“循数诊改”：高职质量保证体系构建的理念与实现途径

胡 娜

(重庆广播电视大学 教务处，重庆 400052)

“循数诊改”：高职质量保证体系构建的理念与实现途径

胡 娜

(重庆广播电视大学 教务处，重庆 400052)

以大数据、互联网、物联网等现代信息技术为特征的第三次技术革命已经到来，大数据作为一种资源受到各行各业的关注与研究。高职“循数诊改”质量保证体系指的是在以需求为导向的人才培养过程中，布局全方位数据收集，并对其进行挖掘与应用，以最大限度地提升人才培养过程中决策的科学性和有效性。构建“循数诊改”质量保证体系，需要树立数据意识，提高数据处理技术，构建高效的数据处理平台，保障数据的安全等。

大数据；高职院校；质量保证体系；循数诊改

一、引言

以大数据、互联网、物联网等现代信息技术为特征的第三次技术革命已经到来。第一次技术革命释放了人的体力，第二次技术革命拉近了人的距离，第三次技术革命将会释放人的大脑[1]。将大数据技术融合于高等职业教育，实现个性化培养、精准化管理、优质课程资源共享、校际间学分互认、顶岗实习远程监控、课堂教学过程实时记录及分析反馈，成为不断提高高等职业教育教学质量的新型驱动力。本文首次引入“循数诊改”的概念，以期为大数据技术构建高等职业教育教学内部质量保证体系带来一种新的理论支持及方法途径。

二、“循数诊改”的内涵

大数据时代，我们产出的信息数据正以指数方式甚至更快的速度增长，信息数据充斥着整个世界，并成为一种新的资源形式，有待我们开发利用。过去促进产业发展的资源是煤炭和石油，而未来引领各领域发展的资源将会是数据。人类第一次自己创造了新的资源形式——数据，并且这种资源越加利用便越有价值[1]。2012年，徐子沛在其著作《大数据》中首次将这种运用于政府和企业的数据管理称为大数据时代的“循数管理”和“数据竞争”[2]。2014年，任志锋和陶立业将政府管理置于大数据的背景下进行研究，提出了“循数”治理的理念，即以数据为依据、资源、工具来发现、分析和解决公共问题，以此保证治理更为科学、客观、理性[3]。2016年，南旭光将高等教育连同其有关治理活动置于大数据背景下，提出了高等教育“循数治理”的观念，即在高等教育办学活动的全过程中，要凭借大数据的有效收集，并以此为工具去发现、分析和解决高等教育办学活动中出现的问题，保证高等教育治理更加科学、客观，从而决定高等教育发展的路线方针和具体策略[4]。

本文在相关研究基础上，将问题聚焦于高等教育的一个细分领域——高等职业教育，紧紧贴近大数据时代特点，结合高等职业院校内部质量保证体系诊断与改进建设的需求，引入“循数诊改”的概念，以期通过探索挖掘大数据的新资源、新思维、新工具来构建高等职业教育内部质量保证体系，并不断提升其自我诊断与改进的能力，从而实现教育质量的自我监督、自我评价和自我提升。

所谓高等职业教育“循数诊改”，就是指在以需求为导向的人才培养过程中，通过构建网络化、全覆盖的数据采集平台，实时记录学生教育教学中产生的碎片数据，将其汇聚为新型数据资源。其后，以此为依据，利用大数据分析工具去诊断人才培养过程中出现的问题，发出预警，提供改进的方法和空间，以保证更加科学有效地提升高等职业教育质量。“循数诊改”概念的核心是以下几点：第一是要建立高效的数据采集平台。2015年8月底出台的《国务院关于印发促进大数据发展行动纲要的通知》(国发〔2015〕50号)中明确提出教育文化大数据的发展任务是完善教育管理公共服务平台，推动教育基础数据的伴随式收集和全国互通共享[5]。2016年6月，教育部在《教育信息化“十三五”规划》(教技〔2016〕2号)中再次将加快推进区域平台建设和与国家教育资源平台的协同服务作为未来5年的主要任务[6]。可见，基础数据采集平台建设是实现大数据时代“循数诊改”的第一步，只有平台搭建起来了，才能采集、汇聚海量的、快速流转的、类型多样的、价值巨大的教育基础数据，才能为开展质量诊断与改进提供可分析透视的数据事实依据，才能为接入国家教育资源共享平台做好准备。第二是要实时记录碎片数据。碎片化的数据好比大海的水滴，独立看来毫不起眼，当它们汇聚在一起时，却会变幻出极具美感、超级震撼、富有神秘色彩的汪洋大海。数据已如空气、水滴般潜入我们的生活，需养成习惯随处捕捉、实时记录，将时间、地点、人物、事件通过数据连接在一起，构成新的资源形式。如今，谁掌控这类新型资源谁就抢占了先机，可以说数据强则组织强。因此，实时记录碎片数据便是为学校积累财富。第三是要科学利用数据分析工具。历经10余年的技术发展累积，大数据分析工具日趋成熟，其智能化、实时化和易用性大大提高，数据分析工具的运用门槛不断降低。只要我们善于利用，可以预见在不久的将来，批处理技术Spark Core、数据交互技术Spark SQL、流式存储技术Spark Streaming、机器学习技术MLLib、图计算技术GrphaX等数据处理技术将会如Word、Excel、PowerPoint一样被我们所熟知。

三、“循数诊改”的功能价值

1.提供科学有效的决策

大数据技术诞生以前，研究结论的得出往往是依赖于局部样本分析，通过局部样本分析推断全体样本的内在规律和因果联系等。样本化概率性的视角曾经是主流的研究范式，但是第三次工业革命带来的技术进步，对此提出了严峻的挑战，所以遵循“循数诊改”理念，不断提高决策的科学性尤为重要。一方面，统一的数据采集平台的构建，汇聚了海量的、快速流转的、类型多样的、价值巨大的教育基础数据。这些基于事实的数据真实记录了教师的人口统计学特征、专业课程建设内容、教学教辅软硬件设施设备情况，以及学生的人口统计学特征、学业成绩和课堂表现、德育发展情况、教育教学体验、校园资源使用情况等。利用Spark SQL、MLLib、GrphaX等大数据分析技术对这些反映人才培养过程中真实情况的数据进行深度挖掘和有效整合，便能最大限度地提升人才培养过程中决策的科学性和有效性。另一方面，大数据技术有助于实现全样本分析。数据采集平台可以实时记录人才培养过程中的碎片数据，平台中包含全校师生的基础数据，避免了局部样本分析结论的片面性和单一性，为科学有效的决策提供了全样本分析基础。

2.促进自觉高效的诊改

牛津大学新近发表的一项研究结论指出，未来20年，美国全部702种职业中，有47%的职位将被机器所取代，全球将面临“技术性失业”的严峻挑战[7]。在这场变革中，唯有对时代旋律保持高度敏感，不断发展和提高自我，才能经受住“技术性失业”风暴的考验。首先，时代的洪流已经向我们袭来，把握者获得生机，违逆者将会被淹没。大数据技术缩短了人与人、学校与学校、国家与国家之间的距离，在这个数据化的全球体系中，我们可以清晰、量化地洞察竞争对手，从而促使我们不断自觉诊改、激流勇进。其次，高等职业教育旨在培养面向生产、建设、服务和管理第一线的高素质技能型专门人才，与社会技术发展的联系非常紧密，这就需要大数据技术为其提供便利条件和技术保障，分析不断发展变化的人才需求，并以需求为导向，诊断并改进人才培养目标。再次，教职员工是保证高等职业院校教育教学质量的重要主体，大数据技术有助于主体绩效期望的实现。各个主体可以通过网络化的数据采集平台汇聚的数据，基于“循数诊改”理念，进行螺旋式上升的自我诊改，实现自我的不断提高，以接近帕累托最优。

3.实现公开透明的监督

大数据技术的出现和应用为高等职业教育合作办学、开放办学提供了技术支撑，为实现公开透明的多方监督提供了便利之路。如果将大数据技术促进自觉高效的诊改视为个人发展的内在诉求，那么由大数据技术实现公开透明的监督无疑为外部动力。高等职业教育的开放性、合作性需要学校、家长、用人单位以及社会多元主体间的协同互动和互相监督，这就需要大数据技术提供支持，以跨越时空界限和组织边界，实现信息的流转和资源的共享。

四、“循数诊改”的实现途径

1.树立“循数诊改”意识，激发“循数诊改”动力

大数据技术经过10余年的发展已相当成熟，但是与此形成鲜明对比的则是大数据思维和意识的滞后。要真正实现高等职业教育的“循数诊改”，必须树立数据化的思维和意识。首先，在高职院校内部，要从具体岗位工作着手，全员、全过程、全方位推进大数据理念的传播，通过政策法规引导、理论学习指导、实践工作检验，逐渐让各职能部门、各二级学院和全体教职员工养成大数据思维习惯。其次，要树立现代质量意识。国家高度重视职业教育质量，从100所国家示范院校建设计划，到100所国家骨干院校建设计划，再到高职院校质量诊断与改进建设计划，国家不遗余力地提高职业教育的质量。在大数据时代，质量被重新定义，要充分利用大数据技术及时、高效、便捷地收集数据信息，并在此基础上以需求为导向制定质量标准，真正做到用数据说话。再次，学校要以政府文件为依据，结合本校行业背景、区域发展的实际情况，出台相应的规章制度，成立专门的诊改工作保障部门，在个人绩效、职称晋升等方面形成科学有效的工作机制，确保“循数诊改”工作落到实处，激发全体教职员工“循数诊改”的动力。

2.提高“循数诊改”素养，打造“循数诊改”工具

大数据深刻影响着人们的生活习惯和思维方式，要真正开展“循数诊改”，就需要高等职业院校教育工作者具有较高的数据素养，掌握一定的数据技能。首先，各高等职业院校要广泛开展大数据技术在职培训以提升现有教职员工对“循数诊改”的认同度和参与度。其次，基于大数据的“循数诊改”已迫在眉睫，在学校内部短期培养具有较高发言权和影响力的专家存在较大困难，可以通过与互联网企业、科研院所等社会机构开展深度校企合作，吸引其计算机专家、数据分析专家、工程师等来高校牵头或辅助统筹规划质量保证体系建设。通过合作共建，带动全体教职员工积极学习大数据技术相关知识，不断提高数据素养。第三，必须把数据意识落实到人才培养过程中，融合到课程体系设置中，大力培养专业人才，通过提高学生的数据素养，为学校自身发展、为服务社会构建人才梯队。同时，分析技术是基于大数据进行模型构建，并进行评价、推荐和预测等的基础。大数据分析技术在近年得到快速发展，降低大数据技术使用门槛是推广普及大数据技术的第一步，唯有“循数诊改”分析工具简单且易于操作，个人努力期望值逼近临界点时，才能激发个人主动接纳并使用新工具。目前，新发展起来的雾计算技术是由性能较弱且更为分散的各类计算模块和智能网络设置组成，这些低延迟且有能力进行位置感知的模块可以融入各类基础设施，乃至日常办公电脑中[8]。SAS可视化分析解决方案就是一个很好的例子，即使使用者毫无数据分析专业背景，也能通过直观的图形界面轻松地进行数据分析[9]。对于高等职业院校来说，应结合“循数诊改”平台运行要求，在各质量观察点嵌入所需的大数据分析工具，例如人工智能Artificial Intelligence的语言识别、图像识别、自然语言处理和专家系统等，简化教职员工使用系统流程及操作的难度。

3.构建实时高效的数据采集平台

从100所骨干高职院校建设实践来看，与学校教学质量紧密相关的主体有：学校(教师和教辅人员)、学生(在校生和毕业生)、家长和用人单位。因此，本文将从这四类角色出发，构建主体明确、权责清晰的质量保证体系数据采集平台。通过四方主体上传的学生立体化生态发展数据，利用批处理等信息技术对原始数据进行分析处理，最终为“循数诊改”奠定坚实基础。

(1)学校学情监控平台

构建网络化的学校学情监控平台。该平台平行衍生两个子系统，分别由教师和教辅人员填报。教师主要负责与自身专业课程内容相关信息的填报，以及学生学业成绩和课堂表现的记录；教辅人员主要负责教学教辅软硬件设施数据的填报，以及学生入学前的基础数据采集、入学后的德育发展状况记录。平台的设计应该实现高度智能化、高度集成化。首先，能够通过智能校园系统采集信息数据，例如：图书馆借阅记录、体育场馆进出记录、校园卡消费记录等应实现系统间无障碍数据传输；其次，平台的登录口应该多样化，既能支持平板电脑录入，也能支持手机终端上传；最后，平台可接受的数据应具有高度兼容性，即结构化、半结构化和非结构化数据均能上传，数字、图表、图片、视频等均可录入。

(2)学生信息反馈平台

高校以往常见的做法是组建学生信息员队伍，一部分学生意见代表了全体学生的意见，这样的做法在大数据时代需要被淘汰。应该为每位学生分配学生信息反馈平台账号，每个学生均可提供教育教学体验评价，如：教师课堂教学评价、社团德育活动感想等。在校学生需要在规定时间内登陆信息反馈平台填写实时数据，毕业生也可以登录信息反馈平台持续关注学校教育教学发展动态，并结合自己的社会职业生涯提供意见。

(3)家长意见采集平台

搭建家长意见采集平台，一方面是为家长了解子女在校学习生活的实时情况提供数据通道。家长是学校教育资源的购买方，有权知道、也最为关心学校的教育质量，同时，该平台也便于家长全方位配合学校的教育教学安排，支持学校的校外实践活动。另一方面，家长又是其子女身心变化最敏感、最直接的感知者，能够从“产品购买者”的角度提出自己的期望值，并监控“产品质量”生成过程，发现问题及时提出，便于学校不断提高智育、德育两方面的工作质量。

(4)用人单位考核平台

该平台是用人单位根据毕业生在本单位工作岗位的真实表现向学校提供客观公正评价的重要渠道。作为培养杰出技术技能人才的高职院校，用人单位是检验学生技术技能、职业素质最权威的场所，直接反映出学校的培养目标是否实现。通过用人单位考核平台，企业向学校反馈“产品质量”检验结果，并提出期望获得的“产品”，学校参考用人单位的评价及需求及时诊断并改进专业人才培养方案，为用人单位输送高质量的毕业生。

4.形成各主体填报的数据标准

美国非常重视建立教育数据标准来规范数据的表达与处理。美国教育部组织相关机构研制了《教育数据通用标准》，并且在应用过程中不断调整与优化，2015年已经发展到第五版。其中的数据模型包括了职业教育中的众多实体描述[10]。本文借鉴其先进理论经验，结合我国实践，并坚持数据填报标准的量化原则、结构化原则、延续化原则等，形成具有中国特色的高职院校数据填报标准。该标准是基于学校(教师和教辅人员)、学生(在校生和毕业生)、家长和用人单位四类主体的15个一级元素，72个二级元素的数据填报标准。详见表1所示。

(1)学校填报数据标准

教师和教辅工作人员是学校质量保证的重要主体，在大数据时代他们不仅需要肩负教书育人的重要责任，同时需要具备良好的数据素养，肩负实时记录学生成长发展过程中的各项指标数据，为学校进行质量诊断与改进做好原始数据准备的任务。教师、教辅人员主要负责自身人口统计学元素、专业课程内容、学生学业成绩和课堂表现、教学教辅软硬件设施数据、新生基础数据、学生德育数据等7个一级元素和43个二级元素相关数据的填报。

(2)学生填报数据标准

刚刚步入大学校门的“95后”和即将步入大学校门的“00后”，作为数字时代熏陶下的第一批原住民，已具备基本的数据意识，他们有能力也有意愿完善自己的数据信息。学生是学校教育教学质量的承载者与参与者，在校生需要从教育教学体验、校园资源使用；毕业生需要从个人发展和学校发展建议等4个一级元素和12个二级元素方面填报相关数据。

表1 四类主体的数据填报标准

(3)家长填报数据标准

学生家长是最为关心学生成长发展的主体，他们有意愿也希望通过学校提供的渠道与学校互动，了解子女在校期间的学习生活状况。学生家长不仅需要填报家庭基础数据，还需要填报子女在校接受教育之后的成长数据，共计2个一级元素，9个二级元素。

(4)用人单位填报数据标准

学校为用人单位的发展源源不断地输送人力资源，用人单位从经济人的视角出发为学校培养学生反馈意见并提出建议，从而获得他们所期望的人才资源，如此良性循环，促进彼此发展。用人单位的人力资源部门需要填报员工基础数据、员工专业技能共2个一级元素和8个二级元素。

5.保障“循数诊改”的数据安全

每次技术革命在带来社会进步的同时，裹挟而至的还有其重大的负面影响。大数据开启了一个新的时代，但也将个人隐私的暴露推到了前台，同时还存在隐匿在数据使用背后的信息安全问题。教育行业的数据几乎囊括了全国所有在校生的数据，其数据的安全至关重要。有学者认为，数据是一种资产，应从法律上明确将窃取他人数据与攻击他人信息系统视为犯罪[11]。因此，从国家层面亟待形成系统性的法律制度，从法制层面严肃界定教育行业的数据安全责任，制定数据安全定刑问罪条例。在学校层面上，应形成校级领导负责制度，数据安全由校级领导亲自抓。同时，学校文件中应明确规定各级数据访问权限，构建多层安全保护机制，只有权责明确、操作清晰，才能有效保证教育大数据的研究和运用。

五、结束语

大数据技术融合于高等职业教育的实践正处于起步阶段，政府、学校、教师都在进行积极的探索。本文引入“循数诊改”的概念，主要是指在高等职业教育办学活动的全过程中，必须树立大数据意识，并借助大数据工具去发现、分析和解决高等职业教育内部质量保证体系的构建等问题，保证决策更加科学、客观和理性。由于“循数诊改”是一个全新的理念和复杂的系统工程，尚处于“路漫漫其修远兮”的阶段，因此诸多问题亟待解决。本文旨在引发人们更多的关注和思考，促进高等职业教育内部质量保证体系的建设。

[1]马云.电子商务将“消失”,未来20年要记住这5个新变化[EB/OL].http://www.360doc.com/content/16/1018/09/10674139_599271396.shtml,2016-10-18.

[2]涂子沛.大数据：正在到来的数据革命[M].桂林：广西师范大学出版社，2012：55-57.

[3]任志锋，陶立业.论大数据背景下的政府“循数”治理[J].理论探索，2014(6)：82-86.

[4]南旭光.大数据时代高等教育“循数治理”解析及实现路径[J].中国电化教育，2016(8)：20-26.

[5]国务院关于印发促进大数据发展行动纲要的通知[EB/OL].http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm，2016-04-01.

[6]教育部关于印发教育信息化“十三五”规划的通知(教技[2016]2号)[EB/OL].http：//www.moe.edu.cn/srcsite/A16/s3342/201606/t20160622_269367.html.

[7]杨应崧.诊改，不是加给学校的“紧箍咒”[N].中国教育报，2016-07-05(5).

[8]孙洪涛，郑勤华.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志，2016(5)：41-49.

[9]张杰，王慧，吴成良.大数据：价值何在[N].人民日报，2013-06-18(23).

[10]郑燕林，柳海民.大数据在美国教育评价中的应用路径分析[J].中国电化教育，2015(7)：25-31.

[11]张兰廷.大数据的社会价值与战略选择[D].北京：中共中央党校，2014：1-136.

(责任编辑 周 骥)

10.3969/j.issn.1008-6382.2017.03.006

2017-05-02

重庆市高等教育教学改革研究项目“基于SPOC的在线开放课程质量评价标准研究”(163335)阶段性研究成果；重庆广播电视大学重点科研项目“高职院校内部质量保证体系诊断与改进研究”(ZD2016-10)阶段性研究成果；2017年度重庆市教委科学技术研究项目“在线教育大数据挖掘技术与理解模型建构研究”(KJ1737457)阶段性研究成果。

胡娜(1983—)，女，重庆人，重庆广播电视大学讲师，主要从事高等教育管理研究。

G642.0

A

1008-6382(2017)03-0034-06