基于大数据的高校学生管理工作研究与实践

2015-09-10 07:22先晓兵陈凤王继元王加年
中国教育信息化·基础教育 2015年5期
关键词:决策支持数据共享大数据

先晓兵 陈凤 王继元 王加年

摘 要:文章分析了当前高校学生管理所面临的实际情况,确立了“以人为本,服务师生,服务教学,服务管理,服务决策”的建设目标,利用大数据分析技术来挖掘高校数据价值,建立了决策模型,大数据标准、管理和规范,构建了一个统一、完整、多层次、智能、安全、可靠的高校大学生大数据综合管理与决策平台,为学生管理工作者提供管理决策依据,促进学生管理与决策科学化,对推动高校大学生管理工作现代化具有积极作用与价值。

关键词:大数据;数据共享;决策模型;决策支持

中图分类号:G455 文献标志码:A 文章编号:1673-8454(2015)10-006-05

一、概述

21世纪,各国的教育体系、模式、内容和管理均发生重大变革,向开放式、网络化、终身化和普遍提高人的素质和基本能力为中心的学习型社会过渡。近些年,国内高校由于招生规模的逐年扩大、新校区的大规模建设,随之而来的是管理人员、教学资源短缺,管理混乱与发展滞后[1],面临着前所未有的挑战。同样,高校学生管理工作的繁杂性和艰巨性也大大增加,传统的学生管理思维、模式和方法已不能满足现阶段高校实际需要。为提高大学生管理水平,构建现代新型的大学生管理工作模式已经提上日程,而大数据是解决该问题的有效途径之一。

学校拥有可用的、高质量的海量数据逐渐成为现实,如何进行大数据分析与利用,给高校学生管理工作带来更大的价值,对教育管理研究者提出了挑战。很多高校正在使用大数据分析技术解决遇到的实际问题,如美国德克萨斯大学利用大数据技术分析学校用户IT使用行为产生的数据[2],确定用户行为异常,审计IT基础环境,制定安全防护措施。

基于此,本文以常熟理工学院为例,首先剖析高校目前大数据管理的现状与问题,然后从高校学生管理大数据的角度来阐述高校大数据分析及利用的思路,最后给出基于高校大数据的学生管理的实践及成效,同时也详细阐述了高校基于大数据的学生管理的实践思考过程。

二、相关概念

1.大数据

目前对大数据的定义有很多,根据维克托·迈尔-舍恩伯格的定义,大数据(big data),指的是所涉及的数据量规模巨大到无法通过目前传统软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的信息。虽然说法不一,但在研究者们看来,大数据有以下几个明显的特征,就是4个“V”,即:Volume(大量)、Velocity(高速)、Variety(多样)、Veracity(真实)。

但我们认为,除了以上四个特点,实际上,大数据与三个重大的思维转变有关[3],这三个转变是相互联系和相互作用的:首先,要分析与某事物相关的所有数据,而不是依靠分析少量的数据样本;其次,我们乐于接受数据的纷繁复杂,而不再追求精确性;最后,我们的思想发生了转变,不再探求难以捉摸的因果关系,转而关注事物的相关关系。

大数据通常用概率说话,而不是板着“确凿无疑”的面孔,整个社会要习惯这种思维需要很长的时间,其中也会出现一些问题。

2.高校学生管理大数据

大学生从入学、学习、生活、毕业到就业等整个活动周期中,在各个信息管理系统如招生、教务、学生管理、餐饮消费、图书借阅、网络学习、上网、实验、考勤、晨练、实训、毕业设计、财务收缴费、设备使用、离校、就业等各个电子行为活动中留下了大量的记录信息。这些数据建设有助于将学生管理工作者从日常的具体事务性工作中解脱出来,解决运用传统手段难以获取各类统计数据的问题,从中挖掘出有价值的信息,经过过程性和综合性的分析,找到学生各种行为之间的内在联系,思考背后的逻辑关系,并做出恰当的教学、管理决策,这才能被称为高校大数据[4],如何挖掘这些数据的价值来有效服务高校学生管理是一个有意义的尝试。

三、高校学生管理大数据现状与问题分析

虽然目前各高校的学生管理信息化已经取得巨大的进步,少数高校也开始尝试进行大数据利用的探索,目前的现状是,由于学生人数众多、数据治理和技术等方面的问题,导致利用高校大数据成为学生管理工作中的一大难点,存在很多问题,总结为以下几个方面:

1.高校大数据管理混乱,没有形成统一完整的大数据管理体系

面对学校的快速发展和校、院两级深化改革,信息量的大幅度增长和数据的快速更新变化,而高校的大数据管理职能部门仍无确立,管理模式没有变化,传统的数据管理方式和管理手段已经远远不能适应高校大数据管理工作的需要,同时更加分散的信息处理和更新导致了大量的重复劳动,从而导致了学生信息紊乱,数据一致性差,严重影响了信息的准确性和完整性,给高校的大数据管理工作带来了诸多不便,严重影响了大数据使用成效。

2.信息孤岛大量存在,数据质量差

在信息化建设过程中,由于各部门开发或购买了面向特定领域功能、基于不同技术和应用模式的业务管理系统,导致数据交换通用性较差,难以实现现有系统数据信息的集成共享,数据利用率较低。同时在数据录入与各系统间数据交换的环节中缺乏对数据质量的控制,经常出现数据维护不及时、不准确、不完整、随意性等问题,导致数据的质量较差。

3.重视信息系统技术而非信息

如今的信息技术变革的重点在“T”(技术)上,而不是在“I”(信息)上,即国内高校大多重视业务处理系统(即OLTP系统、在线事务处理系统)建设,轻视在线分析系统(OLAP)建设的思路也影响了数据的质量,导致数据分析的数据建设得不到重视。现在,我们是时候把聚关灯打向“I”,开始关注信息本身了。

4.高校数据分析的传统思维影响

在很多高校,大多是通过调查问卷和样本数据来进行分析和推断,但是统计抽样其实只是为了在技术受限的特定时期解决当时存在的一些特定问题而产生的。在大数据时代进行抽样分析,就像是在汽车时代骑马一样。在某些特定的情况下,我们依然可以使用样本分析法,但这不再是我们分析数据的主要方式。

以上原因是导致国内高校在大数据利用与分析方面效果不佳的主要原因,其他如大数据利用的观念与意识、信息化素养、数据治理管理体制等多方面也影响到高校数据分析与利用。

四、基于大数据的高校学生管理的研究与实践

当代社会文明是建立在数据文明的基础之上[5],高校学生管理大数据平台应当是构建多层次、多方位的有机系统,同时应该是“全样本”数据采集平台,必须融合高校所有相关部门的所有数据记录, 按照标准、规范、安全、高效的特征,整合到统一的大数据交换共享平台中,实现各部门数据之间的无缝交换、共享、集成,同时要充分发挥相关部门的主动性、积极性,明确部门的职、责、权,构建一个统一、完整、多层次、智能、安全、可靠的大数据管理平台,为学生管理工作者提供管理决策依据,促进学生管理与决策科学化。

在建设过程中,我们确立了“以人为本,服务师生,服务教学,服务管理,服务决策”的建设目标,在实践中取得了一些成效,下面就基于大数据的高校大学生管理简要介绍我们的一些思考与实践。

1.建立决策模型

我们认为,整个高校学生管理大数据建设目标就是要合理地利用学生管理大数据,在满足学生管理部门需求的同时,也要为师生提供数据服务,为校级领导提供数据统计分析和决策支持,即应具备多层次的智能服务功能,确保每一个层次的人员都要受益,才能促进有效决策[6],建立了金字塔模型,如图1所示。

按照分层原则,确立并通过若干个具体的且对实现学校学生管理目标有重要作用的关键业务指标(KPI)来实现分层决策支持,促进学生管理者科学决策。

2.建立大数据标准

为确保实现数据的集成和共享、有效积累,参照教育部出台的《高等学校管理信息标准》“学生管理数据子集”中的规范,结合学校实际情况,建立大学生基础信息编码规范和数据子集规范,统一学生编码,确保学生的编码唯一;统一部门编码,保证部门编码的唯一;统一所有业务系统的数据编码,保证业务数据的准确;同时制订编码和数据的管理、更新、维护规范。由于高校校园网络认证计费、校园卡等的数据管理缺乏标准规范,根据学校的实际使用情况,结合我校多年的实践经验,我们单独制定和扩展了学生电子行为数据标准,如校园卡、网络认证和设备使用等数据标准规范,今后计划提交并参与该类规范的制定。

3.建立大数据管理与使用规范

我校在高校学生管理的大数据分析和利用过程中,重视和强调全员参与,我们认为每个人都是数据的生产者和消费者,为此学校建立了一支数据信息使用和维护管理员队伍,如各个二级学院分管领导、班主任、辅导员及相关业务部门工作人员。同时建立了信息员管理制度,将全校各类数据责任到部门,专人负责,严格把关,统一数据录入管理,制定了数据维护的管理规范,对各部门信息的采集、处理、存储、传输和使用进行全面规范,确保数据动态唯一、准确及时。表1是我们建立的相关数据使用与维护规范——学生基本信息日常维护时序表,在该表中,明确了各个数据项的负责部门、负责人及维护时间频率。

4.建立大数据交换共享平台,实现数据共享

我们构建的大数据共享平台整合了全校所有业务信息系统的数据,实现了大数据的一个显著特征——记录所有数据,包括教务系统、学工系统、科研系统、图书系统、人事系统、资产系统、校园卡管理系统和网络认证系统等所有与学生管理相关的记录信息,实现了各系统间信息的互联互通,实现了数据共享,从根本上消除了信息孤岛,使业务系统内部、系统之间的频繁、复杂的信息流畅通,完成由数据源到数据集成再到数据分析应用的一个完整过程,为大数据的分析与统计提供坚实的数据基础。

五、作用与成效

通过上面的探索实践,我们建设了高校大学生大数据综合管理与决策支持系统,为学生管理工作者提供如下功能:

1.由宏观到微观,全面、动态、及时了解、把握全校学生整体情况

由宏观到微观、整体到个体,按“全校—院系—年级—专业、班级”逐级显示,全面、形象地展现了全校学生数量、各院系、专业、班级数量和构成(如图2),还包括未能正常毕业的学生数和其详细情况,以及学生个体的基本信息和在校期间的动态行为,包括基本信息、政治面貌、学习成绩、综合测评、奖助学金、奖惩信息、学团干部经历、参加社会工作、证书考试、科技成果、财务信息、图书借阅、校园卡消费、上网门禁等详细情况。

图2详实地展示了学生个人在校的所有信息,该数据使学生管理工作者能够“一站式”地获取学生的所有在校相关数据,方便辅导员快速全面掌握每个学生的详细信息和潜在动向,发现问题并及时关注,彻底解决以往高校学生管理过程中各业务系统块状分割、合力不足的现象,极大方便了学生管理工作者,简化了工作,提高了管理与决策效率,同时这些信息也可服务于学生个人,甚至也让家长及时了解孩子的在校情况。

2.大数据异常预警,克服学生工作管理盲区

由于学生人数众多,学生管理工作者在日常管理工作中很难兼顾到所有学生,特别对一些问题学生的管理,容易产生疏忽和错漏。为了解决这类管理问题,我们设计了学生在校各类异常行为预警功能模型,通过对数据的分析和深度利用,实现如不在校预警、学业预警、贫困生预警、网瘾学生预警等,将存在异常行为的学生主动预警并告知学生管理工作者,以便及时关注到此类学生,从而可以提早及时发现各类问题,避免学生管理工作中的疏忽。

为实现预警功能,设计了我校特色的电子行为大数据分析与预警决策模式[7]。充分利用各个业务信息系统每天所沉淀的数十万条学生各类活动的海量电子行为大数据(见图3),如校园卡消费数据、校园卡考勤数据、晨练、上机、实验、用水、电记录、校园卡借书信息以及上网数据(包括上网的地点、时间、时长、类型、金额等,不含具体网址、内容等个人隐私信息),构建主题数据仓库,形成多维数据集,并生成诸如每月全校校园卡消费排行榜、学生上网时间排行榜等各类“排行榜”,设置一些临界值(阀值)且反复修正,一旦达到临界值范围,系统自动发出警报(通过校园短信平台向相关管理人员发送短信或电子邮件等),实现学生异常行为预警。通过排行榜,结合学校的作息时间和学生的平均在线时长等去发现一些问题,如学生是否正常上课,是否已经网络成瘾等。对学生加以正确有效的教育引导,防微杜渐。另外,通过掌握学生消费的整体情况,将学生个体的消费行为与之对照分析,如月总消费额、日消费额均在平均线以下,甚至每餐的消费额也大多低于平均水平,并且除了餐厅消费外,少有超市消费、网络消费等其他非必要消费,则基本可以认定为困难学生,再通过结合生源地和家庭情况等信息综合考虑来排查家庭经济困难学生,为发放贫困生生活补助及助学金提供有力参考。这有助于领导层制定学生工作的管理目标和重点,帮助管理者及时做出反应,增加了管理的主动性,起到了防患于未然的作用,做到了有的放矢,不断提高学生管理水平和思想工作的针对性、适用性和实效性。

3.大数据预测,优化科学管理

当我们将生活数字化、公式化及模型化的时候,我们会发现其实大家都很相似,看上去很随意、很偶然,但却极容易被预测[8]。为实现管理者的科学和精细化管理,我们充分利用大数据的核心功能——预测,如:各时间段学生在校活动人数预测,各时间段学生在各餐厅消费人数预测,各时间段学生在图书馆人数等。限于篇幅,下面以在校活动人数预测为主来介绍实现模型,利用数据基础仍然是上面提到的学生校园卡产生的各类信息、信息系统登录记录及网络认证行为记录,每个学生个体在以天为单位的时间留下各类电子行为记录,但凡有一次电子行为记录就等同于该学生在校,通过这种方式就真实、严格记录了学生每天是否在校的真实情况,虽然不能精确到百分百,但也确实能达到99%的精确率,这样就确实充分利用大数据的特性——不求百分百精确,只求基本精确。这一预测数据,可以让学校管理工作者知道各个时间段学生在校活动的总人数情况,能够指导管理者在日常管理中提供合理的资源配置,如在春季学期、秋季学期、各个节假日等各时间段的水、电、制作餐食及宿舍安排等资源合理配置,既减少不必要的浪费,同时也可避免出现资源配置不足的问题,比如如果“国庆节”的午餐做少了,不够学生消费,或者午餐做多了,造成明显的浪费等问题,通过大数据预测就能很好的解决这个问题,为学校的管理现代化提供科学的决策依据。图4为学生在校活动人数情况。

六、存在问题与展望

我们的大数据平台不仅提升学生管理工作的透明度,提高学生管理部门的工作效率,而且还可以极大地促进管理部门等相应领域的信息化建设,实现信息支持、信息提升、信息服务的良性互动,我们的实践成果为高校学生管理工作的科学、高效、公平、公正提供了坚实的数据分析基础,对推动高校大学生管理工作现代化具有积极作用与价值。由于受专业人员少、技术能力较弱、数据模型建立难、观念意识薄弱等方面的影响,我们的工作在很多方面还存在不足,但通过实践与正向信息反馈,更加坚定了我们继续研究的信心。今后计划在高校大数据分析的制度建设、管理规范、数据分析模型和数据可视化等方面继续进行深入研究,积极推动高校学生大数据分析与教育治理工作现代化。

参考文献:

[1]易鑫.教育如何玩转大数据[DB/OL].北京:中国教育报,2014年3月24日第5版. http://www.bshare.cn/burl?id=pxJMC.

[2]维克托·迈尔-舍恩伯格、肯尼斯·库克耶著,盛杨燕、周涛译.大数据时代[M].杭州:浙江人民出版社,2013:72-110.

[3]涂子沛.大数据:正在到来的数据革命,以及它如何改变政府、商业与我们的生活[M].桂林: 广西大学出版社,2012:220-235.

[4]先晓兵,陈凤.挖掘大学数据价值,提升科学管理水平[A].高等教育信息化创新应用案例集(第一辑)[C].北京:清华大学出版社,2014:188-209.

[5]张震,李丹霞,刘芬.决策支持系统技术分析及其在高校管理中的系统模型[J].广州大学学报(自然科学版),2008,7(2):47-52.

[6]沈锡臣,蒋东兴.高校信息标准系列文章之五《学生管理数据子集》的研制[J].中国教育网络,2007(5):56-57.

[7]宫剑,高亮.上海财经大学:提升数据质量之道如何让数据真正说话[J].中国教育网络,2014(1):71-73.

[8]Andrew Tarantola. What is Big Data?[DB/OL]. University Alliance. http://www.villanovau.com/university-online-programs/what-is-big-data/.(编辑:鲁利瑞)

猜你喜欢
决策支持数据共享大数据
科学大数据的发展态势及建议