大数据时代高校综合素质测评模型优化研究

禹 云

(娄底职业技术学院，湖南 娄底 417000)

0 引言

高校学生管理以及素质测评工作经常会涉及海量数据信息，如果只是单纯地依靠人工操作的方式进行信息的整理，不仅会消耗大量资源，还无法保证处理结果的准确性和全面性。合理应用大数据技术，能够有效建设相关数据平台，在提升测评工作便捷性的同时，为高校教学工作的优化提供支持，这对于学生综合素质的提升以及高校的平稳发展具有非常重要的意义。因此，有必要针对相关内容进行深入的研究。

1 浅析高校综合素质测评

高校的综合素质测评，实际就是利用综合性指标对学生能力、智育以及德育等方面进行评价的活动，其可以根据学生的在校学习、活动，按照相应的比例计算分数，并以此为基础，对学生进行评优，决定奖学金的评定。我国自古以来就有“品学兼优”这一评价指标。尽管在教育领域长期的发展过程中，教学体制经过了多次改革，但评价系统及方法缺乏科学性的情况依然存在，这也导致综合测评工作极易流于形式，且受到应试教育的影响，社会以及家庭都有成绩决定一切的思想，使得人们片面追求成绩，以学生成绩为主导的测评体系始终存在，严重影响了学生的个性培养与发展。

2 大数据时代背景下优化高校综合素质测评模型的方法

2.1 通过大数据反映学生日常行为

大数据一方面代表着海量数据资料，另一方面意味着可以通过海量数据的收集、整理和分析，发现新内容、创造新价值。大数据时代的到来使得高校教学以及学生学习都发生了很大的改变，也为学生学习途径以及在校表现的信息探查提供了可能。例如，通过电脑、平板以及手机，就能够对学生的多元信息进行采集，包括：学习、爱好以及实践等，同时能够将学生的学习态度、学习能力以及交往范围记录在案，对这些信息进行整理、分析和挖掘，清晰地展现学生行为轮廓，并给出明确的引导，确保评价的全面性。

在应用大数据技术优化素质测评模型的过程中，还要对相关测评体系进行有效的建设，明确其中的指标因素，而各指标的权重则反映了指标因素的重要程度以及这些指标的关系。所以，需要通过对权重的科学配置，提升测评的科学性与合理性[1]。

2.2 对大数据背后的思想动态加强识别，发现教学的不足

随着大众创业以及万众创新政策的全面深化，高校应该针对创新创业教育积极进行质量评价体系的建设，而大数据则为高校的信息收集、分析以及共享提供了新的方法。但在对庞大数据进行整理的过程中，不能总是盲人摸象，应该对相关评价体系加强建设与完善，要让学校管理者、教师、社会、学生以及家长充分参与其中，利用数据对学生的微观特质进行捕捉，并通过数据的不断汇聚，完成对教学状态的相关描述。

通过大数据全面获取数据资源，高校完全可以对传统测评方式进行改进和优化，不仅可以对学生的学习活动以及学习过程进行记录，还能通过对数据的挖掘与分析，掌握学生的学习进展情况和特征情况，从而形成反思性教学法，与传统二元形式的“教学-评价”方法相比，能够对高校教学活动及学生学习情况进行回顾式分析和前瞻性分析。

例如，可以设置5项考核内容对学生的综合素质进行评价，包括：学习成绩、实践能力、思想政治表现、科研创新能力、社会工作及文体活动。通过对学生学习实践活动进行考察，设计相应的计算公式，结合相关计算方法对学生的思想动态以及综合表现进行大数据识别，并根据识别结果判断学生的表现，相对精准、科学地完成学生综合素质的定量界定，使学校可以对学生思想状况进行精准的识别和动态的把握，确保引导工作的及时性和有效性[2]。

2.3 对大数据系统进行整合建设，提升评价合力

对于综合素质测评，不能单纯地凭借分数、经验甚至感觉来进行，需要有科学的数据、规范的程序以及合理的制度作为支撑，才能对教师的教学工作以及学生的学习活动进行科学的引导，实现对教育工作的有效检验和优化。特别是在当前阶段，我国正处在转型升级的关键时期，大管理、大教育以及大培育已经成为社会发展的必然趋势，利用大数据对高校综合素质测评模型进行优化，要保证各层级之间的紧密相连，确保数据网络能够对教育的各个方面进行有效的覆盖，并通过对各项工作目标、方法及内容的有效调整，实现综合素质评价模型的合理优化[3]。

首先，要针对大数据的实际应用建立相应的保障机制以及领导机制，要将高校综合素质测评工作纳入到教育框架中，根据国家对高校教育的要求，对相应的激励机制以及约束机制进行建设与落实，并保证测评工作的公正性和公开性，推动素质教育目标的实现，使评价与监控实现双向互动。

其次，要对相应的工作队伍加强建设，积极引入专业的大数据人才，从而为综合测评模型的有效优化提供支持。由于大数据需要进行数据的收集和处理、实现碎片化信息的整理，并从非结构性、混乱性数据集合中发现有价值的数据，原来以教师和辅导员作为主要测评人员的模式已经不适合现代测评工作的开展，特别是这些测评人员数量不足且专业能力有限，很难推动现代测评模型的优化。因此，高校还需要加强测评团队建设，在对综合测评方面的资料进行全面收集的同时，对测评技术、方法及内容进行不断地研究与完善，将学生以及社会的发展作为中心，对相关制度进行编制，确保相关工作机制的科学性和可行性，为数据化教学管理工作的有效落实提供支持[4]。

2.4 利用“学习证据”创建多元评价机制

对于现代高校中的综合素质测评来说，过程性评价的权重越来越高，使得评价体系带给学生的不再是单纯的分数，还涉及潜质、特长、能力以及知识等方面的监测，且可以帮助高校对数据背后潜藏的人才培养模式、教育发展规律以及学生成长轨迹进行探索，而这将会对教育政策、教师教学以及学生的学习产生巨大的影响。但由于每个学生都具有与众不同的发展轨迹，单纯依靠人工监控及测评的方式，并不能保证测评工作的全面性和准确性。因此，可以在评优评先过程中，应用大数据技术的记录、跟踪、分析及处理功能，对各个学生的数据进行处理，并对学生在学校中的微观行为进行捕捉，包括：课堂出勤情况、互动情况、作业完成情况、课外竞赛及社团活动参与情况等，都可以转化为数据信息，而利用这种方式进行测评模型的优化，能够对学生的内在给予更多的关注，帮助学校对学生潜能进行挖掘和引导，实现教学工作的有效改进，使学生和高校共同成长[5]。

2.5 将以人为本作为基本原则

在落实综合素质测评的过程中，受到诸多因素的影响，可能会出现漏洞或者各种突发事件，且在决策依据方面也可能会受到测评成员主观意识的影响。因此，需要利用规范化的组织程序降低人为因素的干扰。在高校中，综合素质评价是一项较为基础的工作，在落实该项工作的过程中，不仅要利用大数据的相关理论及方法提升评价的精确性，还要对量化以及分类进行准确的判断，确保行动的有效性，使问题的解决措施更具针对性。

在对综合素质测评模型进行优化的过程中，还要坚持以人为本，充分考虑大学生的意见，尽可能地设计出以大数据为基础且符合学校实际情况的评价体系。要积极组建校级、院级、班级评价执行机构，并对评价方法加强学习，对于评价结果应做好公示工作。在强化舆论监督的基础上，还要将学生自我服务、自我管理以及自我教育的作用发挥出来。要不断提升测评方法的有效性和科学性，将学生成长作为测评的中心，实现终结性评价与过程性评价的有效结合，不但要对学生的成绩保持关注，还要对学生各方面的潜能进行挖掘，使学生能够更好地认识自我，提升其自信心，实现养成教育[6]。

3 结语

综上所述，在大数据时代背景下，对高校综合素质测评模型进行优化，能够使高校综合素质测评工作的科学性以及可行性得到进一步提升，这对于高校教学管理质量的提升以及人才的有效培养具有非常积极的作用。因此，高校一定要保持高度的重视，在充分研究大数据的同时，根据自身实际对大数据进行合理的应用，推动自身综合素质测评模型的优化，为高校的健康发展提供支持。