基于大数据的农业院校科学决策路径探究

李秀英，杜东菊，邵海龙，张青松

（吉林农业大学 吉林，长春 130118）

1 引言

信息时代，大数据已经成为我们日常生活中必不可少的一部分。由于每天产生的数据呈爆炸式增长，对综合技术的创新预期达到了历史最高水平。如今，许多组织，如科技、医疗、工程、商业，乃至整个社会，都在利用大数据寻求技术创新，改变他们组织业务的运作方式，以获得可持续发展的竞争优势。为了获取大数据的价值，我们需要对其进行管理、分析和处理，通过评估性能和建立竞争优势使大数据保持良好态势。

在高等院校中进行大数据分析的目的是为了建立基于竞争优势的科学有效的决策。虽然大数据分析技术在高等教育中的应用相对较新，但是其有能力促进高等院校的内涵式发展。随着知识更新和社会变化的速度加快，知识革命时代的教育国际竞争、经济全球化等因素给高等教育带来越来越大的压力，高等院校需要具有更强的应变能力和创新能力来应对日益变化的发展环境。基于教育机构自身丰富多样、不断增长的数据，运用一定的技术手段进行挖掘与分析，通过充分利用这些数据，可以为提高教育质量做出科学有效的决策。

2 高等教育领域中的大数据分析

每天产生的数据呈现出爆炸式增长，人们对新的综合创新技术的期望达到了历史最高水平。大数据的可用性、成本、适用性、重要性、安全性等方面的研究很多，大数据在高等教育中的综合应用研究相对较少。高等院校日常的教学、科研、管理可以产生数量惊人的数据，这些数据来源于不同的管理流程，可以有效利用机构数据来改善教育部门的未来，特别是在决策方面。

在高等院校中，大数据分析可以作为一种综合的IT技术，这将使高校保持可持续的竞争优势。大数据架构组件的分析可通过分析工具，将众多来源和格式的数据转化为有意义的见解。大数据组件的体系结构由五层组成：数据、数据分析、数据聚合、信息探索和数据治理。数据层涵盖了提出见解所需的可供重复操作的源数据，数据层可以支持任何挑战，以便在机构内做出更好的决策。分析层有助于对机构中的数据进行分析和可视化，用以挖掘各种行为特征，支持决策。数据聚合层是对不同通信信道、大小、格式的海量数据进行收集、筛选、归类整合的管理过程，旨在分析变化的数据，传入数据的这种变化是实施大数据技术的重大挑战之一。信息探索层通过可以得出有意义的见解的调查报告、可视化报告提供实时或接近实时的数据。数据治理层涉及对数据生命周期、安全以及隐私的管理，包括数据治理、标准、策略、管理流程、制度、组织等方面，数据治理就是将关联方通过一套完整的管理行为，形成有序的工作以达成目标。数据生命周期管理是对信息的生命周期进行的过程管理，数据安全和隐私管理是运用大数据分析对数据进行监控、审计和保护。因此，大数据的每个架构组件都可以在教育机构中实现大数据应用。

3 基于大数据的农业院校科学决策创新路径探究

新时代赋予高等农林教育更多的使命，打赢脱贫攻坚战，实施乡村振兴战略，推进生态文明建设，打造美丽幸福中国，这些重大目标的实现离不开农业科教支撑。2018年，教育部等部门发布《关于加强农科教结合实施卓越农林人才教育培养计划2.0的意见》，要求培养懂农业、爱农村、爱农民的一流农林人才。大数据技术可以推进高等农业院校自我解构与重组，创新人才培养模式，以获得可持续的竞争优势。

目前，高等教育机构大多处于开发新方法的阶段，以重新考虑如何完成其维持竞争优势的使命。然而经济全球化，科学技术国际化，知识经济蓬勃发展是高校面临的主要挑战。教育数据分析和挖掘可以使未被注意的、不可见的、不可用的数据可见。

今天，大多数管理者都认识到他们组织数据的重要性，作为一种新的数字创新，由于其在高等教育系统可持续竞争优势中的作用与地位，这被视为一种必然。竞争优势是指当一个组织整合了各种想法，同时产生了一个目前或未来的竞争对手都不会采用的战略的程度。同样，如果一个创新战略没有被当前的竞争对手同时采用，并且它还不能复制这一战略的好处，那么这个组织就具有竞争优势。因此，当一个组织打败它的竞争对手时，就获得了竞争优势。尽管大数据仍然是一种新技术，人们对它的理解还远远不够，但它有潜力为组织提供比传统技术更大的增长能力。随着大数据分析在高校的出现，大数据分析的优势可以涵盖教学过程的各个方面，教育变得更有活力，实现高等教育立德树人的根本任务。大数据分析集成功能可以使用多种统计分析和机器语言来识别系统中的风险、问题和机遇。大数据技术与可持续性的兼容性值得商榷，特别是在多维环境、资源分配、综合实践、专业知识优先级的阶段。基于大数据的农业院校科学决策还包括监控与监管、建模与可视化、预测分析等。

3.1 大数据为科学决策提供宏观动态视野

农科生“订单式”培养是高等农林院校服务乡村振兴的重要舞台，如何准确把握培养需求，优化人才培养模式，确保培养质量，是摆在每个农林教育工作者面前的重要的课题。教育活动开展积累了大量教学、课程、学生表现、成绩、学术信息、教师研究、科技创新和治理相关的数据，大数据分析可以使教育决策视野宏观动态。可以通过创建一个档案来跟踪学生的表现、课外互动以及社会行为结果，该档案可以与机构网络上的学生档案相关联，通过综合性分析，结合农科生“订单”，各学院依据学生特点制定出不同类型人才培养方案，建议选择最相关的课程以及进行资源推送，教师可以根据生成的订制学习方式及时了解学生的表现。

3.2 大数据为科学决策提供可视化分析

考虑到教育部门作为促进经济增长的作用的日益凸显，应制定学术转型和卓越发展的新战略。可以利用大数据来改善高等教育系统功能的维护，以降低成本。引入数据挖掘方法，分析存储在其基于大数据云平台上的选课、就业等数据，预测学生的学习行为，做好学习资源的优化，探索式挖掘学生行为趋势、特征和关联，运用技术手段为学生管理提供决策支持。由于短期内传统课堂和在线平台上提供的课程不足，可以通过可视化将多种来源的课程进行整合。在校园基础设施运营中使用大数据，生成日常报告、容量、维护统计、使用情况、安全情况的可视化分析，以支持管理决策，提升管理效率，优化服务质量。在大数据的宏观背景下为科学决策寻求依据，既可以开阔视野，又可以提高工作的效率。

3.3 大数据为科学决策提供预测分析

预测分析是对不知道的未来事件的假设，可以在高等教育机构的各种情况下使用。大数据是通过预测分析代替人类决策的算法，它可以提供对学生需求、学术需求和目标的即时反馈。将高校数据、自动化算法分析和预测模型相结合，创造智能，以教学导向改变高校的组织模式。大数据分析涵盖了影响教育机构管理的所有活动，包括研究项目、资源管理与配置，还可以通过开发创新的教育系统转型预测模型来促进决策。新农科建设是农业院校顺应信息时代发展新要求的路径选择，依托现代科技的实时分析和结论，助力农科专业的转型升级。基于动态数据的分析，可以有针对性地优化专业设置，修订人才培养方案，为学科建设提供实证支持。

4 结论

随着数据的爆炸式增长，出现了海量数据，它的潜力对高等教育机构大有裨益。高校必须探索大数据分析支持未来决策，这可以使高校的功能拓展与作用发挥。为教育决策创造一种数据使用文化，与数据用户保持密切联系，以需求为导向，加强IT 部门的数据收集和应用规划，并从数据可能有用的重点部分开始，确认成功并拓展到新的领域。以创新教学为导向，努力整合资源配置，基于此开展科学而有效的决策，使高等教育始终保持持续的竞争优势。