基于大数据的高校学生学业预警应用问题及优化策略研究

安哲锋 冯 源

（[1]教育部战略研究基地—地方高水平大学发展战略研究中心 北京 100124；[2]北京工业大学文法学部高等教育研究院 北京 100124）

0 引言

近年来，一些高校在网上公布了退学学生名单，引起社会热议，学生如何顺利完成学业成为广泛关注的焦点，众多高等院校通过健全学业预警评价指标体系，完善学业预警机制，对学生实施有效的学业帮扶，帮助在学业上有困难的学生顺利完成学业，这也是推动高等教育内涵式发展的必由之路。学生生活和学习在校园中，从入学到毕业，每天都会产生大量数据，这些数据具有海量性、多样性等特点，可以为学业预警提供支持，提前预测学业存在风险的学生，及时采取有效的帮扶措施。同时，对于学生自身行为的管理，以及学业安排也有很大的益处。

一些高校已经将大数据应用于学生管理或服务中，甚至学业预警应用中，但是还未形成典型的应用范式，而且相应的研究也比较少。本研究目的在于分析大数据在高校学生学业预警中应用的问题，提出应用策略，希望为大数据在学业领域中深入应用提供借鉴。

1 大数据在高校学生学业预警应用的研究现状

本研究首先在中国知网上以“高校学生学业预警”为主题词进行期刊搜索，搜索发现共有138 篇中文文献，其中基于“大数据时代”“大数据”等大数据核心词相关文献12 篇，说明基于大数据的高校学生学业预警的交叉研究相对较少。其中，比较典型的研究为：袁安府（2014）等人运用德尔菲法确定了学业预警指标要素，在此基础上构建了大学生学业预警评价指标体系；[1]尹茂竹（2018）运用主成分分析、多元回归分析法分析了2017 年某高校全年的学生行为数据，在此基础上构建了大学生学业预警模型；[2]赵雪梅等人（2018）以农村留守儿童学业预警为例，将大数据应用于学业预警研究，设计了基于教育大数据的学业预警系统；[3]周庆（2018）等人采用多种数据挖掘方法，利用大数据处理技术整合学生数据，进行客观、科学的分析和决策。[4]

通过对国外文献资料的梳理发现，学业倾向调查（SAO）的分数可以预测第一学期新生的成绩，确定那些最有可能受到不良成绩影响的本科生；根据预警内容不同可分为课程成绩预警、努力程度预警、知识点预警、学习路径预警四类；预警方式主要包括电子邮件、短信、学习管理系统消息、学习仪表盘及可视化图形等；实现形式有学校自主研发、企业机构研发、学习管理系统结合可视化工具、系统嵌入个性化工具、学习平台中的预警系统模块等。

从国内外文献综合来说，大数据在高校学生学业预警中的应用形成了一定的雏形，研究者主要围绕学业预警模型、技术方法、系统建设、评价体系等进行了探讨，相对来说，针对各个主体的作用、反馈机制及其解决策略的研究相对较少，这为本研究奠定了基础。

2 大数据在高校学生学业预警应用中存在的问题

（1）学业预警机制有待完善。虽然各大高校学业预警机制已经形成，并且开始初步应用，但一般仅应用于在评奖学金、转专业时以及每个学年后对学生一学年的学业情况的评估，并未将其融入到学校的日常教育教学活动管理中。由此可见，高校的学生学业预警的应用范围较窄，体系还有待完善，其发挥的作用也较为薄弱，预警相关主体对预警机制的重视程度和执行力也有待提高。

（2）学业预警方式相对滞后。从预警时间上来分，学业预警方式可以分为事前预警与事后预警。当前，多数高校的学业预警以事后预警为主，也就是当学生学业出现问题后针对这一结果及时进行警示，虽然能够让学生有时间弥补之前的学业空缺，但没有起到防范的作用，具有一定的滞后性。

（3）学业预警内容较为单一。目前高校的学业预警一般只对影响学生升级、毕业以及评奖的情况进行学业预警，例如多数是以学生各科成绩、加权平均分、绩点等学业成绩作为衡量标准，将学生挂科数目或未取得的学分数与学校或学院的制度中规定的标准相比较，来确定该学生是否需要预警。

（4）学业预警数据共享不畅。由于学业预警内容的数据来源系统比较多，各个系统之间的数据无法自动连接，相互不能联系起来，缺乏一个相对专业的能够将各大系统数据统合起来的学业预警管理平台，数据还主要靠手动传输来衔接工作，数据更新也不及时，这样非常不利于数据的整合、归纳与分析，难以及时发现学生学业出现的问题，也就更难以对症下药，找到相应的解决对策。

（5）学业预警帮扶策略较弱。多数高校在学业预警中，更多关注如何确定学业预警流程的条件，如何整理、分析数据等技术层面上的事情，缺少个性化的或者有针对性的解决措施和跟踪反馈机制。很多有学业问题的学生在收到警示后，其只是凭借自身的力量而不借助外部力量去解决学业问题，很可能会难以调整到更好的学习状态，导致学业状况进一步恶化，从而失去了警示的真正效果。

3 大数据在高校学生学业预警应用中的优化策略

（1）完善学业预警技术。首先，建立一个关于学生数据的数据库，包括对学生生活数据、学生成绩数据、学生学习行为数据等等；其次，选择合适的数据分析方法，从而建立学生学业预测模型，预测在读学生未来的绩点表现，及时发现可能出现学业问题的学生；最后，加强反馈技术改进，采用新媒体技术，将结果反馈给学生和教师，使得每个学生都能够了解自己的未来绩点可能的表现，教师根据系统的提示给出各学生以后的学习建议或开展帮扶。

（2）丰富学业预警内容。学业预警内容的丰富可以从以下三个方面入手：1）学业预警内容与日常学习行为结合，例如可以增加未上课频次、上课迟到早退频次、未完成作业频次等等；2）学业预警内容与学习成绩结合，例如增加挂科门数及比率、退学标准差值、学习退步值等；3）学业预警内容与评奖评优结合，例如奖助学金标准差值等。

（3）优化学业预警方式。一方面，由原来的以事后预警为主，转变为事前与事后预警相结合。运用大数据方法，加强对学业预警的预测功能建设，真正达到预防的效果。另一方面，由原来的结果性预警为主，转变为结果性与过程性预警相结合。原来预警的挂科门数等，都是已经发生了，预警的都是学业的结果，后续可以加强对学习过程学业预警指标的研究，实现在学习过程中就及时预警，防止学业不良后果出现。

（4）增强学业帮扶力度。现阶段，调动预警主体对预警机制的重视程度和执行的力度非常薄弱，但对老师而言，获得所有学生的学业数据和预测表现，则可以对学生进行更精准、全面的把握，而对于那些在学业上出现问题的学生，也能够及时调整，促进学业成功。无论是教师还是学生本人，都应该充分重视学业预警结果，充分运用这个结果，开展精准化、个性化帮扶。