高校大数据展示设计研究

王涛涛　施炜利

摘要：为了提高高校的管理决策能力、教学评估水平、学生管理水平等，很多高校正在推进教育大数据建设。课题组成员以江西省某高校实践经验为例，构建了高校教育大数据平台的技术构架和数据分析模型，设计了教师评价、学生评价、教学效果、学校发展等几种典型的专题大数据，并实现了可视化展示，为学校管理水平的提高提供了有益的支撑。

关键词：高校大数据;数据挖掘;数据分析;可视化展示

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2021）03-0026-002

1 引言

大数据时代，高校管理创新面临新的机遇，如何有效使用大数据以促进教育管理水平的提高，是每个高校亟须解决的问题。如何按照高校需求建立大数据应用中心，实现数据分析服务，支持各管理部分进行数据挖掘与应用，并为学校政策制定、落实重大决策提供科学依据。很多高校已作为一项重要工作在推进。

然而，教育大数据的应用之路却充满荆棘，在应用中的难题不断。课题组在研究推进本校大数据实施方案的过程中，最突出的问题便是数据分析问题。

2 高校大数据研究进展

课题组以数据挖掘和教育为关键词，分析了国内近10年的论文共计2040篇，图1显示了2010-2020年各年发表篇数分布情况。经分析发现，近10年来，对教育大数据的挖掘与应用呈逐年上升趋势。国内学者已对教育大数据挖掘以及整体框架设计和相关平台建设展开了较有成效的探索。

清晰科学的架构设计是高校教育大数据可持续应用与发展的基础保障。杨现民等[1]提出四步建设策略。刘邦奇等[2]提出应用体系建设、团队建设、制度建设三个关键要素的协同配合。余胜泉等[3]剖析了教育大数据的数据收集、模型构建、数据分析、智能推荐、决策分析等总体框架。另外，还有学者从平台建设、数据库设计、数据的采集与存储、大数据平台运行机制、信息的共享、质量监控与评估等进行了研究。

在应用方面，构建了教育质量改进模型，将学生服务、教师教学、家长协同、学校管理利用大数据进行一体化分析与改进。崔延强[4]利用大数据在教育质量监控与评估方面进行了有效的探索。林丽丹[5]分析了高校大数据存在问题，探讨了大数据技术的实际应用場景。万晨[6]设计了基于大数据的课堂教学质量评价方案，并通过该方案有效提升了课堂教学质量。邹琴琴[7]提出通过大量数据建立起学习分析模型，对于教育行业发展有着重要的推动作用。

3 高校大数据分析架构

课题组对某高校大数据平台的技术架构、数据分析模式及专题应用进行了设计。研究构建了数据采集层、数据处理层、数据分析层、数据展现层、数据应用层等五个层次的构架。并将安全保障体系贯穿于五个层次，以确保数据的安全性（如图2所示）。

3.1 数据采集层

平台数据来源包括学校各大信息系统，包括教务、招生、就业、科研、后勤、网络教学平台、官网、图书馆等，通过这些系统数据采集，可以获取较为全面的运行数据。随着监控、门禁、WIFI等物联网设备数据的有效采集，可以逐渐提高信息化资源的利用率与水平。

3.2 数据处理层

高校大数据应用与建设要解决的首要问题是数据的质量问题，需要通过去除虚假、重复、矛盾、错误数据，实现数据的清洗。数据的精准处理是发挥数据价值的关键。

3.3 数据分析层

数据分析层是平台的“大脑”，如何提高大脑“智商”取决于数据分析模型的设计。当前，教育界比较主流的分析模型包括适应性学习模型、学习预警模型、学生画像模型、决策支持模型等。课题组根据学校实际情况，将从预测性分析、诊断分析、描述性分析三个层级去实习，实现小颗粒度、目标聚集的数据分析模型。

描述性分析主要是对数据进行统计性的分析。比如教师情况分析、学生成绩分析、学校投入情况等。

诊断分析可以直达数据核心，将问题原因找出来。例如，学生有哪些知识缺陷、学校有哪些障碍、学科能力如何、具有哪些学科优势等，利用方法有知识诊断检测、知识追踪模型、相关分析等，以实现诊断分析。

预测分析利用数据的关联、发展等，对教育相关事件的趋势进行预测。例如，可以利用决策树、回归分析等算法来预测某个学生在未来的学习水平的变化等。

以上三类分析从易到难，对高校教育发展的作用也越来越大。

3.4 数据展示层

数据展示是有利于利用数据的关联性，便于决策和干预。数据展示主要呈现基础信息、教师队伍、学生综合、教育安全等大数据。通过以上数据的可视化展示，实现校级层面的数据“看、用、管”，实时掌握学校的概貌与动态，实现基于数据驱动的科学决策[8]。

3.5 数据应用层

数据应用是此项工作的最终目标。如何基于数据结果对问题提出合理化建议，进而促进学校健康、高效、持续发展，是研究的核心。因此，数据应用层要围绕政策制定、资源配置、质量监控、评价体系最重要的任务进行设计。并且通过应用以促进数据采集、处理、分析、展示的持续优化。课题组设计了几种常用的专题大数据。

3.5.1 资源大数据

资源大数据的分析与利用，可以让高校管理者了解学校的总体发展情况，能为管理者合理规划提供决策支持。

3.5.2 师资大数据

师资大数据的分析与利用，可以让师资培训与提升提供更精准的规划，并能促进教师的合理化配置，更好地为教师管理服务，从而促进教师队伍管理的现代化。

教师大数据除了大家熟知的基本信息（学历、职称、专业、年龄等），还有培训数据、教育教学活动数据，更重要的还有教师幸福指数、教学发展指数、科研发展指数等。这样才能更全面的了解教师的整体情况以及每一位老师的发展情况。

3.5.3 学生大数据

学生大数据的分析与利用，可以更好地调整人才培养方案，以达成人才培养目标。学生大数据包括德育数据、体测数据、成绩数据、学习轨迹、获奖数据、就业跟踪等数据，可以很好地评估一个学生的学习完成情况，实现精准的学习干预和预警并及时的实现家校联动。

4 高校大数据可视化展示

通过分析各高校建设的平台，以及相关企业大数据可视化产品，综合提出几种典型模式。

4.1 可视化图表

传统的可视化具有通俗易懂的优点，将折线、饼、气泡、仪表盘灯图结合在一起，成为当下数据可视化的主流呈现方式。基于可视化图表，管理制可以清楚了解学校的整体情況，以及发展趋势。

4.2 地图

基于地图的展示具有直观的优点，可以把宏观到微观全部进行视觉呈现。

4.3 可视化图表与地图相结合

将可视化表与地图进行组合呈现，可以优势互补以实现视觉效果与数据价值的最佳体现，能够给高校管理者提供具有时空分布的直观体现又可以深挖某一个方面的问题，找出具体原因。

4.4 数据流

基于数据的展示是将数据的产生、交互进行可视化的映射。基于数据流通常要结合数据本身或者数据池来展示。例如，网络教学平台数据池，包括了课件、视频、音频、题库、学习痕迹、教学痕迹等，通过数据池的展现可以实时反馈网络教学平台运行情况。

5 结语

高校大数据正在进入快速应用事情，在应用实践中很多问题不对出现，阻碍了数据应用的有效性，也阻碍高校应用的积极性。下一步，团队将围绕网络教学平台的数据模型构建进行深入的研究。

参考文献：

[1] 杨现民，陈世超，唐斯斯.大数据时代区域教育数据网络建设及关键问题探讨[J].电化教育研究，2017， 38（1）：37-46.

[2] 刘邦奇，张振超，王亚飞.区域教育大数据发展参考框架[J].现代教育技术，2018，28（4）：5-12.

[3] 余胜泉，李晓庆.区域性教育大数据总体架构与应用模型[J].中国电化教育，2019（1）：18-27.

[4] 崔延强，权培培，吴叶林.基于大数据的教师队伍精准治理实现路径研究[J].国家教育行政学院学报，2018（4）：9-15，95.

[5] 林丽丹，李娜.大数据技术在高校智慧校园建设中的应用研究[J].电脑知识与技术，2020，16（18）：36-38.

[6] 万晨.大数据驱动下的课堂教学质量评价方案研究[J].电脑知识与技术，2020，16（17）：39-40.

[7] 邹琴琴.教育大数据视角下学习分析的应用研究[J].电脑知识与技术，2020，16（10）：179-180.

[8] 杨现民，郭利明，邢蓓蓓.区域教育大数据分析架构与展示设计研究——以江苏省A市为例[J].电化教育研究，2020，41（5）：66-72.

【通联编辑：王力】