大数据对高校大学生教育管理的影响及策略

摘" 要：我国诸多行业均在大数据快速发展的时代背景下产生了显著变化，各大高校需要紧跟时代发展步伐，将大数据技术与学生的教育管理过程相融合，在展示大数据技术应用优势的同时，提高教育管理整体质量与效率。文章从管理手段、管理预测、管理方法三个角度出发分析了大数据对教育管理的影响，并提出了几点基于大数据技术有效展开教育管理工作的创新策略，以期能够为教育行业注入新的管理动力。

关键词：大数据技术;高校学生管理;影响分析;创新策略

中图分类号：G647""" 文献标识码：A""" 文章编号：1673-7164（2024）16-0059-04

对于各大高校而言，在当前的大数据时代发展背景下，应意识到教育管理与大数据结合的重要性，在不断积累教育经验的同时，能够基于扎实的教育管理理论促使教师自身专业素养水平实现进一步提升。现阶段较多的高校所沿用的教育管理模式相对较为传统，不利于未来的高校发展。因此，更需要国家加大大数据技术的应用推广的整体力度，为教育质量与教育效率的进一步提升提供创新支持。

一、大数据对高校大学生教育管理的作用

（一）提供管理新手段

大数据技术使分析学生行为成为可能，通过分析学生在社交平台上的互动、娱乐偏好、消费习惯，教育管理者可对学生日常生活，如社交动态、学习习惯和心理健康进行深入理解。这种全方位的数据收集和分析，为高校管理层提供了更加全面和动态的学生行为视角。

大数据分析可以揭示学生群体中的热门话题和趋势，为高校提供调整课程内容、组织活动的参考;大数据还可提高教育管理效率，通过自动化的数据收集和分析，高校管理者可以更快地获得信息，做出基于数据的决策，提高管理效果，优化资源配置，升级教育资源。[1]

（二）提供前瞻性管理预测

1. 学习

在大数据技术的全面应用支持的大背景下，学校可以全面掌握学生的诸多情况，例如典型的上课出勤率、考试成绩变化状况等，提供给了学校统一把控学生学习情况的便利条件。[2]大数据分析可深入了解学生的学习习惯和成绩波动：通过分析学生的考试成绩和学习材料的使用情况，教育者可以识别出学生在特定学科上存在的困难，提供定制化的辅导或学习资源;通过分析学生的借阅记录和在线阅读行为，图书管理系统可以推荐与学生学术兴趣和学习需求相匹配的资料，有助于学生在自主学习过程中获取更多有价值的信息。

2. 行为

学生在日常生活和学习过程中，会与一卡通消费系统、门禁系统等不断互动并生成数据，高校可以利用这些数据构建行为预测模型，[3]了解学生的日常活动规律，包括餐饮选择、活动范围和时间分布等，进而对学生的生活习惯和行为模式进行综合评估。高校可以通过参考系统数据提升学生管理预判的准确性，及时发现学生迟到、早退、消费异常等异常行为，还可通过长期的数据分析，识别学生行为的潜在趋势，在必要时进行干预。[4]

3. 健康

高校可以利用运动监测、睡眠质量追踪等监测系统，参考学生的生理健康数据，及时发现潜在的健康问题，如睡眠不足或异常生活习惯。在心理健康方面，大数据通过参考学生在各类平台上的互动数据，如社交媒体言论、在线行为模式等，教室可结合心理测评工具，对学生进行深入的心理健康评估，识别出需要关注的心理问题。[5]基于数据分析结果，高校可定制化心理咨询，开展针对特定群体的心理健康讲座，提高心理健康服务的效率和效果，在问题初期就进行有效干预，预防心理健康问题的恶化。[6]

（三）提供科学管理方法

在学生成绩和荣誉评定方面，高校可以利用大数据工具整理学生在不同考试中的成绩变化情况，将所获取的荣誉与成果融入其中，并联系学校学生群体的整体曲线变化展开深入的数据分析，自动生成变化曲线，并据此设置不同阶段的学习目标。[7]

在校园信息化建设方面，大数据技术的应用显著提高了管理效率，降低了成本。以新生报到系统为例，集成了大数据技术的系统能与报到的相关部门自动对接，建立数据之间的共享联系，摆脱以往繁复的手续办理模式，学生在简单的几步操作下即可完成费用缴纳、户口转移等任务。[8]这精简了新生报到与手续办理时所需的人员，相应的入学程序清晰明确，提升了新生入学的满意度。在校园资源的优化配置方面，大数据技术能够进行深度分析和预测，实现资源的最优配置。通过分析学生在校人数的变化，学校可以对图书馆、食堂等公共场所的资源进行合理调配，实现不同时间段内资源的集中优化，保证食物、电力等关键资源的分配合理性，在满足师生的基本需求的同时，还有效地减少了资源浪费，促进了校园环境的可持续发展。[9]

二、大数据服务体系在高校的具体应用场景

大数据技术的出现为现阶段的行业发展注入了更多动力与活力，为人们的日常生活提供了诸多便利条件。而在大数据时代背景下，高校教育管理工作同样需要明确学生的学习特点。学生的日常生活与学习状态，在大数据技术的支持下发生了较大变化，其既是高校的发展机遇，也是教育教学的挑战。为此，高校需要强调大数据服务体系构建与应用的重要意义，提高整体学校管理效率，进而保证实际教学效果。面对复杂的高校教育与生活场景，想要实现基于大数据技术的教学管理目标，就需要从实际服务支持、学生生活特点以及教育管理需求等角度出发，明确大数据服务体系的构建与应用方向;需要准确定位存在的应用问题，找寻能够解决问题的突破口，打造应急预案，以持续完善大数据服务体系在高校中的应用途径，为将大数据技术的应用优势在校园中予以充分发挥提供支持。

（一）学生动态信息掌握

以学生日常生活常态化管理工作为例，高校可通过部署无线感应器、RFID技术和校园内部的监控系统，实时捕捉师生在校园内的动态信息。随后，数据被输入大数据处理平台，进行深度分析、数据清洗等。通过整合分类不同数据，高校能够构建全面的数据模型：参考教学数据，优化教学资源;参考一卡通消费数据，为后续助学金发放等活动提供数据支持。还有校门、图书馆刷卡出入记录，无线网络App连接日志等数据，通过大数据分析，学校可以为后续的重要信息发送提供支持。借助大数据，学校还能制订有效的应急风险方案，进而实现对存在突发情况楼宇的快速锁定，保证事件处理的及时性与有效性，将可能产生对学生造成伤害的一系列风险降到最低。[10]

（二）科学辅助决策

基于大数据的BI（Business Intelligence，商务智能）报表系统能够对各类数据进行深入分析，从而为管理决策提供准确、及时的信息支持。通过与业务源数据库对接，数据中台可以同步并管理来自财务、人事、学生管理等系统的数据。以财务报表为例，平台能够同步业务源数据库中的数据至智能数据研发平台，确保了数据的完整性。再将传统的财务统计语言代码翻译成简洁的SQL代码，使用Spark等技术进行分布式、多线程批量执行SQL查询。通过Spark，高校可以高效完成每日指标统计，并将结果以分区表的形式存储，提高数据处理的效率。最后，将处理后的数据同步至科学决策分析平台，通过此平台，高校可以对数据进行可视化展示，针对财务报表的数据，平台可以为各级领导提供详细的报表和分析结果查询，领导层能直观地理解数据背后的信息，从而做出更加科学和合理的决策。此外，基于BI报表系统的科学决策分析平台不仅限于财务报表，它还可以扩展应用到学生管理、教学质量评估、资源配置等多个领域。例如，在学生管理方面，通过分析学生的学习成绩、参与活动等数据，高校能够更好地了解学生需求，优化教育资源的配置。在教学质量评估方面，通过分析教学评价、课程参与度等数据，高校可以及时调整教学方法和课程设置，提升教学效果。

（三）智能模型服务

1. 公共场所流量预警

公共场所流量预警涉及大数据的采集、处理和智能模型的建立及应用。首先，数据采集和预处理阶段是构建有效流量预警系统的基础。从多个数据源（如一卡通消费数据、门禁系统数据、Wi-Fi接入点（App数据等）收集数据，为流量预测提供基础。在特征工程阶段，数据被转换为机器学习模型可用的格式。以校园图书馆为例，入馆和出馆时间被转换为一天中的不同时段，考虑到周末和工作日的差异，Wi-Fi连接数据可估计每个时段每个区域的使用密度，准确地捕捉流量变化。接着使用基于时间序列的预测模型，如长短期记忆网络（LSTM）。图书馆的流量具有明显的时间序列特性，LSTM能够处理时间序列数据中的长期依赖问题，适合预测时间上连续变化的流量。[11]训练过程中，使用过去的流量数据作为训练集，模型学习识别不同时间段的流量模式。最后，将训练好的模型应用于实际场景。例如模型预测出的高峰时段流量信息可以通过校园App通知学生，帮助其避开拥挤时段或选择更空闲的区域。图书馆管理层可以根据这些信息调整开放区域或增设服务人员。在特殊情况下，如考试周，模型还可以辅助安排额外的开放时间或临时学习空间，以应对学生需求的增加。

2. 学生成绩预测

成绩预测模型的构建通常基于学生在线学习平台上的活动（如视频观看时间、讨论版参与等）、实体课堂的出勤率、历史成绩和作业提交情况等。在特征工程阶段，将学生在线学习平台上的行为数据，如视频观看时长，转换为每周观看时长的总和;将讨论版参与次数转化为每周参与频率的统计;历史成绩则被归一化处理，以便与其他数据集成。考虑到学生行为数据的时间序列特性，选择长短期记忆网络处理学生行为与成绩之间的复杂关系，模型可以学习到连续几周的高频率讨论热点与期末成绩之间的正相关关系。进一步利用，注意力机制增强模型的性能，使模型更加关注对预测结果影响最大的数据点，比如特定几周内的异常低出勤率或是突然下降的在线活动水平。实际应用中，如果模型预测某位学生可能无法达到期望的成绩，教师可以根据模型反馈的具体行为模式，提前进行干预，提供额外的辅导或调整教学方法。通过此种方式，大数据技术和机器学习模型不仅能够预测学生成绩，还能为提高教育质量和学生学习体验提供支持。

3. 精准贫困资助预测

精准贫困资助预测可利用大数据技术对学生的经济状况进行精准分析，确保资助能够及时且有效地到达真正需要帮助的学生手中。首先，参考学生的日常消费水平（如食堂消费、商店购物等）、学术成绩、网络使用情况、图书馆借阅记录以及其他校园活动参与情况收集数据，获取足够的信息以进行后续分析。其次，对于消费数据，除了简单的消费总额，还可以进一步挖掘如消费频次、消费时间分布、消费种类等更细致的特征。例如频繁地在低价位餐厅消费可能暗示经济压力，图书馆的借阅频次和借阅种类可能反映学生的学术兴趣和勤奋程度，这些细微的行为模式能够为预测模型提供丰富的特征。

模型构建方面，可以采用多种机器学习算法进行学生贫困等级的预测。例如，支持向量机（SVM）和随机森林等算法可以处理分类问题，而神经网络，特别是深度学习模型，可以捕捉更复杂的数据模式。这些模型通过学习学生的消费行为、学术表现和日常活动等特征，预测学生的经济状况。之后，学校可以通过分析学生的消费等级和学习表现来识别可能面临经济困难的学生。如果模型预测某学生属于低消费等级，并且在学术和校园活动上表现出消极态度，这可能是经济困难的迹象。对于这些学生，学校可提供经济资助，还可提供心理咨询和学业辅导等支持。此外，大数据模型还可以用于评估资助效果。通过分析资助后学生的消费行为、学术表现和心理状态的变化，学校可以调整和优化资助计划，确保资源的有效利用。

4. 毕业生就业服务

毕业生数据来源复杂且多样，包括学生在校期间的学习记录，成绩、课程选择、专业方向等;学生的社交媒体和网络行为数据，包括社交网络上的活动、在线学习平台的使用情况等;学生参与的校园活动，社团参与、志愿活动、实习经历等;招聘活动信息，包括校园招聘会的参与情况、企业招聘需求等;学生的个人背景信息，家庭基本信息、地理位置、文化背景等。

其中，结构化数据如学生的个人信息、学习成绩和图书借阅记录，可通过学校的管理系统直接获取;非结构化数据，如学生的消费情况、个人评价，则需要通过网络爬虫或ETL工具从在线平台中提取。高校可以采用云存储，如Hadoop和Spark处理数据，去除重复、错误或不完整的记录，将来自不同源的数据结合起来，形成统一的数据集，转化为适合分析和挖掘的格式。

在上述基础上，通过分析学生的学习和活动记录，预测其可能的职业兴趣和职业适应性。通过对历年毕业生就业数据的分析，可发现就业市场的趋势，如哪些行业更受欢迎、薪酬水平等，从而为在校学生提供更精准的职业指导。大数据还能帮助企业更精准地了解学生的个人情况，包括学术背景、技能特长和职业兴趣，从而使企业能够更有效地匹配合适的候选人。通过这种方式，大数据技术不仅提升了毕业生就业服务的效率，还增强了就业匹配的准确性。

三、结语

当下的各大高校中，从教育管理层面来看大数据技术的应用相对较为普遍，核心目的在于满足学生的日常需求，提高管理效率与水平。为此，高校需基于大数据对高校大学生教育管理的作用，从校园、决策、模型服务等角度出发，将更多的前沿数据技术归入其中，确保学生可在大数据时代发展背景下，获得匹配自身个性化发展需求的更多机遇。未来，伴随大数据技术的持续完善，针对学生的教育管理工作也必然将获得新的突破，相应服务体系将实现进一步优化，为学生能够在大学生活中健康学习与成长奠定坚实基础。

作者简介：李政（1988—），男，硕士，三亚学院助教，研究方向为学生日常教育管理、宿舍日常管理。

参考文献：

[1] 郭宇亮，范子哲. 大数据背景下大学生体质测试现状及发展模式探索[J]. 新体育，2022（24）：99-101.

[2] 柴梦竹. 大数据时代大学生社会主义核心价值观培育挑战路径构建研究[C]//重庆市鼎耘文化传播有限公司. 2022新时代高等教育发展论坛论文集. 广州：广州工程技术职业学院，2022：2.

[3] 张燕. 基于大数据的大学生全生命周期思想政治教育研究[J]. 当代教研论丛，2022，8（12）：103-108.

[4] 蔡君，胡晨骏，康彬. “大数据分析”课程的教学改革与探索——以南京中医药大学计算机专业本科生“大数据分析”课程教学为例[J]. 轻工科技，2022，38（06）：149-152.

[6] 刘世昱，张铭宸. 大数据时代大学生意识形态安全教育存在的问题及对策[J]. 沈阳建筑大学学报（社会科学版），2022，24（05）：526-530.

[7] 李晓雪. 大数据背景下当代大学生思想政治教育的困境与出路[J]. 西部素质教育，2022，8（19）：31-34.

[8] 高永胜，宗凡，胡燕玲，等. 基于大数据融合的高校学生教育管理优化办法——以西北工业大学为例[J]. 大学教育，2022（10）：281-283+292.

[9] 位彦磊. 大数据时代会计学专业大学生创新创业教育改革对策分析[J]. 中国管理信息化，2021，24（24）：238-239.

[10] 杜乐. 大数据时代信息资源融入大学生思想政治教育的实践探索[J]. 数据，2021（12）：101-102.

[11] 姜一凡. 大数据对优化思想政治教育工作中的重要作用探析——评《大数据时代大学生思想政治教育工作的优化研究》[J]. 热带作物学报，2021，42（11）：3394.

（荐稿人：朱丹，杭州师范大学钱江学院教授）

（责任编辑：杨毅恒）