基于大数据的研究生综合素质评价体系研究

2018-09-01农丽萍史新华

中国教育技术装备 2018年6期

农丽萍史新华

摘要科学合理的评价体系是研究生培养质量的可靠保障。当前，高等教育结合大数据适时改革是教育发展的大趋势，利用大数据技术将成为构建研究生综合素质评价体系的有效途径。从研究生发展性评价入手，分析基于大数据的研究生综合素质评价体系构建的必要性并提出策略，以期拓展全面提高教育质量的理论创新。

关键词大数据；发展性评价；研究生；综合素质评价体系

中图分类号：G643 文献标识码：B

文章编号：1671-489X（2018）06-0011-03

Comprehensive Quality Evaluation System of Postgraduates based on Big Data//NONG Liping， SHI Xinhua

Abstract A scientific and reasonable evaluation system is a guaran-

tee for the quality of postgraduates. At present， the higher education reform combining with big data is the trend of educational develop-ment. It becomes an effective way to construct the comprehensive quality evaluation system of postgraduates with the big data techno-logy. The paper starts with the summary of the developmental eva-

luation of students， which is followed by an analysis of the necessity

of comprehensive quality evaluation system， finally the evaluation strategy is put forward， with the purpose of expanding the theore-tical innovation of improving the quality of education.

Key words big data； developmental evaluation； postgraduates； com-

prehensive quality evaluation system

1 引言

大數据时代的到来对整个社会产生革命性的影响，教育领域正在步入大数据时代，利用大数据促进教育发展、推进教育改革已成为共识。近年来，我国研究生招生规模急剧扩张，研究生教育呈现好兆头的同时，带来研究生综合素质参差不齐的现象[1-2]。《国家中长期教育改革和发展规划纲要（2010—2020年）》提出“完善监测评估体系，定期发布监测评估报告”，“做好学生成长记录，完善综合素质评价”[3]。综合素质评价贯穿研究生教育的全过程，构建适应大数据时代的研究生综合素质评价体系，对研究生综合素质进行科学、全面评价，是确保研究生培养质量的必然要求，是我国教育体制创新的需要[4-5]。

2 教育大数据与发展性评价

教育大数据国际数据公司IDC（International Data Corporation）将大数据定义为“通过使用高效的采集、发现和分析，从超大容量的多样数据中经济地提取价值”[6]。业界普遍用“4V”来表征大数据特征，即大量（Volume）、多样（Variety）、高速（Velocity）、价值（Value）。研究生教育领域数据量巨大，研究生在校园生活和学习的方方面面，教与学的各个环节，都产生海量数据，包括选修课程、学业评定、学术科研活动、图书借阅、社交网络、文体活动等各类数据，都呈现动态性、直观性、多样化、差异化和迅猛增长的趋势。这些原始数据蕴含巨大的价值，具有大数据的特征。

发展性评价目前，发展性及多元化成为学生评价的主流价值取向及发展趋势。发展性评价指的是在全面、科学地搜集、处理和分析学生数据信息的基础上，对学生的发展和变化做出判断，其目的是以评价促进学生全面发展。作为一种现代教育理念，发展性评价在评价中应以学生为中心，将更多的互动和交流贯穿于研究生培养的全过程，充分发挥评价的教育功能，着眼于学生未来的发展潜力。研究生是具有独立思考意识的主体，对他们的综合评价需要系统、全面，同时应遵循科学性、可行性、发展性、个性化、多样性等原则。

在大数据时代开展学生评价，是基于大数据思维的引领和大数据技术的支撑，采集具有“全体性、混杂性、相关性”的教育大数据来开展学生评价。教育大数据与研究生综合素质评价之间能够完美契合，比如：教育大数据所呈现的动态性和跟踪性能够体现研究生的发展性和评价的过程性，教育大数据的差异化可对应研究生评价的个性化，教育大数据的预警性可体现出研究生评价的及时性。两者的契合程度说明大数据可以为建立研究生综合素质评价体系提供思维创新和技术指导。

3 基于大数据的研究生综合素质评价体系构建的必要性分析

国外的研究生教育历史悠久，发达国家对研究生综合素质培养注重从实际出发。美国、英国、德国等国家已建立比较完善的研究生教育质量评价体系[7]。国外的素质评价侧重于论文方面的考核，强调论文中的创新能力和实践能力。国内高校倡导素质教育，主张提升研究生培养质量，建立了一定的评估体系，但传统的评价体系仍然存在很多缺陷，主要表现为以下几点。

1）评价内容缺乏整体性和过程性。传统的评价强调对德、智、体进行考查，但在设计体系时往往只是简单罗列学习成绩、科研成绩、文体获奖，再按一定的比例加分。这样的评价非常片面，忽视了考核高层次人才的重要特征，比如创新能力、实践能力、心理素质等重要因素。而且多数高校的考核评价一般选在学期结束时进行，这些评价带有明显的阶段性和时间限制，容易形成终结性评价，忽视形成性评价，参考价值有限。

2）评价体系注重共性考核，忽视个性化发展。高校在设计评价体系时，往往只是从共性的层面进行思考，比如仅仅用学习或科研来考核，但是对于个性化的一些因素，比如学生的社会责任感、精神价值等，基本被忽视。

3）评价体系的功能定位过于功利化。各高校建立考评体系本意是为了激励学生，但往往只是为了应付既定的制度或者为了评奖评优而制定，考评体系中仅仅是对学生成绩、论文数量、各类获奖进行简单归纳，注重分数和名次，但对研究生的科学素养、创新能力等隐性指标极少关注，致使一些研究生急功近利，极个别甚至出现抄袭他人成果等学术不道德现象。

4）评价程序过于烦琐，评价中存在不公平现象。现行大部分综合评价指标缺乏明确的定量分析方法，部分评价环节较为主观，评价过程中或多或少会存在评分不够民主的缺陷，影响评价结果的公正性、公平性和科学性。

5）传统的评价体系缺乏心理干预和危机预警机制。传统的评价体系因其片面性和时间限制性，缺乏反馈机制，难以在评价中发现学生的心理问题，更无法对危机有预警机制。

目前国内对学业评价、科研能力评价的研究较多，但对于研究生综合素质评价的研究较少，而结合大数据将数据挖掘与高校研究生综合评价相结合的研究还极少。创新性地开展大数据背景下的研究生综合素质评价研究，利用大数据挖掘和分析针对研究生群体和个人的行为矫正、动态监测、预警预测，有利于学生发展，在高等教育全面深化改革、着力实现素质教育的背景下，将拥有较大的空间和价值。

4 基于大数据的研究生综合素质评价策略

发展性综合素质评价既是重要的理论讨论，也是重要的应用实践研究。研究生的综合素质评价体系应包括道德素养、文化技能、身心健康、科研能力、实践能力、创新能力、行为方式等多方面的基本信息，应全面覆盖研究生成长阶段的信息，能够实现过程评价。构建的评价体系在开放的环境中运行，在实践中不断修正和完善指标内容和权重，使得测评工作更加完善和贴近实际。

实施的主要策略利用数据分析、挖掘工具，可以得到多角色的评价报告单，形成“学生综合评价报告”。实施的基本框架如图1所示。

1）树立大数据理念，搭建有效的研究生教育信息化平台。目前高校教育信息化程度的不足限制了大数据研究方法的应用。大数据是一种将世间一切数据化的努力和尝试。基于大數据的理念，尝试将研究生生活、学习的各种现象数据化。研究生数据复杂多样，包括结构化数据、非结构化数据、半结构化数据。而建立研究生教育数据库，并充分利用数据进行决策，是大数据时代构建研究生综合素质评价体系的优先行动计划。社会和研究生培养单位在整合原有信息系统的基础上，建立符合大数据特征要求的研究生教育数据库，建设和升级数据采集设备、数据传输网络，促进资源共享，推进高校资源配置的优化，将复杂的大数据提供给专业人员处理，为高校管理决策提供证据支撑。

2）多样性的数据采集。数据采集是大数据技术应用的前提和基础。采集的研究生数据信息应体现完整性、关联性和连续性。这就需要将涉及研究生的相关信息尽可能收集到位，除了采集学校里现存的系统如研究生管理系统、迎新系统、心理测评系统、图书借阅系统的数据外，还要将学生在社会实践、企业实习的数据、学生家庭数据、学生在网络媒介上发布的博文、媒体报道、开放在线课程、在线问卷调查等数据一并收集，包括思想品德、行为规范、群体公益、学习科研、创新创造、诚实信用等多方面的关联度较大的数据信息链。此外，由于数据信息的连续性能反映事物的发展变化过程，因此除了采集历史数据外，还要做好实时信息的收集，通过长时间的积累为应用奠定良好基础。

3）数据处理。数据处理包括数据筛选和数据挖掘。在采集研究生数据的过程中，为保证数据信息的完整性和最大化，一些虚假、无关或大量重复的数据被收集其中，这就需要进行过滤和筛选，从而提高数据的准确度。此外，对数据应进行分类管理，如校内数据与校外数据、共性数据和个性数据、历史数据与实时数据等，从而保证数据信息分析的针对性。经过数据采集和筛选后，通过数据挖掘技术在海量数据中发现因果性和相关性，研究和提出融合结构化、半结构化、非结构化数据的发展性评价模型，对采集到的数据进行分析处理。

4）数据利用。经过挖掘和分析的数据最终是希望在实践中加以利用。将得到的数据转化为现实的问题，形成针对性强、易于理解的报告，比如个体知识、心理、行为、能力、发展潜质的报告单和群体发展评测报告，同时分析问题产生的原因，形成决策建议反馈给管理部门和机构。比如：将研究生学术训练、能力提升报告提交给导师组，导师掌握对学生能力提高起关键作用的因素，有针对性地开展科研指导；管理人员根据研究生心理报告开展心理辅导；研究生根据发展潜质报告规划自己的学术和职业发展道路等。

实施的关键挑战尽管利用教育大数据开展研究生综合素质评价具有可行性，但是不可否认其间存在巨大的难度和挑战：

1）大数据存在缺陷，并非所有一切都可以数据化，比如学生的意识、情感、思想、态度等难以用定量的数据加以统计和描述；

2）大数据方法与技术本身不成熟，数据采集、数据清洗、数据规范化处理、数据存储等，无论是对硬件设备还是算法而言，都是严峻挑战；

3）大数据的应用存在伦理挑战，数据的收集和应用可能会侵犯学生隐私，如何做到数据收集与隐私保护的平衡非常重要；

4）目前大数据专业人才稀缺，组建和培养一批既懂得高校教育管理又具备大数据思维，能从学生角度发现问题、思考问题和解决问题的数据分析人才，也是决定此项工作实施的关键。

应对这些挑战，如何破解，如何抓住机遇，需要进一步研究和探索，从而为建立科学的评价体系提供保障。

5 结语

大数据对教育产生深刻和全面影响，在繁杂的教育数据信息中运用大数据技术提取有价值的信息，构建研究生综合素质评价体系，是很有前景的一个发展方向。用大数据思维来构建全方位导向性与激励性并存的评价体系，加强理论研究和实践探索，将对促进研究生发展、全面推进素质教育起到重要作用。

参考文献

[1]蒋德珑，尹淑萍，师黎，等.基于模糊综合评判的研究生综合素质评价研究[J].计算机工程与设计，2011，32（9）：

3208-3212.

[2]姜飞，高平发，周世光.高校研究生综合素质评价体系的模型构建与应用研究[J].科协论坛，2012（12）：150-152.