大数据在高校教育信息化中的应用

赵亮

摘要：随着大数据时代的到来，高校信息化教育即将发生深层次的变革。基于此，介绍大数据的内涵和高校教育信息化中存在的大数据，分析大数据在高校信息化教育中运作形式，并对实现途径进行了探讨。

关键词：大数据；高校教育；学习分析

中图分类号：G640文献标志码：A文章编号：1001-7836（2014）09-0014-02

《教育信息化十年发展规划（2011—2020年）》中明确提出必须通过信息化促进教育现代化，不断推动现代信息技术与教学的融合，从而最终让教育理念和教学方法得到创新，通过信息化教育将现代信息技术广泛应用于教育领域，促进教育事业的发展，进而培养出更多的创新型人才。随着国内各大高校教育信息化建设快速发展，各种校园信息化应用影响着师生的学习、生活，随着物联网、云计算、大数据的到来，海量数据分析处理使高校教育信息化建设面临挑战，同时也为高校教育信息化的建设提供了一种全新的机遇，有助于进一步地提升我国高校教育信息化的水平。

一、大数据的含义

大数据具体指的是相关的资料信息量庞大到不能够通过现有主流工具，在一定的时间内对其进行有效的管理，无法短时间内让其转换成为有价值的咨询[1]。大数据所具备的特征一般用“3V”概括。即：规模性、多样性、高速性。规模性即数据量庞大；多样性即数据类型多样；高速性，即时效性，也就是大规模数据处理越快，结果价值越大。维克托·迈尔—舍恩伯格基于价值的观点出发来对大数据进行分析，他提出了大数据是目前社会中的一种独特的能力，通过一种过去从不曾出现的手段，对庞大的数据信息量分析，进而得到拥有巨大价值的资讯。大数据是现代人在庞大数据信息量上能够达成的一件事，而这些事是在小规模的数据之上不能够实现的[2]。《上海推进大数据研究与发展行动计划》中对大数据提出了下面的解释：大数据具体来说拥有三层内涵，首先是数据量较大，来源多样化以及类型多样的数据集；其次是具备现代化的数据处理技术以及数据分析能力；最后是通过对数据的分析获得所需的价值。

大数据是基础资源，不是抽样数据，而是全部数据，某种程度上它抛弃了对精确性与因果关系的追求，而更加注重事物之间的相互关系。在高校信息化教育中，高校师生的教与学有形无形中被记录下来，这样的数据其客观性更强，应用前景更广阔。大数据的特性，决定了其在教育信息化中的应用价值，并会对教育信息化的发展产生巨大影响。

二、高校信息化教育中的数据源

高校校园网络、信息化校园、数据管理系统、远程教学系统，以及图书信息管理系统等不断产生数据；教师的基本信息、教学教案、网络教学、教务管理、科研管理等也会产生大量数据；学生进行学籍注册、网络选课、学生个人学分管理、各种校园卡信息等都会形成很多的数据信息，包括机房的设备以及信息通讯数据等，因此高校数据系统中拥有的数据量非常庞大，每天都会产生大量的数据，这即是高校数据系统中的“大数据”。而这些大数据拥有非常高的价值，可以在很大程度上帮助学校创新高校教学模式和教学方法。在这个信息非常宝贵的时代，大数据技术的应用在高校教育信息化中起到越来越重要的地位。

三、高校教育信息化中大数据的运作形式

高校教育的信息化主要指的是运用现代化信息技术、互联网通讯技术以及网络技术等现代技术来指导教学，同时尽可能地实现高校教学活动、学生组织管理以及高校学生服务等工作的信息化、网络化以及自动化，进而不断提高高校的教学质量，构成一种符合信息时代要求的教学模式[3]。高校教育的信息化会形成大量数据，从而为大数据分析提供了基础。大数据分析技术可以应用于高校教育信息化的多方面，如教学评价、个性课程设计、学习行为分析、网络在线教育等。大数据在高校信息化教育的运作形式主要有教育数据挖掘和学习分析两种。

1.教育数据挖掘

教育数据挖掘是指从海量数据中搜索出隐藏于其中的具有价值的相关性信息的过程。教育领域的数据挖掘关注于开发新的软件、发掘数据模式，通过快速合理的方法从教育数据库中发现相关的有价值的信息，并通过数据分析，以求最大化地开发数据资源的功能、寻找到数据的价值。

信息网络技术的支持以及交互式学习的应用为收集学生行为数据带来了新的机会。特别是模块化和更强的网络学习系统，能够带来很多类型的数据信息，其中主要包括数据挖掘设计必需的变量，利用教育数据挖掘可以很容易地从这些不同数据之中寻找到它们之间的关联性，建立预测模型，为教学改进和学生个性学习分析提供依据。结合学生个性特征数据，学期结束时针对学生开展综合性的问卷调查，对学生进行分类研究，对学生成绩进行预测，同时分析学生的在校表现、对教学的满意程度以及教学质量之间的内在联系。教育数据在进行挖掘的前期主要应用于预测学生成绩，随着物联网和云计算等信息技术的发展，教育数据挖掘的应用越来越广泛，主要应用于以下四个方面[4]。第一，创建出合适的模型来对学生学习行为进行准确的预测，模型要将学生的知识、动机以及态度融合在一起。第二，对学科领域模型进行进一步的改进，从而让这些模型可以对教学内容以及教学特点进行概括。第三，对学习软件能够发挥的教学支持效果进行分析。第四，建立计算模型，包括学生模型、领域模型以及软件教学模型。

2.学习分析

学习分析一般来说包括了教学成果分析、学生学习成绩分析、学生学习行为分析等内容，学习分析主要是针对学生学习中所形成的数据所展开的研究，对学生未来的学习表现以及潜在的问题进行预测。学习分析的数据主要是来自学生的显性行为，例如作业完成情况、考试成绩等，或者来自学生的隐形行为，比如参加的课外活动以及互联网社交情况。学习分析所希望实现的目标主要是帮助高校和教师更好地理解教与学，为学生创造个性化的教育条件。

对学生而言，学习分析能够让他们更好地知道自己在学习中所存在的问题，同时对自己的学习行为进行优化，开展个性化的学习；对于高校教师与管理人员而言，他们利用对学生的学习分析对课程质量进行评估，从而有效地优化教学，促进教与学的融合。

四、大数据在高校教育信息化中的实现途径

1.教学质量评估

教学评估属于各个高校定期必须完成的任务，教学评估的主要目的是更好地发掘出教学过程中存在的一些问题，从而及时地对教学方法进行调整，最终实现教学质量的提升。将大数据运用到高校教学评估系统之中，不但能够在很大程度上提高高校教学管理的科学性，同时还可以提高信息化教学的实用性。把基于大数据挖掘的算法运用在教学评估工作之中，找出教学效果、信息技术在教学中的应用、师生之间的沟通互动等因素之间的联系，从而给高校的教学部门带来非常科学的决策信息，同时让教师可以更加有效地开展教学工作，提高教学质量。

比如通过成像系统了解到课率、师生互动情况，通过学生作业系统动态了解学生学习内容的掌握情况等，从而为提高教学质量做出可科学决策。

2.教师教学能力分析

以往的教学没有大量数据支撑，教学的质量高低主要靠教师自我度的把握。现在，可以通过物联网技术，搜集大量课堂情况信息，比如上课教师照本宣科的时间，停顿的时间、次数，学生课堂纪律等。通过这些数据的分析，了解教师熟悉教案的程度、课堂氛围等，通过分析改善教学水平。也可以通过深度分析学生在观看网络教学视频的过程中教师的课堂表现，从而发觉课程的闪光点以及不足，从而让教师能够进一步地对课程教学进行改善，提升教学质量。

3.个性化课程分析

个性化学习是高校教学改革希望实现的目标，过去的班级制教学中就无法很好达到这一点，通过把大数据挖掘技术和学习内容结合起来，运用在线学习系统就能够指导学习者规划学习发展方向，制定学习规划，实现个性化学习功能。通过系统评估个人情况，根据分析结果推荐可能取得优秀成绩的课程方案。系统首先获取学生以往的学习表现，然后从已毕业学生的成绩库中找到与之成绩相似的学生信息，分析前期成绩和待选课程结果之间的相关性，结合专业要求和学生能力进行分析，预测学生选择的课程中可能取得的成绩，最后综合权衡预测的学生成绩和各门课程的重要性，为学生推荐一份专业课程清单。

4.学习行为分析

通过成像技术和物联网技术，可以把学生到课堂时间、上课表现、作业完成情况、自习情况等学习信息记录下来，进行变量分析。当一些与学习行为有关的因素（如旷课、纪律问题、课堂表现）发生变化时，系统会自动提示并进行分析。通过这种系统分析，可以很好地规划学生的学习时间，提高学习效率。

5.勤工助学需求预测

可以通过收集校园卡的交易记录，并进行分析，向可能存在经济困难的学生发送勤工俭学信息。通过跟踪学生校园卡，对全校学生早中晚餐进行统计，计算出男女同学平均消费值，动态分析出平均消费后20%的学生。再经过系统分析发现其就餐消费明显偏低，学校勤工助学服务中心确认学生信息后，与其进行联系。同时，也会定期把学生信息发至院系辅导员，进一步了解学生是否面临家庭困难，需要帮助。

6.学生舆论分析

学生舆论分析就是根据特定问题的需要，收集相关的舆论信息，并进行深度的加工以及分析，从而得到结论的过程。互联网信息时代的舆论市场存在各种论坛、微博等互联网交流平台，其中所有的交流都属于大数据类型。当某一事件发生之后，很多学生能够利用网络来得知事件的始末，然后进行评论，或支持或反对、或理性或感性，当某种观点获得了大家的广泛认同之后，舆论就很有可能影响到事件的发展。通过对舆论的分析，可以做出一些正确的决定，这对高校政治思想工作和维稳工作起着非常重要的作用。