基于教学全流程的大数据治理体系应用研究

赵华，海啸

（西安欧亚学院，陕西西安 710065)

0 引言

数字化转型已经成为近两年社会各领域关注的热点，国家“十四五”信息化规划已经明确提出了要加快数字化发展，全面推动产业数字化转型，要建立起高效利用的数据要素资源体系。进入数字化时代，大数据的应用已经融入社会生活的方方面面，为各行业的持续发展和数字化转型带来了新的驱动力。《2021年地平线报告（教学版）》提出了影响未来高等教育教学的六项关键技术，其中基于数据的学习分析将会为基于证据的决策提供最佳实践[1]。新冠疫情加速了各行业的数字化转型，促进了在线教育快速发展，但也给高等教育带来了新的机遇和挑战。面对激烈的生源竞争和就业压力，以及学生发展的个性化需求，对高校人才培养和质量保障提出了新的要求。部分高校已经提出，要从数字化思维出发建立人才培养过程监控系统，建立贯穿学生成长全过程的数据反馈机制，提升人才培养与社会需求的契合度[2]。越来越多的高校开始将数字化转型作为了学校发展的新契机，充分运用移动互联网、大数据等信息技术全面启动线上线下相融合的新型教学模式。教学大数据应用已经成为数字化时代促进高等教育教学高质量发展的重要驱动力。

1 高校教学大数据应用现状

随着数字化时代到来，线上线下融合已成为高等教育新常态，在线教学应用的广度和深度已经有了质的变化，新的教学模式逐步开始改变传统课堂教学的思维和运行方式。高校教学信息化建设和应用也取得了显著成效，业务规则逐渐明晰和规范，各类业务系统逐渐建立。业务数据越来越多，有系统积累的数据，也有非系统产生的数据，这些都为高等教育教学质量提升带来了创新实践的契机。为了保障在线教学授课质量和学生学习效果，越来越多的高校开始关注大数据技术在教学领域的应用。通过研究在线教学数据，对课程教学情况、学生的学习行为以及学习效果进行分析，从而促进教学质量提升。从大数据实践应用教学上看，目前各高校为了解决教学数据共享和数据应用问题，开始重点建设数据共享平台，“数据孤岛”问题已得到初步解决，为学校教学活动、科研管理和日常服务等工作协同发挥了重要作用。基于大数据的学习行为分析、教学效果评价以及教学管理决策等已经成为教学大数据应用研究的热点内容。然而在实际应用过程中却发现教学各环节的数据衔接性还不足，数据可用性不高，数据的价值未能真正发挥作用。具体来说，主要存在数据采集不全面、必要的数据字段缺失、数据内容重复、数据值为空、数据更新不及时和数据未能深度应用等问题。数据质量已经成为广泛关注的问题，严重影响了教学大数据应用的效果，这也给高校数字化转型带来了阻力。开展教学大数据治理已经成为高校教学信息化重点研究的课题，也是数字化时代高校教学改革面临的新挑战和现实问题。

2 基于教学全流程的大数据监测体系建构思路

维克托·迈尔-舍恩伯格认为利用大数据能够收集到过去很难收集的数据，能够根据学生个体需求，通过概率预测找到需要优化的学习内容，并不断进行优化[3]。对于教学大数据研究范围，除了传统的结构化数据，如学生基本信息、学习成绩等，一般还包括半结构化和非结构化的数据，如提交的作业、系统访问日志等多种异构数据。这些数据都伴随着教学活动产生，日积月累形成了海量的教学大数据资源池。但这些教学数据的存储规范不同，格式不同，数据间关系复杂，传统技术手段很难从中快速找到有价值的信息。这就需要以问题为导向，以质量控制为目标，运用大数据技术建立数据模型,设置关键观测点，开展数据挖掘分析。教学大数据挖掘的最终目标是通过对不同视点下教学参与者关注的教学现象的监测，完成向最优教学效果逼近的过程[4]。因此，在教学过程中数据监测点的选择，必须遵循教育教学理念，需要覆盖关键教学环节，数据才能真实反映学生的学习状态和教学效果。

美国Spady等人1981年提出了OBE教育理念，即成果导向教育(Outcomes-based Education),近年来已成为高等教育教学改革的重要研究方向。成果导向的本质是以学生为中心，关注学生受教育后所获得的能力以及毕业后能够做什么的人才培养模式。按照成果导向的教育质量观，所有的教学活动设计、教学资源配置、教学质量控制都应以保证学生学习目标达成为导向，能够及时反馈目标达成度，明确改进方向，促进教与学过程持续改进，不断提升教学质量。为了关注教学全流程，对教学各环节进行数据监测，需要参照“以学生为中心、成果导向、持续改进”的理念构建基于成果导向的教学全流程大数据监测体系。借助移动互联网及大数据技术，实现对人才培养目标设定、教学过程监控、质量达成评价等三大环节的数据管理，从而在数据收集和信息反馈层面形成闭环，使人才培养过程形成循环、动态、持续改进的教学质量监测管理。其体系结构如图1所示。

图1 基于成果导向的教学全流程数据监测体系

根据成果导向教学全流程设计，针对三个关键教学环节，可以对应OBE 教学管理系统、在线教学系统和教学质量评价系统这三个子业务系统。通过业务系统设定教学目标，开展课堂教学，记录学生参与讨论、作业、测试等学习活动轨迹，为后续教学分析提供数据支持。

教学大数据平台是整个教学管理过程的基础平台，与三个主要业务系统进行数据对接，为教学全流程提供数据采集、数据交换、数据分析和数据预警等服务，进行各个层面的数据分析，保障教学过程的顺利开展，为管理决策提供数据支持。

3 基于数据治理机制的教学大数据平台建设

高校教学质量评价和管理决策需要依赖真实、可靠和全面的数据。如何在海量的教学运行数据中挖掘出有价值的数据观测项，对学习成果形成评价反馈，需要我们基于教育教学理论基础来构建教学大数据平台，并建立支撑这一平台高质量运行的数据治理机制。教学大数据监测涵盖人才培养各个环节，监测点涉及院系、专业、课程、教学活动、资源保障等诸多要素。这些环节涉及的全量数据体量较大，数据质量也千差万别，给大数据应用带来了阻力，因此需要结合数据治理工作来建设学校教学数据监测体系和教学大数据平台。

3.1 以数据治理为依托构建标准数据集成体系

数据治理是指从组织架构、管理制度、操作规范、应用技术、绩效考核支持等多个维度对组织的元数据、数据标准、数据质量等领域进行全面管理和持续改进的过程[5]。数据治理主要工作是按照“一数一源”的原则梳理并确定数据源头，通过对学校各业务系统运行状态、数据结构、数据集成和共享情况进行分析，梳理学校主业务逻辑，建立各业务域数据信息标准；根据业务域信息标准，对各业务系统数据内容进行数据清洗，配置数据对接流程，并根据业务数据的更新规律和使用需求，配置数据的调度规则，确定不同业务系统的数据集成方案；从而建立从数据源头梳理、过程质量控制、数据存储、数据共享到数据应用完整的数据集成体系。具体实现逻辑如图2所示。

图2 标准数据集成体系

3.2 建设基于统一数据标准的数据中心

数据治理的核心是建立一个标准规范、来源权威稳定、数据高度融合、数据质量可靠的全量数据平台，并产生有价值的数据应用[6]。按照以上逻辑框架，学校数据平台从各业务系统数据库中抽取出学校的业务数据，完成数据层的集成，构建全量数据中心，即“数据湖”。全量数据中心将覆盖各业务领域全量数据，通过数据治理工作将数据规范化、标准化，形成标准的高质量的数据中心，即“标准数据仓”。学校各类数据通过数据中心进行统一存储，让数据中心成为全校数据的统一出口，并按业务域进行数据管理和展示，实现业务数据报表统计、决策数据分析；同时基于数据中心实现接口发布和数据共享服务，形成学校统一的业务数据集成环境。为保证数据可追溯，需要基于数据中心构建历史库，对已产生的业务数据进行历史版本管理，将所有新增和修改的记录统一在历史库中记录，实现历史数据的沉淀。

通过数据中心的历史库管理可以查看历年的各业务系统集成数据，并可根据多条件进行快捷的查询。同时基于数据中心的全局库进行数据仓库事实表和维度表创建，为数据应用及数据分析提供基础数据。为了使数据中心既能有效保留历史数据变动信息，又不会浪费存储空间，可以通过拉链表方式，实现主数据、信息编码数据的定时切片、增量备份。

3.3 建设高性能可扩展的数据交换平台

为保障教学运行过程中各业务系统数据高效稳定交换，需要基于标准数据仓面向各业务系统提供专业数据交换服务；按照统一的数据模型、数据标准和接口规范，实现接口快速调用、数据自动提取、数据转换、数据发送、数据校验、数据审核和接口消息提醒等功能。

数据交换平台汇集了各类权威数据，可按照业务域分类进行数据表接口查找和调用；通过在线调试和快速调用，实时反馈API 的交互情况，快速解决数据交换问题，实现业务数据及时共享管理。针对教学数据量大，业务逻辑性强的特点，通过采用分布式数据交换技术，提供可随业务数据量和交换需求增加而平滑扩展的交换平台框架，满足当前及未来学校数据服务需求；同时还将提升数据共享交换性能，保障高并发场景下数据交换的效率。

4 结束语

在数字化转型背景下，借助大数据技术对人才培养过程的各环节进行全流程监测与评价已成为必然趋势，通过数据驱动学习变革的时代已经到来[7]。通过研究高校教学改革痛点，建立从培养目标、教与学过程，评价反馈等整个教学全流程的大数据监测，开展大数据治理研究，对促进高校教学质量提升具有重要的现实意义。目前开展教学大数据研究的高校较多，也产生了不少研究成果，但真正推动应用并对教学质量提升产生实质效果的并不多。教学大数据应用归根到底不只是技术问题，更是管理问题。在数字化转型这个大背景下，各高校还应建立起全员数字化意识，要将数字化意识融入教育教学工作中。大数据技术要与教育教学理论深度融合运用，坚持“以学生为中心，目标导向，持续改进”的原则，与教与学过程紧密结合，充分发挥数据的价值，让数据成为教学改进的重要支撑，让决策更加科学、准确。