大数据学生画像技术在高职人才培养中的应用研究

王越

摘 要：随着互联网的快速发展，人们越来越重视信息技术在各行各业中的应用，对于教育行业来说，管理信息化的支撑更是十分重要。文章深入研究了大数据学生画像技术在高职人才培养中的应用，通过分析当前职业院校在生源多样化环境下存在的共性问题，切实发挥大数据技术对改进人才培养目标、课程体系等培养环节的推动作用，解决高职多层次人才培养的分层指标与分层体系问题，为高职多层次人才培养模式的构建提供重要数据基础，并就基于大数据学生画像的多层次人才培养模式的适应性问题进行探索和研究。

关键词：大数据；学生画像；高职院校；人才培养

近几年来，随着互联网络尤其是移动网络的飞速发展，人们越来越重视信息技术在各行各业中的应用，对于教育行业来说，管理信息化的支撑更是十分重要。2018年4月，教育部印发的《教育信息化2.0行动计划》中就提出了，要深化教育大数据的应用，全面提升教育管理信息化工作的能力。在这一背景下，有力地推进教育信息化的进程，各高校跟进开发了适用于自我特色管理的数字校园平台。然而，面对平台上积累堆积的大量学生行为数据，却很少有相应技术能从中提取出隐含的、有价值的信息。因此，改变当前对这些平台数据的查询、统计传统功能，有效提高其利用度，成了亟待解决的问题。

1 学生画像技术的研究背景和现状

“学生画像”技术是由“用户画像”技术发展而来。根据学生的在校行为数据，可以将数字校园平台的海量数据抽象出一些“标签化”的模型，这些模型即为“学生画像”。构建学生画像的关键就是要构建学生的标签化模型，其中，标签是指对数字校园平台上的相关数据分析得到的高度精炼的特征标志[1]。学生画像可以分为学生个体画像和学生群体画像两个大类，其中学生群体画像有着十分重要的应用意义。它是指以各种数据属性、个体行为标签作为筛选的条件，通过对学生群体进行画像，统一了解这一部分学生群体的集中属性、行为特点，从而制定有针对性的分析结论和教育、教学计划，为学生群体的培养提供数据依据和技术支持。目前，国外的学生画像系统主要用于研究学生行为预警等方面。

2 基于大数据的学生画像技术研究

面对各类校园数据平台上积累堆积的大量学生行为数据，我们需要有相应技術能从中提取出隐含的、有价值的信息，基于大数据的学生画像技术，正是解决这一问题的关键核心[2]。基于大数据的学生画像技术，可以精准刻画每一名学生的情况和特点，同时也关注了学生的个性化需求，体现了以学生为中心的教育理念。学生画像可以帮助我们更加全面、科学的认识学生个体，消除之前教师对学生个体或者学生群体的认知偏差以及认知盲点，可以让学校更好地实现人才培养的目标。

国内也有许多高校尝试了关于画像系统的应用，主要是应用在教学管理和课程教育方面。2017年，华东大学建立了资产管理相关角度的学生画像系统，这一画像系统全面地概括和整理了华东大学的校园资产，为全校教职工提供了全面且可靠的资产使用情况分析，使用非常方便。该画像系统通过预测每项资产的使用时间和使用寿命，为其资产采购提供了较为准确的数据支撑。2018年，又有浙江中医药大学将大数据学生画像技术作为一个出发点，把它和高校的思想政治教育做了一个很好的结合，通过有效挖掘和分析，充分利用在教育、教学活动中形成的海量数据，为改革和提高高校思想政治教育开启了一扇崭新的大门[3]。

3 高职人才培养现状

近年来，山东省内的高职学校普遍面临招生严峻、适龄生源数量不断下降的问题，因此，相关教育部门出台了多元化的生源政策，允许多层次招生，但同时也产生了不同生源的学生质量参差不齐的后果。由于层次不同，学生在专业知识和技能方面都有着很大差异，在培养时也导致了诸多难题，严重影响了高职院校的人才培养效果。

很多学校在多层次人才培养方面提出了各自的解决方法。但目前普遍采用的学生分层原则主要是参考学生的成绩即知识基础、技能水平等因素，这些方面的分层因素并不客观，往往掺杂了教师个人对于学生的主观感觉印象，对于学生准确分层造成了负面影响。与此同时，分层的结果并没有考虑到学生的心理状态、性格特征、创新能力、接收新知识的能力、道德素养以及发展潜力等隐性因素，导致对学生个体的测评失真度很大。

传统的分层模式，对于学生群体的分层相对来说比较固化，然而学生成长过程并非是一成不变的，因此，在分层结果产生后，学生会被当前分层体系限制。这也向教育系统提出了动态评价的相关需求，必须要有一个新的评价机制，调整学生所处的层次，激发学生的发展潜力，有效培养人才。

4 大数据学生画像在高职人才培养中的应用研究

利用基于大数据的学生画像系统，可以帮助我们探索学生个性特质与社会企业提供岗位需求之间的匹配关系，进而给学生提供更好的关于行业选择、岗位匹配和未来相关发展方向的合理化建议。学校方面，可以根据用人单位的各项岗位特定需求，结合培养学生的个人特征，为学生推荐匹配度较高的就业信息。对于整个教育行业而言，建立一个互联互通、便捷高效地毕业生就业服务信息系统，对提高毕业生的就业素质、明确其求职意愿与用人单位岗位需求之间的信息匹配程度，有效提高人才和岗位之间的对接效率，推进高职人才培养的相关改革，完善学校人才培养各项制度等有很大意义。充分发挥学生画像技术在人才培养中的数据支撑作用，以学生画像数据为基础，建立动态分层的分段调整机制，优化人才培养目标、课程教学体系和教学评价体系的分层实施效果，发挥数据的真实全面优势，全面提升多层次人才培养的实施效果[4]。

学生画像系统的实现，要基于一个3层数据仓储的设计。第一层是采集的原始数据，指从高校数据平台上获取到的业务数据汇总。第二层是数据预处理，对原始数据进行清洗，去除冗余和杂质。第3层是分析结果，用于存储数据抽象集成后的标签，最终提供给系统生成“学生画像”。其中，标签需要设计成两个部分，一个是内容，另外一个是权重。对学生的提出的标签内容并不是一成不变的，其权重也会随着时间发生变动。通过标签，可以对学生群体提出有针对性、个性化的教育方案，充分实现对学生的分层培养。

搭建基于Hadoop平台的学生行为分析系统，通过对高职学生行为大数据进行处理分析的总体技术架构，利用MapReduce模型，研究如何将学生行为数据进行清洗，去除冗余，提取标签化模型即“学生画像”[5]。利用标签描绘学生个体以及学生群体的基本属性、学习学业情况、综合素养、基础知识、基础技能、求职相关意愿、兴趣爱好、特征倾向、消费心理等特性，并以图形化的形式进行呈现表达，给学校制定培养计划和教育教学活动等提供有效依据[6]。

综合来看，基于大数据的学生画像系统在高职人才培养中的应用，对于解决当前存在的一些教育问题有着很好的效果，提供了新的思路和技术示范，有着重要的社会效应。

[参考文献]

[1]于方，刘延申.大数据画像—实现高等教育“依数治理”的有效路径[J].江苏高教，2019（3）：50-57.

[2]马中英.大数据时代大学治理能力提升的双重境遇与路径选择[J].中国成人教育，2016（1）：31-35.

[3]李光耀，宋文广，谢艳晴.智慧校园学生画像方法研究[J].现代电子技术，2018（12）：161-163，167.

[4]陈劳，张建华，周林志.数据“慧”说话：用校园网数据绘制用户画像[J].中国教育网络，2016（5）：75-78.

[5]莫刘刘.基于高校学籍数据分析的学生画像初探[J].现代信息科技，2018（6）：32-33.

[6]刘柏岩.精准画像在高校学生事务精细化管理方面的运用[J].佳木斯职业学院学报，2017（12）：263，265.