基于大数据的应用型院校学生教育管理工作困境及应对

[摘要]基于大数据的应用型院校学生教育管理具有前瞻性、整合性、权变性的特点。然而，在实施过程中依旧面临着一系列困境，包括学习管理效率偏低，实习管理流程有待完善;评优管理内容不够健全，生活管理决策不够科学;心理管理缺乏时效性，就业管理质量不高。为此，应用型院校应当提升学习管理效率，优化实习管理流程;完善评优管理内容，优化生活管理决策;提升心理管理时效性，强化就业管理质量。

[关键词]大数据  应用型院校  教育管理

[作者简介]王洁（1983- ），女，江苏徐州人，宿迁学院，讲师，硕士。（江苏  宿迁  223800）

[课题项目]本文系2017年度国家教师科研基金课题“地方高校教师专业发展研究”的阶段性研究成果。（课题编号：CTF120702）

[中图分类号]G717[文献标识码]A    [文章编号]1004-3985（2019）05-0040-04

大数据技术最初诞生于计算机等相关领域，被贴上了全面、预测以及个性等标签。近些年已受到社会各界的广泛关注，逐步被应用于社会生产、生活的各个领域，其应用价值也受到各领域研究人员的一致认可。随着大数据技术的进一步发展，部分教育学研究者开始尝试将大数据技术与学生教育管理进行融合。针对学生教育管理工作中日益繁多的问题，应用型院校基于大数据技术改善学生教育管理工作，已成为其提升人才培养质量、促进自身转型发展的必然选择。

一、基于大数据的应用型院校学生教育管理特点

1.前瞻性。应用型院校基于大数据进行学生教育管理，能预测师生的教学需求、心理状态和学习状态，通过收集数据并建立模型，可预测学生的学习发展情况，对可能出现的问题进行预警。大数据具有包容性、开放性和全面性的特征，通过对数据的收集、挖掘和分析，能预测学生的行为和思想状态，实现学生教育管理的决策智能化和前瞻性。

2.整合性。应用型院校在学生教育管理中，以学生为中心，以大数据技术为手段，可以提供整合性服务。一是可以整合网络的教育资源，以开源的形式集成优质的课程资源，为全校师生提供开放的学习平台。二是可创建信息共享系统，整合院校各部门的数据，提高管理效率。三是基于大数据技术，校际之间能够整合教学资源，实现数据共享，达成教育资源区域合作，有利于教育资源的优化配置。

3.权变性。大数据具有信息量大、内容复杂、动态性和快捷性的特点，应用型院校学生教育管理者在工作中要体现权变性。院校数字化建设步伐逐渐加快，教育部门、院校师生、学生教育管理部门和其他相关人员的数据大量增长，为此，学生教育管理者也要相应改变策略。教师应基于大数据分析结果，制定教育方法;根据动态化和差异性的数据，管理者进行权变处理，确定相应的教学管理手段。

二、基于大数据的应用型院校学生教育管理工作困境

1.学习管理效率偏低，实习管理流程有待完善。一是信息化建设不足，学习管理效率偏低。应用型院校未能全面实现教学资源的数字化，同时由于漠视新技术的发展，院校对学生的信息收集和分析能力也明显不足;院校对现有教学信息数据的挖掘深度不足，未能形成适宜不同学生的个性化学习方式。二是学生教育管理的信息化建设有待完善。院校未将学生的学习内容和方法量化为有关的指标数据，网络教学资源平台的搭建停滞不前;院校学生教育管理数据库的内容以及师生生活业务、教学服务和就业信息的整合度不足，未实现各移动终端的数据共享;院校对收集到的教学数据信息的解读和分析不足，未能将数据和学生的学习生活特征相关联。三是校企合作不够深入，实习管理流程有待优化。校企实习管理流程未能整合多方信息，学生实习工作的规范化、智能化和效率化不足。企业实习期间的学生管理工作与院校脱节，学生实习情况和企业指导情况难以及时传达至院校。对于学生实习结束后的实习心得报告未及时进行数字化处理，难以用于教育评价。

2.评优管理内容不够健全，生活管理决策不够科学。一是缺乏过程性评价，评优管理内容不够健全。现有的评价指标仅针对教学结果，缺乏针对过程的评价指标及内容;部分院校的评价指标体系脱离了自身的实际情况，缺乏行业专家和教育学专家的指导;院校评优管理的主体单一，且缺乏定性评估机制;师生的评价结果未能及时得到反馈，现有评价反馈机制缺乏激励性;院校评优管理结果并未对学生提供决策指导。二是评价工作有待落实，评价体系优化能力不足。院校对评价数据的整理和分析不足，未能进行数字化处理，缺乏科学的手段对数据进行深度挖掘和可视化处理，忽略了数据间的关联;院校的数据评价结果不具有多元性，评价体系缺乏自我优化能力。三是生活管理数据的收集、挖掘和分析不足，生活管理决策不够科学。院校未能和当地教育部门合作建立完整的学生档案信息，院校内部学生的一卡通信息和教学系统内信息的收集整合欠缺;现有数据未能在服务器数据库中备份和分析，对于数据的挖掘也存在不足，难以了解学生的消费习惯和性格特征，未能立足于学生的实际需求对校园服务进行针对性改善。

3.心理管理缺乏时效性，就业管理质量不高。一是心理管理缺乏时效性。院校未能将传统的心理调查方式与大数据技术相结合，基层学生教育管理人员和辅导员与学生的沟通交流较少;同时，院校缺乏科学有效的学生心理状态預警机制。二是未健全学生心理健康管理系统。院校对学生心理数据的收集管理能力不足，数据处理和分析能力欠缺，无法整合相关数据获得评估报告;院校无法了解学生的心理状态，对可能出现问题的学生无法进行指导和监控。三是缺乏个性化就业服务。院校毕业生就业管理系统建设缓慢，就业信息更新不及时;既未能收集学生的个人情况信息，也未能向学生提供岗位推荐和个性化的就业指导服务;无法了解毕业生的工作情况和用人单位的反馈意见。四是就业管理质量不高。院校对学生和用人单位的信息了解不足，相关信息的审核机制欠缺;未能和企业展开合作，建立人才数据库;对毕业生就业质量的监督和管理机制建设不足，未能审核学生和用人单位的信息真实度，学生就业数据和毕业生反馈数据的整合与分析不足，难以为院校在专业设置和人才培养方面的工作提供决策依据。

三、基于大数据的应用型院校学生教育管理工作困境的应对策略

1.提升学习管理效率，优化实习管理流程。第一，强化信息化建设，提升学习管理效率。首先，实现教学资源的全面数字化，依托大数据技术的发展，通过教学信息的采集和分析，了解学生的学习兴趣、学习方法和学习效率，有针对性地进行教学内容和教学方法改革。其次，深度挖掘收集的教学信息数据，获得学生学习的相关信息，对于重要数据进行备份储存，利用数据挖掘和可视化技术手段获得更有价值的信息，得到不同学生的性格特征和学习方式的数据。最后，在获得足够数据并了解了学生的特质和学习习惯后，可定制个性化学习任务，通过网络推送相应的学习资源;此外要加强对学生学习反馈数据的收集，明晰个性化教学的教育质量，跟踪学生的教学评价结果和学习情况，继续优化学习任务。

第二，完善学生教育管理数据库。首先，进行数据的集成和整理，建立学生教育管理数据库，包括学习职能板块、资源整合板块和系统管理板块，以上数据要上传至服务器，并备份到云管理数据库中，与校园其他数据进行有机结合，实现数据的共享;院校的云管理数据库要整合开发为综合性的数据平台，可汇集师生的生活业务办理、教学服务、学习实践和就业指导等信息數据。其次，进行数据处理，信息管理部门要负责对收集的数据进行挖掘处理，了解学生的学习生活特征，构建数据之间的关联，对数据进行修正和加工;利用遗传算法、遍历算法、决策树、神经网络和人工智能等手段分析数据的深层含义，应用大数据技术实现学习个性化定制服务。

第三，加强校企合作，优化实习管理流程。校企实习管理流程要基于大数据背景，整合多方信息，实现学生实习工作规范化、智能化和效率化。一方面，建立校企实习管理门户网站，登记学生的实习信息，院校对实习过程的管理可通过网上实时传达;院校和合作企业要在实习管理网站上记录学生的实习情况、企业指导情况和学生实习反馈，加强网络监管，建立快速的学生实习情况反馈渠道。另一方面，校企双方和学生要向实习管理门户网站上传实习内容、实习报告、实践心得和实训成绩等内容，丰富平台的数据类型和总量，并将其作为评价管理流程的指标内容。

2.完善评优管理内容，优化生活管理决策。第一，加强过程性评价，完善评优管理内容。首先，制订切实可行的过程性评价方案，相关评价指标要基于学生的学习规律和管理方法原则，保证过程性评价的有效落实。其次，评优管理的主体和评价方式要具有多维性，评价主体要包括教师、学生、同行和行业专家;评价方式要有主客观评价、互评和数据分析鉴定等。再次，建立网络评优管理系统，实时了解师生的评价并及时进行反馈。最后，完善评优管理的导向性作用，收集评价数据了解学生个人情况，并为学生的决策提供指导，此外还要建立具有激励作用的评价反馈机制。

第二，落实过程性评价工作。首先，结合自身的教学特色和办学规模，邀请行业专家、教育学专家和资深教师召开会议，共同研讨可操作性强的评价指标体系。其次，组织学生、教师和数据设备信息作为评价者，采用定性和定量评价的方式开展评估工作，评估内容要涵盖教学内容、教学态度、师生沟通互动情况、教学方式方法、考核评价方法等内容。再次，整理和分析评价数据，将收集到的师生评价信息进行数字化处理，找到数据间的关联。最后，将数据处理后的评价结果分类为学生主客观评价结果、教师主观评价结果、师生互评结果和大数据拟合评价结果，将以上结果及时反馈给教师和学生，并在实践过程中不断对评价系统进行优化。

第三，优化生活管理决策。首先，基于大数据技术，立足学生的生活需求，在管理工作中为学生提供优质的服务。其次，建立学生生活信息数据库，收集与分析学生的生活动态和实际情况，了解不同学生的性格特质和生活习惯，基于以上内容制定科学合理的管理条例。最后，院校在决策制定时要参考收集到的数据信息。在学生管理系统开发和设计过程中，要在原有经验的基础上更加注重数字设备获得的数据信息。可以在云管理数据库中记录学生一卡通的消费记录和使用时间，将大数据理念和学生的生活管理相结合，最终确定管理决策。

第四，收集、挖掘和分析生活管理数据。首先，多方面收集信息，通过当地教育部门和院校的云管理数据库获得学生的档案信息，以及收集学生的一卡通信息和教学服务系统中的信息。其次，整合数据，将不同体系的数据导入，经过筛选和鉴定将重要数据备份到服务器数据库中，对汇集后的数据进行分类管理，可分为学生个人数据库、生活信息数据库和综合管理数据库。再次，对以上数据进行深度挖掘和分析，来了解学生生活动态和行为特质，如学生的消费能力、消费喜好、饮食习惯、阅读频率兴趣和个体差异等，并将分析出的数据结论作为决策依据，相应调整学校商品、食堂餐饮和图书馆书籍等服务。最后，加强结果分析，对学生实行个性化管理，针对学生的部分情况与辅导员进行沟通，为学生定制相应的心理疏导服务。

3.提升心理管理时效性，强化就业管理质量。第一，提升心理管理时效性。首先，既要结合传统的问卷调查、走访了解和心理辅导会等手段，还要基于大数据技术收集和整理学生的心理健康数据，建立学生的心理状态数据库。其次，加强基层学生教育管理者和辅导员与学生的沟通，同时教师也要借助学生的心理状态数据库，了解学生的心理状态，进行相应的疏导。最后，基于大数据分析来建立学生心理状态预警机制，相关技术人员要分析心理状态数据库中异常数据并进行预警，调动多方面力量尽早解决学生的异常心理问题。

第二，建立学生的心理健康管理系统。首先，健全学生心理数据收集管理机制。在数据收集过程中，采用学生心理素质测评和活动监控分析手段，获得学生用户的基础数据和心理素质数据，结合学生档案和生活数据情况分析学生个人行为信息，同时采取传统人工评价方式获得人工评价结果。其次，对以上数据进行数据处理和心理学分析，建立不同的数据库源，通过数据拟合、挖掘和处理，并进行可视化处理获得评估报告。再次，采用传统学生工作经验和数据分析相结合的方法制定心理状态指标，并设立相应的心理问题预警阈值，对于超过该值的学生要由辅导员和心理辅导师对其进行指导。最后，对心理有可能出现问题的学生进行指导和监控，指导效果要基于数据处理进行再次分析，保证心理辅导的质量。

第三，实施个性化就业服务。建立毕业生就业管理系统，及时更新各类就业信息，丰富院校的就业信息和就业指导资源。基于大数据对学生的个人情况、所学专业、知识技能水平和兴趣爱好进行分析，根据分析结果提供推荐岗位和个性化的就业指导服务。建立毕业生就业数据库，登记毕业生的就业信息，了解和监管毕业生的工作情况和用人单位的信息反馈。

第四，优化就业管理全流程，强化就业管理质量。首先，整合学生和用人单位的基本信息，由毕业生和用人单位在就业管理系统中进行注册并填写相关信息，经院校信息管理部门审核无误后予以通过，此后用人单位和学生可以反馈相应的信息到系统中。其次，基于云管理数据库内学生的相关信息，为学生定制个性化的就业服务。校企双方要合作建立人才需求数据库，明确岗位职责要求、必备条件和薪酬待遇等内容，实现数据的可对接化和可查询化，实现岗位的快速匹配。再次，开展学生简历书写指导、就业意愿调查和就业咨询等服务，与企业合作建立人才数据库，并将学生简历和个人情况上传。最后，建立就业的监管和反馈机制，保证学生和用人单位的信息真实有效，收集公司发展情况、学生就业数据和毕业生反馈数据，并将以上数据应用到学生个性化就业和企业人才推荐服务中，最终将相关数据上传至云管理数据库中，为院校专业设置、课程改革和人才培养提供决策依据。

[参考文献]

[1]陈文，蒲清平，邹放鸣.大数据时代的高校学生教育管理模式转变与应对策略[J].江苏高教，2017（1）.

[2]刘胜勇.基于过程管理的高职院校创新创业学生教育管理错位分析及改进策略[J].教育与职业，2018（1）.

[3]南旭光.大数据驱动职业教育人才培养的价值逻辑与创新路径[J].教育与职业，2017（20）.

[4]项丹.云计算与大数据时代下的高校教育教学管理信息化策略[J].中国成人教育，2017（6）.

[5]严萍.高等职业院校人才培养工作评估的反思与改进——基于安徽省两轮高职评估大数据分析[J].职业技术教育，2016（18）.

[6]邹太龙.大数据时代高校学生教育管理的可能走向及实现路径[J].高教探索，2017（11）.