[12]。通過不斷優(yōu)化學(xué)生標簽的類別和內(nèi)容，完善給學(xué)生打標簽的規(guī)則，實現(xiàn)在智慧校園中學(xué)生畫像的構(gòu)建[13]。通過對大量數(shù)據(jù)學(xué)習(xí)，由人工智能去發(fā)掘一些隱性的關(guān)聯(lián)形成新的關(guān)系模型[14]。

5" 結(jié)" 語

智慧校園建設(shè)的核心理念是建立一個了解師生、讀懂?dāng)?shù)據(jù)、更智慧化的服務(wù)與決策的應(yīng)用集群。探索智慧校園建設(shè)，從數(shù)據(jù)入手，通過以學(xué)生數(shù)據(jù)畫像為主線，圍繞所需數(shù)據(jù)采集過程完善業(yè)務(wù)應(yīng)用建設(shè)，利用學(xué)生數(shù)據(jù)畫像為智慧校園提供智慧化決策，從而在智慧校園的建設(shè)過程中找到全新的前進方向。

參考文獻

[1] 余鵬，李艷.基于教育大數(shù)據(jù)生態(tài)體系的高校智慧校園建設(shè)研究[J].中國電化教育，2018（6）：8?16.

YU Peng， LI Yan. Research on education big data ecosystem in the construction of smart campus [J]. China educational technology， 2018（6）： 8?16.

[2] 宋文超.基于生命周期理論的高校學(xué)生檔案管理：以北京外國語大學(xué)為例[J].蘭臺世界，2018（9）：56?59.

SONG Wenchao. College students archives management based on life cycle theory： taking Beijing Foreign Studies University as an example [J]. Lantai world， 2018（9）： 56?59.

[3] 王曦.“互聯(lián)網(wǎng)+智慧校園”的立體架構(gòu)及應(yīng)用研究[J].中國電化教育，2016（10）：107?111.

WANG Xi. Three?dimensional construction and application study on “Internet+ Smart Campus” [J]. China educational technology， 2016（10）： 107?111.

[4] 李有增，曾浩.基于學(xué)生行為分析模型的高校智慧校園教育大數(shù)據(jù)應(yīng)用研究[J].中國電化教育，2018（7）：33?38.

LI Youzeng， ZENG Hao. Smart campus big data education application based on students′ behavior analysis model [J]. China educational technology， 2018（7）： 33?38.

[5] 李青，韓俊紅.數(shù)據(jù)治理：提升教育數(shù)據(jù)質(zhì)量的方法和途徑[J].中國遠程教育，2018（8）：45?53.

LI Qing， HAN Junhong. Data governance： means and methods to improve the quality of educational data [J]. Distance education in China， 2018（8）： 45?53.

[6] 王華，李伶，楊帆.大數(shù)據(jù)時代校園一卡通數(shù)據(jù)分析與應(yīng)用研究[J].現(xiàn)代電子技術(shù)，2018，41（4）：56?59.

WANG Hua， LI Ling， YANG Fan. Research on campus card data analysis and application in big data era [J]. Modern electronics technique， 2018， 41（4）： 56?59.

[7] 鄧逢光，張子石.基于大數(shù)據(jù)的學(xué)生校園行為分析預(yù)警管理平臺建構(gòu)研究[J].中國電化教育，2017（11）：60?64.

DENG Fengguang， ZHANG Zishi. Research on the construction of students′ campus behavior analysis and warning management platform based on big data [J]. China educational technology， 2017（11）： 60?64.

[8] 王燕.智慧校園建設(shè)總體架構(gòu)模型及典型應(yīng)用分析[J].中國電化教育，2014（9）：88?92.

WANG Yan. Smart campus construction overall architecture model and typical applications prospect [J]. China educational technology， 2014（9）： 88?92.

[9] 馬捷，蒲泓宇，張云開，等.基于關(guān)聯(lián)數(shù)據(jù)的政府智慧服務(wù)框架與信息協(xié)同機制[J].情報理論與實踐，2018（11）：20?26.

MA Jie， PU Hongyu， ZHANG Yunkai， et al. Government smart service framework and information collaboration mechanism based on linked data [J]. Information theory amp; application， 2018（11）： 20?26.

[10] 蒲芳，劉琳瑯，徐萍，等.數(shù)字化校園中一卡通數(shù)據(jù)集成的研究與應(yīng)用[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2017（z1）：13?16.

PU Fang， LIU Linlang， XU Ping， et al. Research and application of campus card data integration in digital campus [J]. Journal of Central China Normal University （Natural scien?ces）， 2017（S1）： 13?16.

[11] 呂倩.基于云計算及物聯(lián)網(wǎng)構(gòu)建智慧校園[J].計算機科學(xué)，2011，38（z1）：18?21.

Lü Qian. Constructing smart campus based on the cloud computing and the internet of things [J]. Computer science， 2011， 38（S1）： 18?21.

[12] 陳臣，馬曉亭.基于小數(shù)據(jù)的圖書館用戶精準畫像研究[J].情報資料工作，2018（5）：57?61.

CHEN Chen， MA Xiaoting. Research on accurate portraits of library users based on small data [J]. Information and documentation services， 2018（5）： 57?61.

[13] 李光耀，宋文廣，謝艷晴.智慧校園學(xué)生畫像方法研究[J].現(xiàn)代電子技術(shù)，2018，41（12）：161?163.

LI Guangyao， SONG Wenguang， Xie Yanqing. Research on student profiling method for smart campus [J]. Modern electronics technique， 2018， 41（12）： 161?163.

[14] 熊甜，鄭松，徐哲壯，等.基于Azure機器學(xué)習(xí)平臺的大學(xué)校園用電分析與預(yù)測[J].電氣技術(shù)，2018，19（5）：5?9.

XIONG Tian， ZHENG Song， XU Zhezhuang， et al. The analysis and prediction of power consumption in university campus based on azure machine learning platform [J]. Electrical engineering， 2018， 19（5）： 5?9.