学生数据分析下的教学改革思考

霍永凯 叶珍

摘 要：在教育教学中，教育人员无法全面掌握学生数据，导致对学生的教学和管理效率低、难度高。本文思考基于学生数据分析的教学改革，其以学生的多项主观和客观信息作为输入。综合应用深度学习、大数据处理等计算机技术，对学生进行多方面的智能分析，并将分析结果分享给教育教学人员，以期提高学生学习效果，降低问题学生概率，从总体上提高教育教学效率和质量。

关键词：问题学生；学生数据分析；教育教学；教学质量

中图分类号：G64 文献标识码：A

文章编号：1673-9132（2019）09-0011-02

DOI：10.16657/j.cnki.issn1673-9132.2019.09.006

一、教学改革背景

因材施教长期以来备受教育界的推崇，但是其实施有大的难度[1]。在教育教学中，教育人员难以全面准确地了解学生，导致对学生教学和管理效率低、难度高。以问题学生为例，其是指那些与同年龄段学生相比，由于受到家庭、社会、学校等方面的不良因素的影响及自身的因素，从而导致在思想、认识、心理、行为、学习等方面偏离常态，需要在特殊帮助下才能解决问题的学生[2]。主要表现在品德、学习、行为、心理等方面，如大学生中较为常见的心理健康问题和厌学问题[3]。

下面以大学生心理健康为例展开讨论。研究数据表明，大学生心理问题严重影响大学生的健康，据统计有20%至30%的大学生存在心理问题，其中有10%的心理问题障碍严重，直接影响日常学习和生活，严重的心理健康问题甚至引起校园暴力和自杀行为[4]。并且，心理健康与学生自身的出勤率、考试成绩等客观指标存在密切的关系。丁澍等基于某重点理工类高校2002级学生入学时的心理健康调查表结果及大学成绩，用数理统计方法分析入学时的心理状态等属性数据对大学各个时期平均成绩及各类课程平均成绩的影响[5]。结果表明：存在心理问题的学生成绩显著低于正常学生，心理健康是大学阶段取得较好成绩的重要保证。考试成绩的波动会极大影响大学生的心理健康，而心理健康反过来又阻碍了考试成绩的提高。目前各大高校对大学生的心理健康问题均投入了大量的人力物力[6]。以笔者所在的深圳大学和武汉大学为例，主要包括：辅导员、班主任、心理班委、心理健康咨询中心等。但是，这些基于人力的管理模式存在以下几点问题：（1）学生基数庞大，有限的人力难于顾及到所有的学生。高校的师生比基准为1：14，但较少高校能符合这一标准。针对专任教师数量超过1000名的重点大学统计结果表明，245所中仅有41所（占比16.7%）大学师生比在1：14之内，其余83.3%的高校高于此数。投入到大学生心理健康问题上的师生比则更少[7]。（2）管理人员难于获取到学生的全部信息，依靠人力检查的方式对大学生的判定较为困难。（3）发现学生心理问题具有迟滞性，发现时学生已经具有了很严重的心理问题。（4）作为最为了解和关心学生本人的父母等亲属往往被排除在外，构成了严重的信息不对称[8]。以上各种因素减弱了高校对心理健康问题学生教育教学效果。

随着现在计算机技术的迅速发展，互联网、人工智能等计算机数据处理技术可以自动、快速、准确地提取和分析数据中所隐藏的信息，从而提高人类进行管理和决策的效率[9][10]。如何准确高效的评价、分析、预测一名学生的状态，从而对学生进行有差别化的管理教育，是高等教育长期以来存在的难点问题。启发于以上分析，本文提出基于学生数据分析的教学改革，该系统以学生的客观数据为主要输入，学生的主观数据为次要输入，对学生的思想、认识、心理、行为、学习等方面进行全面的分析，实时输出学生全方位的分析结果，进而将结果数据反馈给辅导员、班主任、学生家长等，使得学校人力和学生家长互享学生信息，达到防患未然、降低问题学生比例、提高学校教育教学效果。

二、学生数据分析系统

本部分主要简介学生数据分析系统的框架，如附图所示。该系统框架可以根据教学中的需求，扩展到更加多样化的数据输入和输出结果。该简化框架主要分为以下几个部分：系统输入、学生数据分析、分析结果、结果接收端。

（一）系统输入

系统的输入可以来自于学校现有的学生管理平台接口。主要有智能簽到、作业成绩、实验成绩、考试成绩、身体健康状况等客观数据，以及主观评价等主观评价信息。

1.智能签到。学生课堂的出勤率是衡量学生课程学习质量的很重要的因素。研究表明问题学生的出勤率大大低于平均出勤率[11]。目前大部分高校学生课堂出勤率主要靠教师在课堂上人工统计完成，占用了大量的授课时间。而企业中采用的非常完善的指纹签到或者WIFI签到系统，如指纹签到机和阿里钉钉，将会为高校提供可靠高效的统计数据。且系统可以实时地将学生课堂出勤情况反馈给学生家长，在家长的帮助下完善对学生的监督。

2.作业成绩。作业成绩作为衡量学生课堂上课质量的另一个重要指标，可以用来衡量学生知识接收效果，可以用来预测学生的挂科率，并可以为班主任、辅导员等提供重要的信息参考。

3.实验成绩。类似于作业成绩，实验成绩作为衡量学生课程实验的一个重要指标，可以用来衡量学生知识应用的效果。

4.考试成绩。考试成绩作为最为重要的学习衡量指标，不仅反映了学生某门课程最终的学习效果，还可以根据具体某门课程反映学生在学习中碰到的难点。这给系统的综合分析提供最为重要和直观的客观指标。

5.健康状况。身体等健康因素往往严重地影响学生的学习状态，并最终产生严重的后果。因此，其也是系统的重要客观数据输入。

6.主观评价。A-E五点指标都是学生学习指标的客观数据。但是，在很多情况下，客观数据并不能全部地反映学生存在的问题。因此，系统需要某些的主观评价信息作为补充，如：学生关系、业余活动情况等。

（二）数据分析

数据分析是该系统的核心，其以系统输入为处理对象，并从附图中的历史数据库获取历史信息，综合采用深度学习、大数据处理等计算机技术，实时产生详细的分析结果。

（三）分析结果

该部分简要介绍学生数据分析模块的输出结果。其中包含挂科率、出勤率等客观指标，以及学习效果指标、心理健康指标等非直观分析结果。

1.挂科率。该输出主要對学生所有课程的挂科率提供客观的统计数据，也可以提供学生某门课程挂科率的预测数据，起到对学生、学校、学生家长的警示和参考作用。

2.出勤率。调查研究表明，出勤率与大学生成绩之间存在密切的关系[11]。该输出主要对学生所有课程的出勤率提供客观的统计数据，起到对学生、学校、学生家长的警示和参考作用。

3.学习效果指标。根据系统的输入，综合的分析学生目前的学习状况。包含学生的学习投入、学习效率、学习中碰到的难点等，起到对学生学习、学校管理、教师授课、学生家长监督重要的参考作用。

4.健康指标。根据系统的输入，综合的分析学生目前的生理和心理状况，包含学生生理健康状态、心理问题几率、心理问题倾向等，起到对学生、学校、教师、学生家长的警示和参考作用，以期防患于未然，降低问题学生的比例。

（四）结果接收端

1.学生。大学生自我认知的内部差异比较大，表现为不同性别、年龄、年级、政治面貌、生源地的大学生在不同的维度上的差异。可以选择性地将部分信息定期推送给学生，让学生对自身有很好的认知作用。

2.教学人员。可以选择性地将信息分享给辅导员、班主任、课程老师、心理咨询中心等教学人员。教学人员可以因材施教、防患于未然地对学生进行课程、心理辅导监督，改善学生学习效果，降低问题学生概率，从而从总体上提高教育教学效率和质量。

3.管理人员。将数据分享给学校的管理人员，使得学校对学校的教育教学效果和质量有很好的认识和监督作用，用于持续改进学校的教育教学方法。必要时采取有效及时的管理手段，解决教育教学中出现的突发问题。

4.学生家长。正如前文所述，学生家长对于学生的了解和关心程度远远高于教育人员。但是目前学生家长，尤其是大学生家长，了解学生状况的渠道只能来自于学生自身的片面信息，严重的缺乏信息渠道。针对云南在校90后大学生与父母的交流现状的问卷调查显示[8]：86.53%的学生会选择用电话与父母沟通 ；51.84%的学生每周都会与父母联系；29.8%的学生会假装同意父母的观点；23.7%的学生与父母存在沟通障碍时会选择放弃。因此将信息及时反馈给家长，可以在家长的参与下对学生的学习、心理、行为等方面上的监督。从而改善学生学习效果，降低问题学生概率，从总体上提高教育教学效率和质量。

三、结语

基于作者在教育教学中发现的教育人员信息不健全，对学生教学和管理中效率低、难度高等现象。提出了基于学生数据分析的教学改革思考，其以学生的多项主观和客观数据作为输入。综合应用深度学习、大数据处理等计算机技术，对学生进行多方面的智能分析，并将分析结果分享给学生、教育人员、学校管理部门、学生家长等接收群体。以期改善学生学习效果，降低问题学生概率，从总体上提高教育教学效率和质量。本文讨论的主要群体是高等教育机构中的大学生教育，但是其也同样适用于中小学教育机构。

参考文献：

[1]袁征.“因材施教”的真实困境[J].教育发展研究，2015（6）：39.

[2]黄少兵，徐波，辜大庆.国内关于“问题学生”的教育对策研究综述[J].内蒙古师范大学学报（教育科学版），2010（2）：38.

[3]鲁威，赵敏.国内外大学生心理健康研究现状的对比及启示[J].上海交通大学学报（医学版），2012（10）：1382.

[4]刘欣欣.大学生心理咨询与心理健康教育体系的构建[J].教书育人，2012（30）： 68.

[5]丁澍，刘芬，缪柏其，等.心理健康状态对大学成绩影响的统计分析——基于某高校UPI调查结果的回顾性研究[J].中国科学技术大学学报，2017（9）：762.

[6]王滔，张大均，陈建文.我国大学生心理素质研究20年的回顾与反思[J].高等教育研究，2007（4）：76.

[7]郭栋.师生比视角下我国高等教育的教师数量分析[J].河南社会科学，2014（8）：97.

[8]雍硕，李梦雪，张青，张业，张远，刘海龙，王少月.大学生与父母交流现状引发的教育反思——以三峡大学土木与建筑学院为例[J].西部素质教育，2015（16）：113.

[9]孙志远，鲁成祥，史忠植，马刚.深度学习研究与进展[J].计算机科学，2016（2）：1.

[10]余明华，冯翔，祝智庭.人工智能视域下机器学习的教育应用与创新探索[J].远程教育杂志，2017（3）：11.

[11]陈太博，毕新华.大学生男女群体学业成绩差异研究[J].吉林师范大学学报（人文社会科学版），2009（2）：103.

[责任编辑 杜建立]

作者简介： 霍永凯（1984.4— ），男，汉族，河北邯郸人，副教授，研究方向：联合信源信道编码、全息图像传输。

叶珍（1987.11— ），女，汉族，湖北孝感人，博士研究生，研究方向：战略管理。