大数据视角下高校学困生立体精准帮扶模式的构建

刘翔

[摘要]：大数据时代的来临必然会给传统的学困生帮扶工作带来全新的思维模式和工作理念，高校教育工作者要应对数据革命的挑战、把握机遇，不仅要熟练运用现代信息技术，更为重要的要在大数据视角下开展工作，融入大数据思维，构建基于学困生数据的全面采集和精确分析，以帮扶方式、助困群体、帮扶角度为维度的立体模式。

[关键词]：大数据 高校学困生 立体精准 帮扶模式

伴随着移动互联技术普及、社交网络快速兴起、电子商务井喷式发展等信息技术的迅猛推进，人类社会正悄然步入大数据时代——以数据为核心的全新信息时代。面对大数据浪潮全面来袭，传统的学业指导理念、方式和方法势必受到数据革命的挑战，特别是针对高校学习困难学生（以下简称“学困生”）的帮扶工作也将迎来新的机遇与挑战。因此，高校教育工作者（以下简称“教育者”）应该基于大数据的背景下，认真思考如何依靠分析数据构建立体精准的学困生帮扶模式，帮助他们尽早走出学业困境，促使其自觉完成从“后进”到“先进”的转化。

1大数据概述

《大数据时代》的作者维克托·迈尔·舍恩伯——“大数据时代预言家”从价值的角度生动的阐述了大数据的概念，人们通过掌握海量数据，从而发现和挖掘隐藏在数据背后的规律和价值，证明了大数据不仅是一种新技术，更为重要的是一种全新的思维方式和认知能力，我们将其生动的称之为“大数据思维”和“大数据能力”。

2大数据视角下高校学困生帮扶工作面临的现状与挑战

2.1 高校学困生帮扶工作的现状

学困生问题在国内高校中普遍存在，这个困难学生群体的存在是一个不容忽视的问题，也成为了高校教育工作的重点与难点。笔者通过学困生案例研究发现，学困现状的形成是一个动态的复杂过程，前期成因识别和后期帮扶应该是基于科学的分类和“社会化支持”而开展相应的工作，但是传统的学困帮扶工作大多数独立了前期和后期的联系，还存在以下弊端。

2.1.1 成因识别精准度低

传统学困成因识别仅限于“课堂表现”和“考试成绩”两项指标，没有深挖学生学困现状背后的因素，未建立科学系统的学困筛选体系，突出存在静态识别、考量指标过少、缺乏数据分析等缺点。

2.1.2 缺乏精准个性化帮扶

在开展学困生帮扶工作时，往往采取“一刀切”的方式，缺乏精确的分类指导、分层帮扶和动态管理的实施原则，没有遵循学生特点，导致了帮扶效果不佳。

2.1.3 助困群体单一

以往的学困生帮扶工作一直依赖带班辅导员（班主任）开展，而辅导员个体的时间、精力和帮扶手段受限，导致了“花大力气，收小效果”的工作成效，间接形成了学困生教育工作难点。

2.2 大数据视角下高校学困生帮扶工作面临的挑战

2.2.1 数据的非结构化类别增多，帮扶信息筛选难度增大、精确度更高

传统学困生信息的采集来自于小规模结构性数据样本的收集，不仅数据精确度高，而且采集过程也要求零失误，其工作量和干扰因素较小，但最大不足就是取得的信息宽度十分有限。而大数据时代涌现了大量的非结构化数据，包括学生的心理特征、行为习惯、个人性格偏好等类型数据，使得教育者掌握的数据总量无限的接近学生个体，其采集过程的精确度也有较大差别，所以其中必然包含了很多不准确、甚至是错误的信息，容易对我们的信息筛选工作产生误导和增大难度，这就要求学生管理工作者处理海量的非结构化数据，更加全面精准的掌握学生的个体信息，更加客观的分析和研判学生的个体化差异，接纳学生个体的复杂性。

2.2.2 数据的整体性增强，精准、清晰的个性化帮扶趋势更为明显

以往我们开展学困生帮扶工作时，往往采用小规模的数据抽样调查的方式作为方案制定依据，比如单纯根据学生成绩开展学业指导工作，而忽略学生个体在学习上真正的困难原因和根本诉求，不符合教育规律和学生个人发展。随着信息化教育管理体系的推进，趋于完整的学生信息数据采集和分析也即将成为新常态，所以必然会强调教育者重视数据的整体性，在此基础上运用先进的数据挖据技术分析学生个体差异，才能制定加符合学生的身心发展规律的个性化帮扶计划。

3大数据视角下构建高校学困生立体精准帮扶模式

学困生帮扶工作从本质而言是遵从“为了一切学生”的工作理念，是践行尊重教育规律和学生身心发展规律的实际行动，应该接纳不同的学生个体特点，推行学业、心理、生活的全方位辅导。那么整个帮扶工作的模式应该定位为：基于学困生数据的全面采集和精确分析，并且依托帮扶方式、助困群体、帮扶角度三个维度構建的“立体精准帮扶体”。

3.1 搭建科学动态的学困生数据平台，精准识别学困成因

大数据技术的应用基础必须依靠数据平台的搭建，而开展学困生帮扶工作的第一步就是要全面、准确的掌握学生个人信息，分析、判断学困成因和根源。教育者应实时采集校内各信息平台的共享数据，并进行研究整理，提取课堂出勤情况、学期GPA成绩等数据，籍此建立科学动态的数据平台，掌握学困生的学习特征，精准分析学困成因，并进一步对成因进行分类和归纳，制定个性化的学业指导。

3.2 引入融合多样帮扶元素，构建“立体帮扶网络”

教育者拥有大数据思维模式，改变教育者 “单兵作战”的惯性思维模式，加深对大量非结构化数据的分析挖掘，在坚持“个体为单位、一帮一助、控制助困规模、分类指导、分层帮扶”的实施原则，引入多样化的帮扶元素应对多元化的学困成因，进一步组建“学业帮扶团”和“学业指导团”、开展“两辅”（线上辅导和线下辅导）、保持“三联”（联系学困生、联系学生家长、联系教师），构建教师、学生、家长组成“全员育人网络”，推行学业、心理、生活的“全方位立体帮扶网络”。

3.3 建立学习评价体系，动态跟踪管理和前置学困帮扶工作

笔者通过调查研究发现，教育者一般都依据学习效果对学生进行评价，忽略了学习这个动态的结果，而大数据则是将结果性指标转变为发展性指标，有利于教育者动态跟踪学困生的学习过程，及时发现问题、解决问题，从而更好地对教育进行调控，修改和制定更加切合实际情况的决策。

参考文献：

[1]卞友江.“大数据”概念考辨[J]. 新闻研究导刊，2013（05）.

[2]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.

[3]胡波，大数据时代高校高校学生维稳工作研究生[J].思想教育研究，2015（05）.

[4]崔怀将，高校学困生的类型诊断与矫正策略[J].中国电力教育，2010（35）：132-134.