教育信息化正从1.0走向2.0时代,基于新一代的云计算、大数据、人工智能等信息技术构建创新的教育模式,通过信息技术手段与教学、管理深度融合,构建教育数字大脑,建设一体化智能服务大平台,最终为师生提供无处不在的学习资源与宜学宜居的学习、生活环境, 为学校治理体系与治理能力提供动态监测、科学决策的有力支撑。紫光旗下新华三集团一直深耕教育行业,以数字大脑计划为战略引领,通过完整的智慧校园解决方案助推智慧教育建设提速。7月23日,新华三带您走进西北民族大学,亲眼见证新华三智慧校园建设成果。
数据是教育信息化2.0建设的核心
西北民族大学简称“西北民大”,位于甘肃兰州,两个校区占地2880多亩,56个民族全日制在校生共25505人。作为新中国成立后创建的第一所民族高等院校,西北民大一直走在信息化建设的前沿。目前已经上线使用的业务系统近20个,包括学工、教务、一卡通、人事、图书馆、科研、大型仪器管理和体检、国资、迎新等。校园区域的无线接入点将近6000个。
在信息化1.0时代,大批量的以功能为中心、相互独立的系统可完全满足校园信息化的需求,但是随着云计算、大数据、人工智能等技术的应用,教育信息化进入到以服务和数据为中心的2.0时代,各自为政的孤岛系统不能自由共享数据,不能关联分析形成有价值的应用;而且原有计算与存储资源也无法承载巨大量的数据和分析任务,跨部门办事效率低下,师生体验差。
为了应对教育信息化2.0所带来的挑战,西北民大部署了新华三智慧校园解决方案。“西北民大通过建设新型智慧校园,基于数据中台,消除了十几个业务系统之间的壁垒,将1.98亿条数据关联,实现了全局数据服务能力统一供给,给学校的各类信息化服务综合应用和数据分析提供了支撑。”西北民族大学信息化建设与服务中心主任田富鹏说。
从底层基础设施,到中间平台,再到顶层的应用程序,新华三帮助西北民大全面推进了向信息化2.0升级的进程。截至目前,西北民大智慧校园一期建设已经完成,并且取得了显著的效果。
成果一:以数据为核心,消除数据孤岛壁垒
通过集成业务系统中的结构化数据,机器设备中的半结构化数据,以及互联网上的非结构化数据,完成了西北民大全量数据中心的建设。在此次项目建设中涉及的业务系统和平台包括主数据管理平台、应用系统集成、数据服务平台、大数据管理平台、大数据应用分析、自助打印终端系统、移动校园、综合信息门户和统一身份认证鉴权系统等。在充分调研学校各业务系统数据标准及数据使用情况后,构建学校数据标准,利用数据治理工具构建学校元数据管理平台、主数据管理平台、数据质量管理平台等。基于全量数据中心建设数据服务运营平台,为各个业务部门提供相关的数据服务目录、服务接口等,实现数据的共享共用。
成果二:一站式服务大厅、20+大数据智慧应用
一站式服务大厅集成了学工、教务、人事、科研、国资、财务、门禁、邮件、一卡通、后勤管理等系统,实现了主要业务的统一登录、统一办理。通过重构业务流程,梳理了37个办事类流程、400多个流程办理节点,实现210个副处以上领导手写签名以及400多个职能处室、学院部门的公章扫描上传事务,极大地简化学校日常办公审批流程,大幅提高了部门和师生的办事效率,提升了师生得幸福感与获得感。
基于大数据技术的西北民大数字大脑,不仅可以提供数据服务,还可以提供业务分析模型服务,一期项目建设了20多种大数据智慧应用,例如智慧校园IOC平台、学生画像、学生能力模型、贫困生认定、疑似失联等,为学校管理决策提供高价值、高质量的服务。
成果三:弹性与安全并存的基础设施建设
西北民大两个校区均已实现有线和无线一体化的覆盖,据统计峰值在线用户数量近两万人,在线设备近2.5万台。新华三帮助西北民大搭建高速骨干网络以满足高并发的网络需求;借助H3C CAS云计算虚拟化软件将数据中心云化,实现了IT资源的弹性扩展和按需分配;采用H3C CF8800全闪存储承载西北民大统一数据库,实现1.98亿条数据的高效访问。
此外,安管一体机、云主机无代理安全防护的部署,让网络安全更有保证;可视化运维与自动定位业务系统软硬件故障,提高管理人员的效率;端到端可视化监控,实现关键业务核心设备7*24值守,确保服务的高质量可用。
新华三的智慧校园解决方案,已经成功为高校的管理、教学、科研注入更优质的服务和能力。作为数字化解决方案领导者,新华三将持续利用前沿技术,加速推进优质教育资源的融合,提高教育管理信息化水平,助力教育信息化2.0的落地。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。