大数据在教育领域的运用

李睿

（贵阳护理职业学院 550081）

摘 要：近些年来大数据被多次提起，2016年2月，贵州获批国内首个大数据综合试验区。省委市委高度重视大数据发展，把大数据作为弯道取直的重要机会。目前大数据已经在诸多领域实现了很多成功应用，但在教育中的应用仍处于探索阶段。本文对大数据发展、数据可靠性、学生管理的痛点、教育大数据的应用进行了梳理。以期在一定程度上带来一些新的思考。最后，本文也指出利用教育大数据的机遇与挑战。

关键词：教育大数据；数据可靠性；大数据运用

（一）什么是大数据

2012年3月，美国奥巴马政府宣布投资 2 亿美元启动 “大数据研究和发展计划”，将“大数据研究”上升为国家意志。 同年，联合国全球脉动（UN Global Pulse）组织发布《大数据促发展：机遇与挑战》一文，指出大数据时代已经来临【1】。说到大数据，首先要探讨数据从哪里来，大数据解决了什么？大数据科学的兴起是信息时代的产物。计算机的出现和逐步的普及，信息对整个社会的影响逐步提高到一种绝对重要的地位。信息量，信息传播的速度，信息处理的速度以及应用信息的程度等都以几何级数的方式在增长。这些数据的增长带来了大数据的基础。那么信息时代的成功又靠什么呢？是解决信息的不对称。比如说，马云解决了商家和买家之间的不对称，他让信息变得透明，我们购买到便宜又好的商品，并且还不用跑商场，摸摸手机屏幕就能解决问题。美团、饿了么，同样解决我们與商家的信息不对称，然而这些都是通过信息技术为载体的，在这些过程中就产生了数据。大数据解决了什么呢？大数据解决了政府数据的不对称，政府握着大量的数据，林林总总包罗万象，里面蕴含着巨大的价值，把各个领域单一并且封闭的条数据整合成一个物理空间或行政区域形成涉及人，物事的各类数据总和的块数据【2】首先可以提高政府的办事效率，其次经过整合的块数据进行分析提炼的数据可以对任意一个行业有指导性的作用。这就是大数据可以解决的事情。

（二）什么样的数据才可靠

上面是大数据的概念，那么我们怎么提取到有用的数据呢？电子科技大学互联网科学中心主任周涛博士向我们提供了如何提取有用数据的方法方式。周涛博士提到，数据分为两种，一种为可控数据，（controllable data）和另外一种行为数据（behavior data）。而可控的数据都是不靠的，因为有人为因素夹杂在里面，真正可靠的是人们的行为数据，行为数据是关于机体的行为和行为发生时环境的观察报告。最早成功的使用行为数据的例子之一是亚马逊，怎么理解行为数据？亚马逊是怎么使用这些数据的呢？简单地说，就是用户在网站上发生的所有行为，如搜索、浏览、打分、点评、加入购物筐、取出购物筐、加入期待列表（Wish List）、购买、使用减价券和退货等。亚马逊通过对这些行为信息的分析和理解，制定对客户的贴心服务及个性化推荐。这就是行为数据所带来价值。并且行为数据不会骗人，通过对行为数据大量采集，并分析，政府可以更好的制定政策来宏观调控市场。不止只在商业方面，行为数据在各个领域都有着很多有价值的方式等着去开发和利用。

（三）教育大数据

教育界说的大数据，多属名词滥用。收集的数据，往往不能和政府人口统计数据那样，涉及成千上万人和多个采集维度。更准确地说，学习数据属分析数据，或者说是“小数据”甚至是数量不大，范围狭窄的“微数据”数据是“大”还是“小”，其实关系不大，关键是我们要用大数据的思维方式去处理这些所获得到的数据，把我们自己手头拿到的微小的条数据整合为可以使用的块数据，通过这些块数据来给学生带来帮助。在教育管理过程中，高校出于自身管理方便和成本的节约而忽视学生正当权益的事情时有发生；部分教职员工的服务意识淡薄，服务能力和水平较低，把较多的精力和时间投入到科研中，对学生缺乏应有的关爱和引导；再者由于学生教育管工作面广量大，与学生利益相关的管理部门众多，因此在解决学生实际问题过程中，出于部门利益的考虑，部门之间经常相互推诿，管理效率低下。因此，高校应积极构建和完善大学生成长成才的服务机制，完善与学生利益的相关政策规章的制定和实施程序，明确和提高教育管理组织的服务职能，培养和提高广大教职员工的服务意识，帮助解决学生在个体发展阶段必然或者可能面临的实际困难，为学生的成长成才创造条件和平台【3】。

例如：大数据思维方式可以预警学生失学风险。高风险学生，是指濒临辍学，转学，退学风险的学生。首先我们要掌握一些信息来判断哪些学生是高风险的学生，具体的信息包括：

1.学生学习情况：如成绩滑坡、出勤、作业、考试、焦虑、学习压力过大等；

2.身体状况，如疾病、缺少睡眠、遭遇虐待或无法完成相关任务；

3.精神问题、如有自杀倾向、情绪低落、失恋、抑郁、压力、焦虑等；

4.生活问题，如家里出现了危机、家人去世朋友去世、经济困难等；

5.专业和职业选择问题，如无法确定专业不适合目前专业等；

6.行为问题，如行为不当、行为对他人造成干扰、语言骚扰、肢体骚扰；

7.退学风险、如考虑转学、因为经济困难无法继续；

想要得到切实可靠的准确信息往往非常的困难，传统的方式往往是发放问卷或者主动询问，首先学生不会认真的去填写，经常避重就轻，人是群居性的生物，往往不会承认自己是异类，所以都会选择看起是“正常人”的选项和回答，这是典型的不可靠的可控数据。其次，拿到的数据还要花时间进行分析，得到结果需要一定的时间，我们无法知道哪些学生是有可能的高危学生。往往不能做到防范于未然，并不能有效的解决问题。所以我们必须通过行为数据来分析问题，然而有些信息我们是可以通过大数据的方法方式来获取的。比如分析刷饭卡的行为数据这一项就可以分析出很多的信息，例如每月饭卡的消费金额，可以判断学生目前经济是否相对宽裕。分析一个时间段的消费次数，可以判断该学生是否有帮他/她的好朋友刷卡，可以作为该学生是否孤独的一个参考项。还有刷卡的成群出现，通常好朋友们都会相约去食堂，所以饭卡号在系统中都是成组，成群出现的。如果总是一个人去吃饭，该学生的饭卡号不出现在任何的好友小组中，基本证明他是孤独的。这样的学生就是高危学生。然而这只是个条数据的基本应用。通过收集这些可靠的数据，建立健全贫困生资助信息数据库，并对数据库中的各项信息不断更新完善，以便动态管理贫困生，实现按需资助【4】。

（五）总结

大数据技术的应用，使得高校可以对其数据资源采取完全数据筛选的方式来分析、挖掘隐藏在数据背后的规律，从而能够让我们更真实、更全面地了解学生，促进学生的发展。然而，由于当前人们对大数据的认识尚处于探索阶段，大数据在教育领域的研究才刚刚开始，而且大数据提供的也只是参考答案而非最终答案。因此，要真正的将大数据完美地应用于教育，造福于教育，仍然有很长的路要走，但是只要我们能够开放心态、锐意创新、实事求是，就一定能抓住历史机遇，更好地为打造中国经济升级、全面建成小康社会提供坚强有力的人才支撑和智力支持。

参考文献：

[1]PULSE U G. Big data for development： Challenges & opportunities[M/OL]. New York： UN Global Pulse， 2012[2016-11-22]. http：//www.unglobalpulse.org/sites/default/files/Big Datafor Development-UNGlobal Pulse June2012.pdf.

[2]贵阳网. 从条数据到块数据[DB/OL].http：//www.gywb.cn/content/2015-04/28/content_2956278.htm

[3]蒋远喜，等.新媒体环境下高校学生教育管理的应对机制研究[J].吉林教育学院学报，2011，（9）

[4]刘晶，等.高校贫困生资助政策的效果研究[J].现代教育管理，2013，