APP下载

基于MVC的高校教学大数据可视化设计与实现

2021-09-14张少龙

电脑知识与技术 2021年22期
关键词:可视化技术数据可视化大数据

张少龙

摘要:高校中分散在各个教学信息系统如招生系统、教务系统、在线学习平台、图书馆系统中的各类教学数据共同构成了高校的教学大数据,利用数据可视化技术将教学大数据以直观、高效的可视化信息呈现可以有效地服务高校领导决策。本文中笔者提出了基于MVC的大数据可视化架构,并以浙江开放大学“浙江学习网”可视化大屏设计和实现为例,利用德尔菲法和层次分析法等建模方法和ETL及可视化工具完成MVC可视化架构的设计和实现,取得了较好的效果,具有理论到应用的现实指导意义。

关键词:MVC;教学信息系统;大数据;数据可视化;可视化技术

Abstract: All kinds of data distributed over the systems such as teaching manager information system, online learning platform and digital library constitute the teaching big data of universities. Using data visualization technology to present teaching big data with intuitive and efficient information can effectively serve the decision-making of university leaders. In this paper a case of data visualization of Zhejiang Open University is implemented with Delphi method,AHP method and ETL,Data visualization tool based on MVC mode .

Key words: MVC; teaching information system; big data; data visualization; visualization technology

1引言

目前各高校都建設了各类教学信息系统如招生系统、教务系统、在线学习平台、学习资源管理系统、图书馆系统等。随着历史的积累,这些系统中都包含着大量的各类教学数据,共同构成了高校的教学大数据。如何有效利用这些教学大数据,以直观、高效的可视化信息呈现形式服务高校领导决策,数据可视化正好满足了这项需求。数据可视化起源于1960年计算机图形学,通过计算机创建图形图表,可视化提取出来的数据,可以将数据的各种属性和变量呈现出来,它们是数据可视化的最基础最常见的应用。近年来随着计算机硬件的发展以及复杂或大规模异型数据集的出现,数据可视化也逐渐发展为大数据可视化,需要应用包括数据建模、数据采集、 数据分析、数据管理、数据挖掘在内的一系列复杂数据处理技术,然后由可视化算法及技术实现[1]。

目前在教学数据可视化研究和应用上,较多是针对特定专业系统的专题数据可视化,如教务系统、教学平台、图书馆系统等[2,3,4]。在当前各高校实践中,由于信息系统数据的“孤岛现象”以及跨部门业务协调和沟通的困难,也主要采用多屏形式分别建设多个数据大屏展示各类教学信息。割裂的数据展示带来数据统计的不统一和主题表达的分散,难以向校领导决策层提供基于一个统一教学大数据主题的可视化全貌展现,使可视化的直观,高效呈现的优势难以发挥。

如何综合学校各类教学数据,设计和实现一个基于学校教学大数据下的可视化大屏是本文的研究目的,本文提出了一个基于MVC的大数据可视化架构,并以笔者所在学校实际情况为例,运用德尔菲法和层次分析法完成教学数据模型的建立,利用ETL和可视化工具完成了数据控制和可视化大屏设计。

2 大数据可视化的MVC架构

MVC已是一种为众多实践所应用的标准设计模式,MVC是模型(Model)、视图(View)和控制器(Controller)的缩写。模型用来封装业务逻辑和基础数据。模型对外提供接口,可以被控制器和视图调用,视图是应用程序与用户的接口,作用是负责显示,也就负责表达逻辑的内容。视图是模型的外观,可以访问模型的数据,但不能改变这些数据。控制器是模型和视图之间的桥梁,它解释用户的输入并进行相应的处理,再将请求转发给视图[5]。

MVC模式可以很好地分割业务逻辑和表达逻辑的内容。模型可以封装应用系统的数据,视图是作为与用户的接口,负责数据的显示和交互,控制器是模型和视图之间的桥梁,能够较好地满足大数据可视化的架构设计需求。

3 模型的构建

3.1主题和数据指标的确立

主题确定了可视化的表达目标,数据指标确定了从众多系统中提取哪些数据以及数据重要性的排序。高校教学大数据主题和数据指标确定的难点是在于学校教学业务的多样性和复杂性,而且每所高校的情况各不相同,没有统一的标准。以笔者所在浙江开放大学(浙江广播电视大学)为例,是一所以开放教育为主体、多元办学、多种教育类型协调发展的省属现代远程开放大学,学校还增挂浙江省社区教育指导中心、浙江老年开放大学牌子履行相应职能。

学校教学的多元性和复杂性,使得主题和数据指标的建立较为困难。本例中笔者综合使用了德尔菲法和层次分析法进行主题和数据指标的建立。

德尔菲法系以一系列问卷向各类专家征询意见,依据所有专家对原问卷的答复再拟定下一份问卷,再次向各类专家征询意见,直到大多数专家的意见看法趋于一致才获得结论的一种定性预测、评估方法[6]。

本研究在开大(电大)体系内选择在教学管理、教学实践、招生、学工、技术各相关领域具有丰富理论和实践经验的专家10人组成专家组,首选进行了二轮的德尔菲法咨询,第一轮向各位专家下发问卷对可视化的主题、维度和指标进行征询,由于各个专家的需求和目标不尽相同,征询意见比较分散,根据第一轮问卷结果向专家进行反馈后,进行了第二轮的征询,大多数专家的意见看法趋于一致,确定了可视化主题、维度和指标,同时各专家各自独立地给出隶属度等评估值。

猜你喜欢

可视化技术数据可视化大数据
可视化技术在公安数学教学中的应用
可视化:新媒体语境下的数据、叙事与设计研究
我国数据新闻的发展困境与策略研究
基于可视化技术的南美白对虾养殖水质的数据分析研究
浅析微课制作中的可视化技术
基于大数据背景下的智慧城市建设研究