基于数据融合的一种校园安全判定模型构建与研究.pdfVIP

《中国教育信息化》编辑部：mis@砌e．edu．cn教育大数据

基于数据融合的

一种校园安全判定模型构建与研究

赵文龙1，邓文雯1，张强伟2，孙玉1

(1．苏州农业职业技术学院智慧农业学院，江苏苏州215008；

2．西南交通大学信息化与网络管理处。四川成都610031)

摘要：传统学生在校状态往往基于一卡通消费数据进行判断．存在数据质量不高、消费随机性较大

等现象，加上信息时代行为习惯不同，导致数据精准度不高、预测性不强、可信度较差。为精准掌握学生在

校状态，文章提出一种基于多源数据融合的判定模型，结果表明：行为活动时间长度在筛选时间段长度

[60％，80炯之间时，是否在校判定模型的计算结果与实际在校状态基本相符，准确率可达98％以上，为疫情

防控提供了辅助决策支持，为平安校园建设提供了一种技术保证，并根据ARIMA模型进行预测分析，对

学情管理具有一定的指导价值。

关键词：数据融合；判定模型；数据驱动；辅助决策；预测分析

中图分类号：G717；TP391．77文献标志码：A

一、引言数据平台，实现不同业务平台内数据质量不一的混合

随着大学返校复学的推进．为确保返校学生生命安型、离散型整合，打通数据孤岛，进而通过一个多层次、

全和身体健康。继续坚持健康状况“日报告”和“零报告”多方面的处理过程，如对多源数据进行检测、结合、相

制度，积极有效开展线上线下混合式教学。【1】利用校内业关、估计和组合，以期实现数据冗余减少，数据提质增

务系统之间数据融合联动，达到用数据说话、用数据决效，精确的状态估计、身份评估等完整及时的态势分析。

策、用数据管理的效果，进而为实现精准分析学情提供其按操作级别分为数据级融合、特征级融合以及决策级

辅助决策支持，并将“人民至上、生命至上”政策落实到融合。

常态化学情管理中。【2】2．校园安全

随着信息化业务深度的拓展，以往精准学情分析如疫情防控期间，校园安全成为学校稳定、产生社会

学生是否在校。仅靠一卡通应用分析完成，仍存在数据影响的关键因素，借助智能信息化技术对学生是否在

质量差、分析结果不准确、数据价值难以实现的情况；【≈校进行精准的识别与预警。及时发现和掌控学生在校

鉴于此，基于异构数据融合，笔者提出一种高等院校学行为的安全异常点，消除化解疫情防控期间的安全隐

生是否在校安全判定模型的数据解决方案，通过集成异患，有效做到学生在校安全的全生命周期的管理和预

构应用系统的多源耦合数据的采集、清洗、治理，基于预警，并利用大数据手段对疑似不在校学生予以重点关

置设定模型对数据集进行计算、可视化展示，并对在校注，为多维度的校园学情管理提供决策支持．切实履行

异常隋况进行特别关注与处理，进而实现对全校学生在校园安全保障责任，落实“校园安全无小事”的常态化

校状态实时掌控，为学校的教学、管理提供决策支持，实服务事项。

现决策科学化、学情治理精准化。三、理论模型

二、相关工作基于数据清洗与整合平台，通过ETL工具采集关联

1．数据融合业务系统产生的原始数据，经清洗、治理、转换后，将以

数据的多源异构性使数据共享和综合应用变得比学生唯一ID标识为基准构建的、时间属性约束下的行

较困难，进而导致“数据孤岛”存在。单一业务系统数据为属性数据链存储在共享数据中心主题库。【4】其执行流

往往不足以支持特定数据集成应用研究。因此通过构建程如图1所示。

。基金项目：本文受苏州