摘要：随着社会科技的飞速发展，信息化管理已应用到校园管理的方方面面。信息化的本质是数据的采集、传递、转化与储存，在高校校园安全管理工作中，借助于信息化技术，实现校园的数据化管理，加强了校园的安全与稳定，为校园安全提供了有力的保障。该论文基于大数据协同模式的校园安全信息化建设，结合高校校园安全管理信息化措施，提出利用群体大数据化分析进行校园安全管理的有效策略，对安全隐患起到了可预防，可管理的作用，在很大程度上促进了校园安全管理工作的发展。
关键词：高校校园安全大数据信息协同管理
校园安全信息化管理的意义
校园安全信息化管理，是当下互联网信息时代管理与保障校园安全的有效手段，主要是将信息接入互联网设备与互联网数据操作平台，经过初步的数据整合与归纳，是数据可视化展现的方式。这种信息化管理手段具有阶段性、可更新性、同步性以及数据溯源的特点。因此采取数据采集与监控的信息化管理方式，有助于校园安全工作的组织与实施。
伴随着互联网时代的发展，学生接触到网上的信息量越来越庞大，较以往相比，当下高校校园安全不仅仅局限于学生的人身安全，对学生造成更大的危险性与不确定性往往来自于精神层面与心理层面。可见采取传统的封闭式数据采集模式，已不能满足当下互联网时代的校园安全管理要求。因此，在人员数据庞大与信息量复杂的校园中，采用数据信息化技术，完善校园安全管理工作。此外校园内部群体数据进行阶段性记录与更新，选取某阶段的数据进行数据模型构建与数据的二次分析，能够有效发现校园管理工作的隐患与不足，从而进行及时的调整及应对，提高校园的安全系数。
2、大数据及其优势
大数据（big data），是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。[1]在信息化的互联网时代，校园教学、校园信息发布、个人之间信息互通等，皆以数据化设备与平台进行传递。因此传统的校园管理方式，不能够有力与及时的对信息数据采集与归类。一方面会造成无法有效预防突发事件的产生，另一方面，针对于既成事实的校园安全事件的处理、分析会缺失较为完整的事件轨迹，造成事件处理时浪费大量人力与物力。
而大数据具有以下几个特点：volume（大量）、velocity（高速）、variety（多样）、value（低价值密度）、veracity（真实性）。[1]因此，采取有效的方式汇总校园内人群多样数据，成为真实基础上的数据群，进一步分析和监控管理，能够有效的了解校园安全的实际情况。同时数据真实性的保留，能够第一时间构建群体或个人的行为轨迹，能够为处理突发校园事件提供有效的证据。因此，数据的采集与分析使用可有效的保障校园安全。
3、校园数据信息化管理模式
（1） 校园数据源采集与完善
信息化校园安全管理的基础是个人数据。但是目前校园内存在个人行为信息采集数据混乱，个人数据无法汇总的现状。主要一方面是因为数据采集采集终端类型不统一，造成个人数据分散与缺失，无法在时间线中形成有效的个人行为轨迹；另一方面数据处理平台无法协同工作，不同的数据记录与分析第三方软件与平台，存在着技术与格式的隔离。同一例个人数据，无法在平台之间互相导出或导入使用，以至于无法形成真实的统计分析，无法使本身具有低价值密度的数据群发挥真实的效益。
因此要对校园内学生与教职工个人进行数据采集，同时要保证数据的真实性。校园安全管理的工作管理内容，大致可以分为消防安全、交通安全、人身安全、财产安全、食品安全等。每个领域应建立相应数据采集端，通过个人信息卡片进行打卡，协同的后台数据终端平台进行真实时间、地点、个人信息的记录。例如校园内载入学生或教职工个人真实信息的卡片，在门禁终端、餐饮终端、教学终端打卡等，都可以及时将个人信息、采集时间、地点等信息记录在系统中。另外，建设校园区域覆盖的校园网络，校园网对访问用户实名认证、网络审计、上网行为管理等措施，网络终端的数据沉淀，可以进行校园内用户网络访问统计，实现校园网可控可管。
（2）构建校园群体模型
通过信息化数据终端对校园内的个人信息实时采集，在一个有效阶段后，因后端数据库的不同会形成两种数据库。
一种是特征类别数据库，例如教育类别中记载的上课出勤、作业提交、课堂个人表现评价等数据。通过课堂教学的数据统计，可以充分反映学生缺勤记录与原因，也能分析出学生参与率较低的时间节点与地点，可以指导后期课程调整与改善；或者是消防安全类别中记载的宿舍成员信息、宿舍入口签到、过往违纪原因、电路使用时间段、过载检测大功率记录等各项数据。通过对宿舍内部数据的统计，可以分析出大功率电器的使用，宿舍内部电量使用频率，亦可以统计学生在宿舍停留时间段，夜晚是否按规定在宿舍留宿等。同时，可实现有效控非本宿舍楼内人员进出的排查，对进出人员进行实时实地记录，确保宿舍区学生的安全。
另一种数据库是个人完整数据库，这种数据库形成前提是校园内不同领域使同一种数据平台，或者能够协同互换数据的信息化平台。例如将校园区域内部的个人教务终端、教学签到、餐厅、洗浴、学校入口、宿舍入口、超市消费等行为功能集中到一张载有个人信息的卡片中，成为真正的校园一卡通，使学生和教职工在校园区域内的行为都有所记录，同时也极大排除了校外一些不安定因素进入校园。在北京多所高校，一卡通不仅仅具备校园内部行为记录的功能，还将公交支付、地铁支付等城市交通支付功能纳入校园一卡通中，极大的将学生安全行为记录拓展到校外环境中，真正做到信息完善与记录，形成的这种丰富数据组成的数据库，实时动态的记录着个人轨迹。当出现数据异常与动态缺失，在数据平台中，教师班主任或者父母，可以及时的发现学生个人异常，进行相应的联系和处理，有效的保证了个人在校园的安全，防止校园事故的产生。
（3）量化研究分析结果
当数据经过采集过程，有效的时间段内会记录在数据平台中，成为某阶段的、有效的、低价值密度的数据群。数据有效性是指包含了时间、地点、事件类型的真实性，同时个人数据呈现自然散状分布状态；低价值密度是指数据采集过程中，含有自然状态发生的、类型多样的数据，这些数据经过汇总形成群体，当以某种性质进行类别分析时，成为数据模型中最原始的自然数据。这些自然采集的原始数据，尚未进行模型分析，因此不具备有效性。
采用多样类别、多阶段的自然状态下的数据，进行多种用途的量化分析，在这些自然数据中，以定向筛选方式，分析出相应的结果。例如，以分析某校园个人的日常行为轨迹。则需要依托校园数据库中的自然数据，按照姓名、学号等个人识别信息进行初步筛选，将个人数据提取出来；设置时间要求、重复频率等筛选要求，将符合的数据进一步提取，排列；选择合适的方式，根据时间点，形成线性的个人校园轨迹，将个人行为规律直观的表达了出来。如图1-1。
校园内部的个人数据都被自然的采集到学校数据库中，依据这些原始数据，根据校园安全管理工作的不同需求，可以进行定性、定量的阶段性分析。比如每周课堂缺勤人数重复率对比，每周学校外来人员对比，可以在第一时间发现学生行为异常，采取合理方式对异常学生进行教育和帮助，有效的避免校园事故的发生。
图1-1数据转化利用
（4）建立突发事件数据轨迹
高校校园的人群组成大致可以分为：学生群体、教职工群体两大部分。其中高校学生群体的组成较为复杂，地域分布广泛，加之高校群体年龄分布处于20岁到25之间，求知欲和猎奇心理较强，心理状态不成熟，受外界干扰和影响较大，所以高校学生群体属于意外事件多发群体。高校学生数量普遍介于一万人左右，甚至更多，多种个人信息的差异，给高校的校园安全管理带来了众多隐患。因此借助于学生个人行为数据信息采集、整理分类、周期性与阶段性分析比较，真正做到不遗漏一人。建立学生群体模型，进行二次分析有利于预防意外事件的发生，提高高校校园安全管理。
但是，不能忽略的是，校园意外事件的发生，具有偶然性、突发性，这就给校园安全管理工作介入与处理带来了滞后反应，能否第一时间介入管理，最大程度消除意外事件带来的滞后反应，也应成为校园安全管理的重要工作内容。因此，具有数据协同的终端平台，在此时显现出巨大优势。首先借助数据终端信息平台，数据共享可以利于校园管理各部门以及其他学校部门联合沟通，第一时间发布工作通知，迅速介入校园意外事件处理工作中；其次，通过筛选、调取之前已储存的学生个人行为数据，构建意外事件参与者、受害者的行为轨迹，以时间线为横坐标，准确的判断出意外事件的发生前后行为动态；最后，补充意外事件发生经过的数据信息，根据综合数据分析，得出较完整的意外事件事前、事中、事后的经过。采取这种依托数据管理的模式，有利于校园管理部门在最短的时间内，以可靠、准确的信息对意外事件进行判断和采取适当的处理措施，同时有助于校园安全管理后期的工作调整与工作经验总结。
（5）结论：随着信息技术的飞速发展，高校学生群体利用信息化程度越来越高，信息传递依托众多网络平台和资源，这就突显出依靠单一的人员布控式校园安全管理方式，已不能适应当下高校校园安全管理。因此，在传统的校园安全管理的模式基础上，借助校园已有的规章管理秩序，采集学生个人行为信息转化为数据进行存储，形成完整的校园内部安全管理数据，有利于最大程度预防校园意外事件的发生，以及第一时间介入与处理，真正实现安全和谐校园。
参考文献：
[1] [英]维克托·迈尔-舍恩伯格,[英]肯尼思·库克耶，翻译：盛杨燕，周涛;大数据时代[m].杭州:浙江人民出版社;2013.01.
[2]王子荣,周梦君;我国高校校园信息化建设的问题探析[j];湖南大学学报(社会科学版);2005年04期.
[3] 吴颖骏;浙江大学:基于“云”的智慧校园[j];中国教育网络;2010年11期.
[4] 刘臻;周靖;赵子莹;信息化环境下的大学生校园行为时空特征研究[a];中国高等教育学会教育信息化分会第十二次学术年会论文集[c];2014年.
[5] 朱力纬;刘丽勤;王健;高校基于大数据时代的数字化校园建设研究[a];中国高等教育学会教育信息化分会第十二次学术年会论文集[c];2014年.
[6] 谷晓楠;j大学数字化校园建设分析研究[d];石家庄铁道大学;2014年.