前苏联的标志
4万名学生报告

主要亮点

类别

教育

位置

塔拉哈西,佛罗里达州

影响

  • 利用预测分析来识别LMS数据中的模式,以预测学生是否会通过一门课程
  • 了解趋势,创建海关报告,以帮助几个部门做出关键决策
  • 数据收集、存储、处理、分析和预测的单一环境。这简化了堆栈,消除了竖井,并降低了成本
  • 现在,适当的季节性测试需求分析和预测可以为测试中心带来更高的效率和更低的运营成本

作为美国顶尖的研究型大学之一,佛罗里达州立大学(FSU)保存、扩展和传播科学、技术、艺术、人文学科和专业领域的知识,同时拥抱深深植根于文科和批判性思维传统的学习哲学。它成立于1851年,位于佛罗里达州最古老的连续高等教育地点。

挑战

由于学习管理系统(LMS)负责报告超过4万名学生和3000名教师,佛罗里达州立大学远程学习办公室(ODL)有限的数据技术人员正在寻找一种方法来应对挑战,并将传统上手工操作的流程自动化。对于公立大学来说,留校率和毕业率等指标是在竞争中脱颖而出的重要指标。这些成功的衡量标准对于吸引更多的学生,使他们成功,并继续发展强大的校友网络至关重要。

ODL面临着数据丢失的挑战,由于资源有限而无法进行高级分析,并且需要更多关于如何处理来自不同来源的数据的信息。数据是孤立的,团队没有一个健壮的、安全的环境来正确地收集、处理和分析数据。还有一个空间限制的问题——LMS应用程序服务器和数据库生成了大量的数据文件,导致容量限制一再出现,因此必须定期决定哪些可以保留,哪些必须牺牲。

解决方案

需要提供更好的数据,帮助提高学生毕业率,并最大限度地提高留存率,这促使ODL使用更强大和更完整的大数据堆栈来利用预测分析。该大学使用画布学习管理系统(LMS)来跟踪学生在特定课程中的活动。通过Cloudera的平台,ODL现在可以识别LMS数据中的模式,帮助他们识别有落后或不及格风险的学生。Apache Spark ML中的逻辑回归等算法用于预测学生是否会通过一门课程。与金融服务欺诈分析类似,该大学现在也可以监控作弊行为——在需要时帮助查明和调查作弊行为,从而确保毕业生的质量。

结果

整个大学的几个部门都依赖ODL技术团队的报告来进行决策。以前,ODL必须查看电子表格、压缩的服务器日志、数据库输出,并手动将数据拼凑在一起来创建这些报告。通过Cloudera的工具,可以准备好数据,以便与Apache Impala和Apache Hive一起使用,以构建有洞察力的用例,了解趋势,以及创建自定义报告,帮助部门做出决策。

另一个需要存储和分析大量数据的主要用例是测试中心。以前,考试中心在招聘和安排工作人员时,并不知道有多少学生会来参加考试。这种猜测产生了问题和低效率。利用Cloudera的平台,可以对季节性测试需求进行适当的分析和预测。有了这些见解,测试中心可以通过更好的调度来改进流程和效率。

Cloudera为我们提供了将所有工具和功能集成到一个平台的便利。这意味着我不必为多个功能雇佣多个提供者。其他大学试图增加越来越多的技术,但仍然举步维艰。我们需要一种简单、廉价、从长远来看具有良好价值的解决方案,而Cloudera使这一切成为可能。

-玛丽·艾钦,佛罗里达州立大学远程教育办公室技术助理主任
Baidu