◇川北幼儿师范高等专科学校 王仕艳

在当前高校教育过程中存在信息无序的情况，通过建设以大数据为导向的高校智能教学决策系统，能够充分发掘大量教学信息，从而发现不同教学信息之间的规律，充分发挥在教学决策过程中的信息价值。在进行高效智能教学决策系统建设过程中应当结合决策系统总体框架，根据安全高效发展实际特征进行系统建设，从而推动高校教育水平的不断提升。

计算机技术的发展推动各类数据决策系统智能化，对于各类数据的处理效率不断提升。目前我们已经迎来大数据时代，复杂数据结构与大量数据规模促使数据分析难度增大。在高校实际开展教育工作的过程中涉及多种教学管理数据，需要针对学生、教师、学校等多方面管理工作开展数据分析，从而保证最终决策的合理性。在当前高校开展决策过程中不仅需要进行简单数据处理，同时也需将信息分析处理、数据挖掘与决策支持重视起来。通过建立起高效智能教学决策系统，能够充分开数据挖掘与知识发现，从而获取数据之间的联系并发现相关规律，保证高校教育教学管理决策的合理性。

1 基于大数据的高校智能教学决策系统的数据储存方式

高效智能教学决策系统主要是利用大数据对各类原始数据进行整理，结合从各类途径获取的教育资源形成完整数据体系，得到数据层。基于数据层内部数据进行内容分析筛选并进行装载，从而获得支撑层。最终利用数据层所获得整体数据以及支撑层的优化数据，最终构建起决策层。目前基于大数据的高效智能教学决策系统，在储存时借助数据库、基于多维数据和虚拟化三类方式。

1.1 基于数据库储存

在进行数据储存分析的过程中，利用数据库开展储存工作主要是借助关系数据库的形式，在数据库表中分析决策数据中的内容，并利用管理源数据的手段开展数据储存工作[2]。基于数据库储存方式构建数据库时，首先由用户结合本身数据分析决策需要进行图形页面操作，满足多维数据模型建设操作需要，并利用特定程序对关系数据库中的内容进行抽取分析。而在抽取过程中应当认识到，为满足智能决策系统建设的需要，应当对数据库内部数据的清洗加工，而不是单纯抽取出某个数据。为避免在决策过程中由于数据错误而导致的决策结果偏差，在进行数据储存的过程中，应当从学校内部管理的不同需要出发整合各个业务系统之间的原始数据，并将关系数据库作为主要储存方式，保证数据利用的科学合理推动阶段性历史数据分析效率的提升，使得最终决策结果保持科学合理性。

1.2 基于多维度数据储存

多维度数据储存方式作为一种数据组织形式，建立在在线联机分析处理（OLAP）的基础上，具有自身特点，在管理与储存数据的过程中主要借由数据立方体实现数据的多维度显示与组织。开展数据储存的过程中需要利用多维数组结构文件，保证数据与数据管理文件之间相适应。并借助多维度索引的当时保证数据内容的准确全面[3]。从多维度数据储存本身原理来看，子类数据储存方式，在进行数据数据分析的过程中，将传统的二维关系数据表进行拆分组合，从而得到多维数据立方体，借助多维数据集的形式使度量（Measure）与数据属性（Demension）对应量相适应。从多维与二维之间的关系来看，多维度数据组成就是利用传统二维关系进行立体组合来保证数据立体性，并在此基础上对数据进行拆分与分析。

1.3 基于虚拟化数据储存

虚拟化数据储存的方式根据储存途径与分析方法不同，可分为统一处理与逻辑处理两部分。首先，针对统一处理而言，主要是由管理层结合自身内外资源数据管理需要进行各类数据上传，使数据平台上能够储存有结构化与非结构化数据，从而统一管理相应数据储存设施。此类虚拟化储存当时对于共享数据资源具有积极作用，从而做到储存空间极致利用，实现储存设施的循环利用，提升相关设施容量。满足当前高校智能教学决策系统数据储存量大、数据内容多、数据结构层次复杂等需要。其次，针对逻辑层面整理而言，在数据整合过程中需要针对决策分析系统的不同进行专门储备空间设置，并在原业务系统数据库中完成数据储存工作。为满足决策分析系统的维度要求，应当结合不同维度需求进行数据借口设计，并在此过程中有效分析业务系统数据库中的数据，从而完成多维度数据分析工作。就成本而言逻辑层面进行数据整理的储存模式形式简单、成本低廉，对业务系统数据质量要求高，并且必须以决策分析系统的多维数据模型为样本，从而保证业务系统数据模型的合理性。

2 基于大数据的高校智能教学决策系统的层次结构

高校智能教学决策系统建设必须从高校管理决策需求出发，结合教学教育活动资源管理需要进行信息系统分析，在适当筛选分析后储存在数据仓库之中。在信息储存过程中，结合信息系统建设需要从校内外各类数据出发，进行数据收集与分析筛选，从而保证所储备业务数据的合理性与全面性。在获得相关数据的前提下进行数据仓库系统建设，收集相应业务数据挖掘管理内容，最终建立完善的高校智能决策分析系统。

2.1 数据层

构建系统数据仓库需要做好数据层建设工作，通过打造决策系统底层为整体数据仓库建设提供相应前提。在高校进行智能教学决策系统建设的过程中，为保证向内部数据的全面性，需要从学校管理的多个方面出发，对各类系统的数据以及以往数据档案和其他教学资源的内容进行收集，避免存在忽略教学教育管理影响因素的出现，避免影响数据分析的准确性[4]。同时，要重视学校外部资源的收集，结合高校管理过程中与校外资源、校外教育等内容数据，得到更加完善的数据仓库，避免出现数据覆盖内容少、时间跨度短的时间情况。

2.2 支撑层

支撑层是决策层对数据层进行访问的主要途径，能够量化开展分析决策需求目标分析。支撑层在进行数据库内容转载的过程中需要对不同数据开展一系列管理工作，从而发挥数据分析的统一管理优势。在分析层实际开展工作的过程中为满足决策层需要应当结合决策各类需求进行标准借口设计，从而建立起高密度数据集市，满足主题分析需要。并且，应当注重数据汇总聚合的开展，通过将数据仓库内部数据进行特定层次划分得到数据分析多维视图，结合不同角度需求应用分析数据。

2.3 决策层

决策层借助简单分析模型与创新挖掘方法进行通用平台建设，并结合复杂稳定数据的分析利用进行主题平台建设。通用平台建设对于适应各类决策系统，保证决策系统灵活全面应用具有重要作用。而主题平台则能够有效抽取相应数据以得到针对性的分析决策系统，结合决策系统实际需要进行主题数据分析利用，保证决策内容合理性。

3 实现基于大数据的高校智能教学决策系统的途径

3.1 数据源

数据源内部数据获取途径广泛，就高校智能教学决策系统而言不仅包括校内教学管理资源的各类结构化或非结构化数据，同时也包括校外相关数据。在开展高校决策支持系统建设的过程中需要从数据源出发获取各类教学管理信息，并结合实际决策需求进行数据处理分析储存，从而构建起与分析系统相关的基础数据。

3.2 数据处理

数据处理工作实际上就是处理不同数据源信息，避免存在影响分析决策系统内部数据格式，保证数据统一性，减少系统内部杂乱数据数量，降低出现数据源数据混乱的可能，提高决策系统内部合理数据数据的存有量[5]。另外，系统应当应用决策树数据挖掘算法对海量关联项数据信息实施深度挖掘，在实际处理过程中，离散化处理具有连续性的高效教学信息数据，便使其成为便于决策树算法运行的有效数据样本。

3.3 数据储存及管理

整体决策系统建设需要大量的数据进行支撑，必须对数据库内结构化与非结构化数据进行有效管理储存，保证最终决策的高效合理。在进行数据仓库建设的过程中注重数据储存与管理工作的开展，从决策层数据库出发对各类决策分析数据进行有效管理，从而得到相应的系统运行模型和处理模型，借助数据源内容实现数据库有效构建填充。最终实现数据同步和整合工作[6]。

3.4 数据挖掘与知识发现

数据挖掘与知识发现的开展需要结束大数据中的内容，将计算智能和数据库结合起来，并利用多种算法获得源数据中的隐藏规律，从而对各类关联数据知识进行分析。同时，应当有效提取各类主题信息分析工作，实现管理决策工作的开展。

3.5 决策分析

决策系统的建设需要从高校决策系统内部出发进行数据源数据筛选分析，解决存在的数据结构化问题。从决策层构建情况来看，需要对通用分析平台以及主题分析平台进行建设。而通用分析平台主要被用来解决当前高校管理过程中由于教学改革、教学管理、决策需求改编等因素导致的管理需求不稳定问题，借助简单数据分析模型并利用常规数据挖掘办法实现快速决策。同时，在决策构建过程中还需考虑到相对持久稳定的高校内部决策需要，通过主题数据的抽取进行数据分析筛选，建设与主题需求相适应的决策平台。在进行实际决策的过程中需要结合高校不同管理需求进行通用分析平台与面向主题分析平台应用，从而制定高校发展战略与日常管理工作决策。

4 结束语

基于大数据的高效智能教学决策系统的建立所需周期较长，同时设计多个对象、海量数据、复杂结构。在实际开展工程过程中应当坚持循序渐进的原则，应当从储存出发进行数据分析，最终找到进行数据处理的最佳途径，从而获得与高校内部决策需求相适应的数据挖掘算法，并结合教学管理实际需要从高校内部行政与教学两部分出发进行教学综合决策分析系统模型构建，保证最终得出决策的科学性，推动高校人才培养工作发展。