高校大数据的采集应用与管理探索

摘  要：文章主要探索了大数据采集及其在黑龙江大学学生管理中的应用，为数据对比、数据挖掘和数据开发的实践提供了一定的参考意见，有助于实现高等院校管理模式的转变。在黑龙江大学的学生管理中应用大数据相关技术，实现了高校选课模式的优化，建立学生学业预警，提升高校教学质量，协助高校管理决策，值得在类似高校的学生管理中进行推广和普及。

关键词：大数据;数据采集;数据应用;高校管理

中图分类号：TP392;      文献标识码：A 文章编号：2096-4706（2020）16-0092-03

Exploration on the CollectionApplication and Management of Big Data

in Colleges and Universities

ZHAO Hongzhou

（Social Science Department，Heilongjiang University，Harbin 150080，China）

Abstract：This paper mainly explores the big data collection and its application in the student management of Heilongjiang University，which provides some reference for the practice of data comparison，data mining and data development，and helps to realize the transformation of management mode in colleges and universities. In the student management of Heilongjiang University，the application of big data related technology has realized the optimization of course selection mode in colleges and universities，established studentsacademic warning，improved the teaching quality of colleges and universities，and assisted university management decision-making. It is worth promoting and popularizing in the student management of similar universities.

Keywords：big data;data collection;data application;university management

0  引  言

在这个以数据为驱动的新时代，广义上的数据科学可以应用于许多类型的数据。这种与传统的定性和定量不同的方法，对于挖掘高等教育中大数据，从而促进高等院校教学与管理有着积极的实践意义。在大数据挖掘过程中通过捕获高细粒度的数据，详细地了解学生表现和学习轨迹的高度，这是个性化调整课程以及个性化管理所需。[1]对使用数据挖掘方法收集的学生行为、情感和知识进行基于交互的评估，并评估影响高等院校管理的因素之间的关系。这些措施为建立高等院校管理的预测模型，提供高校管理人员关于学生学习的各个阶段经历的认知和非认知机制的图景，以及这些机制可能的关联方式。

1  大数据分析及管理实践应用

1.1  研究综述

大数据可以被认为是一种观察海量数据的理论，无论这些数据是以实物形式还是数字形式储存在不同的存储库中。大数据的概念现在已经应用到各个领域，比如政府、企业、医院等等。在过去的十年中，大数据分析的应用已广泛引起研究人员和从业人员的研究兴趣。根据研究，在大部分行业中，大数据分析是组织成功的关键驱动力。此外，在组织发展战略和业务潜力方面，大数据分析可以提高业务的效率和效力。大数据分析提供管理人员利用深度数据驱动管理决策，被认为是“科学的第四范式”，是“知识资产的新范式”，并且是下一个创新、竞争和生产性的前沿。[2]

利用不同的数据进行决策并不是什么新概念，如企业在商业智能或分析方面使用不同客户生成的数据进行复杂计算;商业智能中使用的各种技术可以从数据中区分历史趋势和客户模式，并且可以产生不同的模型，从而预测未来的模式和趋势。但是对于大数据在教育領域的应用研究很少，甚至可以忽略不计。从教育机构的有形账目簿记记录到班级考试记录再到校友记录，这些记录在体积和种类上都在不断增长。

1.2  发展应用

大数据分析是指从不同来源收集大量数据以改进管理决策的过程。现阶段，研究大数据分析，并通过实证研究组织绩效的应用程序之间的关系已纳入学术界，并链接到知识管理实践。如数据、分析工具在知识管理实践中如何创造价值、提高效率并最终影响组织绩效。组织可以通过资源的有效利用获得竞争优势，提高管理知识资产的能力和效率。一个明显例子就是网络分析，它使用不同的方法来标记和报告网页、特定区域或特定域名的访问量以及不同链接，以此分析消费者的购买习惯，并利用推荐算法在商业网站搜索引擎中的应用，这样他们能够推荐消费者其最可能喜欢的产品。同样的概念现在也被应用到各种电子学习系统中，例如Edmodo是一个免费的开源LMS，它能够根据电子学习系统上学习者的网络活动预测类似的书籍或资源。[3]

发展和应用大数据分析是知识管理理论和实践的重要组成部分，涉及隐性知识向显性知识转换的四个阶段，可以帮助组织解决问题。发展和应用大数据分析是获取、转换、评估、检索和共享知识资源以改善和优化组织绩效的过程，并扩大组织影响力和提升组织竞争优势。借助大数据和分析技术，能够高效地创造知识管理。现阶段，市场上有大量不同的分析工具，大数据分析师可以应用这些分析工具来改善组织管理绩效并制定更好的业务决策，从而使组织走向成功。

2  高校大数据的深度应用

2.1  高校大数据深度应用的前提

发展和应用大数据的过程中涉及知识的获取、存储、分发和应用。大数据分析的应用会创建有意义的信息，从而对组织管理产生更大的影响。数据采集是黑龙江大学大数据深度应用的前提之一。数据采集强调数据的利用和管理，是从分布式信息源收集数据的过程，具体如图1所示。

大数据具有多样性、大容量、高速度的特点，所以需要一种适应性强且省时的收集、过滤和清理算法，确保仅处理高价值的数据片段以便之后分析。在完成过滤和清理后，需将数据存储在可扩展的、具有大数据能力的数据存储中。[4]为此，首先必须了解大数据的本质，以及大数据可能具有的能力、专业知识和概念的形式对所采集的数据进行评估、表达并记录为文字、数字、代码、公式和符号。其次，大数据是完全可移动且易于共享的，随着高等教育对大数据分析要求的提高，越来越多的机构正在开发或实施高等教育中的大数据分析平台，以此作为高校管理自我调节和高校管理的一种手段。最后，通过智能设备的应用进行数据收集和探索性分析，并根据需要提供适当的管理决策建议。为了提升大数据收集的有效性，需要对数据挖掘进行三角划分，即用户体验调查、定性反馈和点击流数据。

此外，高校大数据分析人员需要具备应对国际变化的能力。例如，高校大数据管理需要新的数据管理技术;高校大数据分析人员与跨学科的团队合作需要新的知识;这些团队的成员需要了解编程语言以及高校学生对学习的认知、行为、社交和情感观点;高校大数据分析人员需要新的专业知识视野，包括新的启发方法等。高校大数据分析人员使用从许多来源和设备中提取的数据来设计和提供服务、分配资源并监控其绩效。

2.2  高校大数据深度应用的实践

大数据驱动的数据分析及管理应用是推动黑龙江大学向“数字大学”发展的关键。决策者将汇集来自黑龙江大学的学生、教师、高等院校工作人员的有关数据，以设计干预措施来监测高校大数据深度应用地进展情况。[5]新形式的数据可以使大学的管理者能够支持响应式的和有效的高校管理工作，例如，利用黑大创业园区管理系统登录页面如图2所示，该系统为高校学生提供多种服务的同时，也能随时掌握学生动态。以项目信息页面为例，系统内部页面如图3所示。

如图3所示，通过引入创业园区管理系统，能够实现对高校学生创业信息数据的挖掘。数据分析人员通过对系统数据进行排序和聚类，然后将结果反馈到大学的管理部门，使工作人员及时关注高校学生的创业项目变化，对参与创业的学生给予重点关注，通过辅导员的及时沟通来发现问题并帮助学生解决问题。同时，这种大学生消费数据也为大学管理人员及时改进校园服务提供了数据支持。有鉴于此，高校大数据的采集、应用与管理主要体现在以下四个方面：

（1）合作筛选，借助大数据分析优化高校选课模式。选修课是现阶段高校课程中十分重要的组成部分，能够对高校学生的教育产生积极影响。但是，现阶段黑龙江大学选课模式不够灵活，学生对选修课的选课依据不是兴趣或未来的发展帮助，而是单纯地因为学分要求或者上课时间。这种选课模式不利于发挥选修课的积极作用。利用大数据分析进行合作筛选是解决大学选修课问题的关键手段。通过大数据分析为大学的学生提供必要的课程信息，例如课程介绍、历年选课反馈、主讲教师信息、开设时间等，以便学生进行选课决策。同时，大数据分析也为选修课讲师的教学提供了一定的教学基础;同时根据数据分析结果，讲师能够改善自己的教学模式、教学内容以及教学课件等。

（2）数据对比，借助大数据分析建立学生学业预警。高等院校的传统管理模式中，对学生的学业管理采取的是“事后告知”模式。即学生挂科或长期考勤不足后，对学生进行警告、劝退等处理。大数据时代，在大学中对学生学业的管理应当是全面管理模式，从学生入学到学生毕业要贯彻始终。借助大数据分析，能够完成传统管理模式向全面管理模式的转变，即实现对学生学业的“事后告知”到“事前预警”的转变。通过数据对比，能够建立学生学业预警模式，将学生的成绩波动和出勤率等分作黄色预警、橙色预警以及红色预警三种，帮助辅导员和教师及时掌握和预测学生学业动态，进而随时为学生提供学业帮助。

（3）数据挖掘，借助大数据分析提升高校教学质量。新形式的数字化管理已成为高等教育中许多改革工作的有力支撑，为高等教育改革方向，提供必要的数据支持。使高等教育更加以市场为导向而改革，并以学生为中心，包括对学生进行有针对性的管理，提供学生更加个性化的学习生活体验。在大学的教学质量改革中应用大数据和分析，强调了对流动数据的使用，流动数据是通过学生与大学互动的数字化方式和学习分析生成的。数据挖掘是有关学习者的数据的度量、收集、分析和报告，用于优化学生学习体验及其发生环境的目的。数据挖掘可以为每个学生提供有針对性的支持和帮助，具有改善大学学生学习体验的巨大潜力。

（4）数据开发，借助大数据分析协助高校管理决策。大数据分析可检查组织从内部和外部资源获取的数据以识别实质性的管理模式，是潜在的价值创造者，高等院校正在采用大数据分析来获得决策依据。大学管理大数据决策系统，以校园信息化整合为基础，实现以大数据为核心的功能点，并与学校各业务流程的深度结合，为学校教学、科研、服务方面的相关决策提供数据支撑。通过收集学校业务系统、一卡通系统、在线选课系统、各种硬件设备、校内外主要网站和论坛等数据源，根据学校的业务情况的需求，有针对性地进行数据清理和建模，为学校制定完善的数据标准体系，建立统一的数据仓库，为学校在学生管理、教学、科研、服务方面提供决策应用。学生大数据描述系统通过大数据技术挖掘学校的数据价值，提供学生在学习、就业、生活、社会、心理等方面的预测和预警服务，帮助学校实现准确、智能的管理。在纵向系统的基础上，学校部门在奖学金、学生管理、学生发展跟踪和推广等方面进行了大量的改进，并通过数据明确了学生的发展现状，从而有效地指导学校的发展道路，为学校和学院发展指标提供了极大的价值。

3  结  论

综上所述，大数据时代的到来为高等院校实现智慧校园打开了一个机会之窗，为此，高等院校必须适应这些新挑战。利用大数据分析创建智慧校园，能够促进校园基础设施发展、改善学生生活体验、拓展数据化在高等教育中的实践应用、重塑高等院校校园管理。

参考文献：

[1] 马骥超，田祥宇.大数据时代高等教育管理信息化建设途径探索 [C]//2020年南国博览学术研讨会论文集（二）.北京：中国环球文化出版社、华教创新（北京）文化传媒有限公司，2020：85-88.

[2] 方雍璐.大数据背景下高等教育管理模式分析 [C]//2020年南国博览学术研讨会论文集（二）.北京：中国环球文化出版社、华教创新（北京）文化传媒有限公司，2020：120-122.

[3] 马芳.基于大数据思维的高校资产管理创新策略 [J].科技经济市场，2019（12）：89-91.

[4] 杨娟.高校人力资源管理信息化建设的探讨与思考 [J].江苏科技信息，2019，36（36）：34-36.

[5] 李娟，许雯倩.大数据环境下高校档案资源集成与服务平台模型研究 [C]//2019年全国青年档案学术论坛论文集.北京：中国档案学会，2019：82-89.

作者简介：赵洪洲（1990.05—），男，汉族，黑龙江哈尔滨人，研究实习员，硕士研究生，研究方向：财务信息化。