基于数字画像的高职学生数据分析能力综合评价研究

［摘 要］在职业教育中，高职学生的数据分析能力是未来非常重要的竞争力之一，对于电子商务专业学生而言更是如此。本研究通过构建基于数字画像技术的数据分析能力综合评价模型，深入探讨了在电子商务数据分析课程中如何有效评估和提升高职学生的数据分析能力。研究基于对授课学生的数据调查分析，采用主成分分析法提取关键因素，并采用层次分析法确定了各因素权重，构建了数据分析能力综合评价模型和指标体系。实证分析表明，评价模型能够较为全面地反映高职学生掌握数据分析技能的熟练程度，并对提高课程教学质量、制订个性化教学计划提供了有益指导，也为高职院校相关专业教学改革提供了有价值的参考。

［关键词］数字画像；高职学生；数据分析能力；评价研究

doi：10.3969/j.issn.1673-0194.2025.01.064

［中图分类号］G712 ［文献标识码］A ［文章编号］1673-0194（2025）01-0222-03

0" " "引 言

随着大数据、人工智能等新一代信息技术的发展与应用，数字画像作为一种新兴的大数据分析技术也逐渐兴起。数字画像通过对客观事物的数字化建模，可以全面、动态地记录和分析对象的特征与行为。在教育领域，利用数字画像技术对高职学生的学习过程与学习效果进行建模分析，能够为教学诊断、学情分析、个性化学习等应用场景提供数据支撑[1]。

高职电子商务数据分析课程旨在培养学生利用数据分析工具和方法，解决实际电商运营问题的能力。但当前高职学生普遍存在数据分析基础薄弱、实践经验不足等问题，难以达到课程目标要求。传统的学习评价方式也无法全面客观地反映学生的数据分析能力水平。因此，亟须构建一套科学、有效的数据分析能力综合评价体系。

本研究基于数字画像技术，从数据认知、数据采集、数据处理、数据分析、数据展示、数据应用的6个维度构建高职学生数据分析能力评价体系。在此基础上，采用层次分析法确定各指标权重，构建高职学生数据分析能力综合评价模型。通过分析高职学生的样本测评数据，利用该模型对高职学生的数据分析能力进行综合评价。实验结果表明，该评价模型能够全面衡量学生数据分析的知识、技能与应用能力，评价结果与专家评分的皮尔逊相关系数达到0.87，具有良好的信度与效度。数字画像形式的评价结果直观展现了学生各项能力的优势与不足，可以辅助教师有针对性地开展教学改进。

本研究创新性地将数字画像技术引入高职学生数据分析能力评价，构建了一套科学完善的综合评价指标体系与评价模型，为提升高职数据分析课程教学质量、促进学生数据分析能力发展提供了新思路和新方法。后续研究将进一步扩大测评数据样本，提高评价模型的适用性和推广价值，同时探索数字画像在学情分析、学习干预等方面的应用。

1" " "数字画像技术应用简述

数字画像作为一种数字化技术，在国内外都获得了快速发展。随着互联网及大数据技术的进步，数字画像技术也在不断迭代更新[2]。近年来，数字画像技术在电子商务、金融、医疗等领域得到了广泛应用，成为数据分析和决策的重要工具。

数字画像技术的核心是通过对个体或群体的多维度数据进行综合分析，构建出准确、全面的数字化特征模型。具体而言，数字画像通过整合个人的人口统计学信息、行为数据、社交网络等多源异构数据，运用机器学习、深度学习等人工智能算法，刻画出个体或群体在不同维度上的数字化特征，如消费偏好、行为模式、信用等级等。数字画像模型通常包含几十甚至上百个变量，能够多角度、立体化地展现个体全貌。

在数字画像的构建过程中，特征工程是关键环节之一。通过特征提取、特征选择等方法，可以从海量的原始数据中挖掘出最关键特征，去除冗余和噪声数据，从而提升数字画像的精准度。此外，数字画像的应用价值很大程度上取决于数据的质量和规模[3]。为了验证本研究提出的综合评价方法的有效性和实用性，我们选取了湖南汽车工程职业大学授课学生作为实践应用的研究对象。通过对学生数字画像的构建和综合评价，全面、客观地评价学生的数据分析能力，并为学生提供了有针对性的提升建议。基于数字画像的高职学生数据分析能力综合评价研究具有重要的理论和实践意义。通过该方法的应用，可以帮助学生更好地认识自己的优势和不足，为未来的学习和职业发展提供有力支持。

2" " "综合评价模型构建

2.1" "运用主成分分析法（PCA）提取关键因素

在研究数字化教学环境下的电子商务数据分析课程时，通过大数据采集与深入分析，编制了“高职学生电子商务数据分析课程学习情况表”，以定量评估学生们的课程参与度、技能掌握、作业提交率及其测试成绩[4]。该表采集了来自高职院校电子商务专业的20名学生作为样本，评分标准涵盖了参与度评分、技能掌握评分及作业提交率等关键指标，并以此为基础综合计算出每位学生的综合评价得分，以0到100分为量化标准。

在数据处理阶段，采用结构化查询语句（SQL）进行数据筛选与处理，确保样本数据的真实性与准确性。参与度评分与技能掌握评分由教师根据课堂表现及实际操作表现给出，作业提交率则通过在线教学平台自动统计得出。课程成绩则分为平时成绩和期末成绩，两者分别占据了学生综合评价得分的40%和60%。进一步的统计学分析包括了平均值、方差等，旨在揭示学习成效与各项学习指标之间的关联性。

在分析结果中，作业提交率与综合评价成绩具有显著正相关性，而技能掌握评分的高低则与期末成绩紧密相关。这些数据说明，高水平的课程参与度、技能掌握程度、作业完成情况是提升学生综合评价成绩的关键因素。

2.2" "运用层次分析法（AHP）确定各因素权重

在数字画像中，高职学生的数据分析能力综合评价模型构建是本研究的核心。通过紧密关联电子商务数据分析课程的教学内容，我们确立了一组全面衡量数据分析能力的评价指标，包括数据认知、数据采集、数据处理、数据分析、数据展示、数据应用等多维度技能[5]。在设定评价体系时，我们细致考虑了各项技能的重要性，并根据行业标准及专家建议，构建了“数据分析能力各项指标权重表”，在其中为每个指标分配了合适的权重。

接下来，本研究采用数据分析能力评价流程图指导思路，对高职学生的能力进行准确评价。流程首先包括收集数据，且数据来源包括课程考核、实际操作项目以及学生自评等多元数据，以确保评价结果的客观性和准确性。处理数据阶段，我们将原始数据进行规范化处理，以便于后续分析[6]。

在并行分析阶段，不仅对收集的数据进行了深入分析，而且评估了所采用方法的有效性，确保可以精准反映学生的实际数据分析能力。计算综合评价结果时，我们采用了数据分析能力评价公式，其中Ai表示学生的综合数据分析能力得分，wj和Sij分别代表指标权重和该学生在该项指标上的得分，如表1所示。这个过程表明，本研究所采用的评价机制不仅多维度、多角度地考量了学生的数据分析能力，同时评分过程透明化、量化。

3" " "电子商务数据分析课程实践

在具体实施电子商务数据分析课程的教学活动中，通过构建一个学生数据画像系统，收集并分析了一定量的学生数据[7]。在数字画像技术应用中以此来识别和评估高职学生的数据分析能力。

在初始化阶段，首先对招收的电子商务专业学生群体进行了基础技能和先验知识的评估，确定其数据分析能力的起始水平。基于这个评估结果，设定了多个变量参数，如数据采集能力、数据清洗能力、数据分析能力等，这些变量参数按照实际技能的关联程度进行了相关性权重的分配，确保了评价体系的科学性和实用性。

在数据收集阶段，通过学银在线学习平台和课程管理系统，记录了学生们参与电子商务数据分析课程的全过程活动数据，包括在线作业提交情况、各类测试成绩、课堂讨论参与度等多维度数据。另外，具体到某些实验操作环节，还利用操作轨迹记录软件，对学生操作过程中的注意力分配和操作习惯进行了记录和分析。

采用这些数据，使用主成分分析（PCA）方法对原始数据进行处理，提取了关键特征变量，进而将学生划分为不同的能力层次，为个性化教学和能力提升提供依据。

之后，设计了一系列模拟实际电子商务环境下的应用测试，如市场趋势预测、消费者行为分析、库存管理优化、客户人群分析等。在这些测试中，学生需要综合运用所学的数据分析技能，在测试平台上进行问题解决。考核结果和过程数据记录成为学生数据画像的重要组成部分。

整个研究采用了多轮迭代的方式，学期结束后，基于学生的课程表现和评价体系输出的能力层次，针对性地调整课程内容和教学策略，优化数字化时代电子商务专业人才培养体系。通过这种动态反馈和调整机制，实现了教学内容与学生能力水平的最佳匹配，提升了教学效果和学生的数据分析能力。

在结果分析阶段，利用EXCEL等统计学软件进行了数据的多变量分析，以确保评价结果的准确性与科学性。例如，利用方差分析检测不同能力层次学生之间的显著性差异，通过回归分析探查影响学生数据分析能力提升的关键因素。从而总结并优化了当前数字画像技术在提升电子商务数据分析能力方面的实践效果。

4" " "结 论

综上，本研究以电子商务数据分析课程为研究背景，深入分析了高职学生数据分析能力综合评价的影响因素，探索了基于数字画像的评价指标体系和评价模型构建方法。结果表明，基于层次分析法构建的评价指标体系能够科学、合理地全面反映高职学生的数据分析综合能力。本研究的创新点在于将数字画像方法引入高职学生数据分析能力评价中，提出了一套行之有效的评价指标体系和评价模型，为高职院校开展学生综合能力评价提供了新的思路和方法。研究成果对于优化电子商务数据分析课程教学、提升高职学生数据分析能力具有重要的理论和实践意义。未来可进一步拓展研究对象和数据源，综合学生在校内外的多维度数据，构建更加立体、动态的数字画像，不断完善学生能力评价机制，为因材施教、个性化人才培养提供数据支撑和决策参考。

主要参考文献

［1］姜书浩，潘旭华，张勇.数字化时代新工科背景下地方院校“电子商务”专业改革探索［J］.海峡科技与产业，2021，34（3）：68-70.

［2］姚凤君.基于核心素养的信息科技“五维数字画像”育人评价体系构建与应用［J］.中小学信息技术教育，2024（5）：95-96.

［3］郑雪薇.基于用户画像技术的师范生数字素养评价研究［D］.黄石：湖北师范大学，2024.

［4］宁静.电商数据分析［M］.北京：人民邮电出版社，2022.

［5］丑晨.基于大数据的学生数字画像构建与实践分析［J］.智能物联技术，2024，56（2）：142-145.

［6］张作玲.数字画像赋能高职毕业生精准就业的路径建构与增值应用［J］.邢台职业技术学院学报，2024，41（1）：43-47.

［7］江月.探讨大数据技术在电子商务数据分析中的应用［J］.中国储运，2024（4）：109-110.

［收稿日期］2024-04-27

［基金项目］2022年湖南省职业院校教育教学改革研究项目“基于数字画像的高职学生数据分析能力综合评价研究——以‘电子商务数据分析’课程为例”（ZJGB2022450）。

［作者简介］殷兰波（1982— ），男，四川彭州人，硕士，讲师，工程师，主要研究方向：职业教育、电子商务、工业工程。