作者：沙丘社区分析师团队
01
案例企业
中国联通集团聚焦“大联接、大计算、大数据、大应用、大安全”五大主责主业。被国资委授予“科技创新突出贡献企业”称号，获“北京冬奥会、冬残奥会突出贡献集体”等荣誉，被国务院国资委赋予国家产业链“链长”的重要使命。
中国联通研究院是中国联通研究体系唯一组织机构，以中国联通研究院为运营主体的“下一代互联网宽带业务应用国家工程研究中心”纳入国家发改委新序列管理。
02
项目背景
业界一般将教育分为教学、学习、管理、评价4个方面。近年来，5G、人工智能等技术的发展和普及，推动了教学方式的丰富和教学资源的共享，但教育管理依然主要依赖人工和经验而缺乏智能手段。
从宏观来看，全国各省间、城乡间、甚至同区各校间对学生的管理和服务水平差异普遍存在；从微观来看，我国有在校生近3亿但教师资源分布不均，难以给每个学生平等的关注。因此，对于教育管理，无论是“大公平”还是“小公平”都需要提升。
与学校合作的过程中，通过与辅导员、班主任以及教务教工专职工作者进行深入讨论，中国联通研究院提炼出了教育管理中6大问题：学生安全难以全局掌握、异常行为难以发掘管理、心理健康难以监督评估、经济资助难以精准实施、挂科留级难以预警防范、就业择业难以精准引导。
解决方案
依托工信部大数据产业发展试点示范，中国联通研究院把运营商大数据和教育行业数据深度融合，其中运营商大数据主要包括数据业务行为特征、终端信息、轨迹偏好及移动性以及以上行为的时域变异性，教育数据库主要包括教务数据和教工数据，如学生基本信息、专业排名、就业去向、各科成绩、助学金及贷款以及心理健康水平。
基于教育行业的真实痛点，中国联通研究院进行平台功能设计和研发，持续4年进行AI算法核心技术攻关、产品持续打磨和试点应用，包含3项数据能力、6项AI算法创新、6项平台和小程序、4大类12项主要功能，形成基于跨行业融合大数据和新一代AI的智慧教育服务平台，基于网络数据自主解析技术深入洞悉学生网络行为，构建学生行为多维关联行为预测及异常告警深度学习模型，分别面向学校辅导员/班主任等教学管理方以及面向学生，研发系列系统平台，推动校园决策科学化、管理智能化、服务个性化。
（1）3项数据能力
首先，构建DPI特征库，自主研发网络数据原始码流DPI深度解析工具，透视用户行为。DPI（深度包解析）是通过网络流量的解析推测学生具体的网络行为。通过搭建原始码流深度解析平台，实现网络链路各个接口数据的实时采集、自主解析和按需定制，构建1200种主流业务特征库透视上层行为。通过技术自主研发实现数据的自主掌控，保护数据的安全。
在此基础之上实现跨模态数据的跨层级共享。一方面针对运营商大数据本身，实现通信行业大数据的内部拉通和融合，同时也根据需要融合互联网数据，例如校园论坛的关注热点、舆情事件等，然后对教务和教工数据进行关联。
前面两步提供了数据挖掘的基本环境和数据源，但在数据使用过程中还存在很多问题，一是数据来源丰富，管理方众多，运营系统、管理维护系统、网络接口等分散存储在各个专业系统中；二是数据跨域维度高，例如2345G网络和物联网数据，例如有网络侧、用户侧、业务侧、接入侧、接入层、网络层、应用层、控制面、信任面等多种数据维度和数据域；三是数据的可信可用程度还需提升，不透明、没有共享的问题没有完全解决；四是各个数据使用方之间缺少统一共享机制，没有形成数据模型的合理化评估系统，带来数据存储资源、计算资源、专题效能的额外开销。
为了提升数据使用效能，中国联通研究院重点聚焦两方面，一是让数据好用、易用，构建数据标签分析共享体系，节约计算和存储资源，提升数据使用效能；二是让数据可评、可控，构建数据模型合理化评估系统，实现跨平台、跨租户的数据使用、埋点设计和开发，让数据和资源的使用更加透明。
（2）6项AI算法创新
本项目有时空图谱、多目标决策、情景认知及意图推理、超参智能调优、行为深度及行为规律提炼、特征工程智能化6项AI算法创新。
机器学习可划分为数据预处理、特征工程、模型训练三个阶段。在数据预处理环节，由于用户网络行为具有多元性、周期性、异构性、变异性等多重特征，现有用户画像构建方法主要基于线性运算和过滤，无法发掘用户隐藏特征。因此，中国联通研究院引入行为深度和行为规律刻画方法，构建多维用户画像深度挖掘用户隐藏特征。
在特征工程环节，特征工程决定了模型预测水平的上限，中国联通研究院改变了传统依靠专家经验构建特征工程的模式，创新性地提出智能化、自动化特征工程构建方法，获得可解释、可泛化的普适性特征工程，满足各类场景需求。
在模型训练环节，第一，工程应用中传统网格调参法的时间复杂度高、对于特定业务场景难以获得全局最优的参数组合，因此中国联通研究院提出超参数据全局寻优机制，获得有限资源下的全局最优参数组合；第二，面向教育管理的很多场景需要同时进行多个主题的分析预测，传统机器学习算法难以进行多个目标的联合训练，因此提出鲁棒可靠的多目标决策算法，实现系统性的协同优化及按需配置。
（3）6项平台和小程序
6项平台和小程序包括面向校园管理的3款PC端管理平台和面向学生的3款移动端小程序。
（4）4大类12项主要功能
第一类：安全管理
基于学生群体位置分布、迁移特征及趋势、异常行为进行分析挖掘，对深夜未归、长期旷课等行为进行干预和应急事件支撑。同时为了保障数据安全，面向学校管理部门及辅导员和班主任共享数据底座，不同角色开放不同的数据等级。具体功能如下：
其一，安全态势功能。以夜归、出勤、游戏、视频、网贷5类指标展现全校及各个班级当日学生行为特征以及历史变化趋势，同时呈现学生每天不同位置的分布热力图，用于校方和辅导员宏观掌握学生的活动特征，为校园的管理评估提供一定参考。
其二，夜归出勤监督。针对全校以及各个班级的学生夜不归宿、白天上课期间离校行为进行监督，支撑辅导员对学生的深夜未归、长期旷课等行为进行干预。通过学生群体的热力分布、校外聚集监测、学生出行意愿评估，辅助辅导员和校方针对学生外出活动以及假期进行管理。
其三，应急事件支撑。针对自然灾害、事故灾害等突发事件，分析学生群体的位置分布、OD事件链以及学生全息图谱，为应急事件的事前预警、事中监测以及事后追踪提供支撑。在疫情期间，结合SEIR模型，实现学生出行指导、校外聚集监测、疫情点到访情况追溯。
第二类：行为诊断
学生网贷成瘾、游戏沉迷已成为社会热点问题，中国联通研究院基于DPI识别学生的网络行为特征，构建AI算法模型，支撑辅导员有的放矢进行学生行为管理和疏导。
一方面，使用DPI技术获取学生网络行为，同时使用基于学生的行为热度、行为深度、行为规律的多维度分析评价学生的行为特征和成瘾倾向。
另一方面是助学金智能发放，目前学校对于贫困生的认定主要分为三种，一是直接根据家庭经济困难学生申请表来认定，二是增加评议环节，需要学生之间通过投票进行；三是结合信息化手段进行辅助认定，中国联通研究院构建了学生消费水平评估体系，通过线上线下多渠道、多维度的消费水平评估，识别需要资助的学生和高消费群体，为助学金、贫困补助的“无感式”发放及个性化的学生资助提供参考。其中，中国联通研究院使用了AI算法创新中的多目标决策，从而实现助学金发放在公平性和效益性的两方兼顾。
第三类：成长守护
本项目实现深度智能化，将通信大数据与教务、教工数据深度融合，实现心理健康观测、学业成绩预警和课堂学情评测。
在心理健康观测部分，基于运营商大数据以及学生SCL-90样本测试数据，使用深度学习算法构建学生行为特征的心理健康监测模型，形成五维实体关系图以及学生行为的异动监测体系，分析学生主观幸福感、抑郁、焦虑等9项因子健康水平，从而有针对性地对学生进行行为疏导和心理健康关怀。
在学生成绩预警部分，基于学生在校期间的网络行为和通信行为特征，心理健康、成绩、助学金、助学贷款等各类数据，使用AI算法进行分析建模预测，形成多维度视图，探究影响学业成绩的关键要素及内在联系，对挂科、留级等学业问题进行预警防范。
在课堂学情评测部分，基于学生的5种课堂行为，为老师、学校提供日常成长数据及报告，评估教学水和学习水平。
中国联通研究院深入运用基于学生行为热度、行为深度、行为规律的多维分析方法，由于涉及学生成绩、心理健康等不同业务场景的建模其特征工程千差万别，存在强依赖于业务专家的问题。因此中国联通研究院采用智能化的特征工程构建方法，得到针对不同业务场景的更合理、更智能的特征工程。
为了探究影响学生不同心理健康的指标，例如抑郁、焦虑、人际关系敏感，探究其是否对应不同的特征工程，中国联通研究院也在模型构建中运用到了前面所讲到的多目标决策技术，实现不同预测目标的协同优化和按需配置。
（4）就业择业
毕业去向洞察：从大学毕业生群体画像中挖掘有效信息，找到影响毕业去向的内在因素，挖掘毕业去向、网络行为偏好、在校成绩和预测、娱乐行为时空轨迹以及迁移规律，为学校的服务和管理决策提供参考，为学生的管理注入内生动力。
职业测评推荐：引导学生获得“喜欢干什么”和“适合干什么”的答案，从而实现内在优势洞悉、职业生涯规划、自我探索提升。
就业智能助理：结合生成式大语言模型+求职招聘领域开放数据+学生行为信息通信大数据，研发面向高校就业指导的专业大模型，为学生提供定制化求职攻略，解答毕业、就业、择业、签约等相关问题。
04
价值与效果
当前，通信服务提供商主要为教育行业客户提供专网产品，从而支撑上层两类业务应用：一是线下的5G全息课堂，丰富教学形式；二是线上的智慧教育平台，实现教学资源共享。
本项目不仅是线上化、信息化，更是数字化、智能化，基于通信大数据、教育大数据和AI，深入分析挖掘、感知预测学生行为模式特征，让学生管理更加有的放矢；特别是基于融合大数据的心理健康评估、学业成绩预警、游戏沉迷诊断等，基于信息学+数学+发展与教育心理学研发一系列AI算法模型， 给每位学生贯穿成长全链条的保驾护航。
在教育公共服务平台、全息课堂等教育资源宏观视角资源共享的“大公平”的基础上，在微观上关注每个小人物和成长中的小事件，彰显以人为本的理念，在一定程度上弥补了现有智慧教育产品无法实现“小公平”的空白。
本项目的服务对象主要是学校、学长及家长、外部企业和研究机构，外部企业和研究机构主要通过调用数据更好地进行学生服务和基础研究，未成年学生家长可以通过订购数据来掌握学生的人身和安全情况。学校作为主要的服务对象，教务处、辅导员、班主任可以按照不同角色使用其中的功能。
目前在多所高校试点应用，综合预测准确率超过 90%，小程序3万次调用，单次人均驻留时长100s以上。本项目的自主研发成果已形成发明专利、国际学术论文、软件著作权以及行业标准等自主知识产权共百余项，并于2023年在国际电信联盟(ITU)完成国际标准新立项，对于推动智慧教育产业链的持续完善、提升国家影响力和话语权具有重要意义，更是为弥补发展中国家教育管理数字化的鸿沟提供了中国选项，探索推动更广泛、更深远的全球教育公平普惠。