基于教育大数据下高职学生学业分析

摘 要：随着计算机技术的快速发展，各行各业对大数据应用的关注度来越高。如何利用教育大数据进一步增强教学效果、提高人才培养的质量成为教育领域研究的重要问题。以学生教育大数据为基础，从教师和学生两个角度分析学生的学业成绩影响因素，为高校管理者提供决策参考，并对特定学生做出学业预警并提出相应的建议。

关键词：高职学生;教育大数据;学业分析

一、现状分析

随着网络的普及，国内的高校逐渐都建立了自己内部的教务管理系统。这就使得在线上完成学生的个人信息、课程信息、学业信息、就业信息等信息录入功能可以实现，在这个过程中大量的学生数据留存在教务系统中。《教育信息化十年发展规划（2011-2020年）》中明确提出，要进一步将信息技术与教育教学进行“深度融合”，而对教育大数据进行挖掘可以有效的实现技术与教学的“深度融合”。“数据驱动学校，分析变革教育”。大数据技术的快速发展为改变传统教育提供了技术支撑。目前，国内各大高校对于教务系统的使用还处在简单的操作阶段，缺少对学生数据深度挖掘与分析，对管理决策的辅助功能欠缺。

2012年，美国教育部发布的《通过教育数据挖掘和学习分析促进教与学》文件对教育大数据挖掘以及学习分析指明了研究方向。文件指出，目前教育大数据的应用领域应该从教育数据挖掘、学习分析两大方向考虑。国外学者们倾向在结合数据库技术和数据分析算法的基础上将数据分析模块以及辅助于支撑决策的模块添加到原本的联机实务处理系统平台中。

国内对于大数据技术在教育行业的应用还处于探索阶段，且有关的论文大致集中于高校学生的学习、就业、心理健康这几方面。已有的文献中关于学生成绩分析主要侧重于课程类型、任课教师情况等方面进行分析，对学生自身行为特点对学业成绩的影响并没有做过多的讨论，但学生自身的能动性对学习效果的影响非常的大。所以本文选择根据学生行为轨迹数据纳入到对学业成绩影响的相关研究，将原始的学生数据转化成有价值的信息，进而辅助于管理者做出教学决策以及教师优化教学。

二、高職学生学习分析

学业成绩是高职学生在校期间学习效果表现的重要指标，将学生在校期间的各种数据应用通过大数据技术运用于学生学习成绩的分析过程中，有助于了解学生成绩的重要影响因素，从而为学校制定学生的学习规划以及生源选择上提供帮助。通过教育大数据对学生构建的学业成绩模型可以达到对学生学业成绩预警的功能，对于学生在课程学习中自身行为的管理，以及教师学业安排设置都有着很大的用处。

本文从教师和学习者角度分析学生的学习效果及影响其学习的效果的关键因素，以达到优化学习者的学习效果的目的。关于教师的测量维度可以从教师的个人信息情况、教师的科研能力以及教师的教学授课情况等方面考虑，对于学生的了解则可以从学生基本情况资料、在校学习行为、课外活动参与情况、校内外消费记录以及社交圈子等方面获取学生的有用的知识。通过数据构建合理的学业成绩预警模型，将其合理应用到教育教学的多个环节，达到科学支持领导决策、改善教育质量、促进教育公平、指导学校的日常管理和教学活动的目的。

（一）根据学生的自身情况，提供个性化的教学

通过挖掘教育大数据，可以依据学生的学习成绩、兴趣爱好、消费方式、行为规范及奖励处分等相关信息进行数据分析，并据此做出学生行为以及学习情况鉴定，及时禁止纠正学生不良行为，并为学生提供个性化教学和管理。这可以减轻教师重复不必要的工作任务，又能够让教师以动态的观念看待每一位学生，克服“首因效应”给教学带来的负面影响。同时，还能提高学生的学习效果以及学业成绩。

（二）提高教学质量，推动教学改革

在网络飞速发展以前，教师在教学过程中通常采用采用讲授法、练习法、调查法、参观教学法、直观演示法、任务驱动法、讨论法、计算机辅助教学法等典型教学方法来完成课程的教学任务。当教育大数据的获取越来越便利以及分析技术的发展，如关联规则或回归线性分析数据挖掘等方法，通过教育大数据分析得到学生的学习特点进而选择有利于学生知识接受的最佳授课方式，提高教学效果。

（三）提高学校的日常管理效率

利用数据挖掘技术对教学资源以及学生管理数据进行深入的关联分析能够找出师生常见行为的内在联系，例如，通过对于学生的个人信息、学习成绩、网上学习轨迹、性格特点、知识结构等相关信息分析，在管理中采取过程监管、风险预测、个性化教学管理、预测分析等措施，这些方法改变了定性并且模糊的学情分析和教学质量分析的不科学的评价体制。

对教育数据进行分析不仅改变了对学生的管理方式，同样也改变了唯分数评价教师教学能力的片面考核管理方式，实现了教师教学能力的智能监控、高效管理教学的目的。对教师教学能力的科学评价，为教师适当调整教学方法提供有效科学的决策依据。

三、总结

对教育大数据进行数据挖掘，不仅可以掌握学生的技能操作、知识储备、行为规范等情况，还可以辅助于教育质量监管部门动态、科学的评估学校培养质量。这改变了过去通过学校资产、师生配置比例、藏馆图书数和在校学生数等数据来评估办学质量。根据学生的个性特点和兴趣爱好采取个性化培养，同时学习状态的干预警告可以达到防范未未然的效果。个性化培养可以促进社会教育公平，同时提升教学管理的细致化和科学化。教育大数据分析为学习者开展自适应学习、教师开展教学干预以及管理决策者制定教育政策提供一定的技术支持。同时，在对学生相关校园数据进行数据挖掘，可以辅助于合理有效的配置教育资源，实时监控教育情况，合理科学的开展个性化教学，提高教育质量。

参考文献：

[1]李有增，曾浩.基于学生行为分析模型的高校智慧校园教育大数据应用研究[J].中国电化教育，2018（07）：33-38.

[2]徐晶晶.基于校园卡数据的学生行为分析研究[D].河南师范大学，2018.

作者简介：毛沥悦（1990-），女，汉族，四川广安人，硕士，助教，主要从事教育大数据的研究。