基于诊改理念的高职校本人才培养工作状态数据管理系统设计研究

尤明珍 胡国靖 胡新岗 朱明苑

基于诊改理念的高职校本人才培养工作状态数据管理系统设计研究

尤明珍1胡国靖2胡新岗1朱明苑1

（1.江苏农牧科技职业学院，江苏 泰州 225300；2.中移苏州软件技术有限公司，江苏 苏州 215000）

高职院校人才培养工作状态数据是诊断与改进工作的基础数据，对行政决策、人才培养动态分析、院校治理、教学改革都具有重要作用。校本人才培养工作状态数据管理系统是高效实时采集、分析、应用数据的前提。从系统设计原则入手，阐述了“数据标准”“数据采集”“数据清洗与整合”“数据存储”“数据分析与运用”5个子模块的设计思路和功能需求，为校本状态数据全生命周期管理提供了思路。

诊断与改进；高职院校；状态数据；数据管理；数据分析

1 校本状态数据管理系统的重要性

2 状态数据管理中存在的问题

目前教育行政部门提供了网络版、标准版和云版三种方案供高职院校采集状态数据，但是三种方案都是独立于学校业务数据之外的单独采集，会增加师生额外的工作量。大部分高职院校数据多源头管理，权责不清。数据孤岛林立，各业务系统缺乏统一的数据标准，数据难以实时更新，信息和资源难以实现高效共享。同一个数据由于重复录入、录入时的差错或标准不统一，给全局性的数据统计与查询造成障碍，严重影响了状态数据采集的工作效率。状态数据提交教育管理部门后一般会被束之高阁，状态数据应用有限，对质量治理等作用微乎其微。因此，高职院校需要以教育部提供的平台设计理念为基础，建成“标准化、高效、共享、实用”的校本状态数据管理系统，实现数据全生命周期管理，对状态数据进行有效采集与关联分析，确保数据及时、完整、真实、一致，实现跨层级、跨系统、跨部门、跨业务的数据一体化管理和服务，为诊断与改进提供全面、准确的海量数据支持，促进运用大数据科学决策、精准管理、便利服务，实现人才培养质量的螺旋式上升，加速推动治理能力现代化[4]。

3 状态数据管理系统设计原则

3.1 强化数据融通

采用主数据管理技术、ETL（Extract，Transform，Load）工具等，融合信息标准、软件工具、实施方法等方面，建立一个全校范围内的、标准统一的权威主数据中心，保证每项数据源头唯一，消除信息孤岛。基于统一的数据标准和交换标准，支持对数据进行抽取、转换、清洗和加载。通过共享数据中心对接业务数据与高职状态数据采集和管理平台，构建数据模型，实现状态数据的自动采集、科学分析与合理运用，为业务部门、广大师生提供高质量数据服务，满足学校日常管理和科学决策之需，形成结构合理、数据共享和容易扩展的智能校园基本框架。系统功能架构如图1所示[5]。

3.2 以服务师生为中心

将状态数据管理系统使用频率最高的功能模块移植到APP形式或支持H5技术标准的移动端，嵌入智慧校园统一身份认证平台，实现单点登录，强化信息安全机制，方便师生录入、查询、应用数据。建立服务大厅，基于数据中心的数据仓库建设以师生为主线的相关数据服务，通过流程再造的方式，使数据的使用得到最大化的体现，让师生获取准确的数据，由此提升数据服务能力。建立个人数字档案，将与师生相关的所有信息集中在一起，推送师生感兴趣的信息，实现一定程度上的信息智能推送。

图1 校本人才培养工作状态数据管理系统功能架构图

4 状态数据系统技术需求分析

4.1 数据标准模块

数据标准是对数据的命名、数据类型、长度、业务含义、计算口径、归属部门等定义一套统一的规范，保证各业务系统对数据的统一理解、对数据定义和使用的一致性。统一数据标准是数据高效流通和共享的前提。2017年6月，全国职业院校教学工作诊断与改进专家委员会发布的状态数据的《数据定义》[6]，涵盖了状态数据的所有数据项归类、定义解析、标准索引、数据源划分等方面的问题。高职院校可参照《数据定义》、教育管理基础代码标准JY/T1001-2012、教育管理基础信息标准JY/T1002-2012、教育行政管理信息标准JY/T1003-2012、教育统计信息标准JY/T1007-2012等，结合高等教育基层统计报表、适应社会需求能力评估等教育行政部门统计数据中的定义，合理进行校园信息资源规划，依照国家标准和自身特色构建校级数据标准，对标准数据代码进行统一管理，明确定义数据之间的关联规则，保证数据在采集、转换、处理、使用及传输过程中具有统一规范。支持最新标准的导入以及日常维护，记录数据代码的变更历史。内置数据字典，对各模块表结构进行描述，支持数据字典导出。

4.2 数据采集模块

数据采集模块并不独立于高职院校业务系统之外，而是主要依托业务系统，尽量避免“为了数据采集而采集”。根据数据标准和定义设计好状态数据校验功能，明确数据正常值区间及关联性规则，当录入超出正常值范围数据或者与关联的已有数据相悖时，自动校验状态数据的有效性，提醒师生重新填报。采集数据类型包括结构化、非结构化数据。采集周期可自定义，数据采集有日志，当采集发生异常时能自动进行重试，并能及时向系统管理员报警。

4.2.1 伴随式数据采集

建立业务数据与状态数据采集的无缝对接[7]。通过业务流程重组、优化和再造，对现有流程进行调研分析、诊断、再设计、重构，尽可能减少非源头、非伴随式采集数据，保证业务系统全面覆盖学院教育教学各环节，覆盖状态数据的所有数据集。梳理数据来源，变多方数次采集为源头一次采集。在师生的工作、学习或生活现场中安装硬件设备，自动采集用户的行为或者抓取师生通过业务系统进行工作、学习或生活时留下的数据记录，采集数据于无形，“一次采集，处处使用”，提高诊断与改进工作的质量和效益，使得教职工具有更好的获得感和满意度[7]。建议状态数据中的实践教学条件、专业、教学管理、教学研究等与教务系统、资产管理系统对接，办学经费与财务系统对接，师资队伍与人事系统、教务系统对接，学生信息、补充数据等与学工系统对接。

本文基于光储电站的微电网系统,研究了离网情况下无电动汽车和有电动汽车接入时的电压质量问题。以母线电压为控制对象,提出了闲置的电动汽车参与调制的控制策略,并设置了4个算例,通过仿真验证了电动汽车在改善母线电压质量上的作用。结论如下:

4.2.2 人工辅助采集

对于业务系统目前未包含、无法通过接口自动从业务系统抓取、但是状态数据需要采集的数据，支持EXCEL、自定义表单等多种形式批量导入，可自定义补录时间范围，系统自动发送消息提醒用户进行数据录入。允许通过自定义表单动态创建数据录入界面，支持自定义录入及审核流程，由不同角色用户通过功能表单制作引擎，把日常工作中线下的数据按类别实时导入主数据，完成数据补录工作。支持添加主数据和数据字典中的标准字段；支持页面自定义布局，支持字段窗体自定义大小设定，支持自定义表单的预览，支持字段常规属性定义；支持通过可视化的鼠标拖拽方式，设计表单的功能；表单的制作不需要任何二次开发。

4.3 数据清洗与整合模块

数据清洗与整合工具应支持多用户多机多引擎，胜任多级组织架构的数据整合管理和大规模数据清洗任务；支持包括ORACLE、SQLSERVER、EXCEL和XML等各种数据源，满足绝大多数异构数据源的整合要求；适应非关系型数据库、非结构性文档等复杂的数据清洗、整合场景。应提供多种数据清洗与整合标准组件，进行不同数据结构间的数据转换，解决“脏数据”的清洗，对不准确、不完整或不合理的数据进行修补或移除，校正缺失、无效、冗余和噪声数据。支持所见即所得的图形化配置界面，无需编码即可实现面向客户业务的数据清洗与整合作业，使数据清洗整合任务与业务无缝集成，以方便监控和管理。还应对数据进行预处理，如转置、排序、合并等。

数据抽取可以是实时接入，也可以是离线同步。支持全量抽取、增量抽取、缓慢变化维数据抽取等多种数据抽取方式。全量抽取是先把原有的数据清除之后再抽取。增量抽取是按照时间或者ID字段进行比较或者判别后选择性地抽取数据。缓慢变化维是在判断某维度数据发生变化时，保留历史数据，抽取变化后的数据。需要了解每种工具和抽取方式的适用范围和优缺点，同时掌握状态数据的数据定义和属性，从而有针对性地选择。提供数据中心和业务数据的数据服务接口，支持Java语言编程扩展，支持多种数据接口形式，方便数据整合和对外发布。统一管理学校所有信息化系统的数据接口，接口可授权，接口调用过程可追溯，针对敏感信息可进行加密脱敏处理。能通过WEB方式展示所有接口运行情况，并能查看运行异常原因，使系统的数据互通互联、共享共用。

4.4 数据存储模块

数据存储模块支持关系型和分布式数据库存储。基于业务需要，支持建立不同主题的数据仓库进行数据存储，如状态数据、教学数据、课堂数据等，有序存储监督控制所需要的主体数据。状态数据仓库应支持状态数据查询，支持状态数据生成，可自动生成状态数据表单，减少填报工作量，并支持状态数据导出。可对数据进行仓库标签分类处理，支持仓库编码设置，支持仓库的库、表、字段的自定义，支持数据仓库的导入与导出。数据仓库分为基础数据层、主题层、模型层三层。基础数据层以天为时间周期，将数据传输到数据仓库，通过ETL的方式将数据按照设定的数据表格式存储，形成基础数据层的数据，其目的是简化后续数据加工处理的工作。主题层的结构相对复杂，搭建规则可根据实际对业务的理解进行规定，通常这层的数据是一致的、准确的、干净的数据，即经过清洗后的数据。模型层最主要的作用是将主题数据组合成数据分析模型。模型层的数据一般呈现为星状结构和高度索引化，通常该层的数据是轻度汇总级的数据，不存在明细数据。

4.5 数据分析与运用模块

4.5.1 数据分析内容

找到状态数据中的11个案例分析指标与诊断改进5个层面的对应关系：“校企合作”“教学管理”等案例分析指标归属于专业、课程层面，“师资队伍”案例分析指标归属于教师层面，“社会评价”案例分析指标归属于学生层面（主要包含招生、毕业等情况）。

其一，根据学校层面内容进行总体情况的数据统计展示，呈现内容包括但不限于学校概况、基本办学条件、经费收支、办学目标与定位、领导作用、专业状况、课程情况、核心指标、师资队伍、学生情况、学校荣誉、质量工程等内容。对决策者关注的各项指标进行统计、分析，为决策提供科学的有力支撑[8]。

其二，根据专业层面内容进行总体情况的数据展示。展示专业整体情况，包括专业开设情况、重点与特色专业、国际合作专业等，也可根据单个专业建设情况进行具体专业画像。以专业为核心，相关信息自动汇聚，从师资、校企合作、学生、实训基地、就业质量、就业流向、起薪点等维度形成“专业建设仿真视图”，关联全国专业数据，分析开设某个专业需要设置的课程，学校所办专业在全国同类专业中所处的水平，学校毕业生主要流向，学校毕业学生起薪点在全国同类专业中所处的水平，学校与同类学校比较有哪些优势和不足等。

其三，根据课程层面内容进行数据展示，展示内容包括但不限于课程类型、精品课程情况、课程融通、校企合作、使用教材等，也可进行具体课程画像。

其四，根据教师层面需要显示的内容进行展示，可以展示学校整体师资情况，包括但不限于师资规模、学历结构、职称结构、双师结构、教学水平、科研水平、年龄结构、国际化水平、高层次人才等。也可以展示教师个人画像，包括个人概况、授课信息、培训进修、挂职锻炼、社会兼职、获奖项目、技术专利、在职课题、著作与论文等。

其五，根据学生层面内容进行基础数据和总体情况的展示，包括但不限于学生结构、学生社团、学生获奖情况、生源类型、就业情况等，也可以展示学生个体画像。

4.5.2 数据分析与展示方法

参照高职数据监测中心的数据分析模型，依据学校的实际业务场景、针对抽取的数据，关注数据之间的多因素关联性。利用回归分析、假设检验、方差分析、趋势分析等教育数据分析的基本方法，通过建模对采集的数据进行多维度、多指标的数据挖掘和分析。利用调查表、排列图、因果图、直方图、散布图等图表形式展示数据的内涵和对比分析结果，保证数据可上下钻取，形成“诊断与改进”工作中学校、专业、课程、教师、学生等5个层面的核心数据分析模块。比如可将各分院专业、课程、教师、学生根据对应的指标进行排名对比，可进行横向整体对比，也可选取单一指标或者某几个层面进行对比，优势劣势一目了然。根据数据连续变化情况生成趋势图，形成趋势分析及智能报告，如学校教育质量监测报告、专业建设监测报告、课程建设监测报告、教师发展报告、学生成长报告等，帮助学校直观找出差距，促进提升，辅助领导决策。

整理出状态数据之间的关联规则文档，将其翻译成计算机语言并开发相关功能，方便进行自动多维关联分析。例如状态数据中的产学合作基本情况与开设专业关联，可计算出没有合作企业的专业名称；与校外兼职或兼课教师关联，可计算出合作企业支持学校兼职教师数、合作企业订单培养数、合作企业与学校共同开发课程数、合作企业与学校共同开发教材数；与顶岗实习关联，可计算出合作企业接受顶岗实习学生数及占所有顶岗实习学生数的比例；与学生就业情况关联，可计算出全校合作企业接受当年毕业生就业数，全校合作企业接受应届毕业生就业数占应届毕业生的比例；与开设课程关联，可计算出企业兼职教师授课总数/学校总课时数等。

4.5.3 实时监测和预警

依托“设定目标标准、实时监测预警、持续诊断改进”的流程，在学校、专业、课程、教师、学生各层面状态数据多元关联分析的基础上，师生员工可通过系统进行实时监测和预警，监测目标达成度，对照标准查找低于预期标准的对象与数据。在日常管理的关键环节中嵌入数据预警机制，一旦某项工作不达标准，自动触发运行“8”字质量改进流程。预警数据及时通过微信和门户推送给相关的责任人及责任部门，引导相关人员进行改进（修改目标、标准或改进工作过程等）。对改进的过程进行记录及跟踪，对效率及效果进行反馈，实现自我诊断，持续修正，确保预警与改进机制常态化落实在各信息化关键环节中。促使学校的数据治理向更为高效和便捷的方向发展，数据资源利用和调配更加合理、充分和无边界。

5 结语

状态数据管理系统设计需要对状态数据采集相关业务十分熟悉，又能将现实需求精准转化为计算机语言，还需要高职院校建立自身的技术团队或依托公司进行个性化开发。另外，状态数据管理系统也仅仅是治理数据的手段工具之一，关键还需要不断提高师生信息化素养、引导师生积极参与信息化建设，形成基于数据管理、工作、学习的氛围，每个业务主体成为数据管理与服务的产生者和受益者，数据处理的每个环节都由最合适的主体来完成，建立起良性的数据生态环境，信息化水平螺旋式上升，形成数据治理文化。

[1] 教育部办公厅. 关于建立职业院校教学工作诊断与改进制度的通知[J]. 中华人民共和国教育部公报, 2015 (Z2): 77-78.

[2] 教育部. 关于印发《教育信息化“十三五”规划》的通知[EB/OL]. (2016-06-17) [2020-06-05]. http://www.ict.edu.cn/laws/ new/n20160617_34574.shtml.

[3] 全国职业院校教学工作诊断与改进专家委员会. 高等职业院校内部质量保证体系诊断与改进复核工作指引(试行) [EB/OL]. (2018-12-19) [2020-06-05]. https://zgzl.hamc.edu.cn/info/1147/1139.htm.

[4] 朱明苑, 尤明珍, 董海燕, 等.“双高计划”背景下高职院校校本人才培养工作状态数据采集与管理研究[J]. 太原城市职业技术学院学报, 2020 (3): 76-78.

[5] 袁洪志. 高等职业院校内部质量保证体系建立与运行实务[M]. 南京: 南京大学出版社, 2016: 66.

[6] 职业教育诊改网. 高等职业院校人才培养工作状态数据采集与管理-数据定义电子书[EB/OL]. (2017-06-13) [2020-01-27]. http://zt.gdit.edu.cn/log/login.aspx.

[7] 张晞, 廖国耀. 基于网络环境下高职状态数据采集与管理平台网络版的构建[J]. 职大学报, 2016 (1): 112-115.

[8] 苏家有. 智慧校园背景下高职院校管理信息化建设研究[J]. 哈尔滨职业技术学院学报, 2020 (5): 21-22+147.

Research on the Design of School-Based Data Management System of Talent Development in Higher Vocational Colleges Based on the Ideals of Quality Diagnosis and Improvement

You Mingzhen1, Hu Guojing2, Hu Xin’gang1, Zhu Mingyuan1

The data of talent development in higher vocational colleges are the basic data for diagnosis and improvement which will play an important role in administrative decision-making, dynamic analysis of talent development, college governance, and teaching reform. The school-based data management system of talent development is a prerequisite for efficient real-time collection, analysis and application of data. Starting with the system design principles, the paper explains the designing ideas and functional requirements of the five sub-modules: “data standard”, “data collection”, “data cleaning and integration”, “data storage”, and “data analysis and application”, which provides ideas for the full-life cycle management of school-based state data.

diagnosis and improvement; higher vocational colleges; status data; data management; data analysis

G717

A

1009－8429(2020)04－0024－06

2020-11-02

2018年江苏农牧科技职业学院教育教学研究立项课题（JYYJ201802）；2018年江苏省教育信息化研究资助课题（20180016）；2020年江苏农牧科技职业学院教育教学研究立项课题（JYYB202019）。

尤明珍（1963 -），女，江苏农牧科技职业学院质量控制办公室教授；

胡国靖（1988 -），男，中移苏州软件技术有限公司PaaS产品部工程师；

胡新岗（1974 -），男，江苏农牧科技职业学院质量控制办公室教授；

朱明苑（1988 -），女，江苏农牧科技职业学院质量控制办公室助理研究员。