浅析大数据时代高职院校的班级管理

凌建国

(晋中师范高等专科学校，山西 晋中 030600)

一、大数据的定义及特点

根据 IDC 机构的定义，大数据是指为了更经济更有效地从高频率、大容量、不同结构和类型的数据中获取有价值的信息而设计的新一代架构和技术，人们用它来描述和定义 信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

“大”字不仅意味着数据的数量庞大，还代表着数据种类繁多、结构复杂，变化速度极快。大数据呈现四种特性:Volume(极大的数据量)、Velocity(极快的处理速度)、Value(更多价值)、Variety(极多的数据种类)。“大”字不仅意味着数据的数量庞大，还代表着数据种类繁 多、结构复杂，变化速度极快。大数据呈现四种特性:Volume(极大的数据量)、Velocity(极快的处理速度)、Value(更多价值)、Variety(极多的数据种类)。

Volume 是指数据量庞大，如今有许 多企业已面临单日数据量以数十、数百TB(万亿字节，1 TB=1024 GB)的速度增加，而近几年累加的总数据量也达到了 PB(1000 个TB)甚至 EB(一百万个 TB)等级，这样的数据量已让传统的 数据库难以处理；

Velocity 是指企业数据增加的速度越来越快，诸如移动化、社交网络的广泛应用，使得数据增加的速度比传统 的企业应用程式快很多，一旦数据增生速度越快，数据处理、分析的速度也就得跟上；

Value 是指大数据的价值往往价值密度低 即稀疏性的特点。

Variety 是指数据的多样性、复杂性，一方面互 联网不但产生文字资讯，同时也不断产出与以往不同的数据:照片、视频、微博等，另一方面，IT 遍及工作生活中的每个角落，各种各样的传感器、监控器也不断产生，各种机器资讯数据的形 式日趋复杂、多样，从结构化数据到非结构化数据不断转化。这些催生了对大数据技术的强烈需求。

二、大数据时代高职院校班级管理面临的挑战

(一)大数据撼动了传统的班级管理思维

大数据将使传统教育管理由“模糊”时代进入到精确化、科学化时代。教育不像自然科学那样可以“精确”计算研究对象，因为教育的研究对象是人，人的复杂性使得教育的结果变得不可测或者不易测。借助于大数据，教育教学管理就像有了医学上的“核磁共振成像”技术，使得学生的思维在一定程度上成为可测的。核磁共振成像技术是通过连续切片动画，再合成绘制成物体内部的结构图像；大数据则是通过记录学生个体“行为轨迹”，再聚合、分析学生群体的行为数据，进而描绘出学生思维状况图。单个学生学习行为数据看似杂乱无章、毫无规律可循，但当相关数据累积到一定程度时，学生的群体行为就会呈现出一定的规律。大数据的研究方式是人类思维方式的大转变，维克托·迈尔-舍恩伯格教授指出，这种转变包涵着三个显著的特点:“不要随机样本，而是全体数据”；“不是精确性，而是混杂性”；“不是因果关系，而是相关关系”。大数据的精确、全面、及时和“让数据说话”，为塑造教育新思维开拓了新的发展空间。

(二)大数据时代变革了传统的教与学方式

传统的教学，完全取决于教师的经验和阅历。大数据使得教学有了更加科学的依据和方法，并且国内的一些学者业已展开了相关方面的研究，像2010年张杰夫利用南非教学系统进行的小学英语教学实验，根据非英语国家，特别是中国人难以张口说英语的原因，制定了相应实验方案，通过利用英语语音系统对学生进行72音素自动化训练，以期达到:“经过一年音素训练，学生达到没有不会读的词和句子的目标。”这种教学效果是传统教学无法企及的。大数据时代使得教学方式比以往任何时候都更接近发现真正的学生，进而了解学生的思维。学生的行为过程往往隐含着他们的思维特点，大数据可以捕捉这些表征，像学生在观看教学视频中暂停或回放情况；解题过程中答题时间、答对了多少、错了多少等情况；学习上有哪些特点、缺陷、困难、偏好、规律等；在学习论坛写下的评论等。通过对这些碎片化的数据进行整合分析、系统挖掘，就能从中发现学生的思维的特点和规律，帮助我们找到影响教学的真正因素。

(三)大数据推动教学评价走向 “过程性评价”

传统教学学生成绩会呈现正态曲线分布，其主要原因是在学生的学习过程中出现的认知偏差无法得到及时纠正，进而形成积累，结果造成学生的“好中差”之分。这与教育人力不足和现行的教学评价方式有关。现行的评价方式关注的是对学生“入门”和“结果”的关注，基本上采取的是结果式的评价方式，对学习过程关注相对较弱。而大数据时代，教学系统可以让成千上万学生同时进行个性化学习，并对学习过程进行实时监控、反馈和评价，及时发现和纠正学生的认知偏差。“过程性评价”与以往的“结果式评价”相比，更加关注教学流程的再造和教学方式的变革，对于教师的教学能力提出了更高的要求，也为教学方式的变革提供了新的契机。

(四)大数据使教育管理走向精确化、科学化

大数据让教育决策和管理建立在客观分析教育教学规律的基础上，并且拥有大量的实证数据作为数据支撑，为教育管理的精确化、科学化提供了可能。学生是教育的主体，在准确了解、反映学生群体规律方面，大数据是可以发挥独特作用。以此为基础，系统还可以提供每个班级、院系甚至整个学校的基本教育信息。有了这些信息，教育管理者可以相互比较，找出差距，调整发展策略，教育也由原来粗犷的管理模式走向精细化、科学化管理道路。对于高职教育而言，精细化、科学化的管理模式是使人才培养和学校发展迈向新台阶的催化剂。

三、大数据时代下高职院校班级管理的建设步骤

高职院校的班级管理主要目的在于培养学生独立进行分析的能力，所以只有了解和懂得大数据产生的时代背景、特点属性以及运用方式，才能更好的实现数据为教学服务、数据为实践服务，下面简单阐述大数据时代下尝试进行高职院校班级管理的建设步骤。

(一)抽取和集成对象数据

大数据的来源通常主要有这样几方面:一是媒体数据；二是各类企业的生产、销售、管理等等数据；三是政府部门的数据；四是物联网、各种传感器产生的数据，以及未联网的各种摄像头拍摄的数据；五是民众个人留存的数据。数据开发者通常通过基于物化或ETL方法的引擎(materialization or ETL engine)、基于联邦数据库或中间件方法的引擎(federation engine or mediator)、基于数据流方法的引擎(stream engine)和基于搜索引擎的方法(search engine)来抽取和集成数据。在班级管理的过程中，要善于抽取和集成学生在课堂、作业以及日常生活中的各种数据、教师在教学和研究中的各种倾向，把看似碎片化的数据都收集起来，然后结合学科优势，通过建立数学模型的方式将其展现出来，进而分析两种行为的主因和交互影响作用，实现为提高教学质量、展现教学成果服务的数据开发目标。

(二)数据分析

数据分析是整个大数据处理流程的核心，因为大数据的价值产生于分析过程。从异构数据源抽取和集成的数据构成了数据分析的原始数据。根据不同应用的需求可以从这些数据中选择全部或部分进行分析。但是数据分析过程中必须要注意以下几个方面:

1. 数据量大并不一定意味着数据价值的增加，相反这往往意味着数据噪音的增多。因此在数据分析之前必须进行数据清洗等预处理工作，大数据时代的数据清洗过程必须更加谨慎，因为相对细微的有用信息混杂在庞大的数据量中。如果信息清洗的粒度过细，很容易将有用的信息过滤掉。清洗粒度过粗又无法达到真正的清洗效果，因此在质与量之间需要进行仔细的考量和权衡。但是预处理如此大量的数据对于机器硬件以及算法都是严峻的考验。

2. 数据结果好坏的衡量。得到分析结果并不难，但是结果好坏的衡量却是大数据时代数据分析的新挑战。大数据时代的数据量大、类型庞杂，进行分析时往往对整个数据的分布特点掌握的不太清楚，这会导致最后在设计衡量的方法以及指标时遇到诸多困难。因此需要不把握数据分析的三点基本原则，即依靠基于理论的方法，而不是盲目地进行数据挖掘；对数据对象保持一种大局观；坚持干中学。

四、大数据时代高职院校班级管理需要注意的问题

(一)明确数据定位，设定合理目标

大数据的资源极为繁杂丰富，如果没有明确的目标，就会非常迷茫甚至走入迷途。因此，首先，要确定运用大数据的短中期目标，定义价值数据标准，之后再使用那些能够解决特定领域问题的工具，逐步推广，步步为营。数据分析的目标设定不准确，会导致数据收集和分析成本剧增，产生数据结果的产出与数据成本的投入产生较大差异等问题。

(二)实现数据互联，解决碎片化问题

许多组织启动大数据运营的一个最重要的挑战，就是数据的碎片化问题。以往的数据都散落在互不连通的数据库中，而且相应的数据技术也都存在于不同部门中，如何将这些孤立错位的数据库打通、互联，并且实现技术共享，才是能够最大化大数据价值的关键。在教学课改的过程中，应当格外留意的是，数据策略的成功要诀在于无缝对接数据连接的每一步骤，从数据收集到数据收集、提取、挖掘、应用等。

(三)构建学生成长时间轴，重视数据的因果关系分析

大数据通常只提供参考答案，不提供最终答案。大数据分析过程放弃了对因果关系的渴求，而只关注相关关系，因而数据结果的展示只是知其然，而不知其所以然。因此有必要构建起学生成长的时间轴(Timeline)，简单说，Timeline是用户自我编辑的个人时间轴，用来记录用户的行为轨迹，并可以控制个人信息只给想展示的人。时间轴可以展示学生的各类活动，并为之创建一个动态的时间轴主页。时间轴赋予学生一个载体，将其在学校中的零散时光串联起来，用全新的方式设释个人在学习、社交中的角色。时间轴能真实地呈现学生更加个性化、立体化、互动化的数据和信息，更好地为学生的成长服务。

[1]维克托.迈尔·舍恩伯格.大数据时代:生活、工作与思维的大变革[M].浙江人民出版社, 2013.

[2]胡络绎.大数据,让营销更精确[J].软件工程师,2013(Z1).

[3]孟小峰,慈祥.大数据管理:概念、技术与挑战[J]计算机研究与发展,2013,50(1).

[4]范晓东.时间轴:大数据的“生死簿”[J]互联网周刊,2013,1(05).

[5]姜奇平.大数据的时代变革力量[J].互联网周刊,2013,1(05).