高职院校智慧校园建设相关问题的研究

张俊鹏

（吉林省经济管理干部学院，吉林 130000）

智慧校园是高校信息化发展到人工智能和大数据融合创新阶段的产物，是对数字校园建设的进一步深化与提升，是高职院校响应“互联网+教育”战略思想的必然选择，是高职院校实施的“工业4.0”。【1】高职院校建设智慧校园一般是以数字校园为基础，在应用层面部署各种新兴信息技术，为广大师生员工提供诸如智慧教学、智慧管理、智慧学习、智慧生活等各种智慧类型的业务应用，从而达到高职院校的智慧运行，促进高职院校不断适应新时代的发展要求。

1 智慧校园的发展和现状

从国外情况来看，1997年马来西亚Aziey教授领衔的智慧研究小组就提出了智慧学校的基础理论：“智慧学校能系统地开创各项教学与学习的方法及管理方案”，但局限于当时的技术水平，这种提法只是初步的理论探索，此后由于教育理念和教育模式不同，在欧美教育发达国家中仍然甚少有提到“智慧校园”相关建设的研究，他们更多的是以IBM提出的“智慧地球（Smart Planet）”、“智慧城市（Smart City）”的形态出现并覆盖教育信息化领域；从国内情况来看，教育界是随着教育信息化的逐步发展和我国高等教育行业具体情况提出了专门针对教育行业的概念——“智慧校园”，以此作为教育信息化发展的高端形态——“智慧教育”的物理环境支撑，因此在国内智慧校园从初始就带有浓重的中国特色。“智慧校园”最早由浙江大学在2010年制定的《浙江大学信息化建设“十二五”规划》中率先提出，并与中国电信浙江公司签署“智慧校园”战略合作协议，运用物联网及移动互联网新技术建设校园网络，由此拉开了中国高校“智慧校园”建设的序幕，此后清华大学、南京邮电大学、同济大学等高校纷纷与中国移动、中国联通、中国电信等电信运营商、阿里巴巴、腾讯、华为、东软等各大IT公司合作先后推出了不同类型的智慧校园推广建设方案。

2 存在的问题及研究

目前高职院校智慧校园的建设大多参照本科院校的方式，但由于高职院校不同于普通本科院校的特殊性，导致建设过程中缺乏规范性和可应用性，存在一些问题。

2.1 信息化基础设施建设

智慧校园建设的物理基础是高职院校的信息化基础设施建设，目前囿于国家定位和自身发展方向导致高职院校更多的只注重于软实力的提高（诸如引进高级人才等），反而忽视了硬实力的体现（信息化基础设施建设），继而出现硬件设备老旧、更新缓慢等情况，不能适应智慧校园的需求。解决这个问题更多地是依靠大量的资金投入。

通常高校经费来源有主要有四种渠道：政府拨款、科研经费、校办企业、校友捐赠。行政拨款中除维持学校正常运转的部分外还有针对于诸如“985、211”工程等专项资金，虽然此项经费数额较大，但对于高职院校而言，因不在此范围内，故没有此项资金；科研经费可以通过承担国家及社会相关科学及社会问题研究项目获得，但高职院校因自身定位不同及科研能力一般，故此项资金获得甚少，对于信息化基础设施建设的巨大投入基本属于九牛一毛，虽聊胜于无但不起决定作用；校办企业的收入是学校资金缺口补充的一个重要来源，但目前绝大多数高职院校囿于能力较低和规模较小，收入甚少，无法为信息化基础设施建设提供支持；社会捐赠因高职院校的知名度和吸引力很差，此部分对于大多数高职院校基本为零。综上高职院校的资金来源渠道更加单一，因此应该积极拓展资金来源渠道：通过行政拨款、财政专项、校办企业、校友捐赠、社会捐赠、校企合作、运营商合作、设备厂商示范建设、科研经费多路并举，重点应放在所在地方政府的财政专项资金以及和与运营商合作及通过设备厂商示范建设、校企合作等来获得资金，逐步提高加强信息化基础设施建设投入。

2.2 智慧校园应用系统整合

在数字化校园时代，各业务部门根据自身需求和特点纷纷开发应用各自的办公系统、人事系统、财务系统、教务系统、学工系统、科研系统、安全系统、后勤系统等，大部份由于各种原因导致各系统相互独立，数据标准各异，无法通过统一接口对接，无法形成集中统一的协同系统。而智慧校园的建设需要将原有的各应用系统整合，强调信息的高度融合和共享，建立基于大数据、云计算技术的全校范围内规范、统一的数据标准，统一的应用数据库、统一的网络存储系统，同时预留通用接口，方便与各主管部门各系统对接，实现不同职能部门对各自职责范围内的人、财、物等业务的管理。[2]

据此可以采用基于分布式服务的数据平台，主动关联国家数据标准与数据项，按照工作数据流程统一规划学校各应用系统的数据标准，对各应用系统中孤立、杂乱、重复、无序、矛盾、不一致的各种数据逐步进行重新定义、调整结构、厘清层次、统一整合，使数据在组织、评估、采集、流动、分析、处理、整合、同步、销毁的完整生命周期中保持唯一性，并进行全流程监控，达到全校数据无缝连接及安全共享，彻底解决不同应用系统之间的数据差异化问题，保证数据的安全准确，为应用系统提供良好的数据支撑，实现各相关业务高效运行。

2.3 预测及决策系统的使用

通过对大数据平台提供的各种不同时间、不同类型的数据进行采样分析和数据挖掘后，可以为各应用系统提供智慧模式的趋势预测和规划决策的支撑，这种利用大数据分析手段促进学校科学、规范发展已成为智慧校园的一个重要应用点，但决不能将之作为完全的依赖。从层次上看，大数据分析从属于经典统计学分析的范畴，但大数据分析更多的是基于新兴的IT技术，主要包括海量数据的网络存储和云计算，当数据量不足时只能是小样本集的统计分析，只能协助业务部门查找有限规律，根本无法达到大数据分析的效果。

对于高职院校而言则因为局限于办学规模、招生区域、学生数量、专业分布、专业层次、办学时间、就业情况、教学效果等方面，导致所得数据量较小，数据样本存在偏差性和不完备性，尚未达到真正“巨大”的程度，数据的代表性和针对性较差，故存在着以偏概全的情况；因此依据此类大数据分析结果的应用，进行专业发展的预测和调整资源分配时更多地是要将它作为决策者的辅助参考，而不能完全依靠它。

2.4 数据安全

自从大数据技术开始逐渐应用于生产生活以来，由于缺乏相关的立法保护及人们的数据安全意识薄弱，导致数据安全更多地停留在规范和语言上。但随着技术的不断发展，数据泄露事件层出不穷、数据获得的渠道和方式五花八门、数据安全漏洞越来越多、个人隐私越来越变为公开……这使得数据安全从未像现在这样受到人们的广泛关注：今年以来在数据行业，已有多家大数据公司及与数据行业合作较多的行业因数据采集、归属、使用、泄露等问题被监管或司法部门调查或立案，尤其对于数据行业中的优质数据源——高校学生数据安全则存在更多的问题：数据采集容易，数据安全意识薄弱，数据传播渠道广泛，数据保护力度低下。以目前在诸多高职院校智慧校园建设中大量应用的人工智能AI技术为例，其应用的方式和范围尚属于初级阶段，应用主要体现在人脸识别上：

2.4.1 出勤检测：传统的课堂点名要占用一定的时间来完成，尤其是目前采用的合班教学模式更会浪费大量的时间，且经常有学生替未上课的同学代答的情况，这导致课堂点名这一环节成为一个过程，准确率较低，无法真实反映学生出勤的情况，更无法准确地将其纳入学生日常考察体系。而通过对课堂上的学生进行人脸识别就可以清楚、准确、快捷地反映学生出勤情况，极大地减少了点名带来的时间浪费，提高了教学效率；

2.4.2 课堂教学情况检测：传统的教学课堂上因教学内容繁重、学生人数众多等客观原因，教师很难对课堂教学状态秩序进行完整掌控，而使用人脸识别技术则可以对学生全程监测：例如某些学生是否认真听讲、是否按要求操作、是否玩手机、是否睡觉等情况都能被清晰感知并记录，这样就可以为学校、为教师提供准确的数据源来进行课堂分析、教学质量检测、教学管理等；

2.4.3 校园内部各门禁监控：在教学楼、宿舍、图书馆、食堂、体育馆等地点通过人脸识别技术的门禁系统取代传统的人工检查方式，减少了管理人员主观因素的影响，极大地扩展了校园安全管理的方式方法。

虽然上述应用为学校教学、管理的开展提供了极大的方便，但同时人脸识别的数据也带来了更多的问题，要注意人脸识别技术属于生物特征识别技术范畴，其本质是通过对生物体本身的生物特征来区分生物体个体。当它的数据被泄露后特别是与个人的隐私数据相关联后，单一个体的所有私有信息在网络上都会成为公开数据，无处遁形，甚至可以通过一张脸部照片就可以洞悉一个人的一切，这会造成各种意想不到的灾难性后果，其影响会持续到终其一生。Microsoft公司的总裁Brad Smith就曾在去年的一个技术研讨会上提出：“如果不加以必要的规范和监管，人脸识别技术会彻底改变人们的生活方式并让人们毫无隐私可言”。在这种情况下一方面要对此类技术的使用进行必要的限制，另一方面不能因噎废食，而是更要加强数据安全保护体系的完善：加强数据安全制度建设，严格按照规章制度办事；信息化中心与各业务应用部门责权利厘清对等；加大数据安全设备投入，增强数据安全防御能力。

3 结束语

综上可以看出，智慧校园的建设作为一个新生事物对于高职院校而言一定要经过一个循序渐进的过程，不能生搬硬套本科院校的的建设模式或者直接采用商业化的通用系统，要准确地基于中央及地方政策的引导和支持方向，紧密结合高职院校自身的办学定位、发展目标、学校特色，师生需求等现状，采用系统思维，整体建设目标明确，夯实信息化基础设施建设，通过关联国家数据标准与数据项来统一校园数据标准，充分整合智慧校园中的各应用系统，逐步累积数据库中的数据量，在数据量较小时不完全依赖于智慧校园中的预测及决策系统，加强数据安全相关制度建设和保护体系的完善，逐步提高高职院校校园的智慧化程度，建设本地化、个性化、实用化的高职院校智慧校园。