大数据分析在学科建设中的应用

文/张玲玲

1 大数据的基本概念和特点分析

1.1 大数据的概念

所谓大数据，其实就是在一个完整的体系中，包含巨大数量的信息数据分析系统，以便人们进行选择和运用。关于这种大数据的概念问题最早是由美国学家提出，尽管在我国的发展时间不长，但却在大数据的运用和检测技术方面已经得到扩大。

1.2 大数据的特点

1.2.1 大数据的存储量巨大

对于这种大数据的评估和使用的特点：

（1）数据信息量巨大；

（2）现代的信息科技发展速度，人们一般运用计算机等网络技术来分析数据，虽然已相对完整，在实用这些数据可以使计算结果更为准确，满足消费者的应用条件。

1.2.2 类型丰富

对于这种大数据体系的数据种类是很多样的。一般时候，通过网上进行输送的数据是一些非结构形式的数据资源，与实际生产操作中所使用的半结构形式相似，越来越处于核心地位，在此期间所体现的数据消息，符合现代单位的发展和社会的需求。

1.2.3 数据处理速度快

在现代的社会企业建设中，大数据计算中存在的问题一般可以叫作一秒定律，像这样的分析处理形式和传统数据处理方式相比，还包含着时间消费的不同。特别是目前信息数据表现出来的增长速度不同形式，所以说该数据的处理速度和增长方向成正向比例，因此只有这样才能在较短期间把数据信息达到最优。

1.2.4 价值密度较低

像这种这非结构化数据的特征，数据体系的数量一般会与其所呈现的价值密度成反比，所以，在大量的数据消息中想要找到准确的有价值的东西是一项巨大的任务。特别是在目前信息轰炸的当代社会中，或许一些有用的信息只会在一个完整的体系中保留一两秒时间。

2 当前学科建设存在的问题

学科建设绩效评估体制不完善。由于管理体制目前还处于待优化阶段，所以致使学科建设在培养相关人才、服务于社会等方面存在一些问题。出现问题的缘由主要有：

图1：学科建设中的大数据分析总体框架

（1）业绩考核安排上存在局限。学科建立业绩考核评价的安排主要分为：一是提示权重赋权法，二是数据网络分析法。提示权重分析法的不足之处：主要会收到主观因素限制，导致结果的科学功用不大。而数据网络分析法的不足在于：一般挑选的抽验数据太少，导致结果效益前景不完善，这样一来就会影响到对学科建设业绩的评估。

（2）关于这种评价安排存在缺陷，致使评价结果只能从当前的稳定状态去呈现学科建设，不可以判断学科建设的动态发展前景。

（3）就目前情况来看，学科业绩评判只聚集于学科，而学科之外的消息却被忽略，这样就会使学科的社会价值丢掉。所以学科之外的评核标准不足会影响学科的社会功用价值尺度

3 如何将大数据分析应用于学科建设

结合多种数据的分析和科学教学的特点，我们建成了一个大概的总框架，如图1所示。

大数据技术作为非常重要的环节，在高校学科建设中占主体地位，而高校学科建设数据是一个数据信息平台，此平台也是一个系统，主要是为两个方面提供一些建议，分别是学科管理部门和学校主管领导。因此，该平台一定要具备学科管理的所有要求，只有这样，才能满足学科管理部门的工作对技术的要求，并且可以促进学校里一些强势科目以及正在建设中科目的发展，还可以明确整个学校的定位。高校学科建设平台在学校的建设中发挥了巨大的影响力，在各项学科发展方面，还展示了各项技术和分析的强项。这就是为什么我们要使用大数据技术来发展各项学科的原因。高校学科的建设平台与学科管理平台是相互发展和相互作用的，学科建设平台主要为管理部门的日常运行提供数据信息，并将这些数据进行整理和分析，与此同时，对于学科管理部门来说，部门中经常会出现很多信息，不仅包含学科建设，还包括此部门的日常运行工作，因而，该平台还可以反作用于学科建设平台。所以，我们可以说学科数据平台和管理部门是相互作用，共同进步与发展的。

根据可视化分析和数据挖掘得出的学科建设规律，可以进一步作出预测性分析。传统的分析方式主要是指分析那些过去的事情，进行一下事后判断，但是对于大数据来说，可以修建一个智能的全境模拟器，这个工具不仅可以将多种政治工程或者项目虚拟化，而且还可以事无巨细地推动全部学科项目的发展，不仅如此，还能以前预测那些将要发生的事情，这个被称作预测分析。我们可以通过从数据分析和可视化建设得来的建设规律，以此来找到学科发展到路上的绊脚石，找出主要障碍之后，利用建模来推测某一种政治政策将会如何影响学科建设和专业上的发展。对于这些结果，我们可以进行分析，我们可以用分数来表达各种影响，分数越大影响也越高并且危险性也越大，我们还可以通过这些分数的得出来进行防御。在这个危机学科或者专业中，我们可以看出共分了甲、乙两种类别，甲类别是指需求量大，供不应求；乙类是指需求较小，增长速度也慢，供过于求。在这里，我们可以列举一个例子，当师生比例逐渐上涨，人才市场中人才济济，但是需求量很少，对于那些教学成绩较高的专业来说，则意味着人才供不应求，此时，就可以表示为甲类危机专业，在这个类别中，我们可以将人才的需求分为多个级别，级别越高，人才的需求越大，此时，我们就要对于人才进行适当的调整；相反来说，当就业境况不佳或者教学成绩低时则意味着市场与人才需求并不相匹配，会出现很多问题，最主要的像是人才剩余等问题，这种就可以分为乙类，跟甲类一样，我们在乙类下设多个级别用来警示，级别越高危险程度越大，此时，则说明我们需要减少对人才的需求。这种智能的全景模拟器不仅可以将危险提前告知我们，还可以优化各种资源。

4 结束语

综上所述，对于大数据分析应用早已经延伸到高效教学、管理、科研等方方面面。在未来发展过程当中，采用大数据来完善学科的构建必将成为新的发展趋势。可是随着技术的不断发展也会对使用技术的人带来新的挑战，有效的应用数据，并不是所有都依赖于数据，针对学科的构建提出有针对性的决策，同时还要不断加强数据的质量、思考和驾驭能力。