大数据视域下基于数字画像的大学生综合素质评价体系研究

摘" 要：高等教育是我国教育体系的重要组成部分，以高质量教育体系支撑教育强国建设，是新时代中国高等教育的使命与任务。在教育数字化背景下，如何利用“五育”全要素数据来全面、精确刻画学生综合素质评价的数字画像，对打造高质量教育体系提出了新的挑战。文章围绕基于学生数字画像的综合素质评价体系，从构建评价体系框架到应用策略开展研究。首先，基于政策文本和学术论文梳理数字画像在高校综合素质评价中的研究现状。其次，构建综合素质评价体系并用于全面、客观、准确的描绘个人数字画像。最后，从教育教学改革、学业指导、资助育人、精准就业和网络思政等方面阐述综合素质评价的具体应用策略，体现出该体系对深入推进“五育融合”理念在新时代复合型人才培养过程中的价值。

关键词：数字画像;大学生综合素质评价;数据驱动;应用策略

中图分类号：G40-057" " 文献标识码：A" " 文章编号：1673-7164（2024）25-0137-04

落实立德树人根本任务，加强大学生核心素养和综合素质教育，不断深化“五育并举”的教育体系，是当下教育综合改革的发展方向。2020年10月，中共中央、国务院印发的《深化新时代教育评价改革总体方案》指出“到2035年，基本形成富有时代特征、彰显中国特色、体现世界水平的教育评价体系”。[1]推进综合素质评价从定性到定量、从主观到客观、从结果到过程、从单一到全面的改进，有利于优化人才培养体系和促进更高质量的人才培养工作。进入人工智能时代，在数据挖掘和机器学习等信息技术支撑下，通过收集学生基本信息、学业信息、成长信息和发展信息等数据进行建模分析，[2]为数字画像赋能大学生综合素质评价创造了有利条件。本研究围绕基于数字画像的综合素质评价这一主题，以学生“五育数据”为驱动，以学生“行为数据”为参照，构建了综合素质评价体系框架，进一步阐述了该体系的应用策略和实际价值，充分发挥综合评价促进学生全面发展的实效。

一、数字画像在高校综合素质评价中的研究现状

学生数字画像由用户画像概念迁移而来，[3]通过数据挖掘、数据处理等技术生成用户画像，使得评价结果更直观、清晰、全面的呈现。芮喜等通过收集学生的日常行为数据、探索了基于学生画像的精准思政路径，并用于指导实际工作。[4]黄炜等以学生数字画像的呈现及应用围绕“画什么、怎么画，画后看、画后用”展开研究，构建了基于“五育融合”的学生数字画像，从实践领域的角度讨论了如何基于“五育融合”建构学生数字画像进而开展学校层面的学生综合素质评价。[5]董烨等以整合学生基础数据资源、学生画像需求、标签设计等构建了学生画像，用于精准施策，提升思政教育实效。[6]综上，基于数字画像的综合素质评价有助于发挥过程性评价的优势，强化“五育融合”，落实五育并举。但如何运用数据挖掘、机器学习等信息技术对“五育”全要素数据全面、精准、深度地刻画数字画像是破解学生综合素质评价难点的关键，从而形成一套评价时效性强、结论精准性高、过程参与性全的综合评价方法。

二、基于数字画像的综合素质评价体系框架

本研究设计了基于数字画像的大学生综合素质评价体系，包含数字画像物理层、数据采集实践层、数字画像传输层、数字画像网络层、数字画像业务层五大板块，旨在重点挖掘数字画像赋能综合素质评价的潜能，探索多元、多维、异构的数据，对学生进行全面客观、有据可循的综合素质评价。各板块详述如下。

第一，数字画像物理层。制订画像标签是数字画像构建的基础，其关键在于综合素质评价目标的定义与分类、原则的制定与实施、评价的指标与内容，由此才能高效挖掘和分析海量教育数据。本研究以大学生核心素养和综合素质为基础，以学生发展为目标，以文化基础、自主发展、社会参与为抓手，以“德智体美劳”数据为指标体系源，充分挖掘大学生核心素养和综合素质所包含的多源异构数据，构建综合评价指标体系模型，为后续数字画像赋能综合素质评价的标签集构建奠定基础。

第二，数据采集实践层。该板块是构建基于数字画像的综合素质评价体系的前提。本研究聚焦高校人才培养、教学改革、教育管理，从教育的目标对象、学生成长发展、教辅单位等多部门、多维度、多源头构建“全周期、全过程、全方位”的数据采集实践层，将海量教育大数据转化为教育发展资源。“全周期”指数据采集的样本涵盖学生从入学到毕业、从就业到持续发展的全链条数据信息。“全过程”指数据通过智慧校园、智慧学工、智慧教室和线上学习平台等获取各类行为数据，采集的样本包含教师教育教学、学生成长发展等全生命周期过程数据。“全方位”指在采集校内第一课堂的教育教学数据的同时，结合第二课堂成绩单、科技创新成果、社会服务等多元数据，丰富大学生数字画像维度。

第三，数字画像传输层。该板块是对采集到的多源异构数据进行数据清洗、特征提取、聚类分析，形成综合素质评价模型的标签数据。利用Onehot独热编码、NLP自然语言处理、K-means聚类算法等方式，对采集的业务数据、离线数据、网络数据、行为数据和发展数据等进行网络化、标准化、智能化预处理，通过对数据的采集、存储、检索、加工、变换和传输，为综合素质评价模型提供有效的数据信息。

第四，数字画像网络层。该板块是将经过预处理后的数据信息传入服务器，对数据进行标签划分，其包括学生认知标签、学习行为标签、个性发展标签、学习态度标签和发展关系标签等。利用神经网络、机器学习算法等对多源异构数据进行特征提取，得到学生综合素质评价特征向量（N1，N2…Nt），通过神经网络模型对特征向量的训练，得到最优的综合素质评价模型权重，并用于综合素质评价预测、关联和应用。

第五，数字画像业务层。该板块是基于数字画像的综合素质评价结果应用的具体实践。该体系的评价结果可用于学生评奖评优精准评选、资助工作精准开展、升学就业精准推荐、教学改革重要参考、毕业鉴定基础数据、推优入党重要参考等，形成终身化评价记录、伴随式评价教育、智能化提升建议和可视化应用指导。可为教师教学成效给出科学、定量的描述性结论，输出全面、精准的教学反馈报告;为学生学业成绩、身心健康、成长发展和就业升学趋势进行预测和评估;为教辅职能部门专业课程建设和培养方案制订提供智能决策分析。

三、基于数字画像的综合素质评价应用策略

（一）教育教学改革创新的应用策略

教育数字化转型推动了高质量教育体系的建设，其中数据要素是教育数字化转型的核心要素。[7]基于数字画像的综合素质评价体系以数据为驱动助力教育教学改革创新，促进学生全面个性化发展，为一线教师、教学单位、教辅部门教学改革、课程优化、培养方案制订等提供科学的决策依据。评价体系能够全面、客观、准确地呈现学生的学习状况，便于教师对学生学习需求和技能特长有更深入的了解，为教师调整教学策略和授课重点提供参考，满足学生个性化学习需求和复合型人才培养目的，全面提高人才培养质量。与此同时，该体系在一定程度上能够帮助学校把握人才培养的方向，兼顾学生道德、知识、能力、素质等方面，挖掘学生在不同领域的发展潜力，因材施教，化解教学过程中教与学的主要矛盾。

（二）精准开展学业指导的应用策略

高校肩负着人才培养、学术研究、社会服务、文化传承创新、国际交流合作的重要使命，学业指导是人才培养和学术研究的重要环节。[8]传统的高校学业指导模式主要依赖任课教师对学生进行课堂考勤、反馈学生学业情况至辅导员、期末考试成绩反馈至教务处等方式开展，由辅导员进行谈心谈话教育引导、学业辅导和学业预警。传统的学业指导主要以结果为导向，延迟性和被动性强，实时性和主动性弱，只有当学生出现学业危机时才能及时干预。基于数字画像的综合评价模式精准开展学业指导，实时监测学生学习状态，对“背离跑道之势”及时进行干预和学业预警。采集学业发展相关数据内容如下：学业表现上，学业成绩、日常上课表现、作业完成情况、科技竞赛获奖、借阅图书次数、课程设计等;学习情感上，对学习重要性的认识、对持续性学习的看法、学习态度是否端正、能够主动拓宽知识面等;学习能力上，自我归纳总结的意识、学习目标的制定、学习习惯的养成、协同合作能力的培养等;学术精神上，科学理论知识与工程实际问题的结合、自主思考问题解决方案的能力、面对困难能够坚持探索研究等，将以上学业发展维度的数据作为数字画像标签化处理的数据依据。通过对以上多源异构数据进行数据挖掘、数据清洗、聚类分析、标签制定、模型训练、评价结果输出等数据分析处理，从而构建学生学业画像，清晰地展示学生各阶段的学业情况。针对学生学业薄弱环节，如专业培养、课程学习、学科竞赛、毕业设计等及时提供针对性帮扶指导，避免学生出现无法正常完成学业的现象。

（三）精准开展资助育人的应用策略

当前，高校的评奖评优和资助育人等事务性工作主要以学生提出申请后提交材料，再由辅导员牵头成立评议小组进行评定的方式开展。该方式存在认定流程单一、精细化程度低、过程参与性低、缺乏持续性教育引导、依赖于评定材料主观性较大等问题。基于数字画像的综合评价模式精准资助育人，可以提高开展资助工作的效率和精准性，让资助工作转变为以结果为主导，以过程为补充的综合评价模式。

借助基于数字画像的综合评价体系，精准识别家庭经济困难学生，初步形成困难学生名单，并通过收集学生在校生活数据，如食堂消费、学费缴纳、贷款情况、生活消费、外出游玩等信息，形成精准资助的数据基础，并对数据进行分析处理，设置标签文件、通过模型预测输出家庭经济困难等级的评定结果，有效避免在班级评议过程中标准不统一等因素的干扰，做到评定过程有数据，评定结果有依据。评价体系，还能辨别出因“碍于颜面”等不愿意申请而真实困难的学生或评议认定贫困学生中的非贫困学生，提高资助工作的精准性。最后，通过学生数字画像的动态更新，可以监测学生在受资助后的成长发展和经济状况，了解学生所获得的助学金是否用于改善生活条件，确保资助育人的实效。

（四）精准施策提升就业的应用策略

就业是青年大学生的迫切需求、发展之基，高校毕业生就业关系民生福祉、经济发展和国家未来。当前，高校学生就业指导通常以开设职业规划与就业指导课程、发布企业招聘信息、简历制作指导等方式为主，而大学生就业是“求职学生—高校—用人单位”三者之间信息互换的实践过程，单一片面化培养易造成就业指导课程内容与企业人才需求脱离、岗位胜任力与学生专业能力不匹配等问题。基于数字画像的综合评价模式精准施策提升就业质量，建立融合毕业生素质画像和岗位胜任力要求画像，集数据采集处理、分析应用为一体的精准就业服务系统，涵盖就业素质能力评价提升、基础就业服务、就业信息双向推送、个性化求职指引和就业趋势分析的功能，既能在求职过程中提供精准指导，也能输出评价结果，帮助学生找准求职定位。有利于解决目前招聘求职供给侧信息不对称的难点，有利于学校进一步健全更充分更高质量就业促进机制和优化人才培养体系，有利于求职学生更快更准地找到合适的工作和实现自身的价值，有利于用人单位提高招聘的质量和效率。

（五）强化网络思政建设的应用策略

随着新媒体的快速发展，高校思想政治教育面临着新的挑战和机遇。越来越多的辅导员尝试利用公众号、视频号等开展网络思政，以实现在思想价值引领、职业规划、就业创业指导、心理健康教育、人际交往引导、学业指导等方面的工作模式创新，但也面临着诸多挑战和困难。如常见的公众号推文，辅导员认为重要且对学生非常实用的文章却无法达到预期的阅读效果，原因在于当前的内容以教师为主体，而并非以学生为主体，借助基于数字画像的综合评价模式强化网络思政建设。不同地区、高校、年龄的学生群体特征属性呈现差异，根据专业背景、学科类型、学生年龄、职业目标、兴趣爱好等属性标签进行分类，以实际问题为导向，以思想政治教育为目标，以网络媒介为抓手，进行用户画像构建。通过挖掘个体和群体画像的共性问题，围绕学生实际诉求和痛点，确定公众号建设方向，优化文章内容，引发学生共鸣。通过数字画像动态反馈网络思政育人效果，伴随目标群体特征属性的变化，及时更新内容建设和呈现形式，实现精准网络思政。

四、结语

学生综合评价涵盖德智体美劳各维度表现，本研究依托学生在“智慧校园”中所产生的各类特征信息，充分挖掘学生多来源、多维度、多模态成长数据，构建基于数字画像的学生综合评价体系，促进学生综合评价由结果性向伴随性转变，由主观性向客观性转变，由滞后性向发展性转变。从教育教学改革、学业指导、资助育人、精准就业和网络思政等五个教育场景阐述了综合素质评价的应用策略并进行实践探索。在实践过程中也发现一些困难，如学生在校期间的数据通常由可视化数据和非可视化数据构成，需要使用标签定义不同的字段。由于画像数据量较大，类别较多，后续研究需要从多维度、多方位综合考量设定标签，精准描绘高校学生的在校行为和发展情况。

参考文献：

[1] 中华人民共和国中央人民政府. 中共中央国务院印发《深化新时代教育评价改革总体方案》[EB/OL]. （2020-10-13）[2024- 01-20]. http：//www.gov.cn/zhengce/2020-10/13/content_5551032.htm？eqid=c205ee290000226a00000005649017e9.

[2] 艾兴，张玉. 从数字画像到数字孪生体：数智融合驱动下数字孪生学习者构建新探[J]. 远程教育杂志，2021，39（01）：41-50.

[3] 崔佳峰，阙粤红. 智能技术支持下的学生数字画像：困境与突破[J]. 当代教育科学，2020（11）：88-95.

[4] 芮喜. 大数据视域下基于学生画像分析的精准思政路径探索[J]. 数字技术与应用，2023，41（09）：78-80.

[5] 黄炜，张治，胡爱花，等. 基于“五育融合”的学生数字画像构建与实践分析[J]. 教育发展研究，2021，41（18）：44-51.

[6] 董烨. 基于学生画像的高校精准思政研究[J]. 江苏高教，2023（09）：110-113.

[7] 张治，刘小龙，徐冰冰，等. 基于数字画像的综合素质评价：框架、指标、模型与应用[J]. 中国电化教育，2021（08）：25-33+41.

[8] 刘柏岩. 精准画像在高校学生事务精细化管理方面的运用[J]. 佳木斯职业学院学报，2017（12）：263+265.

（荐稿人：郑太雄，重庆邮电大学先进制造工程学院副院长，教授）

（责任编辑：罗欣）