大数据思维在高校教学管理中的应用探索

余 斌（深圳信息职业技术学院教务处，广东 深圳 518172）



大数据思维在高校教学管理中的应用探索

余 斌
（深圳信息职业技术学院教务处，广东 深圳 518172）

摘 要：该文以大数据在经济生活中的应用举例为起点，分析了将大数据理念应用于高校教学管理的可行性，构建了高校应用大数据管理的工作模型，提出高校管理应用大数据的四种方式，即通过“合作筛选”实现借助大数据帮助学生选课，通过“数据比对”以实现借助大数据对学生的学业进行预警，通过“数据挖掘”实现借助大数据提高教学质量，通过“数据分析”以实现借助大数据协助学校决策，通过大数据的应用提升高校的管理水平。

关键词：大数据； 高校管理 ； 合作筛选； 数据比对 ； 数据挖掘； 数据分析

我们处于一个信息爆炸的社会，互联网每天产生的惊人数据，迅速将我们推向大数据时代。移动网络的广泛应用为信息交换提供了极大的便利，可以跨越距离获取数据，研究人员在办公室就能查阅图书馆的数据，上班族可以在不同的城市分享销售报告，大学生可以借助网络免费学习美国哈佛、麻省理工的在线课程［1］，网络为海量数据的获取提供了便利；另一方面，随着移动互联网的崛起，手机已渗透到社会方方面面，数据的生产也发生了巨大的变化，数据的源泉已扩大到每一个网络使用者，人们的日常活动越来越多地借助于移动终端，在手机上社交、购物、发微信、分享图片，这些活动产生了海量的数据。

“大数据”指的是收集和分析大量信息的能力。大数据已经越来越多地应用于各行各业中，企业利用大数据来改造传统的工业生产，用于供应链管理及客户关系，飞机制造企业凭借在每架飞机引擎上安装的数百个感应器，收集每架飞机的引擎运行数据，公司在后台应用大数据监控、分析飞机的运行状况，预测引擎会在何时何地发生故障，这种大数据的应用也将企业的盈利模式从单纯地销售引擎转向销售引擎和监控服务的捆绑包产品，然后根据客户使用服务、维修和更换配件的情况来收取费用。

大数据的应用已在各行各业推广开来，高校的核心任务是提高人才培养质量，强化教学管理、改进管理手段是高校发展及提升人才培养质量的关键，在大数据时代，构建学校信息化管理平台、提高高校信息化水平，可以提升管理效率和扩大教育资源利用效能，在教育教学管理中引入大数据已成为教学管理提升的必然选择。

1　大数据在教学管理中应用的条件与模型

1.1高校管理中已经产生了大数据

高校普遍使用教务管理系统、高校人才培养状态数据平台、专业建设平台、网络课程教学平台，多平台的应用形成了海量的数据，以一所中等规模的高校为例，若该校有1000名任课教师，设置50个专业，开设了1500门课程，日常教学中，每个学生每天的出勤信息、作业完成信息、学生特长信息、参加社团活动、参加企业实践、学生间的交流状况、教师对学生的评价、学生对教师的评价、课程的教学内容、教学模式，教学视频，等等都是大数据的组成内容。

手机在学生中广泛普及，日常教学活动中，教务管理系统能对每个学生的学籍、学业信息进行收集处理，网络课程平台产生了大量的文档、图片、视频，各互动平台产生了大量的互动信息，这些数据为大数据的应用提供了可能。

1.2大数据在教学管理中应用的模型

大数据在教育管理中的应用包括学习分析学（LA，Learning Analytics）和教育数据挖掘（EDA，Education Data Mining）二个领域，学习分析学是指“关于学习者以及他们的学习环境的数据测量、收集、分析和汇总呈现，目的是理解和优化学习以及学习情境”，其一个重要应用是监测和预测学生学习成绩，及时发现潜在问题，并据此作出干预，以预防学生在某一科目课程学习中产生风险。教育数据挖掘的目是研究和利用统计学、机器学习和数据挖掘方法来分析教和学的过程中产生的数据。包括以下方面:预测学生的学习行为，优化教学内容组织形式、研究能实现最佳教学效果的教学模式，推动关于学习和学习者的科学研究［2］。

具体在高校教学管理中，我们可借助现有的高校数据系统，在学生选课、毕业审核、教师教学质量考核、学校治理等方面广泛应用大数据以提高管理水平，主要应用模型可以表示为：

图1　大数据思维在高校教学管理中应用模型

2　大数据在教学管理中的应用探索

2.1合作筛选：借助大数据帮助学生选课

别人的建议可以让你生活得更轻松，人们可以通过网络了解大家的行为来获取参考意见，网络搜索引擎会列出最受欢迎东西的清单，甚至更进一步地试图让你知道跟你相似的人都喜欢什么。当当网上买书时会告诉你买了《中学生作文》的人也买了《中学生名言锦句》，在淘宝网上买一款你中意的运动鞋时你会选择销量大、网评好的店铺，这些都称为“合作筛选”。这种“合作筛选”的好处是显而易见的，既有利于消费者及时找到自己想要的价廉物美的商品，也有利于商家掌握消费者的喜好，扩大产品的销售。这些都是大数据时代的变革，大数据在指导学生选课时有极大的意义［3］。

很多高校正在由传统的学年制转向学分制，也许还在转换的过程中—学年学分制，但让学生有更多的选课机会是高校课程设置大趋势，这种转变是适应了知识爆炸大时代下的学生个性化学习的要求，是建立学生全生命周期职业素养的要求，也是社会经济转型升级后对复合性人才的需求的新形势对高校自身教学改革的要求，高校应主动做好这种转变，为学生选课提供便利服务。

这种转变的初级表现形式是高校要有一套选课组织制度和软件平台，包括建立跨专业选课的教学管理办法，为学生开设足够多的课程学位，开设各类有吸引力的课程，不仅是专业类的，还应包括人文类课程、语言类、体育类、兴趣类课程等，适应学生多样化的选择，由于各高校现在都已采用了教务管理系统，包括选课管理子系统，让学生自行选课已经在技术上很容易实现。

而这种转变的高级形式应是大数据的应用--为学生的选课提供决策服务，可以理解成是一种智能的基于大数据的决策服务支持系统。如何让学生在选课之前获得足够多的课程信息，包括课程的教学内容、开设时间、主讲教师、学生评价等，学校应建立一套大数据分析系统，收集每门课程的教学文件数据、历届学生的学习过程数据、学生对课程的评价反馈数据，这些数据不仅可以帮助教师改进自身的教学，完善课程的教学内容与教学课件，更重要的是让学生在选课时充分了解课程的信息，为合理选择课程提供决策依据。

2.2数据比对：借助大数据对学生的学业进行预警

提高教学质量是高校最紧迫的任务，营造良好的学风和严格学籍管理是提高教学质量的必由之路，要将学业学籍管理贯穿在学生的学习过程中，而不是在学生毕业前夕，其实这是一个全面质量管理的概念，即将质量管理体现在生产过程中，在人才培养的全过程中，这就要求我们高校的管理进行转变。

学业预警是在学校学籍管理过程中将学生的毕业状态“事后告知”转变为“事前警示”的一种机制，主要是学校及时掌握学生的学习状况，对每个学生在学习推进过程中实际学习结果与应该取得的要求进行比对，发现其中的差距，从而判断学生的学业是否达标。目前，国内已经有一些高校尝试“三色预警”制度，即以“成绩预警”“考勤预警”两个类别和“红、橙、黄”三色预警等级，将传统学业事后警示管理方法转变为事后警示与事前、事中预防相结合的管理方式［4］。

在大数据时代为你服务的企业可能比你获得更多的信息优势。如当你在互联网上浏览页面时，向你推送的广告内容正是你昨天想要购买的全棉衬衣，其中的原因你是否深究，其实是大数据系统已记录下了你昨天曾经在网上搜索过全棉衬衣。有了大数据，公司不仅知道某种行为发生的一般概率，还能预测出每个消费者将会怎么做。

由此我们得到启示，大数据能帮助我们更好地进行学业预警。通过建立学业数据预警系统，分析每个学生的学业状态，系统包括每个学生每门课程的学习状态、专业的毕业条件，学生学业完成趋势，该系统不仅能统计目前学生的学业完成情况，还能根据大数据来预测学生的将来学习状况。如从大数据中分析得出，在《电路》课程不通过的学生中，有40%的学生在《电子学》课程上同样不及格。这种关联性的预测能提早对学生进行预警，让学生在学习《电子学》要加倍努力，或是改选其他课程。

2.3数据挖掘：借助大数据提高教学质量

高校教师教学质量评价关系到学校整体教学质量，现行的做法是由教学督导部门组织对每位任课教师进行评价，收集学生对教师的评价数据、同行教师互相听课的评分，然后汇集这些数据，按照一定的规则计算教师的总体评价分值，实现教师教学质量的量化考核。

在大数据时代，上述数据能发挥更大的效用。我们可以对数据进行深度挖掘，得到更为有价值的信息。

利用大数据可以尝试分析不同属性教师的教学质量，从而为学校教师招聘决策服务。如，我们想知道博士以上高学历人员教学质量、外聘兼职教师是否更容易受到学生的欢迎，数据分析会给出结论，我们可以做如下数据分析试验：从学校教学质量督导管理系统的数据库中得到关于教师的教学评价的记录500条，挑选并提取其中的6个属性：教师编号、性别、学历、职称、专兼职、评价分值，使用数据挖掘中的关联规则分析方法，以评价分数在90分以上作为判定标准和搜索目标，设定最小置信度、最小支持度，从而计算得到，企业兼职教师中评价分数大于等于90分，占全体企业兼职教师总数的70.2%，而专任教师评价分数大于等于90分的占专任教师人数的48%。也就是说，来自企业的兼职教师更容易受到学生的好评，从而学校可以据此扩大企业兼职教师的聘用。

另一个应用是教师可以借助大数据合理安排教学内容、选择教学方式，从而提高教学效果。由于教师在长期的教学中很容易形成思维定势，课程教学大纲一旦制定，教学内容与组织形式多年延续下来难以改变，教师与学生按部就班地开展教学活动，教师对教学效果的追求已日益钝化，大数据完全有可能为这种教学活动重新注入新的活力，利用数据挖掘技术，对在纷繁复杂的日常教学中产生的数据进行综合分析，归纳出具有预测性的内容。例如，比较在教室组织教学和在实验室实训室组织教学，哪种更适合学生；某一章节的内容安排多长时间教学更容易被学生接受，用什么方式巩固提高知识更有效等等，应用教学数据分析，课程教学活动可以根据数据分析产生的新情况进行调整；班级辅导员可以通过对班级学习情况的数据进行比对分析，归纳出学生最近的学习、思想和行为倾向，有效地预防教学活动中不当行为的出现［5］。

2.4数据分析：借助大数据协助学校决策

教育部为做好新一轮高职院校评估工作，已在全国各高职院校开展多年的《高等职业院校人才培养工作状态数据采集平台》填报工作，各高职院校每年应报送人才培养状态数据，最新的状态数据包括：学校基本数据、日常教学经费、教师队伍、实践教学与职业资格证书、产学合作、教学改革、招生就业、奖助学金等数据，这些数据包括学校人才培养工作的各个方面，全国1300多所高职院校每年都要产生大量的数据，且这些数据均向社会公开，研究人员能自由获取这些数据，这些数据的功能可表现在统计汇总、管理监控、分析开发等方面［6］。

利用学校大数据进行分析开发是教学管理的有效形式。如分析某校2014年度生均图书情况，该校图书总数为89.04万册，在校生人数为16131人，生均图书占有量为55.2册，进一步比照该校所在全省高校生均图书59.99册，据此我们就可得出该校图书生均占有量未达到全省平均水平，应加大图书的采购量。再举个例子，分析某省各高职院校毕业生初次就业率为96.06%，而当年该省本科毕业生初次就业率为93.52%、研究生的初次就业率为90.54%，高职生就业率比本科和研究生的就业率都高，进一步比较可看到，这是连续第3年高职生就业率比本科生、研究生高，大数据给出了明确的结论：该省高职教育适应了经济社会发展人才需求。

3　结语

大数据已经深入到我们的生活，高校教学管理中引入大数据理念势在必行，大数据源已经产生，尝试用大数据进行管理是高校管理创新的方向，我们可以通过“合作筛选”以实现借助大数据帮助学生选课，通过“数据比对”以实现借助大数据预警学生毕业，通过“数据挖掘”以实现借助大数据提高教学质量，通过“数据分析”以实现借助大数据协助学校决策。伴随着云计算技术的应用普及和高校硬件支撑条件的改善，开发出整合高校内部大数据库、并具有自动分析诊断与发送信息能力的大数据应用系统，将是高校信息化建设的新热点，大数据在教学管理中的应用将会深入到学校更多层面，也会有更多的大数据管理与应用形式被不断挖掘出来。

参考文献：

［1］ 大数据正对教育行业带来革新［N］. 南方都市报，2013-04-26.

［2］ 祝智庭， 沈德梅.基于大数据的教育技术研究新范式［J］.电化教育研究， 2013，（10）: 5-13.

［3］ 伊恩 艾瑞斯. 大数据思维与决定［M］. 北京：人民邮电出版社， 2014.10: 21-22.

［4］ 吴宗志，黄小琴. 高校学业预警制度设计初探［J］. 黑龙江教育， 2015（6）: 46-47.

［5］ 阮绍萍.大数据背景下高等学校教学管理的新思路［J］. 科技视界， 2015（9）: 111-112.

［6］ 何锡涛. 高职评估数据采集平台的建设与使用. 高教发展与评估［J］. 2009（5）: 89-93.

【责任编辑：羊玲】

中图分类号：G647.3

文献标识码：A

文章编号：1672-6332（2016）02-0030-04

【收稿日期】2016-01-18

【作者简介】余斌（1971-），男（汉），湖北黄冈人，副教授，主要研究方向：高职教育教学改革、管理。E-mail:yub@sziit.edu.cn

Exploration of the application of big data thinking in teaching affairs management in Colleges

YU Bin
（Teaching affair office， Shenzhen Institute of Information Technology， Shenzhen 518172， P.R. China）

Abstract:Starting from some examples of big data application in the economic field， this paper analyzes the feasibility of applying big data thinking to teaching affairs management in colleges， constructs a working model of big data applications in college management and finally puts forward 4 types of application methods， namely cooperative screening， data comparison， data mining and data analysis. By cooperative screening， it means that students can select their courses with the help of big data. By data comparison， students can be alerted to their possible failure in academic achievement. By data mining， the teaching quality will be promoted. And by Data Analysis， the administrators can make better decisions and accordingly improve their ability in managing a college.

Key words:big data； management in college； cooperative screening； data comparison； data mining ； data analysis