一、工程研究中心简介

河南省教育教学大数据分析与质量评价工程研究中心（以下简称工程研究中心）是河南省发改委2017年度遴选建设的首批省级大数据领域创新平台之一。建设大数据领域创新平台旨在加快推动河南省国家大数据综合试验区建设，提升大数据领域自主创新能力，促进大数据产业快速发展。工程研究中心基于互联网、大数据、大媒体、云计算等现代技术，围绕河南省教育发展的迫切需求，采集教育教学大数据，开展数据挖掘与分析，为教育教学管理与监控、学业学情分析与预警、教学质量评估与评价等提供创新服务和决策支持。

工程研究中心依托于信阳师范大学，联合新华三技术有限公司和南京索易格智能系统有限公司组建，接受河南省发展和改革委员会的指导。工程研究中心下设主任、副主任、以及三个研究室。主任负责中心全面的管理工作以及与公司的交流、洽谈和对接等工作；副主任具体负责中心建设、科研管理以及校企合作等；学习分析预警研究室主要使用大数据技术研发学生学业、心理健康等预警产品；教育管理决策研究室研究国家教育、经济和人口大数据等，给高等教育政策的制定提供决策支持；教育教学评价研究室研究大数据背景下新的教育教学评价体系，并开发相应的应用产品实现对教育教学的诊断、导向、激励和调控功能。

工程研究中心现有专兼职人员40人，其中教授15人、博士30人。科研队伍结构合理，相对稳定，是一支事业心强，团结奋进的战斗集体，建立学习分析预警研究、教育管理决策研究、教育教学评价3个基本稳定方向的研究团队，已形成了较浓厚的学术氛围。工程研究中心有计划派遣成员至国内外重点大学进修、和学习，通过交流、培训，扩大前沿视野、升华科研学思想和理念，提升科研与实践能力。

工程研究中心现有仪器设备总值2000余万元，其中华三UIS-R690-G2、联想 SystemX3850x6等各类服务器87台，H3C UIS-StorageP8440，华为OceanStor5600v3等存储系统4套。初步建成云存储与计算中心，配备Dracker、cShedule、cRegistry等软件系统和Skyfor Cloud云计算、Skyfor Cloud云管理平台以及ITSM综合运维服务平台，可为教育大数据分析、处理及应用服务提供计算和存储支撑。

二、工程研究中心负责人

 

祁传达，男，博士，教授，硕士生导师，工程研究中心主任。全国高校大数据教育联盟理事，中国大数据应用联盟人工智能专家委员会委员。河南省计算机类专业教学指导委员会委员，河南省教师教育专家，河南省高校科技创新人才，河南省教育厅学术技术带头人，信阳市首批青年科技专家，信阳师范大学特聘教授。主要研究领域为密码学、大数据信息安全、数据挖掘等。

主持和参与完成国家自然科学基金项目3项，主持完成河南省科技计划项目3项；发表学术论文80余篇；获河南省自然科学学术奖一等奖1项，二等奖5项。获河南省高等教育教学成果一等奖1项，河南省教师教育教学成果奖一、二等奖各1项；出版学术著作2部，主编河南省“十二五”规划教材1部。

刘道华，男，博士，教授，硕士生导师，工程研究中心常务副主任。河南省教育厅学术技术带头人，河南省高校青年骨干教师，信阳市青年科技专家，信阳师范大学第四届“十佳教师”。

近5年来，主持完成河南省省级项目7项，主持完成河南省教育厅厅级项目3项，主持在研河南省教育厅自然基础研究重点项目1项。申请并被授权国家发明专利3项、发明专利公开5项，实用新型专利授权3项。获国家计算机软件著作权8项。获省级自然科学优秀成果奖一等奖3项，二等奖5项，获厅级奖励一等奖4项，二等奖4项，获河南省高等教育教学成果一、二等奖各1项。独立撰写著作1部，参编著作1部。在《Journal of  Systems Engineering and Electronics》、《华中科技大学学报》、《西安电子科技大学学报》、《农业机械学报》等专业学术期刊上发表学术论文61篇，其中SCI、EI收录20篇。

冯岩，教授，博士，硕士生导师，工程研究中心副主任。主要从事小波分析及其应用、机器学习等方面的研究，发表论文30余篇篇，其中SCI、EI收录6篇，主持省级项目4项、参与国家自然科学基金项目2项、获省自然科学学术奖3项、发明专利3项，主持教学改革项目1项，参与2项。

三、研究方向与内容

（1）学习分析预警研究

重点研究高校学生的学习成绩、消费水平、行为轨迹，心理状态等数据的追踪和分析，利用多元回归等分析技术判定影响大学生学习绩效、心理健康的预警因素，在此基础上构建了干预模型；并对学生的特征与行为做出预测，识别出存在学习危机的学生，及时向其发出预警信号并提供个性化干预对策，增强大学生的学习动机，培养学习毅力，提高学习质量，引导树立学生积极向上的世界观、人生观、价值观。在获得足够多的高等教育大数据资源基础上，研究异构多源大数据处理与建模、大数据智能计算与分析技术、大数据分布式计算模型与系统以及大数据知识表示与推理技术，从而实现对高等教育大数据资源的深度分析及预警。

学生综合管理看板

（2）教育管理决策研究

包括大数据推动高等教育教学决策多性化研究以及大数据助力高等教育教学决策敏捷化研究。高等教育决策的能力依赖于决策工具的有效性、决策手段或方式的科学性。利用大数据技术发现隐藏在大规模、多样化、多类型、可利用率低的海量教育数据中的有价值的信息真相，在于透过数据分析发现数据背后的社会运行规律、人类行为模式，从而将治理行为和公共决策建立在科学、完整、有效的信息搜集、挖掘、分析、处理的基础上，真正做到高等教育“用数据说话、用数据管理、用数据决策、用数据创新”的新理念，最大限度地提升高等教育办学活动决策的科学性与治理的精确性。同时，运用大数据分析处理技术，基于各类网络载体开展广泛的信息采集、社会调查与意见征询，充分利用广大人民群众关心关注教育的环境支持，从而吸纳各类社会成员的智慧和力量，发挥集体参与的优势，将改变高等教育治理决策过程存在的“单一”或“封闭”的尴尬问题，为科学有效的公共决策提供社会基础。

校园态势感知系统

 

（3）教学科研质量监测与评价研究

基于教育大数据视角，从多维度监测师资队伍、仪器设备、科研专利、教学管理、教学效果等教学科研关键数据，实现教育科研质量的全面、实时、动态的监控。研究学生学习效果的评价、对教师教学效果的评价、对教师科研水平的评价、对学校管理效果的评价，研究教育大数据可视化分析与呈现，并构建合理地适合于评价对象的评价指标体系，进而建立对学校治理水平、绩效评估的科学化监测与评估体系，更好的服务于大学教育科研质量的提升，增强其在教育改革发展中的核心竞争力。

教学质量检测可视化管理平台

 

 

（4）教育大数据个性化应用研究

从高等教育学生学习、教师教学、教师科研及教研、各级管理层层面所能开发的各种应用及管理平台系统，依据大数据“秒级扩大”以及决策敏捷化特点，将各级获得的个性化大数据产品实现成果转化及推广。研究高等教育大数据的智能分析和数据挖掘，向教育者、学习者、教育管理者、家长及教育研究者提供个性化的决策服务：将学习结果、学习内容、学习资源与教学行为等教育原始数据使用多种技术，如聚类、关系挖掘和模型构建等，最终达到预测学习者发展趋势、发现问题学生并及时干预、促进有效学习的目标；结合学生个性兴趣建模和学习意图理解得到学生偏好模型，从而激发学习兴趣，有效实现因材施教。

基于Spark集群的个性化推荐框架