大数据背景下高职学院学籍管理研究

战　菲　生力军

(1.武汉软件工程职业学院　湖北　武汉：430205;2.武汉船舶职业技术学院　湖北　武汉；430050)



大数据背景下高职学院学籍管理研究

战菲1生力军2

(1.武汉软件工程职业学院湖北武汉：430205;2.武汉船舶职业技术学院湖北武汉；430050)

摘要世界已进入大数据时代，高职院校学籍数据规模大，种类复杂，数据处理要求高，新形势下学籍处理工作面临全新的挑战。通过分析高职院校学籍管理中的大数据特征，指出现阶段学籍工作中出现的不足，并提出相应的解决方案，为今后学籍工作的发展方向提供依据。

关键词大数据；高职学院；学籍管理；数据分析

当前社会已步入大数据时代，数据处理和价值分析与应用在新时期背景下正在逐步改变着人类的生活。学籍管理是高职院校学生学习过程的记载与组织、协调与控制，是人才培养不可或缺的学生管理工作[1]。大数据背景下，高职院校中的学籍管理工作也面临着全新的挑战。

1高职院校学籍管理中的大数据

舍恩伯格用4V概括大数据的4个特征：volume(体量大)、variety(多样性)、velocity(速度快)、value(价值密度低)。伴随着大数据时代的到来，高职院校需要广泛采用和处理大量的教育教学数据。高职院校学籍管理在大数据背景下有以下特征。

1.1数据规模大

Volume特指数量巨大，也是大数据最显著的特征。根据MGI(麦肯锡全球研究院)预测，全球数据使用量到2020年将达到35ZB(1ZB=10245MB)[2]。自上世纪80年代起至今，作为高等教育的重要组成部分，高等职业教育在发挥我国人力资源优势方面做出了杰出的贡献[3]。高职教育事业的蓬勃发展使得学生报到入学人数逐年增加，学籍注册，成绩数据与学生档案等学籍信息数据量不断扩大，数据量骤增让学籍管理人员工作面临新的压力。

1.2种类复杂

Variety指数据形态多种多样，既包括传统的结构化数据，又包括高维度非结构化数据[4]。高职院校面对入学新生、在校生、毕业生、社会机构和相关部门等多类人群，学籍管理工作包括入学资格审核、新生学籍注册、新生学籍自查、在校生学年注册、休学、复学、退学、转专业等学籍异动、课程成绩监管、毕业生学历注册、补办毕业证明材料等。除此之外，高职学院还承担着培养专业技能人才的重任，学生会有半年至以上的时间在外顶岗实习。数据类型来源广泛，结构复杂，针对多源数据的分析处理是高职院校学籍管理工作的重要趋势。

1.3数据处理要求高

大数据的第三个特性Velocity和第四个特性Value分别指数据处理速度加快和数据价值提取空间大。现阶段数据在创建、分析和传播的速度已经远远超出了传统系统，让低速的离线处理方式面临淘汰。然而目前数据价值密度是和数据总量呈反比的，如何通过高效的数据处理体系和方法来实现数据价值“提纯”是大数据背景下的关键[5]。

计算机软件及互联网的发展为高职院校的学籍信息管理提供了新的平台和丰富的资源。在大数据环境下，为适应高等教育发展的需要，不断提高学籍的数据实时性与准确性，教育部2009年颁布《关于加强普通高等教育学生学籍电子注册工作的通知》，运用现代信息技术手段，建立和使用全国高等学生信息管理平台(学信网)，严格明确了新生电子注册和在校生学年电子注册的截止时间。高职院校需要在限定时间内完成电子注册，并做到一个不错。在速度和精准度方面对高职院校的学籍数据工作提出了新的要求。

2高职院校学籍管理面临的问题

大数据环境下，高职院校的学籍数据也迅速增加，教育部学信网和学校开发的教学管理体系也在实时更新，做到网上实时数据共享和数据同步，大大提高了工作效率。然而，在数据从传统手工录入转向电子化和网络化的过程中，数据的处理技术、专业人才的培养以及学籍制度的规范制定依然面临着许多的问题，还需要不断的深入挖掘和研究。

2.1数据提取效率低

现阶段各高职院校根据学信网平台开发了符合自身办学特色的学籍管理系统，渐渐告别了传统的手工抄录，大大提高了数据分析处理效率[6]。然而各学校学籍管理平台的信息共享性差，与各部门机构的信息传输不同步，新生入学时各部门统计的数据差异性高，给学籍数据核对和注册带来困难。同时，在日常工作中出现的学籍异动带来各部门的数据更替频繁，频繁的导入导出既容易出错又降低工作效率。

2.2缺乏专业的学籍数据管理人才

数据规模的扩大以及数据结构的复杂化加大了学籍管理人员工作的难度。学籍工作细致繁琐，传统手工录入的方法已面临淘汰，学籍管理人员需要的不仅仅是耐心和责任心，更需要专业的数据处理分析能力和计算机软件应用能力。然而现阶段，学籍工作仍被限定为事务性工作，岗位聘用时未重点关注数据分析处理的专业技能，上岗前没有接受岗位技术和文件制度的专业培训，导致在短期内无法熟练掌握学籍软件和分析处理数据。同时，日常工作又占据了学籍管理人员大部分精力。在大数据背景下，学籍信息时效性增加，需实时更新，实时同步，才能不断适应高职教育发展的需要。

2.3学籍管理制度有待完善

学籍管理是整个高职教育体系重要的数据支撑，它包含入学注册和学历注册，成绩和考核，同时还包括转专业、转学、休学、复学、留级、退学、保留学籍、学籍信息修改等多维度复杂的学籍异动，是高职院校教学管理部门实施管理，保障教学运行的政策保障，也是各个部门学生管理的原始依据。现如今教育部对于各项学籍电子异动已严格规范，颁布各项文件明确异动办理流程。但随着数据更替的加快，非结构化数据的不断加大，各学校制定的学籍管理规定一直沿用过去的教学方式，未做到及时更新。大数据背景下非结构化类型数据增多，高职院校应多采用规范化和人性化相结合的方式，与时俱进，不断完善学籍管理制度。

3大数据背景下高职院校学籍管理特征

3.1学籍管理数字化

数据量的急剧上涨无疑加大了数据处理的难度。而学籍数据是学生在校的唯一合法身份，也是学生维护自身权益的法律凭证，如何高效规范学籍数据的精确性，使得学籍数据与校内各学生管理部门的数据达到动态平衡是新时期大数据时代的要求。

以新生入学注册为例。入学注册的数据源一般有两个，一个是学信网平台提供的录取数据，由教育部提供。另一个是学生入学编班的具体数据，由各学院提供。学信网录取数据虽精准无误，但一般院校的报到率不会达到100%，且数据中不含班级、学号等信息，数据无法变更，因此不能直接将所有的录取信息直接进行网上电子注册。各学院提供的入学数据虽然可以体现实际报到人数，但录入数据方式复杂，数据量繁多，格式不统一，信息容易出现错误，若不加以核对、修改、匹配就直接电子注册，将导致错登、漏登的现象频频，最终注册失败。

因此如何保证注册数据的准确无误，第一步，我们将各学院提供的数据汇总，统一格式，整理成一个完整的Excel表格；第二步，将报到数据(bdsj.xls)和录取数据(lqsj.dbf)统一导入Access数据库，运用SQL语句(select*from bdsj left outer join lqsj on bdsj.身份证号=lqsj.sfzh；)，以身份证号或考生号作链接字段接连匹配，生成新Excel表格进行筛选；第三步，对匹配不成功的数据运用同样的方法进行姓名比对，比对不成功的数据进行手工校验处理；第四步，重复上述方法反复匹配直至数据完全准确为止。接着，我们将准确的报到学生数据设立学号，设计信息校对单供新生核对签字。最后生成学信网规定的(.dbf)格式文件，按照省厅的时限要求及时完成学信网电子注册。

在处理学籍电子注册之外，此方法还适用于在校生学年注册、学历注册等大批量数据匹配，在日常工作中也可运用适合的SQL语句实现数据连接、筛选和整理，短时间内在复杂数据结构中迅速找出错误、漏登等异常项目，提高数据数据精确率，为学籍数据管理节省大量宝贵时间。

3.2学籍异动规范化

随着数据量与数据种类的日益增多，教育部为了规范学籍异动处理的各项要求，2005年颁布了《普通高等学校学生管理规定》，对转学、转专业、退学等学籍异动做了详尽说明。近年来省教育厅严抓学籍异动，在转学、转专业、学籍信息变更等方面有全面的完善和严格的规定。高职院校在贯彻执行上级文件规定的基础上，制定符合学校办学特色的学籍管理规定，在休学、复学、留级、退学、转专业等学籍异动审批上细化程序(见图1)，设立符合要求的配套表格，相关部门严格落实职责分配，强调归口办理，逐级审核，所有材料充分利用且保留备查。

图1　休学、复学、退学、留级、转专业学籍异动程序

3.3人才培养专业化

大数据背景下给专业的数据处理人员提出更高的要求，在培养数据敏感力、高效率数据分析以及多源数据结构的软件处理能力等等均要适应社会需求。

3.3.1培养数据敏感能力

学籍管理人员日常工作面临大量复杂的数据结构，主要包含学生个人基本数据(姓名、考生号、性别、民族、出生日期、身份证号、入学年月)，录取数据(录取院校、学院、专业、层次、类型)，以及在校信息(班级、学号、课程、成绩)等。其中，考生号、身份证号、学号等庞大冗杂的数据格式均含10位数字以上，且数据获取时来源多样，极容易出错，这就要求学籍管理人员培养数据敏感能力，善于洞察和发现规律，迅速监测异常数据，运用Excel、Access等现代技术手段整理清洗，从而将数据由杂乱无章变成结构化的、可供分析的数据。

3.3.2培养高效率数据分析能力

为保障学生的权益，如何能短期内在大量的数据信息中排查出错项、漏项、余项，在规定时间内完成学籍电子标注，传统的手工录入模式已不再适应大数据环境的要求。现阶段学籍工作趋向无纸化，学信网平台以及校内的教学管理系统的数据处理整合也趋向结构化，专业化。学籍管理人员需要具备较好的逻辑分析能力和数理统计知识，培养专业的数据处理能力，熟练运用SQL语句实现数据筛选、排查和整理，高效率使用学信网、教务系统操作方法，最终通过计算机相关知识得以实现。

3.3.3建立科学有效的培训激励机制

学籍工作的繁琐复杂性使得学籍管理人员难得从日常的工作中抽离出来投身教学或科研，因此对他们的职称竞聘带来困难，未来的职业发展空间非常有限。马斯洛的需要层次理论认为自我价值实现是人的五大需要之一[7]。赫兹伯格的双因素理论认为人的满意来自于激励因素，不满意来自于保健因素，在工作中应该重视学籍工作职业发展规划，设置全面详尽的岗位分析，建立切实可行的考核机制，将激励因素和保健因素有机结合起来，综合提高学籍员工的整体工作满意度[8]。另外，加强学籍管理人员集中培训和教育，除了及时进行计算机专业技术的知识更新，之外，还应该提高工作责任心与耐心，随时具备为学生奉献的服务意识。同时，促进各职业院校之间的交流沟通，多方面汲取新鲜的学籍管理创新方法，保持学籍工作高效稳健的向前迈进。

4小结

高职院校的学籍管理工作随着大数据时代变化而不断推进。现代化学籍管理工作所面临的数据量日益扩大，数据种类日益繁多，在工作性质、业务技术难度和人才培养的专业性方面均有高标准要求。作为一份严谨、细致而原则性强的工作，必须不断提高学籍管理工作人员专业技术知识和数据处理能力，实时跟进和完善学籍管理制度，才能更好适应大数据背景下不断发展的高职教育改革发展的要求。

参考文献

[1]聂娟.高校学籍管理制度建设研究[J].湖南大学,2005，(10)：1.

[2]李广建.我们的大数据时代[M].北京:中国人事出版社,2015:3-6.

[3]战菲.高等职业教育与社会需求对接的问题及对策浅析[M]∥又要出发——高职教育研究论文集.武汉：武汉理工大学出版社，2015:3-7.

[4]刘小雨.谈大数据时代下的高校信息化发展[J].信息与电脑：理论版,2014：45.

[5]Victor Mayer-Schonberger, Kenneth Cukier. Big Data:A Revolution that Will Transform How we Live,Work and Think[M]. London: John Murray,2013.

[6]陈春华.基于计算机应用技术的高职院校学籍管理工作[J].科教文汇,2009,(1)：51-52.

[7]Maslow, Motivation and Personality[J]. New York: Harper, 1954.

[8]F.Herzerg,B.Mausner,and B.Snyderman.The Motivation toWork[M].New York：Wiley,1959.

(责任编辑：李文英)

The Research on Status Management of VocationalColleges in the Era of Big Data

Zhan Fei1Sheng Lijun2

(1.Wuhan Vocational College of Software and Engineering, Wuhan 430205, Hubei;2.Wuhan Institute of Shipbuilding Technology, Wuhan 430050, Hubei)

Abstract:The world has stepped into the era of big data. Status management in vocational colleges, owing to its large volume of data, complex types and high quality of data process, is facing a new challenge. This paper, analysing the big data characteristic of the status management in vocational colleges, addresses the problems found in Status management, and offers specific solution, hoping to point out the development trend of status work.

Key words:big data; vocational colleges; status management; data analysis

收稿日期：2016-04-06

基金项目：湖北省高等教育学会学籍管理专业委员会专项研究课题“基于网络信息化的高职学籍管理工作过程研究”(项目编号：XJ14-15-12)

作者简介：战菲(1989～)，女，硕士，助教.E-mail：zhanfeier@126.com

中图分类号：TP391:G473.3

文献标识码：A

文章编号：1671-3524(2016)02-0022-04