孫彥超

（北京信息科技大學 教務處，北京100192）

基于移動終端的課堂出勤監(jiān)控模型研究與構建*

孫彥超

（北京信息科技大學 教務處，北京100192）

隨著教育信息化的不斷發(fā)展，高校采取各種手段評估課堂教學的質量及效果，傳統(tǒng)的督導組聽課及學生網上評教等方式存在不能完全反映課堂教學的整體情況，同時評教結果帶有很強的主觀性。因此，筆者提出采用基于移動終端采集器，通過收集學生移動終端信號，進而對數(shù)據(jù)整理并統(tǒng)計分析，綜合各方面信息得到更有效的課堂教學數(shù)據(jù)。從而幫助學校管理層快速準確地作出管理決策。

移動終端；數(shù)據(jù)采集；數(shù)據(jù)分析；數(shù)據(jù)展示

一、引言

隨著高等教育信息化的不斷發(fā)展，為有效提高教學質量，許多高校都采取各種手段來評估課堂教學質量和效果。傳統(tǒng)的做法是學校教學管理部門聘請具有多年豐富教學管理經驗的老教師為骨干，成立督導組，采用督導員聽課評價、學生網上評教等方式，對教師的教學情況進行評估［1］。這些措施在一定程度上能使教師獲得一些反饋信息，促使教師更加注重教育教學效果。然而，這種評估方式不可避免地具有較大的局限性。首先，教學督導組對某位教師的聽課每學期只是一兩次，并不能完全反映某位老師某門課程的整體教學情況；其次，教學督導組和學生對任課教師的評價具有很強的主觀性和個人色彩，這種教學評價和管理方式缺乏客觀性和全面性，衡量不夠精細、全面和深入；而且，這種課堂教學評估只是針對教師，對于學生的課堂參與情況缺乏一種客觀衡量。教師并非每堂課都點名，如果為了統(tǒng)計學生的課堂參與而點名，會占用和浪費寶貴的課堂時間。

在當今的大數(shù)據(jù)時代，采用大數(shù)據(jù)技術和數(shù)據(jù)挖掘技術來進行客觀有效的教育教學管理和評估是時代發(fā)展的要求［2］。大數(shù)據(jù)和數(shù)據(jù)挖掘技術，不單純依靠直覺和過往的經驗，不依靠有限抽樣的統(tǒng)計規(guī)律，更加客觀和全面［3］。通過對全體數(shù)據(jù)的分析，更能發(fā)現(xiàn)現(xiàn)象和事物內在的關系，能夠發(fā)現(xiàn)更多的、深入的有價值的信息，從而具備更強的決策力、洞見發(fā)現(xiàn)力和流程優(yōu)化能力。

本文提出在學生上課的每個教室安裝移動終端采集器，統(tǒng)計每節(jié)課的上課人數(shù)、到課率、遲到早退時間等等格式化數(shù)據(jù)，結合課程表、學生成績表以及教務系統(tǒng)中更多的教師和學生信息，利用分布式計算基礎構架，綜合各方面信息得到更有效課堂教學數(shù)據(jù)［4］。

針對以上問題和提出的解決方案構想，通過在北京信息科技大學的各種教室，包括大教室、小教室、階梯教室，布放了81個“移動終端采集器”數(shù)據(jù)采集點，對采集的數(shù)據(jù)進行大數(shù)據(jù)后臺分析和維護，并提供大數(shù)據(jù)分析結果的網絡訪問頁面，提供各種方式的查詢和分析結果。例如：對學生課堂出勤率分析，可以按專業(yè)查詢、按年級查詢、按班級統(tǒng)計、按課程查詢、按時段查詢，把學校各個院系、各個專業(yè)和各個年級的學生上課出勤率按從高到低排列出來；對教師授課課程的學生出勤率分析，可以列出各個老師所授課程的學生出勤率，并排出名次。對整個學期，或者每個教學月、教學周的出勤率變化，可以從分析結果生成的趨勢圖中看出。

二、基于移動終端的考勤監(jiān)控模型的構建

目前，幾乎每一個學生都擁有一部智能手機，因此可以采用無線追蹤技術和室內定位技術，在每個教室安裝一個移動終端采集器，用來識別學生的智能手機的MAC地址，作為學生在教室中的唯一標識和統(tǒng)計指標。具體操作步驟可以分為：數(shù)據(jù)采集階段、數(shù)據(jù)分析階段和數(shù)據(jù)展示階段，其如圖1所示。

圖1　考勤監(jiān)控模型的構建步驟

1.數(shù)據(jù)采集階段

部署在教室的移動終端采集器在工作時，會不斷地掃描周邊設備的無線信號［5］，當學生、教師進入部署區(qū)域時，移動終端采集器會根據(jù)手機等設備發(fā)射的無線信號，識別設備的位置，移動終端采集器捕獲移動終端設備的最長時間間隔為2秒，有效范圍半徑為30M，即兩秒內經過移動終端采集器30M內的無線設備都將被捕獲。

2.數(shù)據(jù)分析階段

將采集到的移動終端信息進行過濾處理，將每個教室采集到的手機號、手機Mac地址與學生學號進行關聯(lián)，結合教務管理系統(tǒng)中的課表信息，按照院系、專業(yè)、年級、班級等不同粒度對學生出勤率進行課程、時段等多維度分析；同時對教師每次授課對應教室的出勤率加以分析計算，多方位、多層次、多角度地獲取學生的出勤數(shù)據(jù)。

3.數(shù)據(jù)展示階段

根據(jù)數(shù)據(jù)分析階段的分析結果，生成學生課堂出勤率圖表，提供各種方式的查詢和分析結果［6］。例如：對學生課堂出勤率分析，可以按專業(yè)查詢、按年級查詢、按班級查詢、按課程查詢、按時段查詢，可以將各個院系、各個專業(yè)和各個年級的學生出勤率按從高到低排列出來；對教師授課課程的學生出勤率分析，可以列出各個教師所授課程的學生出勤率，并排出名次；對整個學期，或者每個教學月、教學周的出勤率分析，可以得出不同教學周期內學生出勤率的變化趨勢，預測下一個教學周期的學生出勤情況。通過不同的展示方式，學生的出勤情況一目了然。

三、基于移動終端的考勤監(jiān)控模型的應用

通過在北京信息科技大學的大教室、小教室和階梯教室等不同類型的教室中，共布放了81個移動終端采集器。通過對采集到的數(shù)據(jù)進行后臺分析和計算，不斷累積數(shù)據(jù)集，隨著數(shù)據(jù)規(guī)模地不斷增大，分析結果的真實性和可靠性也在不斷提高。經過一個學期的數(shù)據(jù)采集、處理、計算后，得到了全校37個專業(yè)、4個年級、107個班級、174門課程及175位任課教師的學生上課出勤情況，包括出勤率及排名。

根據(jù)統(tǒng)計數(shù)據(jù)，從學生和教師的角度，主要從以下三個方面對學生出勤率的變化情況進行分析：

1.學生課堂出勤率分析——按專業(yè)統(tǒng)計、按年級統(tǒng)計、按課程統(tǒng)計、按班級統(tǒng)計

（1）根據(jù)學生上課出勤率指標，把學校各個院系專業(yè)的學生上課出勤率按從高到低排列出來。其中，新能源科學與工程專業(yè)的出勤率最高，達到85%以上；而英語專業(yè)的出勤率較低，為63.83%。

（2）按年級統(tǒng)計，出勤率最高的是2011級的學生，出勤率最低的是2014級的學生。

（3）按照課程統(tǒng)計，出勤率最好的是管理學，其次是日語和戰(zhàn)略管理等課程。

（4）按照班級統(tǒng)計，可以得出各個年級各個自然班的學生上課的出勤統(tǒng)計情況。

2.教師課程出勤率分析——按院系統(tǒng)計、按課程統(tǒng)計、按時段統(tǒng)計

（1）出勤率最高的是科技處開設的課程，學生出勤率超過100%（非本課程的學生參與上課）；

（2）出勤率最低的課程，學生出勤率不足10%；

（3）出勤率達到100%的課程數(shù)量不足10%；

（4）出勤率不到60%的課程，占到課程總數(shù)的50%以上。

從上述部分統(tǒng)計數(shù)據(jù)中，可以清楚地看出不同維度下，學生上課出勤率的差異。

通過對數(shù)據(jù)的分析，我們可以有針對性地建議教務管理部門對出勤率較低的課程進行調整，對于出勤率較低的班級、專業(yè)加強監(jiān)督，甚至加大處罰力度。比如，分析顯示：《管理學》這門課程，出勤率超過200%?？紤]外班、外系、其他年級“蹭課”的學生較多，說明學生對管理類的課程感興趣，需求比較大，所以，教務部門在課程設置時，可以考慮增加這方面的全校開放選修課，可以擴大課容量，安排多個老師進行同一內容或近似內容的“多個頭”的授課，以滿足學生的需求，更好地服務學生。

此外，還可以得到其他一些較有價值的指標，比如教師上課學生出勤率的排行榜，學生自然班出勤率的排行榜等。這些統(tǒng)計數(shù)據(jù)可以為優(yōu)秀班級評比、優(yōu)秀教師評比提供客觀確實的指標依據(jù)。同時，如果發(fā)現(xiàn)一些偏離正常值的情況，可以發(fā)現(xiàn)問題，及時干預。

3.學生出勤率的變化趨勢分析——每個學期、教學月、教學周，學生出勤率的變化

課堂教學與自習分析系統(tǒng)的大數(shù)據(jù)分析處理平臺具有學生出勤率變化趨勢的分析繪制功能，從網絡訪問頁面的“時段統(tǒng)計”功能，可以按條件檢索得出全校的、各個院系專業(yè)的、不同學期的、不同學年的學生出勤率變化趨勢圖，可以直觀地看出每個學期、每個教學月、每個自然月、每個教學周的時段內，學生的出勤率變化情況。將鼠標放在趨勢圖的時間節(jié)點上，浮動窗口可以給出具體的時間信息和精確的出勤率數(shù)據(jù)。

圖2　2014-2015學年第一學期，全校學生的出勤率變化趨勢圖

（1）每個學期

圖2是系統(tǒng)繪制的北京信息科技大學在2014-2015學年第一學期，全校學生的出勤率變化情況。

筆者們發(fā)現(xiàn)，出勤率有兩個明顯的低點：一個是2014年9月30日至10月8日期間，一個是2014年11 月7日至11月12日期間。不難解釋，前一個時間窗是“十一”國慶節(jié)放假期間，后一個時間窗口是2014年APEC峰會北京放假調休期間。兩個時間段都屬于法定假日期間，無需上課，可以推斷數(shù)據(jù)顯示的是上自習的學生人數(shù)。這個例子也從側面反映了系統(tǒng)數(shù)據(jù)的真實性、可靠性和合理性。

（2）教學月

圖3是北京信息科技大學機電工程學院2014-2015學年第一學期2014年10月份的學生上課出勤率趨勢圖。

從圖3中可以看出，十一放假剛過，學生的返校率不高，所以2014年10月8日的出勤率非常低，但是10 月10已經恢復。

（3）教學周

圖4是北京信息科技大學儀器科學與光電工程學院光信息科學與技術專業(yè)2014-2015學年第一學期2014年10月第6教學周的學生上課出勤率趨勢圖。

圖3　2014-2015學年第一學期機電工程學院10月份學生出勤率趨勢圖

圖4　2014-2015學年第一學期光信息科學與技術第6周學生出勤率趨勢圖

可以看出周末的出勤率最低，周一次之，周二到周四的學生出勤率最好。這是真實的計量統(tǒng)計數(shù)據(jù)提供的結果，也符合正常的教學情況。

四、研究成果的意義

總結而言，通過建立基于移動終端課堂出勤監(jiān)控模型可以幫助學校更好地對學生有效管理，主要表現(xiàn)在以下幾個方面：

（1）通過該大學課堂教學與自習分析系統(tǒng)，可以獲知每門課的學生到堂率，遲到與早退現(xiàn)象，學生出勤率的變化規(guī)律；

（2）為課程設置的必要性、授課效果、學生參與積極性等幾方面的分析提供客觀數(shù)據(jù)；

（3）為學校的課程設置決策、教師教學效果評估、提高教學效果的上課時間設計、學生學風狀態(tài)分析等提供依據(jù)；

（4）可以獲取自習教室的學生占用情況，為自習教室的科學分配，防止空間資源不足和教室資源浪費提供客觀數(shù)據(jù)分析依據(jù)；

（5）該課題成果可以應用于全國各級各類院校，作為教學管理的大數(shù)據(jù)分析手段，具有廣泛的應用前景。

［1］劉美玲，李熹，李永勝.數(shù)據(jù)挖掘技術在高校教學與管理中的應用［J］.計算機工程與設計，2010（5）：1130-1133.

［2］Fow lkes C，Belongie S，Chung F，et al.Spectral grouping using the nystrom method［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence.2007，26（2）：27-35.

［3］劉云霞.數(shù)據(jù)歸約的統(tǒng)計方法研究及應用［D］.福建：廈門大學，2007.

［4］崔陽，楊炳儒.超圖在數(shù)據(jù)挖掘領域中的幾個應用［J］.計算機科學，2010，37（6）：220-222.

［5］黃伯仲，沈漢威，克里斯托弗.約翰遜等.超大規(guī)模數(shù)據(jù)可視分析十大挑戰(zhàn)［J］.中國計算機學會通訊，2012，8 （9）：38-43.

［6］劉明吉，王秀峰，黃亞樓.數(shù)據(jù)挖掘中的數(shù)據(jù)預處理［J］.計算機科學，2000（27）：54-57.

［7］崔貫勛等.基于改進 Apriori算法的入侵檢測系統(tǒng)研究［J］.計算機工程與科學，2011，33（4）：40-44.

［8］RAJARAMAN A.ULLMANJ.D.M ining of MassiveDatasets［M］.Cambridge：Cambridge University Press，2011.

［9］Liu Y，Zhang D S，Lu G J，et al.A survery of content-based image retrieval w ith high-level semantics［J］. Pattern Recognition.2007，40（1）：121-134.

（編輯：楊馥紅）

TP315

A

1673-8454（2016）03-0057-04

北京信息科技大學教改項目（項目編號：2015JGZD06）；科研基金項目（項目編號：1525015）。