大数据时代下高校教学创新管理

郭小平+邹振宇

摘要：全球化时代下，高校教育正在经历激烈复杂的竞争，其需要回应国内外经济、政治和社会的诸多变化。应对多变的社会环境，一些高校激流勇进，运用大数据进行及时、有效的决策。高校该如何回应影响其运转的诸多变化因素呢？文章首先提出了对大数据相关基本概念的理解，之后探讨了大数据并分析了其在高校教学管理中所发挥的重要作用及其应用的模型。

关键词：大数据；高校教学；数据分析

中图分类号：G647 文献标志码：A 文章编号：1674-9324（2017）25-0007-02

在全球化时代下，高校教育正在一个复杂多变的竞争环境下运转，其需要回应国内和国际经济、政治和社会的诸多变化。处理这些快速变化的决策是复杂的，并且大多数决策并没有根据相关生成数据做出。那么，高校如何有效并及时地回应影响其运转的诸多变化因素呢？文章首先明确了对大数据相关基本概念的理解，之后探讨了大数据并分析了其在高校教学管理中所发挥的重要作用及其应用的模型。

一、对大数据的理解

在当今世界，从企业领导到政府规划者和学者都在讨论大数据。大数据的突然出现似乎让许多人毫无准备。在过去，一项新技术的发展首先出现在科技和学术期刊中，之后会出现在传播知识的出版书籍中。大数据技术的快速发展以及公共和私人部门对它的迅速接受，意味着想要达成对大数据概念的一致理解还有待发展。伴随着大数据概念的出现，相关批评接踵而至。一些学者认为“大”的概念是具有误导性的，它只反映了数据规模，却没有反映复杂性。此外，对于数据多“大”才能称之为大数据的基本问题就有很多争议，因此有必要研究大数据概念的发展。本文首先会对大数据进行定义，主要强调数据的规模仅仅是衡量大数据的一个层面而已。许多企业都运用数据来做出更好的战略性和操作性决策，实际上利用数据来进行决策并不是新鲜的事物。自从上世纪90年代早期以来伴随着数据仓库的出现，商业组织就存储并分析了大量数据。然而，当下对大数据的大肆宣传可能归因于IBM和其他领衔科技进步的企业对数据分析市场的投资，也在一定程度上归因于大多数企业应用的数据发生了“质”的变化，并为数据的管理和分析带来了复杂性。相关研究表明，大多数商业组织的结构化数据并没有反映隐含的企业价值，并且根据IBM的调查报告，企业生成的80%的数据都是非结构化的，即以文本、影像、声音、图表、图像及上述元素的混合形式所构成。也就是说，非结构化的数据创立了企业的数据仓库。此外，伴随着数据库技术和分析工具的最新发展，使得收集和维护大量复杂的不同形式和不同来源的数据并将复杂的数据转变成有意义的模式和价值成为了可能，这种现象就是所谓的大数据。

然而，伴随大数据概念的出现，相关的困惑和批评接踵而至。比較明显的是，数据规模只是“什么是大数据”的众多特征中的一项，其他大数据的特征也显现出来了。一些学者认为“大”的概念是具有误导性的，它只反映了数据规模，却没有反映复杂性。另外一些学者还指出，大数据的定义几乎与数据本身是没有关系的，因为对大量数据的发现并不是新出现的现象，并且实际上大数据代表的是对可以用更快的速度处理不同类型的大量数据的技术追求。这种理解启发了我们对大数据的进一步理解，并将大数据定义为“能够从具备最大程度的规模经济的数据中捕获有价值的科技和技术”，这意味着对大数据进行挖掘的收益是多于提取、处理和利用数据的成本的。

二、高校对大数据的利用

大数据是一个潜在地改变了管理决策的知识系统，有学者预判大数据建立了一个有效利用大规模数据并最终塑造了高等教育未来的最引人注目的框架。在最初的几年中，大数据在教育领域中的主要应用体现在了学习分析上。学习分析是与大数据相关的研究和实践的新领域，它利用数据分析作出有关教育体系每个层级的决定。此外，它还描绘了与学生相关的教育大数据的趋势和模式，进一步提升了个性化的高校辅助教育的应用。但是，相关研究人员对大数据在学习分析方面的应用研究被严重限制在检验个体学生及其在课堂上的表现方面。近些年的发现表明，大数据为高校教育带来了新的机遇。对高校教育而言，大数据并不仅仅意味着学习分析，还意味着在更广的范围内进行数据处理，旨在评估学校的学术项目、研究和教学的表现。有一些学者认为，为了实现提高生产率的要求，高校教育需要利用分析工具来构建系统。对高校教育分析的早期努力源自跨学科的研究，包括了教育技术学、统计学、数学、计算机科学和信息科学。上万亿的数据被收集储存在不同的高校数据库：学生信息系统、学生社交媒体、学习管理系统、学生图书馆使用系统、个人计算机以及管理系统中。除了数据量的增长，数据以不同的形式展现，声音、影像、文本和图片。当学生与数字化设备互动的时候，数据就被轻松地捕获，并为后续的研究所用。此外，高校还具备大量的学生信息，包括学生录用、学术和成绩信息，高等教育机构就拥有了分析的数据集。在高校教育中的大数据及其分析是变革性的，改变了高等教育先行管理、教育、学习和学术工作。在现阶段，对高校教育进行分析的关键在于数据挖掘。高校教育的大数据涵盖了储存了大量有关学生在教学活动中的特定数据的所有数据库。当学生与学习技术产生互动时，涉及到感情态度、社会关联、意图等数据的变动就有迹可循，研究者就可以利用这些数据来探寻学生在一定时期内的行为模式。在更高的水平看来，大数据的附加价值在于它可以识别有用数据并通过对学生行为模式的识别将其转化为有用的信息。经济合作与发展组织的报告显示，大数据既成为了高校教育创造商机的基础，并为教育决策铺垫了基石。这是因为，高校教育中的产、学、研的合作一直呈现增加的态势，然而，为了支撑和维系这些合作，高校就应该致力于对高等技术的利用和开发，以支持研究成果应用于商业用途。大数据可以为大学提供提升每个学生教学表现的工具，也可以确保教学项目达到较高的水平。通过建设可以在学生每个学习阶段的数据的项目，大学需要用教学中的定制化模块和反馈意见来了解学生的需求。高等教育可以利用大数据的工具来分析每个学生的表现，生成实现了特定学习路径的个性化学习体验。当该方法被有效率的实践，大数据就可以帮助大学提升学习体验，改善学生的学习表现，减少辍学率并提升毕业率。具体的实践要利用大数据构建的三个数据模型（描述型、预测型和指令型）制定更好的决策。

首先，描述型分析模型的構建旨在描述和分析收集到的与学生、教学、研究、政策和其他管理过程有关的历史数据。目标在于从案例、报告和趋势中识别诸如学生录取、毕业率和升入更高阶段学习的模式。此外，描述型分析模型为高校教育提供了分析有关教学和研究互动的相关数据，以便识别有可能触动现实和未来问题的关键趋势和模式。尤其是高校刻意利用描述型分析模型在学习管理系统中通过查阅登陆频率、网页浏览、课程完成的状况调研数据。其次，预测型分析模型可以为高校教育提供更好的决策和实践指南。预测型分析旨在调查趋势、识别高校在未来面临的机遇和挑战。预测型分析可以揭示在描述型分析中可能并不是明显的、数据间隐藏的相关关系，例如学业完成率和学生人数之间的关系。它也可以用于帮助那些在学期早期表现出可能会肄业或挂科的学生，并帮助任课教师预测课程的完成率。在描述型和预测型模型的基础上，指令型分析评估了通过制衡各项限制条件来实现预期结果的不同方式，并基于有效的、连续的预测来进行选择，以做出最终的决策和指示。

三、总结

大数据时代在最近几年里成为了人们热议的一个概念。来自不同领域、不同产业的人都在谈论大数据。它不仅是一个技术革命，也是人们体会世界的感知革命。当技术改变了人们阅读的内容、方法和行为的时候，所有的事情都变得不一样了，大数据时代下的高等教育亦如此。时值各大高校都在教育部的指导下进行评估工作，考量学生学习的稳健性成为了一个重要的指标，即该学习成果是否可以被应用到其他的相关领域，是否为未来的学习有助益，以及是否可以在未来较长的时间内还被学生掌握，等等。最近十几年，虽然大多数高校教育的学习主要是发生在教室内的教学活动，但是大数据时代的开启改变了学生的学习模式，那么学生学习的稳健性是否也发生了转变，这都是值得研究的，这也是笔者未来需要努力的研究方向。

The Innovative Teaching Management in College under the Era of Big Data

GUO Xiao-ping，ZOU Zhen-yu

（College of Materials Science and Engineering，Jilin University，Changchun，Jilin 130022，China）

Abstract：Under the era of globalization，college education is experiencing complex competition under which needs to respond to economic，political and social changes domestically and internationally. To cope with the changeable social environment，some colleges surge ahead and make use of the big data to make timely and effective decisions. How should the college react to the changes affecting its operation？This paper puts forward the basic understanding of the concept of big data，after which the paper discusses the application of the big data and its analysis in college teaching management.

Key words：big data；college teaching management；data analysis