大数据在高校的应用研究

李赟 胡洪都 兰璇 蒋尊义 陈婧

摘  要：信息化时代的到来，为高等教育改革增添了新的活力。大数据技术和信息技术的运用，不仅可以强化数据获取和管理能力，还可以更加深刻地挖掘信息的潜在价值。大数据技术在高校管理中的运用，不仅提升了教学质量，还促进了教育公平性建设。信息技术的广泛运用为大数据的运用奠定了基础，因此，针对信息和数据的指数级增长，高校教育改革显得游刃有余。本文主要针对大数据在教学不同层面的应用进行研究分析，并结合实际情况提出相应的意见和建议。

关键词：大数据;信息化;教学信息;学生管理

中图分类号：G647;TP311.13     文献标识码：A 文章编号：2096-4706（2019）17-0113-03

Abstract：The advent of the information age has added new vitality to the reform of higher education. The application of big data technology and information technology can not only strengthen the ability of data acquisition and management，but also excavate the potential value of information more deeply. The application of big data technology in university management not only improves the quality of teaching，but also promotes the construction of educational fairness. The extensive use of information technology has laid the foundation for the use of big data. In view of the exponential growth of information and data，the reform of higher education seems to be more effective. This paper mainly aims at the application research and analysis of big data in different levels of teaching，and puts forward corresponding opinions and suggestions combined with the actual situation.

Keywords：big data;informatization;teaching information;student management

0  引  言

大数据技术的核心就是对海量的数据和信息进行分析研究，从而挖掘出数据背后的潜在价值，为技术使用者的决策提供依据。大数据有以下特点：（1）数据容量庞大。随着信息化建设的快速发展，数据规模出现了前所未有的突破。计算机技术的广泛运用，配合云计算和物联网的整合，数据本身呈现出碎片化的特征。使用大数据可以更快地对于庞大的数据进行处理，进而更好地为技术发展做出贡献。（2）数据类型十分丰富。移动互联网和移动终端的更新，使得数据的种类和结构发生了翻天覆地的变化。不仅包括传统的关系型数据，同时还出现了文本、视频等非结构化、半结构化的数据。大数据技术可以对于多元化的数据进行叠加分析，从而更快地找到数据之间的规律和联系。（3）数据处理速度提升。计算机软件不断地创新和优化，电脑终端处理的速度也越来越快，各种信息和数据的获取实效性不断提升，数据挖掘也出现前端化特征。大数据技术可以根据现有的信息对于客户的需求进行分析，从而提供个性化的服务。（4）数据的实用性更高。数据本身就具有实用性，但海量的数据会使信息和数据的价值密度降低，采用大数据技术就可以快速地找出数据中有价值的信息，更好地服务于日常生活。

1  高校大数据运用的背景

在高校教学场景中应用信息技术是教育改革的重要方向，高校已经成为大数据产生的重要场所。不论是人事变动，还是教学方式都出现了明显的变化。网络教学课件、微课视频以及远程教学资源的运用，为高校大数据的发展奠定了坚实基础。教师和学生可以通过社交软件、校内论坛等途径产生大量的信息和数据，针对这些数据的分析和挖掘，可以为高校教育改革提供更多的依据。比如对于课堂教学、就业等进行数据分析，能够促进课堂教学、就业形式等数据的分析比较，从而对于授课方式和学习模式进行创新和优化。同时可以依据这些数据对于学校的管理工作模式进行优化，为学生创设更加舒适的学习环境。

1.1  高校大数据特征

大数据自身存在价值密度低的特点，没有经过处理的碎片化的数据不能直接进行使用。而高校大数据存在明显的碎片化特征，主要是因为信息是在学校信息化管理和服务过程中逐渐出现的，因此需要进行持续的分析，这样才能更好地为校园科研、信息化管理提供依据。高校大数据还具有多维度的特征，可以更加全面地反映学生的校园生活，如学生学习效果、兴趣爱好以及消费状况等。将多维的信息进行整合归纳，通过建立模型的形式掌握学生学习特点，从而可以制定出更加适合高校的教学模式，進而实现提升教学效率的目的。

1.2  高校大数据教育的优势

随着信息技术的快速发展，大数据技术在高校教育中变现出众多优势。传统数据的数据来源相对固定，更多的是学校对于学生基础信息的采集。数据自身没有附加价值，更加没有进行挖掘的必要。高校大数据的来源非常丰富，不仅对传统数据进行提取，数据之间还将建立密切的联系。大数据技术获取的信息价值更高。传统的数据采集是为了后期的查询，最核心的是数据的储存。大数据的运用则是要发挥出预测的核心功能，针对大量的数据进行分析提取，进而对于事物发生的趋势进行预测，为数据使用者的决策提供依据，为高校教育改革提供支撑。传统的信息采集都是简单的问卷调查，不仅不能保证数据的准确，还没有专业的分析方法。数据自身的利用价值不足，只能对大体状况进行说明。大数据的信息采集是连续不断的，可以对学生在校的所有行为进行记录。结合学生在课堂上的具体反馈，对于教育行为进行调整，从而促进个性化教育的实现。大数据所反映的数据价值更高，信息也更加精确。

2  高校大数据的运用

2.1  大数据在教学信息化的运用

随着计算机技术和信息技术的快速发展，在线教育市场也在不断地扩大和延伸。教育信息化在提升教学效率的同时，对于数据管理带来了新的挑战。引入大数据技术对于海量数据进行深刻的挖掘，促进校园管理的信息共享，进而推动高校教学信息化建设。高校信息包括了学生的学籍、社交、课件、教学视频以及人事管理等，采用大数据技术对于信息进行提取和整理，对于不同数据之间的关系进行挖掘，从而更好的服务于学校管理。依据学生的考勤、学习成绩等内容，及时地掌握学生的学习状态。依据学生的参与校园活动、选修课信息等对于学生的兴趣爱好进行判断，从而实现教学方式的创新和优化。学生通过大数据技术进行自我反思，积极地进行学习方法的调整。

2.2  大数据在高校学生管理的运用

首先是相关数据的属性，将会直接影响到数据实际价值。大数据分析需要足够规模的数据，比如学生的成绩、课堂考勤、学习平台数据、门禁数据等，要求数据具有规模性、动态性、多样性的特点。规模性指的就是数量上的需求，大量的数据是大数据分析的基础。数据量越大，最终的结果越准确。多样性是从数据种类进行探究的，因此要保证数据的来源足够多样。数据之间可以进行交叉验证，使分析的结果更加可靠。动态性是基于时间层面的思考，对于某个要素不同时间阶段的变化，从而使得数据分析更加科学。其次是数据的存储，大多数高校采用的是传统的服务器进行数据的储存。一旦出现突发情况，就可能出现数据丢失的问题。学生数量的不断增加，使得学生管理产生的数据快速增长，服务器也出现了多而分散的情况，严重地阻碍了数据的共享和处理。高校应该采用云平台进行学生数据的存储和管理，这样可以更加有利于高校进行处理整合。最后是数据的获取，学生管理会有成绩数据库、社团活动数据库、信息数据库等，大都是由学校教务处和学生处负责的。教务系统涉及的学习管理数据非常多，同时数据呈现结构化特征。学生社团的数据则不具备结构化特点，采用不同来源的管理数据，可以有效地提升数据的准确性。

学生的数据的安全管理也是十分重要的，网络的开放性会导致数据被黑客攻击的可能性。高校信息管理人员的安全意识不足，自身的安全管理意识薄弱，没有充足的安全信息作为支撑，对于学生信息的安全管理造成了巨大的隐患。学校要采用最新的加密技术对于学生的数据进行保护，还要定期地进行数据的备份处理，并积极地强化对管理人员的信息安全教育。

学生的管理数据来源于不同部门，但是不同部门之间的数据结构会存在差异。针对这种情况，就要对数据进行融合，定时对数据进行转换。大数据的分析可以细分为可视化分析、数据挖掘、预测分析等。可视化分析可以有效地展示出大数据的特点，具有较强的交互性特点。数据挖掘是相对模糊的，在随机的实际数据运用中，要提取有价值的内容，预测分析是在前两者的基础上，采用模型的形式对可能出现的结果进行预测。实际上，数据挖掘是数据模型的发现过程，高校可以采用数据挖掘搭建多种学生管理模型。常见的数据挖掘有四种：描述性分析、诊断性分析、指令性分析以及预测性分析。描述性分析是最常见的大数据分析方法，注重的是数据背后发生了什么;预测性分析更加注重的是未来要发生什么;诊断性分析是判断发生的原因;制定型分析则是提供可行的解决方案。

2.3  大数据在高校后期管理的运用

随着大数据时代的到来，高校的后勤部门的信息化建设迎来了全新的发展机遇，管理工作模式发生了翻天覆地的变化。大数据管理为管理人员赋予了更多的想象力，有效地促进了高校后勤管理管理信息化、智能化的建设进程。国内高校的后勤管理出现了以信息技术为基础、智能手机为载体的管理模式。不仅有效地提升了后勤管理的效率，还为后期管理大数据的落实提供了有效支撑。高校的后勤工作内容非常多，后勤业务平台的信息化改革有助于精细化管理的落实。针对后勤保修平台进行数据采集管理，只需要通过手机软件就可以上传保修信息。管理人员在获得保修信息后会将其分派给相关的维修单位，及时地进行维修。后勤管理人员可以更加快速地收集各种维修信息，提升了维修目标的准确性，有效地避免了职责不清、分工不明的情况出现，进而提升后勤服务部门的工作效率。还有食堂自助点餐系统，师生可以通过手机软件进行菜品选择，获取点餐编号。自动点餐系统将信息传送给配菜人员。这就可以有效减少取餐排队的时间，配菜人员可以及时进行制作数量的调整，减少食物浪费的情况。

3  结  论

综上所述，大数据在高校的广泛应用，可以有效地提升管理效率。针对这些数据的分析和挖掘，可以为高校教育改革提供更多的依据。如根据学生在图书馆的查阅历史进行分析，从而提供更加个性化的服务。高校大数据的应用可以有效地提升教学管理质量，为高校教育改革指明新的方向。

参考文献：

[1] 王左利.校园大数据规划先行 [J].中国教育网络，2014（1）：59-60.

[2] 赵玉洁.大数据在高校教育信息化中的应用探究 [J].中国教育信息化，2015（19）：38-41.

[3] 张臣文.大数据在高校教育信息化中的应用研究 [J].天津中德职业技术学院学报，2016（6）：46-48.

[4] 褚寧琳，孙唯特.大数据在高校教育信息化中的应用探析 [J].现代信息科技，2017，1（6）：110-111+114.

[5]袁慧.大数据技术在高校学生教育管理工作中的应用 [J].山西能源学院学报，2017，30（4）：100-101.

[6] 韦伟，张海涛.浅谈大数据在高校学生管理工作中的应用 [J].课程教育研究，2015（17）：34.

作者简介：李赟（1981.01-），女，汉族，江西南昌人，教师，高职讲师，硕士研究生，本科，研究方向：内科护理学的教学;胡洪都（1985.11-），男，汉族，浙江永康人，教师，教授，在职硕士研究生，本科，研究方向：计算机应用科学;兰璇（1982.07-），

女，汉族，江西樟树人，专职教师，高职讲师，硕士，本科，研究方向：软件工程;蒋尊义（1982-），男，汉族，江苏徐州人，教师，讲师，硕士，硕士研究生，研究方向：计算机应用。