大数据背景下高职院校学生综合素质教育管理平台功能挖掘研究——以常州信息职业技术学院为例

吕 明，徐 畅，徐杏玉

（常州信息职业技术学院，江苏 常州 213164）

在全国高职院校示范校建设中，很多学校建有大学生综合素质教育项目，并相继开发和搭建了信息化的管理平台，历经10年，积累了大量数据，这些数据除了具有工作管理和记录功能外，也蕴含巨大的教育管理和开发价值。对这些数据在获取、存储、管理、分析方面的研究是运用好数据，了解素质教育效果、优化素质教育工作的重要参考[1]。随着数据时代的到来，高校教育管理已经进入了“管理优化教育，数据驱动管理”的新时期[2]。

常州信息职业技术学院于2008年建立大学生综合素质训练体系，由一心（大学生职业素质训练中心）一园（大学生创新创业园）组成。一心一园下设基本职业素质、职场素质、大学生科技创新、大学生创业四大训练基地，并通过核心价值观、人文素质、身心素质训练、职业发展、职业核心能力、团队训练、专业技能拓展、项目孵化、创新论坛、创业探索、创业实践等十一类项目培养学生综合素质，并依托项目实践、能力展示、精英培育、课程教学四大平台实施。到2015年学校对整个体系进行优化升级，形成大学生综合素质教育培养体系。为服务整个体系运行，学校自主开发建设大学生综合素质教育管理平台，记录学生参与素质教育活动情况。素质教育管理平台由项目基础数据管理、项目审批、项目查询、项目汇总统计、信息维护等组成，对素质教育工作而言，素质教育管理平台具有巨大的管理和分析功能。这个功能主要包括显性和隐性两个方面。

1 显性功能

素质教育信息化管理平台的直接功能是管理，用于素质教育项目申报、审批、结项、成绩查询等。在这个过程中，主要承担记录、查询、统计、展示等显性功能。

1.1 记录功能

常州信息职业技术学院的素质教育活动记录要素包括素质领域、素质领域名称、模块名称、项目编号、项目名称、项目素质分、学期、年份、项目内容概述、考核要点、项目开始日期、项目结束日期、申报部门、负责人、录入日期及时间、实施日期及时间、学号、姓名、性别、班级名称、入学年份、是否通过。详细记录各部门申报的素质教育项目，项目类别、参与学生状况、项目实施的开始时间、结束时间，项目指导者等。为素质教育管理其他功能的实施提供基础数据。

1.2 查询功能

在记录的基础上，可以按学期、按部门、按年级、按年月、按模块、按项目实时查询，项目包括正在实施项目、未结项项目、作废项目等。通过查询，可以把握素质教育项目实施的学期进展状况、不同二级学院和部门实施方面的差别情况，不同年级、不同学期学生参与类别和完成要求状况，具体素质教育项目的立项、结项和是否修改以及作废等情况。

1.3 统计和展示功能

基于记录和查询的统计功能对于管理的作用更深一步。主要统计素质教育模块实施情况、实施明细、各年级素质教育达标情况、班级素质教育达标情况。对学生而言，主要统计学生参与素质教育项目类别、时间状况、完成素质教育要求情况、各学期参与频率等。统计结果通过图表等可视化形式展示，对于管理者而言，可以清晰了解各模块、各学期、各部门素质教育实施整体状况、特征以及不同模块、不同时间段、不同部门之间的差异，由此发现素质教育实施的规律和改进方向；对学生而言，可以通过统计，全面了解自己完成素质教育要求的整体情况，各模块、各时间段参与情况，通过图表等展示，可以分析自我在素质教育活动参与方面的长板和短板，促进学生了解自我，反思自我。如果数据对外开放，有利于用人部门全面了解学校在素质教育方面的实施情况，也可以清晰了解学生在校学习和生活状况，对于招聘学生、人力资源的配置和评估给予有效支持。

1.4 预警功能

通过统计和展示素质教育数据，可以清楚地展示学校素质教育开展情况和学生完成情况。对学校而言，可以通过统计数据，对素质教育活动开展比较缺失的模块进行预警，以改善素质教育活动的整体布局，一方面达到查漏补缺的目的，另一方面达到发现问题，调整内容，引导素质教育开展方向的目的。对学生而言，通过数据统计，可以发现自身的完成情况、达标状况、欠缺状况，对学生的素质教育参与状况和素养提升进行预警，以便及时补救，完善自我。

上述功能为素质教育数据的显性功能，也是素质教育管理平台的基本功能，是学校开展素质教育工作，进行相关管理的重要部分。随着大数据时代的来临，“高校教育管理的可能走向是教育决策从凭借经验走向基于数据，教学管理从宏观群体走向微观个体，学生事务管理从粗放型走向精细化，这些未来的变化，需要基于数据监测。”[2]2008 年，英国数据监护中心（Digital Curation Centre）认为数据监测意味着从已有数据中产生新数据从而确保其当前和今后的用途[3]。这需要通过挖掘、分析、整理产生出来，并彰显新的功能，这些功能是隐性的。

2 隐性功能

根据素质教育数据库构成因子，这里的数据挖掘和分析可实现的功能可以分为三个层次，即分析研判功能、优化调整功能、预警预测功能。三个方面都建立在分析的基础上，与数据分析密切相关。描述分析是探索历史数据并描述发生了什么，即分析已经发生的行为，优化调整是在分析的基础上根据期望的结果以及对过去和当前事件的了解，对未来工作开展给出建议，即分析应该发生的行为；预警预测功能是用于预测未来的概率和趋势，即分析可能发生的行为[4]。

2.1 分析研判功能

对现有数据，按照不同需要进行梳理和分析。分析的过程可以划分为如下步骤：（1）明确目标；（2）整理数据；（3）选择因子，找出需要分析的因子；（4）评估数据，发现数据的意义以及可能存在的关联。这里以分析各模块素质教育活动为例解释上述过程。首先，数据分析的目的是了解各模块素质教育活动开展情况，不同时间段的差异、不同部门之间的差异情况；其次，进行数据分类和数据描述，即对已有的记录进行整理、编码、形成数据，如素质领域编号、素质领域名称编号、模块名称编号、项目编号、项目名称编号、项目素质分、学期、年份、项目开始日期、项目结束日期、申报部门编号、录入日期及时间、实施日期及时间、学号、性别、班级名称、入学年份、是否通过等。通过编号实施数据化，便于统计和分析；第三，选择需要分析的项目因子，找出关联数据，由于有些数据之间缺乏有效的相关性，如学号和考核方式之间的数据关联度不高，需要寻找有一定关联性的数据进行分析，如素质教育领域、素质教育项目类别、数量、时间、参与人数等；第四，在确定具体因子后，通过评估数据，寻找因子之间的相关性，发现数据之间的意义和价值。如通过项目发布方式不同，可以分析学生参与活动的心理能动水平。比如，有两类素质教育活动，其中一类是学校统一要求的活动，而另外一类为学生自主选择的活动，二者参与人数相当，这里无法判断学生参与活动的心理能动水平。要想了解学生参与的主动性水平，可以选择同类活动在硬性规定必须参加和自主选择参与方面进行对比，反复对比后可以分析出不同类别活动项目学生参与的主动性水平。

2.2 优化调整功能

数据分析的目的是为了更好地优化素质教育工作。优化是对原有素质教育体系相关项目开展情况进行调整，以期达到改进和完善的目的。主要优化素质教育体系中各项因子，如活动数量、组织方式、时间安排、活动要求等，将学生参与度低，效果不佳的活动逐步减少，多开展受学生欢迎，对学生人生发展有引导作用的活动；还可以优化素质教育活动方式、调整活动项目开展的时间、调整参与人数的要求等。以基本素质教育模块为例。从图1 中可见，责任素养开展项目最多，职业道德项目最少。说明在这个模块中提供职业道德培养的项目比较少，需要了解原因，是学生不愿意参加，还是组织有难度，同时还需要了解学生的需求，如果学生有需要，则要增加学生职业道德的教育。优化方面需要做到，第一，增加活动项目的数量；第二，增加活动开展的频率，为学生参与提供更多机会；第三，改善活动组织方式和内容，以吸引更多学生的参与；第四，调整活动时间，便于学生在适当的时间参与。这样就需要在活动项目数量、频率、方式和内容、时间等方面进行调整，以整体优化学生职业道德的培养。

图1 基本素质教育模块开展素质教育活动项目一览表

2.3 预警预测功能

对素质教育管理平台而言，每一个描述性的数据，如果能综合分析和处理，都能从深层揭示这些行为背后的规律，进而对可能产生的信息行为进行预测、分析与评估，并为行为者提出建议。对教育者而言，平台数据展示了教育者的组织状况、对不同素质教育模块工作的重视状况、对活动开展载体的依托状况，这些工作的效果直接反映在学生身上，从学生参与的项目类别、参与时间、参与频率等方面，可以分析学生参与活动的意愿和效果。对素质教育整体评估而言，需要探索评估标准的适度价值等。如，学校素质教育认证管理办法规定学生素质教育成绩评定分为五个等级：低于90 分为不合格；95～120 分为合格；120～160 分为中等；165～200 分为良好；205 分以上为优秀。分析数据并比对学生学习成绩绩点，发现学习成绩绩点3.0以上即良好等第学生的素质教育平均分达到200 分，成绩绩点在2.0～3.0 之间即中等等第学生的素质教育平均分为148分，2.0～1.0 之间即合格等第学生的素质教育平均分为125分，数据显示81.4%的学生可以达到素质教育平均要求，详见图2。

图2 学生学分绩点与素质教育分关系图

反观学校素质教育认证管理办法规定的学生教育成绩评定等级基本合适。在后期的素质教育优化工作中，基本可以确定学生素质教育分的评定标准以125 分作为平均成绩线较为合适。分析数据发现学生素质教育分若低于平均分60%，则需要关注这个学生的学习状况、人际关系状况，这些数据预示这个学生整体主动性偏弱，学习主动性不强，可能存在学习困难、适应困难、心理问题等，还需要关注这个学生的经济状况。反之若高于60%，需要关注其学习成绩有无挂科现象，以防止学生顾此失彼，因过于热衷参加学校各类活动而影响专业学习，如果学生某一项素质教育活动分数很高，则可能存在突出长板，发展失衡的现象。分析发现，素质教育分平均在150～200分之间学生与学习成绩平均绩点呈现正相关。这也预示，可以从素质教育分的高低推断学生的整体学习状况。从性别来看，素质教育最高分为580分，最低分为45分，均为男生，男生整体素质教育分平均分为122 分，女生整体素质教育分平均为181 分，女生整体较男生参与素质教育活动更加积极。但男生的两级差异较大。

综合来看，学生大数据能够将一个学校素质教育工作整体状况可视化，也能够将学生个人成长轨迹清晰地描述出来。但目前的素质教育数据相对单一，如果能够实现与校内教务管理、校园门禁、食堂消费、学生移动互联数据接轨，其数据的交互作用和相互关联的内在意义和价值将会更大，这对描述一个学生在校成长，记录一个学生的发展轨迹将具有非常美妙和无可取代的价值，甚至可以预测一个学生在校发展状况，并对学生未来发展做出一定的预测。

当然，实现这些数据读取和互通还存在一个价值伦理和法律规范的问题，当一切在法律规范的范畴运行后，这些数据的意义将是无限广泛和充满趣味的。这些数据在未来对学生本人是一个记录和展示个人成长轨迹的价值，对学校是一个不断优化和完善人才培养的重要参考，对用人单位而言具有极大的人才使用查询和评估发展的参考价值。