大数据促实验教学智慧管理服务研究与实践

谢添德， 徐守萍

（广东金融学院实验教学中心，广州510521）

0 引 言

大数据技术已是推动智慧教育、教学与管理的重要工具与手段。从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术［1］。教育信息化、智慧化的发展加速了教育行业数据的全面积累速度。从采集、建模、存储、分析到智能应用，帮助高校驱动管理决策和教育智能。目前，多数实验教学管理研究文献是偏于对数据支持下实验室管理系统的开发、设计与应用。如：唐磊［2］的“高校实验室智慧化管理平台建设研究”、吴文华［3］的“智能管理系统在高校实验室管理中的应用”、席世海［4］的“数据挖掘在计算机实验室管理系统中的应用”、周春月［5］的“基于物联网技术的智慧实验室架构研究”等。极少涉及融合实验大数据的实验教学综合智慧化管理，更无成熟、智能的综合管理模型或可行的、承前启后解决路径。

我校以建设应用型本科转型示范校为导向，人才须直接满足各行各业的发展需要。加大实践教学比例，加快实验教学的建设与发展是应用型教学改革的必然趋势。但是我校实验教学采用集中式管理模式，相比分布式管理，其规模体量给管理带来了多元性、层次性、复杂性、技术性、系统性等诸多难题［6］。实验教学业务繁重、顾此失彼；实验教学数据虽逐年积累，但完整性、连接性差，难处理；注重形式，难体现数据的集成价值。数据缺乏科学管理与利用、杂乱无章、可信度低，国家得不到可靠的质量监测数据，已对实验教学管理、服务产生极为不利的负面影响。

因此，中心以实验大数据为基础，运用大数据技术贯通各学习平台、管理系统等，通过交融混合数据的采集、存储、分析、处理去发现并解决在实验教学管理、决策上的不足与缺陷，克服集中式管理弊端，降低管理成本，由人为经验式管理转向协同智慧式管理。文章根据实验教学领域产生的大数据特征构建智慧管理框架与模式，应用实例展示大数据支撑下的实验教学管理绩效，逐步实现了实验教学管理智慧化、服务精准化、效能生态化的目标。

1 集中式管理优势与弊端

1.1 管理优势

学校对实验教学建设实行统一规划、集中管理原则，使各实验教学资源以共享形式满足各专业实验教学需求，充分利用有限的实验教学资源，成为众多高校共用。实验教学设备的高集成、高共享、高利用率的建设与使用，形成一种“物尽其用”的综合管理优势：①避免了重复建设和资源的浪费；②保证了实验教学数据、业务管理数据来源的准确性、可靠性与唯一性；③满足了大数据技术应用的海量实验数据前提与要求。

1.2 管理弊端

实验教学资源体量庞大、仪器设备繁多、实验教学环境复杂、实验技术人员与管理人员缺乏，致使必须面对层次多、专业多、异常多的管理困境：①难以具体分工负责，导致实验教学人员专业性不强，技术、管理水平皆难提高；②难以减少实验教学时间，导致实验室对外开放共享度低，难有整块的维护时间；③难以平衡实验教学与管理、人员与技术、实验与专业之间的矛盾关系，无法提供精准服务，提高服务的质量和水平；④各实验教学平台、管理平台等数据信息孤岛之间无法打通数据壁垒、重复性、耗时性工作多，难有科学精确的智慧管理决策。

2 实验大数据来源与特征

2.1 实验大数据来源

智慧校园基础设施建设、智慧课堂系统平台应用，为实验教学和管理过程中产生的多维度、全程化数据采集创造了良好条件。以实验教学中心为例，实验大数据主要来自2个国家级、7个省级实验教学示范中心的建设与管理；集中式实验教学的平台、电控、设备、软件、课程、运维、服务、活动、资产、文化、安全、网络、制度等管理与实验教学紧密相关的数据。

2.2 实验大数据特征

由实验大数据来源可知，其有三大特征：①多源数据融合，也是大数据的基本特征之一［7］。数据的采集涉及教学、资产、安全、运维、实验、安全、文化、制度等多方面；② 类型异构，包括课程、课表、日志、音频、视频、图片、设备信息、位置信息等；③ 对接教务管理信息系统，产生实验学时数、人时数、人次数、实验项目数、开放度等教学过程相关的数据。④实验数据是依据教学计划而产生，具有时效性和周期性。

由上述分析可知：集中式实验教学管理弊端难以满足日益增长的实验教学需求，更阻碍学校向应用型本科转型示范校的关键改革进程。那么，融合大数据技术充分发挥实验数据的管理价值是实验教学管理的迫切需求。实验大数据具有重构、规范实验教学管理流程、激发管理生态效能的作用，推动实验教学管理由经验主导、低效重压的救火式管理向精准反馈、轻负高质的个性化、智慧式管理模式转变。

3 智慧管理框架与模式构建

3.1 智慧实验教学管理框架

2017年，国务院印发《国家教育事业发展“十三五”计划》，明确提出“加快教育大数据建设与开放共享”［8］。新一代信息技术在教育领域的融合与利用是社会普遍关注的重点，大数据技术应用于实验教学，通过对海量实验数据采集、汇聚、分析、挖掘，实现实验教学管理的可视化、精准化、智慧化，满足学校“统一规划、集中管理、协同共享”的理念需求。

实验教学管理重业务、轻数据，重结果、轻积累，重形式、轻价值的普遍现象导致实验教学数据杂乱无章、可信度低，带来实验教学管理、服务的负面影响。针对上述乱象与管理弊端，基于Yager［9］提出的一种多源数据融合的框架及自身实验教学大数据的积累与存储，构建了智慧实验教学管理框架，如图1所示。从数据处理、系统设计、融合模型、融合方法等方面［10］梳理实验教学的数据乱象、解决管理弊端，提升实验教学服务生态效能。

图1 智慧实验教学管理框架模型

智慧管理框架主要归纳为三个方面：①硬件设备主要涉及运行、维护、资产、开放，这是实验室管理的基础和重点与难点；② 实验教学环境主要涉及电控、监控、网络、安全，运用网络技术与良好环境开展教学；③实验教学主要涉及教师、学生、软件、平台与职业实训，突破了时空界限，提供更好的学习路径与模式。三方面数据的归集与融合，利用大数据相关技术把不同来源、不同时间点的信息数据转换成一种能实现管理可视化、精准化、智慧化、生态化的决策支持。

3.2 多维度数据生态循环模式

以往对实验教学的管理与决策很大程度上依赖于人员经验，存在管理上的随意性、滞后性；缺乏决策上的科学性、预见性；难有发展上的创新性、价值性。数据表示的是过去，但表达的是未来［11］。将实验教学过程中持续积累的数据经信息技术有机地、循环地利用起来，构成循环延续的数据生态价值链，便可知其最新状态与发展规律，才能更好地发挥数据价值，实现数据、技术与思维互为融合的智慧化管理。如图2所示，关于设备运维、软件、教学、实验、服务、预约、培训等日常实验活动产生对应的资产、教学、实验、电控、频率、开放程度等实时多维度数据的持续归集、对接、共享；经过层次式审核、建构和修正后，利用统计、贝叶斯分析、神经网络等大数据信息技术挖掘实验教学数据价值。从而，得到可视化、数据化的解决方案；以多维度状态的反馈，得到快速、精准、客观的状态反馈特征库；特征库的融合带来特有的数据价值，服务于实验教学的多种业务管理，实现了实验大数据更迭下的生态循环管理。

图2 实验教学数据生态循环模式

学校正向应用型本科转型，实验教学场所是教学、科研和实训的综合体，在集中式管理情形下，使用率非常高，每年高达85%以上。科学、规范、高效、安全的现代化管理方式，是实验室管理的发展方向与目标［12］。实验教学管理效能的好坏，直接影响师生的实验体验和教学成果的好坏。

以实验设备运维管理为例：实验教学数据未形成价值链之前，设备的运维需经过一系列繁杂的维护过程（见图3）：先人工检测、自行维修，若无法解决，则上报；公司接单、公司维修、配件采购、更换、维修确认、资产、采购部门审核采购、自行报账等。这种设备管理方式无疑是低效耗时、低质量的落后方式。当形成数据生态价值链之后，挖掘出来的信息可让数据自行发声，高效地反映机器设备的运行状态。不但精准、客观地通知实验管理员设备故障与位置信息，而且无须理会问题背景的因果关系与维护流程，走对应电子流程进行维护，维护时间短、记录规范。以时效性分析维修特征库可得某一具体设备的运维历史，形成实验设备运维特征库，更迭资产、运维、监测等数据。

图3 人为管理与智慧管理差异对比

4 数据驱动下的主要智慧管理应用

在实际工作中，实验教学智慧管理主要包括以下3方面的实践应用。

4.1 智慧识别及隐性共享

任何一种管理，都需要专业的人员、辅助的系统、合适的技术、精确的数据。智慧识别与管理不只帮助管理人员节省大量时间、精力，还弥补了人员不足及能力缺陷，更能为管理转型发展提供新途径和新模式，不断地提高科研、教学以及社会服务的质效和创新水平。智能识别的相关技术已成为推动高校数据管理、精确治理、教学模式、绩效评估改革的重要力量［13］。智慧识别技术关联如图4所示，对实验教学方面的数据进行智慧识别，精确地收集、分类、分析，最终汇聚形成实验教学的“软、硬”数据［7］。智慧管理模式下，充分发挥智慧识别技术的优势，重构实验教学管理流程，实现运维、教学、服务、决策等过程的智慧监测、量化分析与实践检验。

图4 智慧识别技术关联图

实验大数据促使下的实验教学管理具有高质量的隐性知识共享功能。野中郁次郎认为，隐性知识是高度个人化知识，具有难以规范化特点，因此不易传递给他人；它深深植根于行为本身和个体所处环境的约束。包括个体的思维模式、信仰观点和心智模式等［14］。图5是野中郁次郎提出的知识转化SECI模型［15］。

图5 知识转化SECI模型

管理是团队的共同管理，将不同专业领域、不同技能的管理人员集中于一个复杂的实验教学服务集群中，实验大数据的生态价值链营造了网络式知识共享氛围。知识共享中就有学习、和谐、行动、反思、生态行为［16］，是管理的一项核心功能。经过各种课程培训或进修、个体反复亲身实践和体验，在集群空间相互激励、实现隐性知识的交流与共享，弥补现实环境下管理员之间共享知识的时空局限，能够扩展管理员间对话讨论、知识共享的深度与广度，满足技术经验流通与转化的需求，为新知识的产生提供强有力的动力［16］，也为实现大数据的衍生创新价值提供了可能。

（1）解决管理问题方法的规范性。建立了恰当的评价指标与评价体系，使全体师生得到解决问题统一的标准与考核。根据实验实际情况，平台数据的聚集、查询、指导都有了规范性的参考解决途径，促进知识在管理团队内部的共享流通与利用，有效地实现隐性知识的传播、内化、共享以及创新。

（2）增强实验教学精准服务功能。扩大管理人员提供实验教学服务的专业面、有效性，充分发挥人员的创造性思维能力，建立一种生态、个性、持续的发展服务团队。实验教学管理涉及多专业、多技能综合，在服务集群中开展定期与不定期的学习与培训，促使管理人员的知识交流共享，增强实验教学精准服务功能。

（3）做到术业有专攻、管理有协同。解决人员少、任务重、专业性差的关键问题，使管理人员有了施展专业才能的共同平台空间。在SECI模型中，建立学习型组织结构模式，个人之间的感觉、经验和心态得以充分表露，潜移默化地进行知识转化，管理有创新。

4.2 管理生态效能化

以实验教学智慧管理中电控管理为例，利用智慧电控节能管理系统实现电控的分路、分段、分时控制。对接教务系统课表数据后，形成灵活的、完整的用电数据库，用电时间与教学课表一一对应。电控节能管理系统每天都会识别并收集如下主要用电数据：电控设备、门禁、空调、照明、插座、换气扇、环境监控、告警信息、预约信息等。电源的多路供给是按照设定的实验教学任务列表自动开关控制，一般情况下，管理人员只需查看告警信息，确认并排除电控模块的不良运行状态。若有故障或异常，可在系统中走电子报修流程、打印报修损耗表、存档故障维修记录等。系统将过程数据进行实时的可视化分析，方便管理人员快速直观地了解电控装置相关的运行状况，得知各类用电设备的电量、损耗、异常、运维情况。图6所示，是404实验室用电在2017年12月3日至2018年12月3日的历史线性图，动态显示出该时间段的用电规律及运行状态。

图6 实验室404电控历史线性图

从图6可知，照明设备绝大部分是性能稳定的，说明该实验室的照明情况具有平稳的持续性，可以减轻监控力度；计算机设备利用率高，故障率也高，说明计算机设备应加重监控力度，加大维修投入与维修频率。电控设备用电规律与运行状态是实验大数据多维度分析的价值体现。在数据的驱动下，实现内在关联设备故障的预判，有效地控制电能损耗与浪费、降低管理、排查难度，极大地方便了管理人员对电控数据的管理，实现智慧安全隐患排查、安全预案决策、生态管理效能化目标。

4.3 精准服务及精益决策

在实验教学过程中，每位老师和学生都会产生运用终端、操作软件、实验行为、预约请求、资源利用等方面的实验信息数据。集中管理下，智慧识别技术的融合、多源异构实验数据的融合，构建实验管理大数据循环价值链模型。对数据进行统计分析、聚类分析、关联分析、时间序列、趋势预测等，形成一个实验教学智慧管理生态圈。管理员从不同视角随时查看设备的运维过程、环境的监控过程、实验教学的实施过程、管理的效益过程，从而实现实验教学的智慧管理与精准服务。确保管理支出是实事求是、合理安排、精打细算；确保管理服务是对每位老师或学生教学需求、实验需求等情况下的个性化、精准化；确保管理模式是可视化、持续化、生态化的。

智慧实验教学管理平台使管理由救火式转变为智慧式，不再疲于应付。在实验设备运维、实验环境安全、自由上机服务、教学软件的精准、实验教学流程规范、教学资源的设计质量等方面做出精益性、前瞻性的服务决策。这些服务信息数据的充分挖掘可以更为全面地把握师生的行为特征，揭示师生个性特点，根据师生特点与应用场景突出服务数据的价值，增益管理层的分析、决策能力，特别是管理创新能力，真正实现以生为本、知行合一的服务理念。

5 智慧管理化实效

5.1 降低实验教学管理难度和成本

在集中管理下的各实验室均打破专业限制，使专业实验室在“专业为主，其他为辅”模式下运行。即可开展专业实验课程，也可开展其他专业的实验课程，致使实验室利用率高达85%以上。学生的上机数据、学生使用软件的占比率、死机率、中毒率等；软件使用率、设备使用率、设备故障率、教学人时数、学时数等都是智慧管理下多维度实验数据的融合化、一体化的结果。采用大数据技术对实验教学环境、仪器设备、实验软件、实验资源等多源、多类型的实验数据进行关联、聚类、回归等挖掘，让数据做管理的依据、指导，实现了资产变更、教学分配、开放共享、精益决策的智慧式管理。师生们能随时随地参与监督、反馈、建议，管理员们能随时随地地了解使用状态、实验教学状态，避免了人工失误，服务的滞后性。这种齐参与、共管理的局面，极大地降低了实验教学管理难度，降低了实验教学管理的固定成本、人力成本和管理成本（见表1）。

5.2 实现管理人员与实验教学共赢

对教务信息系统的对接，多类异构的实验大数据库经大数据信息技术进行融合、分析、挖掘后，对实验教学活动涉及的实验准备（预约、调课等）、实验内容、项目开发设计、实验教学方法和手段设计、实验设备报修、实验过程管理等都可进行详细的部署、实时的更新，真正形成无人值守的智慧实验教学，如图7所示。结合实验大数据的精准性、精确性、预测性与决策性，提高实验教学过程质量，保证实验教学工作有序推进，实现实验管理人员与实验教学共赢。

表1 智慧化管理实效表 万元

图7 无人值守实验教学流程

5.3 执行力并行化和可视化

实验管理人员不再每天将精力耗费在机械性、重复性的运维工作上，而是由实验数据生态价值链为支撑，对可实验教学资源、数据状态进行统筹协调，并通过数据的预测性制定出可行性的计划、措施精准地指导实验教学的管理，大幅提高执行力度与执行效能。智慧管理不仅解决了实验教学数据采集、传输、存档、审核、报告、评估等问题，还对实验教学重要的质量评估体系管理、任务管理、日常审批管理、业务培训与考核管理、项目管理、绩效考核管理进行智慧化、可视化的管理。可视化操作是大数据技术极为关键的功能，能以直观真实的形式迅速判断问题的症结，优化管理方案，提高解决问题的创新力度。最终，达成管理人手少但执行效率高的目标。

5.4 形成各类精准报表与绩效报告

不同来源、不同类型、不同结构的实验教学数据的收集、整理、归类是相当繁重辛苦的。不仅工作量相当大、耗时耗力，而且还容易出错与过时。如果数据的统计内容或形式发生改变那是收集工作灾难性毁灭，这是统计员最不乐见的。实验教学智慧管理提供了精准的数据报表与时效性报告，深度挖掘了数据价值，如图8所示。例如：高等教育质量监测国家平台数据、高等学校实验室信息统计数据、学校年鉴数据、学校评估审核数据等。应付、耗时、费力、仓促、失误、偏差现象将不得存在，既保证数据的准确性、可靠性，也为实验教学管理模式创新改革提供了真实的参考决策依据。

图8 实验教学各类数据存储统计

6 结 语

实验教学管理是培养应用型、创新型人才的关键。实验过程监控、硬件设备运维、资源组织分配、策略取舍、资产变更、质量保证、实验室安全和应急预案、实验数据的存储检索等都会积累相应的实验数据。以实验大数据驱动智慧管理模型的构建与模式应用，实现了管理过程的自动化、智慧化和生态化。有效地解决了实验教学数据乱象和集中式管理的弊端，承前启后地为管理人员实现过程管理，查缺补漏、分析预测、建设规划等可持续化、精准化管理服务。大数据引领下的实验教学智慧管理使环境、服务、生态效能都得到有力的保障，为智慧管理提供可行的模式借鉴。