基于大数据技术的高校教育模式创新研究

丁富贤　梁煜

高校教育作为目前我国教育的重头戏，自身有培养专项性人才的育人责任。在信息科技持续发展的大背景下，传统的“填鸭式教育”“流水式教育”已然不符合现有高等教育的要求。通过在教学中采用大数据分析、智能化技术等手段，在大数据平台下创新教育模式将会逐渐成为中国高校教育的主流，而大数据分析信息技术作为一个高信息化、移动化和互联化的新技术发展途径将与高校传统教育机制广泛结合，深度发掘大数据分析信息技术在高校教育领域中的功能具有极大发展潜力，在高校教育模式中的创新应用已成为可预见的必然性。

一、大数据技术的含义及特点

“大数据分析”一詞并不是所谓官方的界定，但无论是电脑行业或是学者，关于大数据分析的看法都是大致相同的。常见的一个说法是：现代社会在计算机科学和互联网技术高速发展的推动下，社会各行各业都早已步入了“互联网+”时期，在互联网络中每日生成的数据信息量是无比庞大的，这种数据信息是离散的、无法被加工的，而构成这种数据信息的海量信息数据便是“大数据分析”，实实在在地体现了各个大数据分析提供者的意图和状况。近年来，由于手机等移动式互联网络平台的广泛应用和5G网络的发展，大数据分析的生成速率也越来越快，仅京东、淘宝等几个传统购物平台每日生成的商品信息数据的量便是以TB为计算单位的，而百度等大规模互联网搜索引擎的日信息处理数据量则到达了数百PB的量级，这样庞大的数据分析量早已超越了人们在过去上千年中所累积而来的数据信息总和。因此当今社会进入了大数据分析信息时代，这也意味真正的“知识大爆炸”时期来临了。大数据技术的发展与应用，将对中国许多领域生成更深远的影响。

舍恩伯格作为美国信息科学技术方面的权威发言人曾指出，信息的价值就是对未来发展趋势的预见，未来事件出现的概率可以通过大数据分析技术来进行预测。他还在专著《大数据时代》中指出了大数据分析和以往信息的三大差别：一是大数据分析方法不仅要收集随机样品，而且要收集全体信息；二是信息本身不再要求绝对准确，而是庞大而纷乱复杂的；三是信息间不再存在关系，而是交互联系。简单说，信息和以往信息的主要差别就在于“大”，大到能够覆盖所有的信息产生领域。经过技术总结，信息有着七个突出的优势：

（1）内容（Content）。只有内容够大的信息包，才可以称之为信息。

（2）类型（Variety）。简单形式和结构化的信息是无法被称之为大信息的。目前互联网运营商利用网络获取到的信息大多是非结构化信息，包括微博、社交APP、互动网站和各类多媒体信息等各种各样的信息。

（3）速度（Velocity）。大数据的提取速率基本上是即时性的，不具有以往的延迟性和周期性。

（4）可变性（Variability）。大数据分析是永远保持在变化中的，因此不会出现人工管理的现象。

（5）真实性（Veracity）。大数据分析利用了P2的信息获取手段，从而更合理地保障了信息数据的准确性与可信度。

（6）复杂性（Complexity）。大数据分析因为信息途径丰富，信息类型繁多以及数量庞大，所以在信息复杂程度上都是前所未有的。

（7）利用价值（Value）。当将看似杂乱无序的海量信息聚合为更海量的信息时，便形成了利用价值。

二、高校教育管理过程中存在的问题

（一）高校各项信息未能有效整合

单维信息描述和衡量教情、学情是片面的，高校教学管理实际需要以多维度的方法来确定师生资源。当前自下而上的师生信息资源收集方法不但耗时费力，且缺乏监督机制。目前，高等学校里各单位已经形成自身的信息库，但因为单位之间口径不统一，数据不能联通共享，各类数据无法高效集成。高等学校网络管理单位对各类信息系统数据了解不够全面，缺少数据比对，无法准确反映实际情况，无法为因人施教提供准确数据。

（二）从学生的学习手段、考核评分到专业选择等都存在瞄准偏差

对大学教育体制改革是我国教育改革的重要战略，新时代的高等教育管理体制机制问题具有更大的复杂性，教育理论与实践的脱节问题也越发多样综合，学校必须针对国情问题提出对应的管理政策。但在实践进程中，仍面临着不同程度的瞄准困难。对教师与学生之间的教与学水平落后因素、学生能力的发挥水平、客观价值评判以及学校对教师能力的客观要求都存在着瞄准误差，使得教育实施的针对性不足，教学效果难显且质量可持续性不佳。部分院校在精准施教过程中虽然瞄准了客观教育因素，却忽略了对教师的思想观念与客观价值评判，从而无法实现对学生主观能动性与学校外在客观条件的有机结合。

（三）扶贫管理缺乏动态预测

高校教育管理过程缺乏对教师教育的动态控制机制。建档立卡周期性和教育学习工作动态化的问题造成进—退激励机制无法充分贯彻，导致部分学校的资源有限，新增落后的学校无法有效实现精准施教，同时部分曾经优秀的教师缺乏后续培养而慢慢落后。另外，对教学管理没有动态预测跟进。项目在执行中不是绝对合理，造成管理效率低下和无法达到最佳教学效果。课程管理没有动态预测，造成教学过程的滞后，间接带来教学效果的滞后和教学进度停滞不前。

（四）考核结果未能综合利用

当前的精准化教学考核体系使部分教师过于注重考核形式，而忽视比考核更重要的本质作用。主要有以下两种表现方式：一是只关注短期效益，导致前期用力过猛后劲不足；二是只看考评对结果的制约效应而忽略考评后果的反馈作用。评价的根本意义不是对教师的控制与制约，而是完善与提高教书育人功能。通过评价成果的反馈对教师实施再识别，针对反映的问题精准调整教育政策，通过评价成果推进教学与管理，实现精准的动态控制。

三、大数据技术支持高校教育模式创新的路径选择（一）基于大数据技术整合共享贫困信息

由于无法获取系统数据的环境，社会科学探索的传统方法大多依靠数据抽取方法获取数据。但是，利用大数据统计、储存与处理的突破性方法能够高效集成教学信息，形成整体联结的精准教育大数据系统。同时，还可以建立大数据规范制度，以确定教育信息资源共享规模，并明确大数据规范。另外，通过大数据的精准识别，将大数据思维变为综合思维，并利用信息采集、储存和大数据分析的突破性手段，使散落于社会各个机构内部的信息实现集成与共享，从而实现信息比照和综合研究，以降低信息丢失和人为错误，从而有效识别学情、教情。

（二）基于大数据技术精确把握教育问题

通过系统集成获取大量的教学数据，深度发掘信息来源是准确掌握教学情况的基础，是制定有效教学方法的重要前提。首先，运用数理统计的方法对大数据进行分析，通过描述性研究了解我们的社会基本状况、教育教学条件，总结教育水平落后原因。然后，通过利用关联规则和类型解析等手段深入地探索各种数据之间的基本规律和关联性，并有选择地开展有针对性的科学教育活动。此外，还通过深入挖掘与分析公众在网络平台上的浏览偏好、关注度、业务申请数量和发表评论等多项活动的相关关系，对师生需求做出有效预测，从而为学生提供个性化、精准化的教学服务。

（三）基于大数据技术动态预测教学管理

大数据产生的复杂人工智能可替代人进行动态的判断等工作，从庞大的信息中自动识别并显示信息变化，从而显著节约并减少人力动态控制投入。通过大数据分析技术可完成精准的系统内数据、资源等全方位信息的即时监控、管理。首先，准确完整地了解各级教师的基础数据，并追踪教师的工作变动情况，以合理配置教育资源。然后，及时进行教育重点工作开展过程的监测，以适时进行教育决策。此外，动态精准监控教育大数据系统，以保证教育机构按时记录并发布有关信息，并对信息的安全进行实时监控和保障，确保各项数据在教育系统中的动态进出。

（四）基于大数据技术综合利用考核结果

根据大数据系统内的学情、教情等各项评价数据，综合系统地考核教育效果，同时通过系统内部信息的动态调整对教育效果进行动态考核，以防止系统仅关注评价结果。利用大数据分析技术综合评价结果中的关键信息，反馈和前馈并举。评价的关键信息不但涉及体系中的数据信息，也涉及网络平台的公开评议以及社会媒介的图像资料等诸多非结构化信息。通过精准教学全过程的评价成果的综合利用，助力精准识别的高效真实，进而细化教学方法并提高其有效性，实现真实生动的教学管理。

四、大数据技术支持高校教育模式创新的技术路线通过运用大数据分析技术，对学生的复习情况、考试分数和职业规划等各种重要的资料进行信息收集、预处理、储存、关系挖掘和模型构建。这一过程需要大数据分析预处理设备、资料分析，并针对行业需求构建整体的大数据分析基础设施系统，包含应用层、数据展示端、基础结构、接口层等。就大数据展示端来说，不但要在PC端开放入口，而且还应保证系统能够在移动设备上操作，比如智能手机、平板电脑等移动设备均可直接使用大数据系统。其次，在技术支撑框架上，包含了数据挖掘算法、信息获取方法、数据分析等技术，展示、存档等技术，可提供数据图表内容，并自由编辑信息。最后，就接口层面来说，还需要通过实现接口运行来完成对不同业务功能的转换，为各种业务场景快速转换提供技术支撑，从而促进不同用户之间的交互使用。通过对教育大数据的采样和挖掘分析，在平台上显示分析结果，具体包括如下几方面。

首先，基于校园网络产生流量的应用业务为线索，研究设计针对移动互联网轨迹和内容的用户洞察大数据分析与挖掘算法，重点收集可获取的各种用户数据，包括位置数据、内容数据等，给出大数据的存储、分析、展现等具体领域的研究综述。

其次，基于大数据的超融合平台系统1套，有完整用户交互流程、服务界面及各种终端，含手机、电脑等资料的输入输出。

通过以上大数据分析、挖掘算法的构建及基于教育大数据的超融合平台系统的完成，可基本实现以下功能，实现现有教育模式的创新。

（1）毕业礼物：主要收集学生在校期间的个性化活动信息，资料来源于学校选课信息、出入图书馆、宿舍、学校就餐和参加社区实践的信息，运用大数据技术进行分析、糅合、挖掘整理出学生在校期间的生活、学习的主线，并以网站或APP的形式进行呈现。学生输入校园账号即可查询自己在校的数据。这一成果旨在引起毕业生的共鸣，让他们回忆起美好的校园生活、憧憬未来，激起感恩之心。

（2）资助贫困生，送温暖：通过获取食堂的消费记录、进出大门的次数、勤工助学的记录，通过数据分析（每个月在食堂吃饭的次数超过XX顿及消费金额不多于XX元）系统直接评定贫困生，改变现有贫困生资助模式下的多方评定、纸质表格申请等传统模式。

（3）预测学情分析：通过收集分析学生的学习习惯、阅读习惯、完成作业时长、各科成绩对比等数据来预测学业情况，及时干预帮助学生，提升毕业率，改变传统教育模式下的学情分析模式。且可通过行为数据预判学生是否可能会产生心理疾病，提前给予关爱。

（4）考核教师是否优秀：考核结果来源于教师的自查报告、学校喜爱程度、教师评价的反馈情况，纵向记录教师的发展过程，自动指出待改进的问题。

（5）预录取：通过构建类似Facebook的校园对外社交型网站，收集社交平台上搜索學校产生的社交网络数据，根据大数据平台反映报考某间学校的兴趣，预录取学生。

五、基于大数据技术支持的精准高校教育模式创新平台构建精准高校教育模式的创新平台要求能支撑PB级数据管理，同时满足大数据的处理需求。系统框架对应高稳定性、易扩充度，得以支撑各种主流设计语句，并实现大量的连接。同样也得以支撑高结构化和非结构化信息的储存和应用，如图1所示。

大数据的应用基础体系自下而上包括三方面，依次是：信息层、大数据采集与储存、统计分析与展示。

（1）信息层，根据不同系统的研究，提出系统信息收集范围和对象，采集学校在生活管理和教育中形成的各种信息，把所有结构化和未结构化的信息加以集成，为大数据分析的研究奠定基础。

（2）大数据采集与存储是针对各种异构数据的适配接口进行设计，使之得以与校内其他相关设备交互，从而对其进行适配、传输、保存的数据进行控制，主要流程如下。

A.数据分析选择：面对大数据分析平台所需采集的各类数据信息，对适配接口进行分类和有针对性的研究。开发相对的接口模块并与学校已有的信息化管理体系的各信息系统衔接，针对部分无法做到数据共享接口的学校系统，利用ETL开发工具完成数据信息提取。校园管理系统信息库要求支持多种类型的数据库系统，如SQL SERVER，ORACLE，ACCESS等，对各种数据信息内容根据相关标准进行清理转化，实现对校园各种数据信息内容的统一存储管理。关于统计信息内容，则要求根据具体的校园统计情况完成相关连接，利用相对连接获取校园相关数据，进而完成校园各种数据信息的统一提取。

B.数据分析预处理：为了使大数据分析平台的MAPREDUCE计算能够更加方便快捷地对数据做出处理，同时让数据分析的存储机制具有更好的扩展性和容错性，则必须按照一定的关联性将数据进行结合并转换成中文字格式，然后作为文档保存。

C.校园数据库：在提高校园数据库的扩展和容错性方面，学校可以使用国际主流的大数据分析架构Hadoop的HDFS文档管理系统，对各种数据按一定规律统一实行文字化储存，从而每天储存一个整体的数据文件集，从而构成了数据信息库存。

（3）分析和展示是核心的功能层，通过数据报表技术为客户多样性的需求提供有针对性的数据报表。根据存储的结果进行处理、计算操作以及数据转化运算，将数据存储成报告文档，每日生成报告文档集，管理系统将报告文档以可视化的形式加以显示。

六、基于大数据技术的高校教育模式总结及创新点基于大数据技术的高校教育精准模式是大数据技术在高校的具体应用，既包括线下体制的创新，又包括线上技术的升级。利用大数据平台实现精准教育体系的在线实施，能够最大限度地发挥线下教育实践的最佳效果，从而提高教学效率。通过教育大数据的收集、萃取、整合、分析、建模、解读过程，把零散的大数据进行综合处理，导出教育具体措施，并借助此平台传递信息，最终实现教育模式开发与管理的精准化、动态化、前馈化、高效化。

（一）针对个性化服务需求，建立大数据分析模型

通过对学生学习活动的数据进行研究，分析如何提升学生的学习效率和效果，研究什么方法最容易被采用，什么项目最受欢迎，并具体到每一个答案的正确率和横向纵向的对比，将问题更深入地展现出来。这些信息一旦提交给教师，会为教学提供直接的数据来源。

根据对学生一卡通行为数据进行统计和分析，能够掌握学生的日常行为和生活消费的规律特征，从而掌握学生日常行为与成绩之间的关系，使之成为学生管理创新发展的重要依据。

通过对一卡通、书籍借阅、学科成绩、班级分布等情况进行分类和集中分析，找到具备某种共性的特殊人群以及特有的活动时间，再运用相关方法进行分析，以此找到规律性。

（二）弹性扩展资源

大数据基础设施平台满足各类应用系统对计算和存储资源的需求，实现了对应用资源的按需分配和快速部署上线，在资源不足的情况下，也能灵活地在线进行资源扩充，在满足业务需求的同时，保证服务的高水准。

七、结束语

综上所述，将用户数据和资料集成在基础设施平台上，同时通过该设施的云端平台，用户不管处于什么岗位，或身处哪里，都能够快速、迅捷地使用自身所需的数据信息和服务系统，体验云端提供的便捷服务。

参考文献：

[1]郭晓文.基于大数据时代地方高校档案管理优化的路径略谈——以赤峰学院为例[J].赤峰学院学报（自然科学版），2019（11）.

[2]赵晨.大数据时代高校学生教育管理工作有效性探究[J].课程教育研究，2019（46）.

[3]金龙，张红玲.基于大数据时代高校教育管理模式的创新探究[J].知识经济，2018（14）：156-157.

[4]程晓光.大数据时代下高校教育管理信息化創新发展路径[J]. 黑龙江教育（理论与实践），2017，14（11）.

[基金项目：中国高校产学研创新基金——新一代信息技术创新项目，课题名称：基于大数据技术的教育模式创新与研究，课题编号：2020ITA02027。]

责任编辑 魏家坚