大数据下高校教学改革及教育管理探讨

摘要：为培养高素质高水平人才，高等院校依托大数据技术平台，打破传统教育理念，进一步提高教学改革创新性与教育管理科学性，从而推动高等教育教学与管理方式的改革。文章分析了高等院校数据存储的现状和特点，提出了建设大数据平台的迫切性以及构建平台的必备条件;研究了大数据技术在推动慕课教学改革中的应用，指出了过程性评价的大数据价值;探讨了大数据技术助力于学业预警、就业导向、教学审核评估等方面教育管理智能化实现的作用。

关键词：大数据;教学改革;教育管理;慕课

一、引言

为深入贯彻新时代中国特色社会主义思想，教育部出台了《教育信息化十年发展规划》的文件，进一步落实“智慧教育大数据战略建设”任务，打开了大数据技术建设与应用的新局面，标志着大数据战略已经正式融入教育领域。大数据技术在高等教育领域中的应用及推广是国家推进教育信息化战略不可或缺的重要组成部分，将数据信息技术与高等教育的深度融合，正是推动高等教育方式改革、保障教学质量、促进教育公平，从而达到培养高素质高水平人才的最终目标。当前，传统的课程资源平台和教学教务管理系统已不能很好地适应高校建设双一流大学的需求。它形式单一，缺乏数据资源的统一规划，容易造成信息孤岛，也无法完整的提供高质量的信息。将大数据技术运用于高等院校教学，除了采集与存储教与学的数据外，更重要的是实现数据的分析处理:即通过获取海量数据资源，进行深层次的数据挖掘和学习行为分析，发现问题、监控趋势，从而让使用者自身进行有效的调整，为教学提供更完善地服务。同时，大数据技术运用也让高校教学管理层的思维模式从经验教条主义转变成为以数据驱动模式为依据的科学推断，实现智能化管理与决策，制定出符合新时代人才培养标准的方案与措施。

二、大数据的涵义及构建技术

结合百度百科的定义，大数据(bigdata)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。由IBM公司归纳其“5V”的特征:Volume(规模大)，Velocity(增长速度快)，Variety(类型多样化)，Value(价值性)，Veracity(真实可靠)。大数据技术起源于互联网商业行为中，通过对购买者行为习惯的大数据分析获取潜在商业价值，制定个性化销售方案。随着“互联网+教育”时代的到来，高校教学资源数据、教学论坛数据、学生学习行为数据、教学与教育管理数据等规模“大”至“ZB”级别，且呈几何性增长。据不完全统计，国内高等院校近年来教学结构化数据增速约达30%，而非结构化数据增速更高达约60%左右。数据的类型由关系数据库存储的结构化文本数据逐渐变成以视频、图像、动画、图表分析报告为主体的复杂类型数据。而高校教育的大数据最核心的价值体现就是如何通过数据挖掘等技术手段从价值密度低的数据提取出价值密度高的信息。在涵盖了大量教学活动的复杂数据中，大数据技术对原始数据进行提纯，分析结果为教学管理改革与产学研融合的发展方向提供了决策性参考价值。综合高校教育大数据的特点，构建高校大数据技术平台势在必行。建设高校大数据技术平台，必须由学校主管信息化的高层领导牵头，教务处与信息科技中心协办，根据需求联合有资质的第三方公司共同建设。在整合原有资源平台和信息管理系统数据的基础上，覆盖教学园区的无线网络设备，提高数据网络传输效率，升级数据釆集设备，利用云平台分布式储存技术建立数据仓库，通过成熟的Hadoop框架和数据挖掘算法实现对半结构化和非结构化数据的过滤和清洗，分析提取高密度价值数据，构建预测性视图和可视化视图提供给决策者查询参考。建设信息安全体系保障私密数据的安全性，防止数据因受侵袭发生灾难性的丢失。培养专业的大数据技术管理人才对数据动态进行全面监控。

三、大数据在高校教学改革的应用分析

(一)大数据推动慕课教学改革

大数据技术可以推动高校教学模式改革。随着大规模开放式在线课程MOOC和SPOC的盛行，翻转课堂等混合教学模式也如火如荼地进入高等院校的课堂。学生以自主学习课程知识点视频为中心，教师通过参与线上线下讨论、答疑和测试等方式引导考核学生，使得在线教学日益成为广大学生获取新知识的重要途径。在慕课教学的过程中，系统平台详细地记录着学习者个人的学习内容、学习轨迹、学习成效等数据，当数据量累积到一定程度时就形成了大数据的基础。在采集到大量多元化的数据中，不仅有单个学习者学习行为的深度纵向数72据，也涵盖了多个学习者的广度横向数据。通过大数据挖掘技术对数据进行统计分析，授课教师就可以迅速地掌握学生的情况，诊断学习需求或课程难点，发现学生解决问题的能力，从而有针对性地调整教学进度，优化改进教学资源以及分配课程教学模块的比重;通过大数据预测分析能力技术，系统还可以根据学习者的学习兴趣和方式，以及学习能力推荐个性化制定的课程资源，让学习目标与习惯相近的学习者可自行组合完成学习任务，体现了学习的个性化和差异化，充分调动了不同层次学习者的积极性。大数据技术运用学习的自适性推动慕课教学的应用，对高校培养人才具有巨大的创新改革性作用。

(二)过程性评价的大数据价值

传统课堂对学生的学习评价形式单一、频率低。任课教师往往只在学期末根据学生的日常课堂印象给予一个简单的总分制平时成绩。无论是评价设计方式，还是评价反馈时效性都是滞后的。大数据技术注重在线课程的过程性评价分析，特别是在完成测试任务或是作业同伴互评环节，教师可以通过可视化视图数据分析，统计测试任务的考核结果，提高对授课班级学生整体学习质量评测的相关性和精确性;大数据技术还能把握单个学生对某个知识点参与讨论的程度，根据特定学生的水平，调整作业任务的难易度，就一系列学习问题提供个性化的反馈。同时，把大数据的分析统计结果反馈给学生本人，让其准确了解自己与同伴掌握知识的差距，帮助其更好地调整学习的节奏，改进学习方法。

四、大数据在高校教育管理决策的应用分析

当前，除了教学改革之外，高等院校还应当结合本身的建设发展特点，整合教育管理范围的各项业务流程及系统功能，构建大数据技术平台，为高等院校今后的发展提供更加科学化的管理和智能化的决策。

(一)学业预警大数据应用分析

为实现高校科学信息化管理，应当将学生的培养计划执行预警、学风预警和学业审查预警纳入大数据技术平台，对学生的完成学业情况进行预测、管理和指导。其一，培养计划执行预警是对学生在选修其专业培养计划的课程且获学分完成情况的监测。若当前选修课程截止时间止，学生选修学分未达到本学期专业预设的最低总学分值，大数据平台就会自动给予学生发送警示信息，并提供补选课程清单。该预警对执行完全学分制的高校尤显重要。其二，学风预警针对学生在线课程或混合教学课堂行为，对学生的旷课次数、课堂纪律、完成作业情况等进行实时监管。一旦学生表现异常，大数据平台就会自动记录下来，并向纪律监管职能部门的监控系统发出警报让其介入干预，也会自动将数据结果作为课程平时成绩评分的重要参考指标。其三，学业审查预警是针对在学业早期，因学习困难或身心不健康导致整体成绩下滑甚至严重挂科的学生进行全程监测。学业审查预警由轻到重依次分为黄色预警、橙色预警、红色预警三个等级，一旦监测到学生属于某个级别的预警，大数据平台就自动将详细报告发送给管理者，并启动相应的援助方案，例如，朋辈心理辅导、一对一学习生活帮扶、家校合作制定个性化方案等，通过动态跟踪管理帮助困难学生完成学业，从而提高学校的升学率和毕业率。

(二)就业导向大数据应用分析

当前，高校人才培养与社会供需的结构性矛盾问题突出，辅助毕业生就业的方式十分有限，一般依靠开设就业指导课程、组织校园招聘会以及企业宣讲会等方式，毕业生就业能力与市场需求的匹配精准度不高，很难在短时间内找到最佳岗位。而大数据引擎技术通过网络爬虫实时抓取就业网站招聘信息，将非结构化信息转换成结构化信息，利用关键词分类存入高校就业资源库。在此基础上，大数据平台将自动把就业资源库与毕业生库中学生的专业课程、学习成绩、专业技能水平、求职目标岗位等复杂综合数据进行匹配，从而实现精准就业信息推荐。因此依托大数据平台，高校可以跟踪近五年毕业生的就业情况和薪酬变化，分析市场人才需求变化及行业发展趋势，深入了解岗位对技能及知识储备的要求，以便指导学生毕业前期完成学业任务、做好职业规划;同时，帮助高校在顶层设计上调整学科专业结构设置、整合资源、调整招生比例，实现优胜劣汰的科学智能化决策。

(三)教学审核评估大数据应用分析

教学审核评估是教育厅依据评估高校自身制定的人才培养目标，来评判高校现阶段教学成果是否与原定目标相吻合的的重要手段。将大数据技术引入教学审核评估中，不仅提升了教学评估管理的科学性，更增强了教学质量常态监控的实效性。高校开展教学审核评估工作，必须以“教学基本状态数据”信息平台为依托，从办学定位目标、教师队伍建设、教学资源建设、培养过程建设、学生发展过程、教学质量监控、特色办学等八个维度，建立学校培养人才的大数据支撑体系。同时，大数据平台将对需要耗费大量人力物力的非结构化数据信息进行甄别和分析处理，如学生对讲师评教评价、教学督导听课评价、企业对专业实习认可度评论、导师指导毕业论文质量等。借助数据挖掘和聚类分析算法，将提取的非结构化高价值数据与教学基本状态数据分类融合，形成图表与文字结合的可视化教学审核评估自查分析报告，从而更能有效定位与培养人才目标的吻合度与不足之处。大数据技术提供了建立教学评估长效机制的可能性，“以评促建”的科学机制也带动了高等教育的健康发展。

五、总结

大数据时代下，由于信息技术的变革引发的教与学行为模式的个性差异化变革，以及高校教学管理模式的科学智能化变革，让教师、学生和管理者深刻感受到科技对整个高等教育创新性变革的巨大影响，其效力甚至可以称之为高等教育领域的“第三次工业革命”。教育行政主管部门和高校的决策者要逐步树立大数据顶层设计建设意识，重视高等教育大数据分析的深度与广度比较，全面建设大数据智慧校园，为辅助高等院校的日常教学、科研、人才培养管理的全方位服务功能提供科学合理的保障。

参考文献:

［1］中国海洋大学校报电子版．高等教育领域中的大数据［J/OL］．ouceducnxiaobao．cuepa．cn/show_more．php?tkey=＆bkey=＆doc_id=2187650．

［2］百度百科．巨量数据集合(IT行业术语)［EB/OL］．https://baike．baidu．com/item/dashuju/1356941?fr=Aladdin．

［3］ChrisDedeAndrewHo＆PiotrMitros，陈强．高等教育慕课大数据分析［J］．中国教育网络，2016(12):45－48．

［4］候雪静，郑建峰，刘菁．大数据对高校教务数据化的推进研究［J］．学园，2015(12):20－22．

［5］余鹏，李艳，吕鹏．高等院校大数据挖掘与决策分析体系的应用研究［J］．现代教育技术，2016(8):102－107．

作者:邱向宇 单位:广东技术师范学院