日常行为大数据在新职教服务创新中的应用

王伦生，宋传玲

(山东商业职业技术学院，山东 济南 250103)

信息化已成为新时期教、学、研、管、服的主要手段，在信息化应用过程中伴生了大量数据，如何采集、利用这些日常行为数据也是广大教育工作者非常渴望的，基于日常行为大数据的研发、应用应运而生。在最近发布的市场研究年度更新报告中(Wikibon2017年大数据全球预测)发现，大数据分析[1]市场比前一年增长了24.5%,预测未来每年至少10%以上的速度增长。但随着大数据开发和应用的普及，又出现了新的问题，面临新挑战：一方面应用在增加，另一方面存在推广难、落地难。如何让大数据平台更贴近应用的实际，既满足用户的应用场景，又减少工作量。本文就大数据的主要应用和存在问题进行探讨。

1 大数据的主要应用

1.1教与学的目标、质量更明确

根据学校实际，结合教学和学生状况，构建大数据分析模型[2]，通过记录学生学习、实验技能、考试等数据，不断积累，形成日常学习大数据。通过分析学生的学习习惯和思维模式，教师有针对性地设计课程、选择恰当的教学方法，为每个学生搭建适合的学习情境，并可以做到对其学习过程和行为精准的指导、评价。真正建立起“以学生为中心”的智慧型新教学模式。

同时借助大数据技术支持，对教师的课程设计、传授过程、辅导等环节进行评价和诊断，并与学生的学习效果进行对比，使课程体系设计与教学效果评价相互印证，互为指标。体现了以人为本、数据说话、持续改进的质量管理体系。

1.2管理更精准化

精准管理，有的放矢，这是管理者的目标。但现实是管理者却经常面对无法及时掌握教学与管理现状的窘境，导致了教育管理常常是粗放的、由直觉驱动的状况。借助大数据模型，记录学生管理数据，综合分析学生日常学习、上网、借阅等行为数据，给出哪些学生疑似不在校、哪些有网贷嫌疑、哪些沉迷于游戏，实时展现学生动态和真时面貌。管理者对症下药，既保证工作的效率和准确性，又大大减少了工作量。

对全校的精准管理和科学决策，可以起到重要的支持、调节作用。形成数据随机收集、自动分析、应用自主选择的良性管理局面[3]。

1.3服务更有针对性

一切为了学生，提供最优化师资配备、个性化服务是各级管理者的追求，改变过去服务跟着投诉走的被动局面。采集学生的日常行为数据，掌握学生日常所需维修、及时程度、购物场所和品类、饭菜质量和价格、文体娱乐，甚至开水、洗浴等需求。通过大数据模型，精准的分析。从学生需求出发，有效配置师资，确定合适的时间，提供合理的设施，与学生的需求同步增长或变化。从学校角度出发，在以学生为中心的同时，做到资源的合理利用。

2 大数据平台推广难、落地难

2.1数据信息不够

数据是分析之源，目前大多数分析系统侧重于系统产生的数据以及手工录入，忽略了师生的日常行为数据，业务流数据。比如到图书馆的学习时间、次数、业务审批时间等。导致数据不系统、分析维度不全面，甚至与应用场景脱节。分析的结果与实际工作有差距或者说作用不大，也就是常说的没多大用处。导致大数据分析落地难、推广难。

2.2用户场景不确定和持续变化[4]

大家对大数据分析需求迫切，但随着机构改革、人员聘任和业务发展的需要，应用场景在不断变化，甚至观念也在持续变化，没有通用的数据分析模型来应对。目前信息化也从“业务流信息化”转向“服务信息化”，从以管理为中心转为以服务为中心，大数据分析平台没有把反映人、物属性的数据与工作实际相结合，更多的服务是为了迎合用户，缺少对新教学、新管理的服务体验。

2.3冗长的项目周期和巨大工作量

大数据分析是决策的依据、工作的帮手，但实际应用中却需要用户投入大量精力，整理数据，修改、审核等，工作量巨大，导致用户的积极性不高。即使采用新技术，功能也非常全面，但因工作量增加，用户使用并不积极。而且持续变化的场景，不断变化的需求，开发成本大，周期漫长，短期难以看到相关成效，服务优先更是空谈。

3 解决大数据落地难

3.1建立行为日志，探询数据源头

日常行为规范中蕴含着丰富的数据，数据中又含有丰富的信息，大数据分析的基础是数据。要获取丰富的数据，又不能增加工作负担，既有传统数据整理，也有日常行为数据的收集，数据的采集就变得至关重要，这是大数据分析平台落地的关键。

根据数据的产生方式，可分为自动产生和手动输入(或伴随产生)。如学生的图书借阅、日常上网行为、教职工的上课情况、办公系统流程数据等都是自动产生，经过数据清洗，直接存入日志数据库。对于手工产生的数据以及伴随数据，要做到一次填报，全部生成，全校共享，最大限度的减少工作量。如学生日常表现、学习成绩、教师的评优等，需要实时填报。同时把伴随产生的各种统计结果，同时入库。真正做到让使用者同时参与数据的采集。

3.2敏捷开发，大数据分析制胜之法

场景变更、需求变化，今天的需求不一定满足明天的需要。敏捷开发，就变得非常重要。以需求为核心，循序渐进，快速迭代，达到用户预期。同时不断重复“输入—回应—反馈—学习—再输入”，持续优化和改进，以此来应对各种场景。避免项目周期过长。

3.3增加关注度，保证大数据分析平台的有效使用[5]

大数据平台要持续发挥作用，就要增加关注度，保持它的热度。首先通过物联网、移动设备、区块链技术等技术，让大数据的分析功能丰富、应用场景贴近实际，有针对性；其次在大数据平台中增加与师生日常工作、消费、学习等有关内容，比如图书馆空位数、借阅排行、成绩发布等信息，让大数据平台引起师生的关注，并及时补充师生新思路、新需求。始终保持大数据平台活力。

3.4持续改进，与业务同步

教育信息化是大势所趋，业务产生大量数据，数据分析又为业务提供支撑，智慧校园作为教育信息化的重要内容，关系更是如此。智慧校园建设过程中在系统中嵌入传感器，通过物联网等技术，将学校各个系统、软件互连共享，实现各种数据的实时获取、存储、分析，为学校各项业务、决策提供依据。

4 前景展望

得益于数据收集手段的进步，计算服务成本的降低，利用大数据发现问题与解决问题也成为一种行之有效的手段。随着大数据技术的发展，新的大数据应用层出不穷。目前，大数据相比传统的数据分析处理手段，在智能性、高效性、直观性上将有明显的优势

4.1智能性

随着人工智能技术的进步，大数据与人工智能天然的耦合性进一步促进大数据的发展。通过海量数据形成的数据样本集，深度学习模型可以很好地拟合高校教学工作背后的数学模型，从而以定量的角度分析与解决高校教学工作中存在的问题，更精确的助力职教服务创新。

4.2高效性

数据的时效性极其重要，如何高效地分析数据也是必须引起注意的问题。大数据的获取多为分布式，十分适合边缘计算的范式。相较于传统的数据分析手段，大数据可以更好的卸载计算任务，充分利用全校的资源，避免因为出现处理瓶颈而影响数据分析的效率，更快的发现问题，解决问题。

4.3直观性

近年来，随着对大数据研究的不断深入，大数据应用层出不穷，出现了许多优秀的大数据分析平台。目前，谷歌公司发布的数据可视化工具Data Studio，百度公司发布的物可视等工具极大方便了大数据的处理，并提供灵活的结果反馈，这使得大数据分析的结果十分清晰直观。方便大数据在高校教学管理工作中的部署与应用。

在信息化大发展的背景下，基于云边协同计算的大数据应用可以实现对教师教学行为、学生学习行为、学生个性特征等进行分析和预测，从而为促进学生身心的发展提供适时地引导和帮助[6]。同时，还可提供学校运转的实时动态数据以便于校领导和教师及时掌握最新的管理和教学信息从而助力教学管理更趋向科学化、智能化。