CN114331775A - 应用大数据和区块链技术实现高校三全育人的方法 - Google Patents
应用大数据和区块链技术实现高校三全育人的方法 Download PDFInfo
- Publication number
- CN114331775A CN114331775A CN202210249522.XA CN202210249522A CN114331775A CN 114331775 A CN114331775 A CN 114331775A CN 202210249522 A CN202210249522 A CN 202210249522A CN 114331775 A CN114331775 A CN 114331775A
- Authority
- CN
- China
- Prior art keywords
- data
- thought
- college
- dynamic
- students
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,该方法包括数据采集层协议、数据分析层协议、数据表示层协议、数据应用层协议;高校设有与全员、全过程、全方位育人相匹配的考核机制。数据采集层协议采集学生从入学到毕业整个大学期间的日常事务及“大学生思想状态”大数据和“大学生思想动态评价工作日志”,构建“大学生思想状态”对象模型;让涉及育人环节中的各个岗位每人每天去完成“大学生思想动态评价工作日志”,以采集大学生思想成长动态大数据。数据分析层协议对大数据进行异常检测,分析推算出新敏感和热点关键词的负面程度和重要程度。数据表示层协议和数据应用层协议推算出新敏感和热点关键词的负面程度和重要程度,提出预警,以形成“全员、全过程、全方位”育人流程的闭环,准确、科学、高效地推进“三全育人”。
Description
技术领域
本发明涉及一种应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法。
背景技术
“三全育人”是中共中央、国务院《关于加强和改进新形势下高校思想政治工作的意见》提出的坚持全员、全过程、全方位育人的要求。目前,大数据应用于高校的思想政治工作还处于起步阶段,同时高校内部信息化推进也存在不平衡的问题,因此大数据在推进高校“三全育人”工作中还存在种种制约因素。高校“三全育人”的实践难点如下:1、全员参与难;全员育人是“三全育人”的首要内涵,也是贯彻落实“三全育人”改革的重要前提。三全育人的内涵要求是形成全学校、家庭、社会、学生“四位一体”的育人共同体 ,关键是构建全员参与、责任清晰、良性互动、各尽其责的育人体系。由于人员类型复杂,加上内部治理体系不够完善,以及跨界各育人群体组织边界问题,高校的全员育人体系构建面临着任务分工难、职责内容交叉大、部门各自为政等问题。2、全过程贯穿难。全过程育人要求将立德树人精神贯穿到高校教育教学的全过程和学生成才成长的全过程。 涉及了从学生入学到实习、毕业的全过程,思想政治工作成效监管难。由于体制机制的原因,数据信息不能实现共享共通,如何合理设计对教学部门、行政部门、后勤部门的育人工作考核,实现在不影响正常教育教学工作的前提下,调动积极性、增强实效性、体现公平性的有机统一,成为制约高校推进“三全育人”工作的客观因素。3、全方位覆盖难。高校全方位育人的有机联动不够,难以实现资源的有机融合和有效调动。其一,课堂内外联动问题。由于实施主体和实施地点不一,规范要求和课程标准也不一样,难以有效联动课堂教学和实训教学的有效联动,知识教育和技能教育资源尚未实现有机融合。其二,育人场域的联动问题。家庭、学校、企业、社会的利益诉求不一致,难以在育人观念上达到共识,在思政教育上的互动和整合程度不高,在合作育人的机制上还不够顺畅,各领域的育人效应发挥不足,难以通过联动来实现育人的融合效应。其三,随着高校的扩招,高校生源更加复杂,如何整合各单位的育人资源和力量,实现线下线上教育教学的有效衔接是摆在高校面前的现实难题。
发明内容
本发明的目的在于:应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法。
为解决上述问题,本发明是通过以下技术方案来实现的:
一种应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:该方法包括数据采集层协议、数据分析层协议、数据表示层协议、数据应用层协议;高校设有与全员、全过程、全方位育人相匹配的考核机制,该考核机制事先确定规则,一旦触发区块链的智能合约将自动执行;
所述的数据采集层协议包括:采集学生从入学到毕业整个大学期间的日常事务及“大学生思想状态”大数据,数据采集层协议还包含“大学生思想动态评价工作日志”,用于构建“大学生思想状态”对象模型;该工作日志系统采用区块链技术,自动化问卷保障生成“大学生思想动态评价工作日志”,让涉及学生育人环节中的各个岗位每人每天去完成“大学生思想动态评价工作日志”,以采集大学生思想成长动态大数据。该协议利用了区块链的智能合约技术,可避免篡改,防止抵赖;将日志数据结合时间戳、事务列表写入每个区块,保证了日志数据不被误操作修改,并且能被准确溯源。通过区块链中的智能合约技术,在高校考核机制的保障下,“大学生思想动态评价工作日志”按规定时间点到达时,启动智能合约脚本,确保每位育人者必须提交当日数据。
所述的数据分析层协议包括:利用机器学习、大数据分析方法,基于时序动态大数据技术对“大学生思想动态评价工作日志”大数据进行异常检测,采用STL分解算法判断学生群体在连续时间段里思想成长动态趋势是否出现异常情况;利用自然语言处理技术,对“大学生思想动态评价工作日志”大数据进行分析和挖掘,找出学生思想成长过程中的重点和敏感问题;根据思想政治工作需要构建“大学生思想动态敏感关键词库”;利用文本情感分析技术,分析推算出新敏感和热点关键词的负面程度和重要程度。该协议通过大数据分析技术获得学生群体当前思想动态的敏感点、高频关注点和出现异常情况的发展趋势。
所述的数据表示层协议包括:基于时序动态大数据分析技术创建“大学生群体思想动态画像”行为模型,得出大学生群体思想成长动态的报表、曲线和敏感热点列表,自动对不同时期的大学生群体思想成长动态以及重点和敏感问题,形成周报、月报、季报、半年报和年报;对大学生思想成长进行实时、动态、全程监测,掌握学生思想成长变化规律。该协议能够将当前学生群体中的思想动态状况向育人者、管理者、决策者等不同角色进行一目了然地展示。
所述的数据应用层协议包括:根据对大学生群体思想成长的动态画像,预测大学生群体思想发展趋势,推算出新敏感和热点关键词的负面程度和重要程度,提出预警,做到快速反应、及时疏导、有效预防,同时实现大学生思想政治教育过程中共性与个性、整体与局部、静态与动态状态的准确区分,从而做到分类指导、精准育人。该协议可快速及时地建立起 “全员、全过程、全方位”育人流程的闭环,准确、科学、高效地推进“三全育人”。
在本发明中,所述的“大学生思想动态评价工作日志”包括:大学生思想动态数据采集系统,该系统包括大学生思想动态评价信息数据库、服务器、采集终端;通过考核机制和区块链中的智能合约技术保障每天定时由服务器向全员终端发送日志问卷,全员作答问卷,提交问卷至服务器,并对用户执行信息反馈及提示。其可确保系统及时 “全员、全过程、全方位” 获取育人信息。
在本发明中,所述的“大学生思想动态评价工作日志”采用全体教职工及学生干部参与,去中心化地完成分布式日志记录;是分布于教育全过程的分布式记录;整个过程在既定策略下坚决贯彻执行,采用区块链2.0中的智能合约,并利用区块链的共识机制保障了日志记录的可信、不可否认、不可篡改、安全共享。“大学生思想动态评价工作日志”具有不以个人意志为转移地被既定要求完成当天日志任务的作用。
在本发明中,所述的“大学生思想动态评价工作日志”包含:根据“大学生思想状态”对象模型,采集问卷如下问题的其中之一或部分或全部:A.对食堂的满意度;B.对寝室的满意度;C.专业学习的状况;D.对人际关系的满意度,E.顶岗实习、社会实践的状况;F.对就业形势、就业状况的满意度;上述问卷采用五分制评价,低于等于三分的给出低分原因的关键词;所述的“大学生思想动态评价工作日志”还包含:根据“大学生思想状态”对象模型,采集问卷如下问题的其中之一或部分或全部:G.同学们最烦心什么;H同学们最希望什么;I.同学们最热衷什么;J.同学们对时政或新闻的关注点是什么;上述问卷采用自然语言评价,利用自然语言处理技术,找出学生思想成长过程中的关注点和敏感问题;构建“大学生思想动态敏感关键词库”;利用文本情感分析技术,分析推算出新敏感和热点关键词的负面程度和重要程度;所述的数据分析层协议包括:数值分析子层及自然语言分析子层;通过预处理模块将采集到的数据分离为数值信息与非数值信息,数值信息输入数值分析子层;在数值分析子层中对综合数值进行阈值分级过滤,获得超过警戒水平的告警信息;对于低于阈值的数值进而采用自然语言分析处理;非数值信息输入自然语言分析子层进行自然语言分析处理;对于无数值评价的记录直接送达自然语言分析子层进行自然语言处理,统计高频词,产生敏感词排行榜,进行问题定位和问题溯源。上述“大学生思想动态评价工作日志”可针对性地处理大学生群体思想动态信息中的数值信息与非数值信息。能够采集学生“全方位”成长异构数据,即可以对数值信息中含有的特异化的数据-低于阈值的作区分处理,更体现“全方位”采集信息方案。同时,与时俱进动态地发现、匹配、挖掘出各类社会现象与学生群体思想互动及关联,最终提高“三全育人”效果。
在本发明中,所述的自然语言分析子层进行自然语言分析处理,统计高频词,通过人工审视标记,产生敏感词词库;运用基于深度学习的表征学习方法将每一采集周期内排序前三的高频词表征成向量,与敏感词词库进行相似度计算,高于相似度的高频词立即给出预警,低于相似度的高频词通过人工审视标记,对会产生敏感事件的高频词添加到敏感词词库,动态更新敏感词词库。
在本发明中,所述的数据表示层产生各类图表、报表、仪表驾驶舱、问题预警。其能够将当前学生群体中的思想动态状况向育人者、管理者、决策者等不同角色进行一目了然地展示。
在本发明中,数据应用层协议包括:根据对大学生群体思想成长的动态画像,预测大学生群体思想发展趋势,推算出新敏感和热点关键词的负面程度和重要程度,提出预警,做到快速反应、及时疏导、有效预防,同时实现大学生思想政治教育过程中共性与个性、整体与局部、静态与动态状态的准确区分,从而做到分类指导、精准育人;数据应用层可将热词进行策略分配,问题干预,将问题派发给相应育人部门岗位。
所述的数据应用层可将敏感词进行策略分配,问题干预,将问题派发给相应育人部门岗位。其可快速及时地建立起“全员、全过程、全方位”育人流程的闭环,准确、科学、高效地推进“三全育人”。
在本发明中,所述的日常事务大数据采用标准化应用场景采集,即制定高校院校“课堂教学、教学资源、学校管理、专业实践”四大典型育人大数据应用场景标准;“课堂教学”应用场景标准采集考勤数据、学生课堂相应数据、师生交流数据、作业情况数据、成绩及评价数据;“教学资源”应用场景标准采集教学资源的存储数据、思政教育资源比例、教学资源的使用数据、教学资源的更新数据;“专业实践”应用场景标准采集考勤数据、实践效果评价数据、团队合作评价数据、实践效果数据、加班数据、获奖数据、科研成果数据;“学校管理”应用场景标准采集生活作息数据、生活消费数据、社交数据、运动数据、入党情况数据、志愿服务数据、勤工俭学数据。
在本发明中,所述的考核机制要求各个岗位工作人员及学生必须按要求完成,以保障“大学生思想动态评价工作日志”的采集。
附图说明
图1是本发明应用大数据和区块链技术实现高校“三全育人”的方法示意图。
图2是本发明的数据采集层协议示意图。
图3是本发明的大学生思想动态评价工作日志采集问卷示意图。
图4是本发明的数据分析层协议示意图。
图5是本发明的数据表示层协议示意图。
图6是本发明的数据应用层协议示意图。
具体实施方式
图1-图6给出了本发明的实施例。
如图1所示:本实施例应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,包括数据采集层协议1、数据分析层协议2、数据表示层协议3、数据应用层协议4;高校设有与全员、全过程、全方位育人相匹配的考核机制5,该考核机制事先确定规则,一旦触发区块链的智能合约将自动执行。
如图2所示:数据采集层协议包括:采集学生从入学到毕业整个大学期间的日常事务大数据6及“大学生思想状态”大数据7,数据采集层协议还包含“大学生思想动态评价工作日志8”,用于构建“大学生思想状态”对象模型;该工作日志系统采用区块链技术,自动化问卷生成“大学生思想动态评价工作日志”,让涉及学生育人环节中的全部人员每天去完成“大学生思想动态评价工作日志”,以采集大学生思想成长动态大数据。该协议利用了区块链避免篡改,防止抵赖的技术特长;将日志数据结合时间戳、事务列表写入每个区块,保证了日志数据不被误操作修改,并且能被准确溯源。通过区块链2.0中的智能合约技术,在“大学生思想动态评价工作日志”工作制度规定时间点到达时,启动智能合约脚本,确保每位育人者必须提交当日数据。
如图2所示:所述的日常事务大数据6采用标准化应用场景采集,即制定高校院校“课堂教学6-1、教学资源6-2、学校管理6-3、专业实践6-4”四大典型育人大数据应用场景标准;“课堂教学”应用场景标准采集考勤数据、学生课堂相应数据、师生交流数据、作业情况数据、成绩及评价数据;“教学资源”应用场景标准采集教学资源的存储数据、思政教育资源比例、教学资源的使用数据、教学资源的更新数据;“专业实践”应用场景标准采集考勤数据、实践效果评价数据、团队合作评价数据、实践效果数据、加班数据、获奖数据、科研成果数据;“学校管理”应用场景标准采集生活作息数据、生活消费数据、社交数据、运动数据、入党情况数据、志愿服务数据、勤工俭学数据。
“大学生思想动态评价工作日志8”,采用区块链技术保障自动化问卷生成“大学生思想动态评价工作日志”。包括:大学生思想动态数据采集系统,该系统包括大学生思想动态评价信息数据库、服务器、采集终端;通过全员每天采集的工作机制和区块链2.0中的智能合约技术,每天定时由服务器向全员终端发送日志问卷,全员作答问卷,提交问卷至服务器,并对用户执行信息反馈及提示。通过区块链2.0中的智能合约技术,在“大学生思想动态评价工作日志”工作制度规定时间点到达时,自动启动智能合约脚本,确保每位育人者必须提交当日数据。确保系统及时 “全员、全过程、全方位” 获取育人信息。
“大学生思想动态评价工作日志”采用全体教职工及学生参与,去中心化的完成分布式日志记录;是分布于教育全过程的分布式记录;整个过程在既定策略下坚决贯彻执行,采用区块链2.0中的智能合约,并利用区块链的共识机制保障了日志记录的可信、不可否认、不可篡改、安全共享。“大学生思想动态评价工作日志”具有不以个人意志为转移地被既定要求完成当天工作日志任务的作用。结合图3、图4所示:“大学生思想动态评价工作日志8”包含:根据“大学生思想状态”对象模型,采集问卷如下问题的其中之一或部分或全部:A.对食堂的满意度;B.对寝室的满意度;C.专业学习的状况;D.对人际关系的满意度,E.顶岗实习、社会实践的状况;F.对就业形势、就业状况的满意度;上述问卷采用五分制数值评价,低于等于三分的给出低分原因的关键词;所述的“大学生思想动态评价工作日志”还包含:根据“大学生思想状态”对象模型,采集问卷如下问题的其中之一或部分或全部:G.同学们最烦心什么;H同学们最希望什么;I.同学们最热衷什么;J.同学们对时政或新闻的关注点是什么;上述问卷采用自然语言评价,利用自然语言处理技术,找出学生思想成长过程中的关注点和敏感问题;构建“大学生思想动态敏感关键词库10”;利用文本情感分析技术,分析推算出新敏感和热点关键词的负面程度和重要程度。
如图4所示:数据分析层协议包括:数值分析子层9-1及自然语言分析子层9-2;通过预处理模块将采集到的数据分离为数值信息与非数值信息,数值信息输入数值分析子层;在数值分析子层中对综合数值进行阈值分级过滤,获得超过警戒水平的告警信息;对于低于阈值的数值进而采用自然语言分析处理;非数值信息输入自然语言分析子层进行自然语言分析处理;对于无数值评价的记录直接送达自然语言分析子层进行自然语言处理,统计高频词,产生敏感词排行榜,进行问题定位和问题溯源。上述“大学生思想动态评价工作日志”可针对性地处理大学生群体思想动态信息中的数值信息与非数值信息。能够采集学生“全方位”成长异构数据,即可以对数值信息中含有的特异化的数据-低于阈值的作区分处理,更体现“全方位”采集信息方案。同时,与时俱进动态地发现、匹配、挖掘出各类社会现象与学生群体思想互动及关联,最终提高“三全育人”效果。
结合图3、图4所示:数据分析层协议包括:利用机器学习、大数据分析方法,基于时序动态大数据技术对“大学生思想动态评价工作日志8”大数据进行异常监测,采用STL分解算法判断学生群体在连续时间段里思想成长动态趋势是否出现异常情况;利用自然语言处理技术,对“大学生思想动态评价工作日志”大数据进行分析和挖掘,找出学生思想成长过程中的重点和敏感问题;根据思想政治工作需要构建“大学生思想动态敏感关键词库”;利用文本情感分析技术,分析推算出新敏感和热点关键词的负面程度和重要程度。该协议通过大数据分析技术获得学生群体当前思想动态的敏感点、高频关注点和出现异常情况的发展趋势。
如图5所示:数据表示层协议3包括:基于时序动态大数据分析技术创建“大学生群体思想动态画像”行为模型,得出大学生群体思想成长动态的报表3-1、曲线3-2、敏感热点列表3-3,自动对不同时期的大学生群体思想成长动态以及重点和敏感问题,形成周报3-4、月报3-5、季报3-6、半年报3-7和年报等;对大学生思想成长进行实时、动态、全程监测,掌握学生思想成长变化规律。在本发明中,所述的数据表示层生产各类图表、仪表驾驶舱、问题预警。其能够将当前学生群体中的思想动态状况向育人者、管理者、决策者等不同角色进行一目了然地展示。
如图6所示:数据应用层协议4包括:根据对大学生群体思想成长的动态画像,预测大学生群体思想发展趋势,推算出新敏感和热点关键词的负面程度和重要程度,提出预警,做到快速反应、及时疏导、有效预防,同时实现大学生思想政治教育过程中共性与个性、整体与局部、静态与动态状态的准确区分,从而做到分类指导、精准育人;数据应用层可将关键词进行策略分配,问题干预、将问题派发给相应育人部门岗位。其可建立起快速及时地形成“全员、全过程、全方位”育人流程的闭环,准确、科学、高效地推进“三全育人”。
在本发明中,所述的考核机制是高校与各个岗位工作人员及学生之间的考核协议,以保障各个岗位工作人员及学生能按时完成大学生思想动态评价工作日志。
为更清楚的说明本发明,以下以“食堂的满意度”为例进一步说明。当大学生思想动态评价工作日志8的采集问卷的“对食堂的满意度”发出后,根据高校三全育人考核机制5的事先确定规则,区块链的智能合约采集信息。
特别不满意(满意度低于等于3分)的情况用“每周食堂打分<=3百分比” 数据表示(百分比制)。计算的公式如下:
利用机器学习、大数据分析方法,对 “大学生思想动态评价工作日志”大数据中满意度评价低于等于3分的原因关键词进行采样、提取和分析,利用自然语言处理技术,找出高频原因关键词“难吃”,并进行预警。并通过数据应用层将关键词“难吃”进行策略分配,将问题派发给食堂及主管领导,要求食堂对菜肴口味进行改进。
在本实施例中,自然语言分析子层进行自然语言分析处理,统计高频词,通过人工审视标记,产生敏感词词库;运用基于深度学习的表征学习方法将每一采集周期内排序前三的高频词表征成向量,与敏感词词库进行相似度计算,高于相似度的高频词立即给出预警,低于相似度的高频词通过人工审视标记,对会产生敏感事件的高频词添加到敏感热词库,动态更新敏感词词库。
以下以“同学们最烦心什么”为例进一步说明。当大学生思想动态评价工作日志8的采集问卷的“同学们最烦心什么”,根据高校三全育人考核机制的事先确定规则,区块链的智能合约采集到相应信息。当问卷采集到的排序在前三的高频词是“网络贷款”、“催款”、“就业”时,运用基于深度学习的表征学习方法将“网络贷款”、“催款”、“就业”高频词与敏感词词库进行相似度比对,其中高频词“就业”相似度高并触发预警。“网络贷款”、“催款”相似度低,通过人工审视标记,关联到“校园贷”等大学生不良网络借贷敏感事件,将“网络贷款”、“催款”添加到敏感热词库,并触发预警。通过数据应用层将敏感词“网络贷款”、“催款”进行策略分配,将问题派发给主管部门及主管领导。相关部门可提前发现风险,将可能发生的恶性事件消灭在萌芽状态。
又如通过数据应用层将敏感词“就业”进行策略分配,将问题派发给就业部门及主管领导,要求相关部门做好就业指导推进工作,进行问题定位、问题溯源和问题解决。
Claims (9)
1.一种应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:该方法包括数据采集层协议、数据分析层协议、数据表示层协议、数据应用层协议;高校设有与全员、全过程、全方位育人相匹配的考核机制,该考核机制事先确定规则,一旦触发区块链的智能合约将自动执行;
所述的数据采集层协议包括:采集学生从入学到毕业整个大学期间的日常事务及“大学生思想状态”大数据,数据采集层协议还包含“大学生思想动态评价工作日志”,用于构建“大学生思想状态”对象模型;该工作日志系统采用区块链技术,自动化问卷保障生成“大学生思想动态评价工作日志”,让涉及学生育人环节中的各个岗位每人每天去完成“大学生思想动态评价工作日志”,以采集大学生思想成长动态大数据;
所述的数据分析层协议包括:利用机器学习、大数据分析方法,基于时序动态大数据技术对“大学生思想动态评价工作日志”大数据进行异常检测,采用STL分解算法判断学生群体在连续时间段里思想成长动态趋势是否出现异常情况;利用自然语言处理技术,对“大学生思想动态评价工作日志”大数据进行分析和挖掘,找出学生思想成长过程中的重点和敏感问题;根据思想政治工作需要构建“大学生思想动态敏感关键词库”;利用文本情感分析技术,分析推算出新敏感和热点关键词的负面程度和重要程度;
所述的数据表示层协议包括:基于时序动态大数据分析技术创建“大学生群体思想动态画像”行为模型,得出大学生群体思想成长动态的报表、曲线和敏感热点列表,自动对不同时期的大学生群体思想成长动态以及重点和敏感问题,形成周报、月报、季报、半年报和年报;对大学生思想成长进行实时、动态、全程监测,掌握学生思想成长变化规律;
所述的数据应用层协议包括:根据对大学生群体思想成长的动态画像,预测大学生群体思想发展趋势,推算出新敏感和热点关键词的负面程度和重要程度,提出预警,做到快速反应、及时疏导、有效预防,同时实现大学生思想政治教育过程中共性与个性、整体与局部、静态与动态状态的准确区分,从而做到分类指导、精准育人。
2.根据权利要求1所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:所述的“大学生思想动态评价工作日志”包括:大学生思想动态数据采集系统,该系统包括大学生思想动态评价信息数据库、服务器、采集终端;通过考核机制和区块链中的智能合约技术保障每天定时由服务器向全员终端发送日志问卷,全员作答问卷,提交问卷至服务器,并对用户执行信息反馈及提示。
3.根据权利要求2所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:所述的“大学生思想动态评价工作日志”采用全体教职工及学生参与,去中心化的完成分布式日志记录;是分布于教育全过程的分布式记录;整个过程在既定策略下坚决贯彻执行,采用区块链2.0中的智能合约,并利用区块链的共识机制保障了日志记录的可信、不可否认、不可篡改、安全共享。
4.根据权利要求1所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:所述的“大学生思想动态评价工作日志”包含根据“大学生思想状态”对象模型,采集问卷如下问题的其中之一或部分或全部:A.对食堂的满意度;B.对寝室的满意度;C.专业学习的状况;D.对人际关系的满意度,E.顶岗实习、社会实践的状况;F.对就业形势、就业状况的满意度;上述问卷采用五分制评价,低于等于三分的给出低分原因的关键词;
所述的“大学生思想动态评价工作日志”还包含根据“大学生思想状态”对象模型,采集问卷如下问题的其中之一或部分或全部:G.同学们最烦心什么;H同学们最希望什么;I.同学们最热衷什么;J.同学们对时政或新闻的关注点是什么;上述问卷采用自然语言评价,利用自然语言处理技术,找出学生思想成长过程中的关注点和敏感问题;构建“大学生思想动态敏感关键词库”;利用文本情感分析技术,分析推算出新敏感和热点关键词的负面程度和重要程度;
所述的数据分析层协议包括:数值分析子层及自然语言分析子层;通过预处理模块将采集到的数据分离为数值信息与非数值信息,数值信息输入数值分析子层;在数值分析子层中对综合数值进行阈值分级过滤,获得超过警戒水平的告警信息;对于低于阈值的数值进而采用自然语言分析处理;非数值信息输入自然语言分析子层进行自然语言分析处理;对于无数值评价的记录直接送达自然语言分析子层进行自然语言处理,统计高频词,产生敏感热词排行榜,进行问题定位和问题溯源。
5.根据权利要求4所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:所述的自然语言分析子层进行自然语言分析处理,统计高频词,通过人工审视标记,产生敏感词词库;运用基于深度学习的表征学习方法将每一采集周期内排序前三的高频词表征成向量,与敏感词词库进行相似度计算,高于相似度的高频词立即给出预警,低于相似度的高频词通过人工审视标记,对会产生敏感事件的高频词添加到敏感热词库,动态更新敏感词词库。
6.根据权利要求1所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:所述的数据表示层生产各类图表、仪表驾驶舱、问题预警。
7.根据权利要求1所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:数据应用层协议包括:根据对大学生群体思想成长的动态画像,预测大学生群体思想发展趋势,推算出新敏感和热点关键词的负面程度和重要程度,提出预警,做到快速反应、及时疏导、有效预防,同时实现大学生思想政治教育过程中共性与个性、整体与局部、静态与动态状态的准确区分,从而做到分类指导、精准育人;数据应用层可将热词进行策略分配,问题干预、将问题派发给相应育人部门岗位。
8.根据权利要求1所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:所述的日常事务大数据采用标准化应用场景采集,即制定高校院校“课堂教学、教学资源、学校管理、专业实践”四大典型育人大数据应用场景标准;“课堂教学”应用场景标准采集考勤数据、学生课堂相应数据、师生交流数据、作业情况数据、成绩及评价数据;“教学资源”应用场景标准采集教学资源的存储数据、思政教育资源比例、教学资源的使用数据、教学资源的更新数据;“专业实践”应用场景标准采集考勤数据、实践效果评价数据、团队合作评价数据、实践效果数据、加班数据、获奖数据、科研成果数据;“学校管理”应用场景标准采集生活作息数据、生活消费数据、社交数据、运动数据、入党情况数据、志愿服务数据、勤工俭学数据。
9.根据权利要求1所述的应用大数据和区块链技术实现高校全员、全过程、全方位育人的方法,其特征在于:所述的考核机制要求学生及各个岗位工作人员必须按要求完成,以保障“大学生思想动态评价工作日志”的采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249522.XA CN114331775A (zh) | 2022-03-15 | 2022-03-15 | 应用大数据和区块链技术实现高校三全育人的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249522.XA CN114331775A (zh) | 2022-03-15 | 2022-03-15 | 应用大数据和区块链技术实现高校三全育人的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114331775A true CN114331775A (zh) | 2022-04-12 |
Family
ID=81033129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210249522.XA Pending CN114331775A (zh) | 2022-03-15 | 2022-03-15 | 应用大数据和区块链技术实现高校三全育人的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331775A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006073377A2 (en) * | 2005-01-06 | 2006-07-13 | Mansur Sezen | Student vocational guidance, counseling and school automation system |
CN106447561A (zh) * | 2016-10-08 | 2017-02-22 | 华中师范大学 | 一种基于教育大数据的动态可视化方法与系统 |
CN109359881A (zh) * | 2018-10-29 | 2019-02-19 | 电子科技大学中山学院 | 一种基于高校大数据的可视化综合分析系统 |
CN109726938A (zh) * | 2019-01-28 | 2019-05-07 | 北京桃花岛信息技术有限公司 | 一种基于深度学习的学生思政状况预警方法 |
CN111127263A (zh) * | 2019-11-21 | 2020-05-08 | 张梓恒 | 一种基于区块链的学生成长发展智能分析平台 |
-
2022
- 2022-03-15 CN CN202210249522.XA patent/CN114331775A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006073377A2 (en) * | 2005-01-06 | 2006-07-13 | Mansur Sezen | Student vocational guidance, counseling and school automation system |
CN106447561A (zh) * | 2016-10-08 | 2017-02-22 | 华中师范大学 | 一种基于教育大数据的动态可视化方法与系统 |
CN109359881A (zh) * | 2018-10-29 | 2019-02-19 | 电子科技大学中山学院 | 一种基于高校大数据的可视化综合分析系统 |
CN109726938A (zh) * | 2019-01-28 | 2019-05-07 | 北京桃花岛信息技术有限公司 | 一种基于深度学习的学生思政状况预警方法 |
CN111127263A (zh) * | 2019-11-21 | 2020-05-08 | 张梓恒 | 一种基于区块链的学生成长发展智能分析平台 |
Non-Patent Citations (5)
Title |
---|
何开宇: "《数字化时代的全球个人金融创新》", 31 December 2018, 北京:中国金融出版社 * |
党倩娜: "《新兴技术弱信号监测机制研究》", 30 November 2018, 上海:上海科学技术文献出版社 * |
沈音乐等: "大数据破解高职院校"三全育人"难点的探索实践", 《中国职业技术教育》 * |
焦李成等: "《人工智能前沿技术丛书 简明人工智能》", 30 September 2019, 西安:西安电子科技大学出版社 * |
高志强等: "《深度学习 从入门到实战》", 30 June 2018, 北京:中国铁道出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dibner et al. | Learning through citizen science: Enhancing opportunities by design | |
CN110533970A (zh) | 一种安全培训教育系统、方法及商业模式 | |
WO2006059964A2 (en) | Systems, methods and computer program products for standardizing expert-driven assessments | |
Durham et al. | Measuring School Climate: Using Existing Data Tools on Climate and Effectiveness to Inform School Organizational Health. | |
Pedersen et al. | Public management on the ground: Clustering managers based on their behavior | |
Marzouk et al. | Generating learning analytics to improve learners' metacognitive skills using nstudy trace data and the ICAP framework | |
Al Husaini et al. | Factors affecting students’ academic performance: A review | |
Klein et al. | Constructs of leadership and diverging institutional environments: an exploratory comparative study in the United States and Germany | |
Ali et al. | Semantic Web ontology for vocational education self-evaluation system | |
CN114331775A (zh) | 应用大数据和区块链技术实现高校三全育人的方法 | |
Harvey et al. | Data science for K-12 education | |
Johnson | Performance evaluation of special education administrators: Considerations and recommendations | |
Carrillo Gamboa et al. | Intelligence capital: The management of knowledge assets and development of adaptive capacities in the city of Arequipa | |
Burnside et al. | Ground-Based Monitoring: a Process of Learning by Doing. | |
Zhu et al. | Caring about the polluted attention: evidence from the inconsistent response existing in web-based survey | |
Dahiya | Improving Teaching and Learning Outcomes: An Outlook on Data Analytics in Education | |
Kinai et al. | Deploying large scale school census hub: an experience report | |
Chunqiao et al. | Method and System Constructing for Learning Situation Early Warning based on Data Mining Techniques | |
Zhou | Research on Visualization Platform of University Student Management under the Background of Big Data | |
Oyelade | Determinants of Academic Performance of Undergraduate Students of Distance Learning Centre, University of Ibadan. | |
Smith | The Role of Qualitative Information in Productivity Measurement. | |
Uggenti | Interdisciplinary Knowledge Exchange in Statistics with Applications in Fire Science and Statistical Education | |
Rauch et al. | A Fire and Emergency Ontology for City Indicators | |
Fadhli | The Relationship between Parental Parenting Patterns and the Social Development of Class VIII Adolescents in JUNIOR HIGH SCHOOL | |
Schendstok et al. | OCCUPATIONAL EXPOSURE TO ARTIFICIAL INTELLIGENCE BY GEOGRAPHY AND EDUCATION |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |