高校预警教育业务流程的优化*——以H学院为例

米春桥 邓青友 彭小宁 印 东 刘毅文

高校预警教育业务流程的优化*——以H学院为例

米春桥1邓青友2彭小宁1印 东1刘毅文1

（1．怀化学院 计算机科学与工程学院，湖南怀化 418000；2．怀化学院 人事处，湖南怀化 418000）

文章首先基于BPR理论，针对当前高校预警教育中存在的问题，对当前的预警教育业务流程进行了优化，设计了一种高效的动态循环型预警教育业务流程。随后，文章基于现代信息技术，提出了包括基础数据、关键算法、技术保障等三个环节的高校预警教育业务流程优化的解决方案。最后，文章以H学院为例，进行了预警教育业务流程优化前后的效益对比分析。文章的研究结果有利于提升预警业务流程的整体效率，促进高校预警教育管理的精准化与高效化，对转变预警教育业务流程的管理视角、提高学生学业的成功率等具有应用价值。

预警教育；BPR理论；现代信息技术；业务流程优化

当前各高校在校大学生的课程挂科率日益上升，越来越多的学生不能正常毕业的问题日益突出，预警教育已成为高校学生管理中的一项重要内容。但长期以来，由于高校的预警教育组织机构和人员分工不明确、层级手续环节繁琐、行政意识强而服务意识弱等，导致当前高校预警教育存在着明显的预警时间滞后、评价因素单一、信息技术落后等问题。为此，本研究基于业务流程再造（Business Process Reengineering，BPR）理论，力图对高校预警教育业务流程进行优化，并提出相关的解决方案。

一 研究现状

1 BPR研究现状

BPR概念由美国麻省理工学院教授Hammer于1990年首次提出[1]，主要包括以业务流程为导向、以顾客为出发点、以改之有进为主要任务、以信息技术为有效工具等[2]，适用于教育行业的高等教育系统。随后，国内外研究者纷纷展开了BPR研究。如在国外，Khairnar[3]论述了业务流程再造与信息技术在教育部门中的具体应用；Ahmad等[4]分析了BPR在高等教育中的关键成功因素；Abdous等[5]以远程考试排课与分配流程为例，对高等教育过程重组的框架进行了实践研究。而在国内，朱军[6]以天津科技大学为例，对BPR在高校教学管理中的应用进行了研究，扩展了高校进行教学管理改革与创新的视角；时誉玮[7]将BPR应用于高校考务管理流程再造中，指出将业务流程再造理论在高校考务管理工作中进行实践应用，可以进一步提高高校教学管理工作的绩效。另外，还出现了将BPR应用于高校院系学生分会改革及设备管理流程优化等的相关探索与实践[8]。上述相关BPR的研究成果为预警教育流程的优化提供了借鉴。

2 预警教育研究现状

随着大数据及学习分析等新技术在教育中的应用越来越广泛[9][10][11]，通过借助现代信息技术[12][13]促进更科学高效的预警教育实践，已成为提高预警水平、改善预警效果的必然趋势。如美国普渡大学的Course Signal和Purdue Signal项目，能及时给出学生课程表现信息提示，判断处于学业危机中的学生并对其实施预警，有利于提高学生的课程成功率[14][15]。近年来，学情预警技术的研究呈现出算法化的发展趋势。如Bainbridge等[16]建立了一种算法，可有效分析与识别学业危机学生的行为特征；Geraldine等[17]建立了一种预测学生学业失败的方法，对发现处于学业危机早期的学生具有良好的效果；Casey等[18]建立了一种分类系统，可以在课程结束前预先发现课程表现欠佳的学生。这些研究成果都很好地体现了信息技术在解决预警教育具体问题中的应用，但大多只侧重预警环节中的某一个方面（如危机学生的识别等），而把信息技术深度融合于预警教育的整个业务流程中并构建完整的核心解决方案的相关研究仍不多见。

二 问题分析

由于受行政思维的影响，传统的预警教育缺乏数据分析与现代信息技术的支持，难以达到预警的及时、动态与精准等要求，存在如下突出问题：

1 管理部门职能化，层级多、效率低

当前预警教育管理部门的职能机构如图1所示，其管理职能的定位是以层级“控制”为核心，实行自上而下由管理者到学生的单向性、被动式管理。此组织架构主要强调管理控制职能的实施，而缺乏服务理念的发挥。学校与院系、管理者与师生、教师与学生更多的是一种从属关系，缺乏有效的互动、反馈与协调机制，学生主动参与度不高，整体预警效率偏低。

图1 当前预警教育管理部门的职能结构

图2 当前预警教育的业务流程

图3 动态循环型预警教育业务流程

2 预警流程串行化，周期长、时效差

当前预警教育的业务流程如图2所示，这是一种以自上而下的职能管理机制为基础的串行化工作方式。然而，由于预警教育本身牵涉到学生的多方面因素，如在任课老师课堂中的表现、在宿舍等集体中的人际关系表现、学生自身的身体及心理状况表现等，因此需要多个部门协调配合才能实现精准预警。而当前这种将业务流程分割成各种简单的、串行化的阶段性任务的做法，不仅增加了解决问题的工作环节，而且由于各部门之间缺乏有效的信息交流和沟通机制，容易造成内部信息传递和执行迟缓，从而大大影响了预警的整体效率。此外，这种串行化的工作方式层级过多、预警进度缓慢，还会导致本年度只能对上一年度出现的危机情况进行预警，而对本年度正在发生的危机问题却难以做到实时预警，因而使预警的过程周期长且时效性差。

3 预警方式人工化，技术弱、作用小

当前，各高校预警教育工作的完成主要依赖于人工实施的方式，整个流程缺乏对应的信息系统作支撑；预警任务和通知的下达也仍然采用传统纸质文件的方式，缺乏现代信息技术的运用，因而工作效率低下，各部门之间较难实现预警数据资源的共享。此外，预警结果的管理也仍然采用传统的纸质存档方式，学生在纸质预警单上签完字，便意味着整个预警工作的结束，而缺乏对学生改进过程的跟踪指导与预警状态的动态更新；预警单被存档后便很少使用，犹如一纸空文，很难使学生真正形成对危机的警惕意识并实施改进行动，预警作用微乎其微。

三 流程优化

高校预警教育业务流程的优化是一项系统工程，其牵涉的对象面广、环节复杂。在信息社会时代，要真正实现预警业务流程的优化，必须借助现代信息技术，从学生的实际需求出发，打破现有信息分割的局限，对现存流程进行关键性分析和重新设计，建立一种以学生为起点和终点、着眼于长期和全程、突出实时与动态的、具有可持续性的循环迭代式预警流程——而这正是BPR理论的长处之所在。因此，基于BPR理论，针对当前高校预警教育存在的问题，本研究打破传统思维的限制，设计了一种高效的动态循环型预警教育业务流程，如图3所示。

①以学生为出发点。预警的过程是对学生学业危机之风险分析与化解的过程，预警教育的最终目标为了改善学生的学业质量。为了更好地帮助学生认识风险、改善学业，在预警教育全过程中需要建立以学生为出发点、为学生服务的理念。同时，还需把与学生有关的利益相关者全部包含在预警流程之内，最终形成既始于学生又终于学生的预警全周期闭环结构。

②以业务流程为导向。彻底打破职能管理部门信息分割的限制，并以业务流程为核心，重建预警教育的运行机制与组织结构，将传统结构中的纵向职能部门转变为整体流程中各项活动的参与者，并使各参与者与预警业务流程充分融合、形成有机整体。最终，经优化提炼，得到包括学情大数据集成、学习过程记录、学生特征认知、学情危机识别、危机风险评估、风险等级预警、改进措施推荐、改进过程跟踪、预警状态更新等九大核心业务的预警教育关键环节。

③以信息技术为有效工具。借助基于学情大数据的预警信息系统，对所有业务活动进行统一协调管理；根据学生的学习过程记录，结合学生的个性特征，对学情危机状况进行自动识别与评估，进而根据预警规则算法得出预警风险等级，并通过消息推送技术自动推送给学生本人及利益相关者。同时，基于个性化学习资源推荐算法，向学生推荐相关的改进措施，并对学生的改进过程进行实时跟踪，及时更新预警状态。在预警信息系统的支持下，整个业务流程得以不断循环进行，使学生可以随时掌握自己的学情状况。

④以改之有进为主要任务。预警教育的根本目的是帮助学生更好地完成学业，故必须尊重学生在预警教育中的个性化需求、提高预警效率，而不能只是为了变化而变化。基于此，高校预警教育业务流程的优化方案应以最大限度地满足学生的预警教育需求为根本驱动力，基于BPR理论打破原有职能部门信息分割的限制，避免层级过多的弊端，借助现代信息技术突破时空的限制，缩短预警周期，改进预警效果，形成持续循环、实时更新的动态预警机制。

四 解决方案

基于现代信息技术的学情预警是一个以数据为驱动的警兆自动识别、警情自动预报、警态自动更新的过程，其目标的实现乃基于对各种数据的处理与分析，具体涉及以下环节：

1 基础数据环节——学情大数据集成实现方案

从现有的教务管理系统、教学辅助系统、课堂教学移动终端等信息系统中，全面收集学习表现、学习参与、学习互动、学习经历、学生人口学、学习环境等基础数据；②对收集到的各类基础数据脱敏后进行清洗加工，对其中的异常值进行检测与标记，对缺失值做修补、替换或剔除等处理；③以学生的学籍ID为统一标识，对各类与学情相关的基础数据进行集成与规范入库，形成学情大数据集成实现方案（如图4所示），为学情评估预警奠定数据基础。

图4 学情大数据集成实现方案

图5 学情风险评估预警实现方案

图6 学情评估预警信息系统实现方案

2 关键算法环节——学情风险评估预警实现方案

①综合学业基础风险（如家庭教育基础、高中学校档次、高考成绩等）、学业质量风险（如迟到数、缺课数、缺作业数等）、学业环境风险（如课程难易度、课程以往挂科率、班级整体学习氛围等）等因素，构建由概率统计法、模糊分类法、聚类挖掘法、离群判决法、模糊综合法等数据挖掘分析算法组成的学情风险评估模型；②采用分位点法、变异系数法、专家经验法、层次分析法等定量分析与定性分析相结合的方法，对学情风险进行两类（即正常、异常）四级（即无风险、小风险、中风险、大风险）预警等级划分；③分别建立面向学生、老师、家长等不同对象的学情风险动态演变图、对比分析图、电子仪表盘、红绿灯警示等结果可视化表达方式；④通过短信、邮件、系统消息等现代信息传递方式及时推送预警结果，从多角度、多层面对学情风险变化进行实时监测与掌握。具体的学情风险评估预警实现方案如图5所示。

3 技术保障环节——学情评估预警信息系统实现方案

以学情大数据为基础，本研究结合移动互联网等现代软件开发技术，采用面向服务的软件体系架构，设计了学情评估预警信息系统实现方案，如图6所示。该系统实现方案使用MySQL、SQL Server数据库平台及文件管理系统等存储与学情相关的基础数据，采用Java、C#等语言在后台完成学情风险评估预警的相关算法，并应用HTML5、CSS3及JavaScript等技术在前端实现基于移动互联网的可视化学情评估预警。整体而言，该系统实现方案包含用户层、应用层、算法层和数据层，可为学生、老师、学院及家长等不同层面的用户提供及时准确的学情风险信息。

五 效益分析

本研究以H学院为例，以来自该院计算机科学与技术、网络工程、软件工程三个专业的717名学生为研究对象，进行了预警教育业务流程优化前后的效益对比，如表1所示。

表1 H学院预警教育业务流程优化前后的效益对比

具体情况如下：①在预警对象上，优化前只能关注到那些有挂科现象的学生（共368人），而优化后可以覆盖全体学生（共717人）。②在预警内容上，优化前只是对挂科现象进行预警，重点关注学生以往的挂科情况；而优化后还能对学生的出勤、作业及其它表现等进行预警，主要关注学生潜在的学习危机。③在预警等级上，优化前只有红（挂科5门以上）、橙（挂科3～5门）、黄（挂科1～3门）三类；而优化后的预警等级依据学情风险评估算法分为两类四级，有利于学生及时发现自己的短板并加以调整。④在预警时滞上，优化前本学年只能对上一学年的情况进行预警，存在严重的滞后性，学生无法及时改进当前的学习状况；优化后的预警通过后台的算法实时进行，基本与学生的学习进程同步。⑤对于所需的工作人员，优化前共为15人，包括副书记1人、辅导员2人、班主任12人；而优化后只需1名辅导员进行监控，所有环节和步骤全由系统自动完成。⑥在预警状态方面，优化前人工将预警信息记录在静态纸质上，优化后则由系统自动保存且动态更新。⑦对于完成预警工作所需的时间，优化前从下发通知开始到学生最后签字上交表格的整个过程需要4周左右的时间，而优化后的工作由系统实时瞬间完成。⑧在服务对象及方式上，优化前工作人员只与红色等级的学生家长打电话告知相关情况，而优化后所有学生家长都可以实时接收相关的预警信息；各级领导和班主任则由优化前的工作人员，变成了优化后的服务对象；优化后的系统可以通过自动发送消息的方式，将各类预警信息发给不同的服务对象，便于他们及时了解相关学生的学情状态，并据此采取相应的干预措施。通过上述各方面的对比分析，可以看出：优化后的预警教育不仅提高了工作效率，而且切实产生了相关的教育效益，具有良好的应用价值。

六 结语

基于BPR理论与现代信息技术优化高校预警教育业务流程，可实现预警业务流程的再造及信息技术与预警教育的深度融合，使学生、教师、学校自然地融入到预警教育的闭环中：①学生可以及时方便地了解自己在整个学习过程中的表现，实时动态地获得学习危机的预警信息，尽早有针对性地调整学习方法策略和学习习惯态度，增强在整个过程中的参与感与积极性，从而提高学习自信心和学业成功率；②教师可以全面了解每个学生的个性特征、认知能力、优势劣势等，及早发现危机学生并提供有针对性的教学调整方案及辅导措施，提高课程教学与学生自主学习的融合度，从而提升教学效果；③学校可以增强对学情整体状况的掌握，依据现实需求与学情数据，不断改进预警教育方案，从而降低危机学生的比例、提高整体的学业质量，最终促进预警教育全面、精准、高效地发展。总而言之，预警教育的本质在于促进学业质量的改善，未来的研究重点需结合预警教育的本质需求，进一步深化对基于大数据学习分析技术的预警方法模型的理论研究与实践应用。

[1]孙蔚闻.基于BPR理论的高职院校设备管理流程优化[J].池州学院学报,2010,(2):137-139.

[2]汪小洲,洪晓军,周国君,等.业务流程再造在美国高等教育中的应用及启示[J].高等农业教育,2006,(10):89-92.

[3]Khairnar R. Business process re-engineering and information technology in the educational sector[J]. International Journal of Application or Innovation in Engineering & Management, 2015,(7):52-57.

[4]Ahmad H, Francis A, Zairi M. Business process reengineering: critical success factors in higher education[J]. Business Process Management Journal, 2007,(3):451-469.

[5]Abdous M, He W. A framework for process reengineering in higher education: A case study of distance learning exam scheduling and distribution[J]. International Review of Research in Open & Distance Learning, 2008,(3):1-12.

[6]朱军.业务流程再造在高校教学管理中的应用研究[D].天津:天津科技大学,2009:10-60.

[7]时誉玮.H高校考务管理流程再造研究[D].哈尔滨:哈尔滨工业大学,2015:9-56.

[8]何峰,何志诚,杨永红.业务流程再造理论在高校院系学生分会改革中的应用[J].中国培训,2016,(8):281-283.

[9]魏顺平.学习分析技术:挖掘大数据时代下教育数据的价值[J].现代教育技术,2013,(2):5-11.

[10]魏顺平,韩艳辉,王丽娜.基于学习过程数据挖掘与分析的在线教学反思研究[J].现代教育技术,2015,(6):89-95.

[11]Rangel V S, Bell E R, Monroy C, et al. Toward a new approach to the evaluation of a digital curriculum using learning analytics[J]. Journal of Research on Technology in Education, 2015,(2):89-104.

[12]李振超,陈琳,郑旭东.大数据理念下的发展性学习评价系统设计研究[J].现代教育技术,2015,(6):108-114.

[13]杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究,2016,(1):50-61.

[14]Pistilli M D, Arnold K E. Purdue signals: Mining real-time academic data to enhance student success[J]. About Campus, 2010,(3):22-24.

[15]Pistilli M D. Course signals at Purdue: Using analytics to improve student success[J]. Journal of Medieval & Early Modern Studies, 2013,(1):201-224.

[16]Bainbridge J, Melitski J, Zahradnik A, et al. Using learning analytics to predict at-risk students in online graduate public affairs and administration education[J]. Journal of Public Affairs Education, 2015,(2):247-262.

[17]Geraldine G, Colm M, Philip O, et al. Learning factor models of students at risk of failing in the early stage of tertiary education[J]. Journal of Learning Analytics, 2016,(2):330-372.

[18]Casey K, Azcona D. Utilizing student activity patterns to predict performance[J]. International Journal of Educational Technology in Higher Education, 2017,(1):1-15.

编辑：小米

The Business Process Optimization of Early Warning Education in Colleges and Universities——Taking H College for Example

MI Chun-qiao1DENG Qing-you2PENG Xiao-ning1YIN Dong1LIU Yi-wen1

Based on the Business Process Reengineering (BPR) theory, this paper firstly optimized the current business process of early warning education, and further designed an efficiently dynamic and cyclic business process of early warning education, aiming at the current problems existingin early warning education in colleges and universities. Secondly, based on the modern information technology, the asolution that including such links as basic data, key algorithm, and technological support was proposed to optimize the business process of early warning education. Finally, by taking the H College as an example, this paper compared and analyzed the benefits of business process of early warning education before and after optimization. The results of this paper were beneficial to improving the overall efficiency of business process of early warning education and promoting the precision and high-efficiency of early warning education management in colleges and universities, and had application value in transforming the management perspective of the business process of early warning education and improving the students’ academic success rate.

early warning education; BPR theory; modern information technology; business process optimization

本文为湖南省教育科学规划课题“基于数据分析的学情预警方法与技术研究”（项目编号：XJK016QXX003）、湖南省哲学社会科学基金项目“基于数据驱动的湖南地方高校学情风险评估与预警研究”（项目编号：17YBQ087）、湖南省社会科学成果评审委员会课题“湖南地方高校教育大数据资源整合及价值挖掘研究” （项目编号：XSP18YBC182）的阶段性研究成果。

米春桥，副教授，博士，研究方向为教育信息化技术，邮箱为michunqiao@163.com。

2017年9月21日

10.3969/j.issn.1009-8097.2018.03.014

G40-057

A

1009—8097（2018）03—0092—07