大数据背景下高校学前教育诊断数学模型研究

重庆幼儿师范高等专科学校 莫有印 牟奇平 牟 燕 张道萍

中国的网络建设的快速发展，云存储与云计算技术的快速发展，让大数据成为现实，而基于网络开展的高校教育诊断也已经成为现代化教育的发展趋势，这一趋势下，结合学前教育诊断与大数据融合，不断优化教学诊断数学模型，以此提升其基于大数据背景下高校学前教育诊断应用的效果，而这也实现了高校间的资源共享，加强了高校间的联系，为新时代培养合格人才助力。

为了提高学前教育入学前非学业成绩评价工作，加快素质教育工作的考核与推进，对各高校素质教育教学质量评价有一定的积极意义。由于素质教育是由许多因素构成的体系，且每一个因素给予评估者的感受在许多情况下是一种缺乏明确边界的信息，这给评价工作带来一定的难度。采用何种方法更好，采用何种标准更好，一直是教学主管部门探讨和研究的课题。本文通过互联网+的模式采集数据，通过数学模型来分析数据，通过大数据分析得到有益的调查报告以及启示，可为今后的政府以及学校有关制度的建立及政策的撰写提供提供参考依据，从而使政府及学校的工作更加科学、规范和合理。

1 大数据与数学建模的特征

当今社会下，基于互联网下的大数据分析与研究已经成为社会的热点话题之一，但国内外现阶段对大数据建立与解释尚未有统一的定论，只是从不同方面概括了它的主要特征，它可以根据数据感知某段时间发生的信息，结合所有数据，挖掘潜在的信息，了解数据背后所隐藏的信息，为社会服务。数学建模是通过建立数学模型，通过模型计算，在一定条件下得到的结果，通过对结果的分析，得到重要的结论。结合大数据与数学模型对一些难以量化的问题进行数字化、信息化，对高等教育教学质量及学生自我能力评估中具有一定的参考价值。

2 学前教育诊断问题提出

为了检测学生的素质综合能力进行测量，本文设计一个学生测评表，要求学生以及教师通过网络对数据进行统计，以学生的4个等级（A，B，C，D）进行统计，后台以1、2、3、4四个分数进行运算。这些问题时：

u1我对教师岗位的满意度；

u2我能够做到爱岗敬业，爱国守法；

u3通过学习，我能够提高我分析问题以及解决问题的能力；

u4我能够通过心理学知识以及学生特点使得教学内容充实易懂；

u5我设计的课堂，教学活动互动性强，生动，有趣；

u6我能够根据地方实际以及学生实际授课；

u7我自我评估能力以及效率意识强；

u8我情绪管理以及团队协作意识强；

u9我能够有效地利用教学辅助手段；

u10我能及时了解我的学生的学习情况并给予适当的指导；

这些评价指标（具体测评表本文不做论述）：3.1，3.2，2.1，3.6，1.8，3.8，1.9，1.6，3.1，2.8收回自我测评表后，我们如果知道自己水平如何？

图1 基于大数据的学前教育数学模型质量诊断平台

3 软件设计及数据采集

针对以上问题，开发一款数据采集然后通过数学建模进行数据分析，然后得到教学质量诊断报告。开发目的：用户可以管理老师的质量诊断信息，更能为其提升教学质量，达到软件目的。基于大数据的学前教育数学模型质量诊断平台部分功能如图1所示，提供了完备的大数据，包括学生管理、教学管理、质量诊断、质量分析、用户管理。该系统安全性能高，是一款绿色健康的系统软件是针对数学模型质量诊断进行的系统。督导评价是质量诊断下的一个功能模块。可在督导评价模块中对功能等进行设置。督导评价页面主要显示功能等，对于一些参数用户可以做修改。督导评价页面通过点击质量分析设置菜单栏中的教学质量统计选项。教学质量统计可对功能进行设置，完成相关操作。督导评价是质量诊断下的一个功能模块。可在督导评价模块中对功能等进行设置。督导评价页面主要显示功能等，对于一些参数用户可以做修改。选择质量分析功能中需要设置的内容，直接根据需求进行输入即可。点击成绩分析中的文本框，可以直接输入或者在下拉框中勾选对应的选项提交即可。成绩分析的设定对质量分析的实现非常重要。

表1 某校教学质量学生自我测评结果统计表

表2 各项比较

4 模型的建立

通过软件设计，大数据背景下高校学前教育诊断数学模型研究需要一种最简单实用的数据分析方法对所有参评的学生的评分，某校打分如表1所示。

公式（1）中W为所有学生对自己胜任教师评分平均分数，X为某一个学生的评分分数。根据计算可知某学生的分数为2.71（总分4分）。

而按照每一项的综合比较为如表2所示：根据表分析，某学生在我能够根据地方实际以及学生实际授课具有特点，情绪管理与团队协作需要加强。

因数据原因，后续采用大数据统计后，可以通过软件进行方差分析法进行分析。

结语：大数据背景下高校学前教育诊断数学模型研究关于评价指标以及评价方式。需要教育研究者精心设计每个评价指标以及评价方式，力争评价表格明确和具体，要力求避免某一指标的意思与另一指标的意思相互交叉，同样需求力求评价不被人为干扰，这也是基于互联网模式的优点，学生自我点评以及教师点评具备保密性。本文因笔者能力有限，与预期效果有所偏差，主要表现软件开发方面还需要大量人力物力，在数据统计中，因数据量不够，统计分数可靠性降低。再者没有把教师评价还有学生所带学生评价统计在内，后续工作还需要继续研究。自评还要加上教师评价以及所教学生评价的素质和水平与评价结果关系密切，必须引起重视，采用互联网点评，会使得一些人情偏颇之见反映到评语之中以及打分之中，使得评价结果失真。教育理论研究工作要走在前列，不同的数学模型、评价方式及评价方式都是为解决某一特定问题建立的，各有特色也各有不足。一种方法不可能包罗万象，因此，只有把大数据以及数学模型建立起来，通过软件强大的计算功能，才能把素质教育量化，为学生的终身发展以及教学建议提供理论依据。