基于高校智慧云平台的学生管理模式的构建

沈 凌,张淑贤,陈 昊

(武汉理工大学 法学与人文社会学院,武汉 430070)

《中国教育现代化2035》作出了面向教育现代化“大力推进教育信息化,构建基于信息技术的新型教育教学模式、教育服务供给方式以及教育治理模式”的重要部署。这体现大数据作为国家战略性资源的地位日益凸显。2012年Gartner提出“大数据是大量、高速及多变的信息资产,它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理。”[1]维基百科称它是一种规模庞大,结构复杂,难以通过现有商业工具和技术在可容忍的时间内获取、管理和处理的数据集[2]。相较于传统数据的存储和查询功能而言,大数据更强调数据的整合和预测,为组织治理提供技术支撑和依据,是高校治理能力现代化的重要抓手。

人工智能(Artificial Intelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。2017年7月,国务院印发《新一代人工智能发展规划》,围绕教育、医疗等迫切民生需求,加快人工智能创新应用,为公众提供个性多元化、高品质的服务。2018年4月,教育部印发《高等学校人工智能创新行动计划》,加快了人工智能在教育领域的创新应用,利用智能技术支撑人才培养模式的创新、教学方法的改革、教育治理能力的提升。在此背景下,高校如何将学校管理与大数据和人工智能紧密结合,内部主体如何有效创建利用智慧云平台,促进高校管理现代化,值得重点关注。

一、高校内部主体关系

高校的主体由教师、学生、教辅人员和管理人员等构成,这些主体构成单位根据与学生关系的紧密程度可分为直接管理单位和间接管理单位,直接管理单位如教师、学生工作处、图书馆、教务处等,间接管理单位如财务处等。文章以学生为中心,重点探讨教师、学生工作处和图书馆这三个直接管理单位作用,形成了五组关系,分别是师生之间、教师之间、图书馆与学生、学生工作处与学生、教师与学生工作处。其中,师生关系是最基本的关系,良好的师生关系不仅能促进学生综合素质的提高,也能促进教师教学水平的提升,教师能够以更高的教学水平开展教学活动,形成良性循环。管理单位都有其工作职责,大部分事项由单一部门即可完成,但是部分学生事务会涉及多个主体单位的审核、协同配合,按照以往的工作方式,需要学生或者办理人员去多个部门沟通协调,程序繁杂冗余。但随着大数据和人工智能的发展,高校教学、管理等工作发生了很大的变化,在很大程度上改善了这种局面。

二、高校智慧云平台学生管理模式

高校的首要职能是人才培养。一方面,围绕学生在校的纵向过程即入学、在校以及毕业三个阶段对智慧云平台的应用进行研究。另一方面,围绕学生在校这一阶段,以教师、学生工作处和图书馆这三个主体为主线,分析智慧云平台在教学和服务中的应用,构建智慧云平台的学生管理模式。

1.学生在校的三阶段及其管理流程

新冠肺炎疫情防控推进了高校管理的信息化,由于疫情防控的需要,避免人群聚集,许多高校采取智慧化的迎新方式。学生入学前,借助人工智能的生物特征识别等技术获取新生信息,学生通过移动设备登录新生系统,完善个人信息,完成学费缴纳、寝室床位选择等,在信息确定无误后储存到学生信息管理系统中,学生到校后只需领取校园卡即完成所有报到流程。

学生在校期间,智慧云平台的管理模式是核心,主要包括线上授课及评教、智慧化学生服务、主体间数据共享、智慧教室等四个方面。

学生毕业时,根据其在校成绩、社会实践等方面的记录数据进行分析,再结合学生的个人意愿,规划学生未来发展方向,给出就业或者深造的建议。同时,建立本校往届学生就业、深造信息库,为即将就业的学生推荐工作岗位,为继续深造的学生提供信息支持。另外,高校可以对数据库进行整合,为全校学生尤其是跨专业深造以及跨行业就业的学生提供个性化服务。学生在校期间的学习、生活以及就业情况所产生的大量数据,对于高校专业招生、学生在校培养以及就业能力评价提升方面起到重要作用。据上所述,构建学生在校三阶段的管理流程图,如图1所示。

2.基于智慧云平台的学生管理模式

学生在校期间,以学生、教师、学生工作处和图书馆四个主体为主线,构建学生在校期间的智慧云平台管理模式,运用于五组关系中,分别是师生之间、教师之间、学生工作处与学生、图书馆与学生、教师与学生工作处等多种主体的合作。

第一,教师与学生关系方面,主要是教师运用智慧云平台以多种方式培养学生,学生则对教师进行教学评价。教师根据教学评价能够及时调整教学方法和教学进度,并能够提升自身的教学水平。教师对学生的权威不再仅仅体现在知识上,更多的是在对学生学习的陪伴、学习方法的指导、潜能的挖掘等方面,促进教师能力结构的变革[3]。另外,将现代化手段融入整个教学过程,课前门口设置人脸识别系统和RFID考勤机对师生进行考勤记录,课中通过录播系统对精品课程进行采集和录制,将优质教育资源与其他教学点进行共享[4]。

第二,教师与教师关系方面,主要体现在运用智慧云平台实现交流分享与创新发展、教师之间教学资源和课件的共享、教学及科研经验的交流等,避免多人从事同一项工作造成时间、精力的浪费,能够使教师有更多的时间从事创造性的学习与研究。高校数字图书馆是个庞大的资源库,含期刊、学术论文等不同类型的数据库,内容涉及自然科学、经济等诸多学科,众多学科的历年研究成果以及最新发现都以公开的形式发表在期刊上,教师不仅可以查阅本学科的发展历程和近况,也可以了解其他感兴趣或者热点领域的知识,为教学和研究提供不一样的视角,促进跨学科研究成果的创造以及交叉学科的发展。

第三,学生工作处与学生关系方面,主要体现在服务与反馈。学生工作处有很多部门,如学工办、研工办等,学生管理事项类型众多、程序繁杂,涉及众多主体的先后参与,且每位学生因其个体差异性使传统线下办理模式的不足更加凸显,这更加体现了大数据时代智慧云平台建设的必要性。智慧云平台建设后,学生只需线上发起申请,提供相应的电子证明材料,相关申请通知就会直接传送到下一个部门,线上即可完成所有流程。以武汉理工大学智慧理工大平台的建设为例,研究生助管、助研岗位的申请、研究生请销假制度执行等涉及多个主体合作的事项都能在智慧云平台有序高效的开展。以研究生助管、助研岗位申请为例,其办理流程如图2所示,整个流程涉及多个主体,部门负责人可以一次性处理多项相同事务,提高工作效率。学生工作处与学生的反馈关系是指学生在办理完结一项事务时,可以对办结事项进行评价。学生有任何建议都可以表达,由此促进服务过程的精进完善。在智慧云平台的建设过程中,要注意平台环境的建设,人工智能技术在网络安全中的运用如防火墙,通过算法对信息数据进行识别和处理,对恶意信息进行拦截,大大提高了防火墙安全管理的效率。另外,只需一台设备就能够做到智能管控学校每个教室的电灯开关、多媒体设备开关、防火防灾设施的应用,对学校的每个细节都把握到位,让校园更加安全[5]。

第四,图书馆与学生关系方面,首先,智慧云平台的运用表现在所有藏书都配有独特的索书号,学生通过图书馆公众号搜索确定索书号后再去图书馆借阅,便于直接迅速地找到目标书籍,缩短了借书时间。还书时也有智能机器识别图书编号,消除绑定校园卡的借阅记录,使图书处于在馆状态,方便他人及时查阅。其次,图书馆可根据固定时间内某类书籍的借出量来判断学生的需求偏好,将相关书籍放在更有助于学生借阅的位置。同时,可以形成学生一段时间内搜索和借阅的图书清单,根据需求偏好设置相关书目推荐,更精准地满足学生阅读需求。最后,将人工智能技术的智能语音机器人应用于学校的窗口服务,传统的人工窗口服务工作内容烦琐且重复性高,容易引起工作人员的疲劳,语音机器人可以代替工作人员从事这类工作。

第五,教师与学生工作处关系方面,二者通力协作能更好地满足学生多样化的需求,促进双方教学科研与服务水平的提升。首先,教务处进行全校排课时,要充分考虑多种因素,做到最优排布。学校中的不同教室最多可容纳学生数都应有数据库支持,保障可容纳学生数大于、等于上课人数,上课时间不相互冲突,再综合考虑教师时间,可实现有效排课。学校内所有教室各个时间段的使用与空闲情况都应在智慧云平台上实现查询功能,便于学生自习以及教师课程外的教室使用。其次,教师把学生成绩提交至智慧云平台的学生工作处,由其审核后上传至学生个人信息系统,这样学生能够随时随地查询自己的课业成绩。再次,高校实验室是师生开展研究性学习的重要场所,实验室能否实现有效管理是其能否充分发挥作用的前提,实验室的识别系统已由以往需要学生工作处授权的校园卡识别系统转变为人脸识别系统。最后,利用人工智能技术优化现有教师结构;寻找优秀教师分享经验;明确紧缺人才为招聘提供指导;识别某些方面表现欠佳的教师,为其提供与之专业背景知识相契合的教学任务,并提供培训机会,优化教师的知识结构。综上所述,构建了高校智慧云平台学生管理模式,如图3所示。

三、高校智慧云平台学生管理模式的困境

智慧云平台的应用虽然为高校治理带来诸多便利,但在运用的过程中也存在一些问题。

1.信息安全难以保障

信息安全是指保护信息和信息系统不被未经授权地访问、使用、泄露、修改和破坏,为信息和信息系统提供保密性、完整性、可用性、可控性和不可否认性[6]。大数据时代的信息安全问题包括信息泄露和信息破坏[7]。人工智能分析技术的日趋成熟以及成本的降低,使得数据收集更为便利,必然会收集许多涉及隐私的信息。如日常工作和学习生活中,在App或网站上注册信息,填写姓名、手机号、身份证号码等,这些个人信息都会被传送到数据库里进行保存,这就存在着一定的信息安全隐患。此外,学生在图书借阅时,大数据会根据学生的偏好,推荐相关书藉,这虽然能使学生更便捷高效地获取自己想要的信息,但也会让人陷入“信息茧房”当中[8],处在特定的小圈子里,长此以往,会丧失对其他事物的感知力和敏感度。因此,人工智能带给人们便利的同时,个人偏好、行为习惯等隐私信息也被保留在大数据里。

2.信息缺乏共享与整合

信息爆发式的增长,使人们难以在短时间内甄选真实且有价值的信息,伴随信息日益碎片化和歧义化,数据信息的规模和复杂程度超出常用技术所能达到的抓取、存储和分析能力,数据过多、过杂不利于及时发现高校中潜在的风险。2021年4月20日,第二届MEET教育科技创新峰会上,国家教育行政学院与腾讯研究院发布的《迈向更好的教育:未来教育的技术空间研究报告》显示,“虽然我国的区域教育主管部门和学校大部分都基本建成了教育信息化平台,但有64.2%的高校依旧认为信息孤岛普遍存在”[9]。高校办公系统可能由不同的软件平台开发,应用访问接口缺乏统一规划,应用系统缺乏集成[10]。高校现存的应用系统间的数据共享仍然依赖于以往落后低效的信息传递方式,使得高校的学生管理信息难以有效共享。因此,学生、教师等单一主体进入不同的校园网应用系统时,可能需要不同的账号密码、不同的身份,应用系统之间不能直接访问彼此的数据和功能,有时还需人工操作来进行处理,缺乏有效的集成[5]。

3.相关的保障制度有待健全

相关制度包括首席信息官制度(CIO制度)、数据安全制度以及数据标准制度等,教育部科技发展中心发布的《高等教育信息化发展研究报告》显示,由CIO担任信息化建设最高领导的一般本科高校低于10%[11]。在数据安全制度方面,一项关于117所高校调研数据表明,已经制定并实行的高校仅有54所,所占比例不到50%[12]。这反映出我国部分高校尚未建立起完善的顶层制度,难以为大数据的发展提供制度支撑。数据标准制度方面,教育部科技发展中心发布的《高等教育信息化发展研究报告》显示,具有数字化教学制作标准的高校所占比例不到35%,在这当中,211高校所占比例不到31%,一般本科高校的比例不到24%,高职高专的比例不到23%[11],高校数据质量标准建设对本校数据具体情况关照不足,数据标准不一,来源渠道众多且分散,缺少有效整合。

4.学科专有平台缺乏

虽然目前高校内部科研平台建设取得一定成效,但现有的科研平台功能基本相同,对特定学科的知识供给不足,同时大多数科研平台的数据库建设水平较低[13],数据库系统不完善。对于学生和教师来说,很难在短时间内全面检索到自己所需的信息,文献有效检索难度较大,效率低,开展研究的信息保障不到位,在一定程度上影响了教师和学生开展科学研究的积极性,限制其创造性的发挥。

四、高校智慧云平台学生管理模式的实现路径

高校智慧云平台学生管理模式的优化可以从意识层、实践层、技术层以及制度层四个层面推进。

1.意识层:提升信息安全的敏感度

由于高校是非盈利机构,经济利益的冲突纠纷较少,高校的网络系统以往未遭受过大规模的攻击,导致高校对信息安全不重视。高校应提升对信息安全的敏感度,教师、管理人员要注重工作过程中产生的数据保护,养成涉密不上网、上网不涉密的习惯,同时要注重对学生的隐私自我保护意识的培养,陌生网站不轻易点击,不随意输入个人信息、账号密码等。

2.实践层:促进数据和学科平台资源建设

为了落实国家“双一流”高校建设的高等教育政策,高校科研平台的建设应充分体现学科特色,实现简化专业化管理顺应现代教育信息化的趋势。贯彻信息共享和资源共享的原则,重视学习资源的开发、设计和存储方式,促进资源的规范化建设。此外,还应提高现有搜索引擎的能力,实现大数据与搜索引擎建设的深度结合,使教师能及时找到需要的资源[13]。构建融入人工智能技术的教育云平台[14],其数据采集要包含校内主体产生的各种结构化数据、半结构化数据和非结构化数据。该平台要建设整合学科信息的功能,教师和学生只需一键登录就可以获取自己想得到的信息,同时平台应保留其数据,当使用者在不同的用户端使用时,可以继续进行之前的操作。在此基础上,智慧云平台可以充分利用现代AI技术,一般性的问题可以设置由机器人来进行回答和处理,使教师和学生从繁杂的常态性事务中脱离出来。

3.技术层:提升主体数据综合运用能力

一方面,高校应开设信息技术课程,培训教师和学生信息网络相关知识及系统的使用技巧,在理论与实践的综合学习中,逐步形成运用大数据思维分析问题、解决问题的能力;另一方面,发挥校内专业人才的优势,建立综合性研究中心,探索服务于高校教育信息化的制度及机制建设,为高校治理现代化服务。

4.制度层:建立及完善相关保障制度

相关的保障制度可以从首席信息官制度、数据标准制度、数据安全制度入手。首先,高校应积极建立适应高校发展的首席信息官制度,并使其在高校教育信息化过程中发挥主要作用,将专业知识与专业技能充分运用到高校信息化建设过程中,建立一整套既能促进高校现代化又能统筹各方的组织制度及运行机制。其次,要建立数据收集、存储、使用的严格标准,打破各个部门数据分割的状态,在标准的数据收集基础上不仅能够降低数据分析的成本,还能够从更加全面的角度来分析和应用数据。人工智能时代的高校数据治理应更加注重高校自身实际需求,完善校本化高校数据挖掘与共享质量标准是未来人工智能赋能高校治理要努力的方向[15]。对于数据安全制度,应着重建立数据安全的预防制度和预警机制,将可能产生的不良影响降到最低。另外,应建立数据安全问题发生时的应急处理机制,在发生问题后能第一时间找到原因,避免造成更大的损失,从而提高管理的有效性。