利用教育大数据可视化提高本科生培养质量

2019-08-03肖建力沈昱明尚丽辉苏湛

中国教育技术装备 2019年2期

关键词：数据可视化本科生大数据

肖建力沈昱明尚丽辉苏湛

摘要以上海理工大学统一门户提供的数据为基础，以数据可视化作为技术手段，对教育大数据进行挖掘，以测控技术与仪器专业为例，对师资水平、毕业生能力、课程安排的合理性进行深入分析，并就如何提高本科生的培养质量提供一些建议。

关键词大数据;数据可视化;本科生;测控技术与仪器专业

中图分类号：G645 文献标识码：B

文章编号：1671-489X（2019）02-0029-04

1 引言

伴随着大数据[1]理念和技术的逐渐渗透应用，教育大数据的研究和发展越来越成为学校、教育研究者以及教育管理机构关注的焦点。所谓教育大数据，是指在教育产业中的人与人之间、人与物之间以及物与物之间进行沟通、交互、互联时所产生的数据。在教育大数据的发展中，高校充当了重要角色，不但是大数据的参与者，而且是大数据的推动者。高校为了提高各部门的工作效率，方便师生的生活，大力采用各种信息技术构建信息平台。通过构建的信息平台，高校积累了关于教师、学生以及课程等方面的多种多样的海量数据，形成所谓的教育大数据。从某种意义上讲，高校是数据生产大户，是掌握数据和信息资源最丰富的地方，比如学生信息门户中的基本信息、学习成绩、网上选课信息，网络教学PPT课件和视频资料、远程教学的多媒体资源，学生及教师在微博及论坛上等产生的网络数据，校内连接无线网而获取的位置信息，等等。这些各种各样的数据和信息聚合成教育大数据[2-3]。教育大数据是一座巨大的宝藏，既可以为专业认证和评估提供重要的数据支撑，也可以为学校师资储备、学生发展以及课程建设提供正确指导，指明前进的方向。

当前，大数据的发展呈现一种爆炸性的增长，到2020年，预计全球的数据总量可以达到35.2 ZB。面对如此海量的数据，并不是单纯的记录、积累和储存那么简单，挖掘数据的内在价值，对数据进行分析处理就变得尤其重要。Google首席经济学家、UC Berkeley大学Hal Varian教授指出：“数据正在变得无处不在、触手可及;而数据创造的真正价值，在于我们能否提供进一步的稀缺的附加服务。这种增值服务就是数据分析。”可视化分析[4]作为大数据分析中一种重要的方法，借助于图像和图示的形式呈现数据，让分析者直观地了解数据本身，分析数据中隐藏的信息和规律[5]。

一图胜千言，人类从外部世界获取的信息有80%以上是通过视觉系统，当大数据以可视化的形式展示在人们面前时，人们便可以很快速地发现数据中所包含的客观规律。对教育大数据进行可视化，既可以使教育管理者及时调整教学模式，又可以使学生发现自身的优势和不足[6]。比如：通过对学生的学习成绩、就业等方面数据进行统筹分析，能够从一定程度上对传统授课和学习模式的变革给予一定的指导和建议;通过对網上选课和图书借阅历史的查阅，可以分析学生的兴趣爱好。本文以上海理工大学统一门户提供的数据为基础，以数据可视化作为技术手段，对数据进行挖掘，以测控技术与仪器专业为例，对师资水平、毕业生的能力、课程安排的合理性进行深入分析，并就如何提高本科生的培养质量提供一些合理建议。

2 学生数据可视化

在高等教育中，以“满堂灌”“死记硬背”方式取得高分得以升学甚至是获得体面工作的比比皆是，这样的一个结果是高分低能、缺乏创新成为当代本科毕业生的“病症”，也成为制约研究生创新的“短板”。如图1所示，描述了上海理工大学测控技术与仪器专业本科毕业生近三年的去向分布情况，其中选择到企业就职的比例最高且在逐年增加，在2015年达到80%;相比之下，其他都不足10%，国家地方项目就业几乎接近于零。这表明学生的就业方向过于单一，应当引导学生多元化发展，投身到政府机构、事业单位、科研院所等关系到国家发展的核心部门就业。此外，学校还要重视培养学生的科研创新能力，普遍提高每一个学生的创新能力和在国际上的竞争力。

为了提高本科科研创新能力，笔者认为可以从以下几个方面着手[7]。

1）将科研训练载入教学平台。其实每一门课程都有对应的学科作为支撑，找到课程与某一学科的关联性，在教学中重视将课程内容和科研的大背景紧密结合，即在理论知识讲授过程中穿插一些已被证实的科研成果以及科学研究实际案例。除此之外，在日程教学中还有必要增加一些类似科技前沿讲座、数据分析与整理等课程。

2）实行全程科研导师制[8]。导师制是一种来源于英国牛津大学的新型教育管理模式。从大一入学开始就为每位学生配备相应的导师，导师的主要任务是开放实验室，让学生早期参与自己的项目，积极组织和动员学生参加“数学建模”“挑战杯”“软件设计大赛”以及各种科技活动。

3）对学生的创新成果应当给予鼓励与奖励。学校应该划拨给科研导师一定的经费，以便导师能够对出成果的学生予以相应奖励，充分调动学生的积极性。同时，资金问题也是本科生科研训练实施困难的原因之一，为了解决这一问题，高校可以通过吸引社会人士进行投资。

通过参与科研项目，本科生在知识层面上了解学科前沿，掌握探索问题、分析问题、解决问题的方法，提升自身的创新能力，从而学习上目的性更强;在教学安排上，本科生早期科研训练促进课堂体系按照社会发展和科技进步的方向逐步改进和完善;在以后的生涯中，一些人会更愿意从事科研工作，从一定程度上讲，本科生期间接受一定的科研训练，才能在研究生阶段脱颖而出。

3 教师数据可视化

优化学缘结构教育是强国的基础，优秀的教师队伍是提升教育质量的前提。一个学校的教育质量很大程度上依赖于高数量以及高质量的教师队伍。近年来，上海理工大学不断引进人才，一大批年轻的博士生、留学生加入高等教育团队，不断壮大学校的教师团队建设。2016年，该校本专业具有教师53名和学生180人，教师和学生的比例达到接近1：3的关系;在专任教师团队结构中，具有高级职称的达到51%，博士学位达到67.4%，年龄主要集中在36～45岁，逐渐形成“三高一低”即高学位、高职称、高水平、低年龄的教师队伍。然而，如图2所示，学缘结构不尽合理，“近亲繁殖”（本校毕业的学生直接在本校任职），多样性偏小。

高校发展依赖于丰富的学术资源，教师队伍学缘结构的多样性有助于形成百家争鸣、百花齐放的情形，学缘结构的高层次性有助于学生靠近学术前沿、拓宽视野[9]。一些欧美发达国家很早就意识到“近亲繁殖”这一问题的危害性，反对“近亲繁殖”，鼓励学生毕业之后到别的学校就职，从而吸收更多的新资源。其次，高校要十分重视引进世界范围内的高潜质的教师。目前，本专业教师学缘结构存在境外教师偏小的现象，可以从两个途径来解决这一问题：一方面是花重金招收全球范围内的优秀教师，逐步提升国外教师的比重;另一方面是每年选派青年骨干教师到国外知名大学进修学习，从而形成全球性的学术视野和国际化的学术资源。

提高师资队伍的实践能力以前，国内高校的教师队伍结构比较单一，大部分新招的教师由应届生组成。他们的经历普遍是从小学到研究生，活动范围主要是由学校和家庭构成的循环圈，虽然有很高的理论水平和专业知识，但是缺乏实际的工程经验，造成传授给学生的知识或多或少会脱离实际。学生对知识的记忆不深刻，就业之后并不能做到理论知识与实际相结合，同时制约其创新能力的提高。意识到这一问题的严重性之后，一些高校纷纷引进一批具有实践经验、高学历的工程技术人员参与教师队伍。如表1所示，上海理工大学测控技术与仪器专业2016年的专任教师中具有企业经验的教师为30.2%，承担相应项目的教师占总人数的72.1%。

具有丰富实践经验的教师是高校的稀缺人才，因此，为了改善这一局面，相应措施有：

1）推进高校教师到企业进行挂职，定期安排部分教师到一些声誉高或是引领行业走向的公司单位进行实训;

2）企业参与本科生教学和培养，在学生的课程和教学内容设置中可以邀请和学生专业就业比较对口的企业参与其中;

3）定期邀请公司的高层人员来进行一些指导交流，让教师、学生了解企业的发展和需求。

建设高水平的专职科研队伍随着高校在国家对高校科研水平要求的不断提高，教师承担的科研任务和科研工作越来越重。教师兼有教书育人和开展科研双重身份，从时间、精力两个方面上讲是较为分散的，因此严重影响研究的质量，使得科研成果较少，研究成绩不突出。就2016年上海理工大学测控技术与仪器专业近三年专任教师的科学研究项目、获奖以及成果情况汇总显示：专任教师承担科学研究项目总数168项，其中国家级九项，省部级25项，其他为横向;专任教师科学获奖数两个，均为省部级;专任教师科学研究成果446个，出版著作两部，发表论文数量为272篇。通过这些数据，可以看出在科研方面尚且存在一定差距，而解决这一问题的方法是建设高水平的专职科研队伍。

美国高校的专职科研队伍建设起步较早，从几十年甚至是几百年前就开始加强专职科研队伍建设。纵观历史，诺贝尔奖的获得者也大多数来自美国。周刚和陳华荣的研究结果[10]表明，哈佛大学等10所美国知名大学专职科研人员与专任教师的比例达到3.483：1。我国一些“985”学校遵循国外先进大学这种教师队伍建设模式，实施教师科研队伍建设。到2011年，教育部统计数据[10]显示，清华大学等国内一流大学的科研专职人员和教师人员的比例为0.802：1。由此可见，我国高校专职队伍建设还有待加强。

建设稳定、强大的专职科研队伍，形成高水平、高质量的研究实力，是一个学校得以发展、跻身于世界名牌大学的奠基石。

1）人员结构要层次分明。专职科研人员是科研工作的主力军，主要任务是全身心投入科研工作中，不应该再承担教学任务;同时，科研队伍按照聘用岗位的不同，可以分为研究员、副研究员、研究助理以及其他研究人员，职务从高到低形成科研活动的“金字塔体系”。

2）制定具有吸引力的薪酬福利政策。按照不同的工作性质设置不同的薪资标准，对研究人员实行年终奖制，并给予一定的补贴;同时要提高对专职科研人员的服务质量，使他们尽量享受到和学校专任教师同样的待遇。

3）优化科研环境，没有良好的环境，人的大脑中的潜力无法得到完全有效激发。不仅如此，硬件设施还要跟上。

4）实施晋升和考核制度。根据高校发展的要求和科学事业的发展情况，制定相应的考核制度和晋升政策。考核制度可以包括年终考核和聘用考核，根据实际完成的工作成果确定考核的等级，并给予一定的奖励。

4 课程数据可视化

调整通识课程比例，提高通识课程质量为避免本科生出现过分“专业化”的弊病，高校大力开展人文社会科学通识教育。通识教育[11]也被称为普通教育或通才教育，其主要是以促进学生全面发展，培养学生人文素养、创新思维为目标，而专业教育的目标是培养具有深层次知识以及技术的专门型人才。如果把专业教育比作求职的敲门砖，那么通识教育则是适者生存的保障。密西根大学原校长詹姆斯·杜德斯达博士曾说过：“尽管难以给通识教育下定义，它的实现也极具挑战性，但这难以捉摸的通识教育的目标可能依然是使学生为终身学习和变化的世界做好准备的最好途径。”

图3所示为上海理工大学测控技术与仪器专业的课程类别比例。其中，人文社会科学（如中国近代史、马克思主义基本原理、大学英语、法律基础与实务等）通识教育占39.71%，工程基础、专业基础与专业课占29.73%，比通识教育低约10%。虽然该专业通识类课程的比例已经高达39.71%，但对学生的问卷调查表明：通识类课程过多且过于繁杂，学生并未对这些课程产生强烈的兴趣，也没有从这些课程中学到自己想要的知识。通识课程注重形式而不注重内容，注重课时数而不注重质量，课程定位、要求不准确，课程的管理工作混乱等，已经成为亟待解决的问题。

此外，在一些学校还普遍存在这样的现象：许多通识课程的上课时间一般安排在周末或是晚上。这些时间进行上课，无形给了学生一种补课的感觉，导致他们产生不认真的态度、厌学的情绪。因此，高校既要保证通识课程的数量，更要注重通识课程的质量。首先，让学生意识到通识教育的重要性，改善学习态度;其次，上课模式不再单纯是教师在上面讲、学生在下面听，最后以成绩考核的形式，而是转向讨论形式，并以课堂表现、小组讨论、辩论赛以及上交小作业或是小论文的形式进行综合评分。

通过毕业设计环节提高学生的实践能力毕业设计作为本科教育教学中最后一个重大而主要的实践性环节，是对学生四年学到知识的检测与评估[12]。学生通过做毕业设计，将自己学到的知识进行融会贯通，再以毕业答辩的方式向教师进行汇报，加强学生的动手实践与创新思维能力、解决问题的能力，实现学校到社会、大学到研究生的过渡。

图4显示了上海理工大学测控技术与仪器专业近三年毕业设计（论文）类别比例分布。学生的毕业论文主要分为工程研究型（理论为主）与工程设计型（工程实践为主）。图4表明，学校在安排毕业论文时加大了工程实践类型的比例，力争提高学生的动手实践能力。学校将毕业设计的题目与毕业实习的内容相结合、毕业设计的题目与导师所带研究生的研究方向相结合，并以此为契机，将毕业设计的内容安排得更为合理，使毕业后进入工作的学生在毕业前就练就从事未来工作所必须具备的实践能力，同时使毕业后升学的学生能够更快地进入研究生导师的研究方向。

5 结论

大数据技术的发展将教育大数据的应用推上“快车道”，教育大数据犹如一座可以无限开采的优质“矿山”，对教育大数据的充分挖掘，可以对教育实现类似于治病一样的望闻问切。可视化作为数据分析处理的一种手段，将教育大数据以图像、动画等形式进行展示，可以发掘当前教育中存在的客观规律，找出当前教育中亟待解决的问题，促进教育健康发展。

本文以上海理工大学统一门户提供的数据为基础，以数据可视化作为技术手段，对数据进行挖掘，以测控技术与仪器专业为例，对师资水平、毕业生能力、课程安排的合理性进行深入分析，并给出相关建议。

1）关于学生创新能力的培养：将科研训练载入教学平台;实行全程科研导师制;对学生的创新成果应当给予鼓励与奖励。

2）关于加强师资队伍建设的建议：优化教师的学缘结构;提高师资队伍的实践能力;建设高水平的专职科研队伍。

3）关于课程建设的建议：调整通识课程比例，提高通识课程质量;通过毕业设计环节提高学生的实践能力。

参考文献

[1]张羽，李越.基于MOOCs大数据的学习分析和教育测量介绍[J].清华大学教育研究，2013（4）：22-26.

[2]杨现民，唐斯斯，李冀红.教育大数据的技术体系框架与发展趋势：“教育大数据研究与实践专栏”之整体框架篇[J].现代教育技术，2016（1）：5-12.

[3]杨现氏，王榴卉，唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究，2015（9）：54-61.

[4]任磊，杜一，马帅，等.大数据可视分析综述[J].软件学报，2014（9）：1909-1936.

[5]陈明.大数据可视化分析[J].计算机教育，2015（5）：94-97.

[6]李怀杰，夏虎.大数据时代高校思想政治教育模式创新探究[J].思想教育研究，2015（5）：48-51.

[7]王永生，屈波，刘拓，等.构建本科生科研训练与创新实践的长效机制[J].中国高等教育，2010（6）：21-25.