大数据在职业教育中的应用与前景展望

龚群子，熊风

（广东农工商职业技术学院 外语学院，广东 广州 510507）

随着互联网技术的发展，大数据作为当下最热门的概念之一，已经广泛应用于咨询服务业、金融业和健康医疗业等领域。它的应用不仅改善了客户体验，提高了运营效率，而且推动了技术革新。近年来，大数据的应用开始传导到职业教育，我国职业教育强调工学结合、校企合作，与社会各领域的联系十分紧密，这种紧密的联系已经突破了传统的物理形态，并逐步上升到了虚拟的数据的交换和学习。在职业教育中应用大数据已成为新的趋势：一方面，社会运行产生的大量数据可以为职业教育的改革提供决策依据，另一方面，职业教育自身产生的大量数据也为优化人才培养和办学模式提供了支撑。

一、大数据的产生和应用

（一）大数据产生的背景

大数据作为一个新的概念，其产生的时间并不长。上世纪60－70 年代全球产生了第一个数据中心，并发展出了区域型数据库；到2005 年，随着Facebook、Youtube 等一些网络应用的兴起，出现了Hadhoop 等这类能够对大量数据进行分布式处理的软件框架；再到后来，随着互联网Web2.0 的兴起，传统的关系数据库已经显得力不从心，因此NoSQL非关系型数据库开始流行。［1］技术上的革新使得数据的获取、储存和分析变得更加容易，而人类的数据每天都在保持海量式的增长，大量数据的产生使数据处理变得十分必要，通过数据的分析与管理，可以实现我们的很多目标，数据来源越可靠，数据量越多，得到的答案就越准确，各行各业已开始普遍运用大数据。

（二）大数据的特点和应用

国外学者很早就对大数据的特点做了研究：Yang［2］认为大数据与数据无关，大数据侧重的是一整套分析大量快速增加的数据的方法。Ben［3］研究了大数据的基本特性，分别是：Volume（大量）、Velocity（高速）、Veracity（多样）、Verification（可靠）和Value（价值），同时，他还认为大数据的应用有三个阶段，分别是：数据收集、数据分析和数据应用。Manyika，Chui and Brown［4］研究了2000—2008 年美国不同产业应用大数据的排名，以及大数据的应用与各自产业生产率之间的关系，发现在咨询服务业、金融业、健康医疗和石油业使用大数据能极大地提高行业的生产率（见图1）。

二、大数据在职业教育中的应用设计

（一）职业教育的大数据来源和分类

现代职业教育不仅需要利用大数据，而且其自身也产生了大数据。特别是随着精品资源课、MOOC、微课和虚拟仿真实验等信息化教学手段的普及，职业院校能利用和产生的大数据呈现指数级增长。参考Daniel and Butson［5］设计的高等教育大数据框架图，考虑到我国职业教育的特点，笔者设计出了我国职业院校的数据库框架图（见图2），其数据库可以分为：行政部门数据库、学生数据库、教师数据库、课程数据库、科研数据库和实习就业数据库。这些数据库的数据来源大致表现为：财务数据、人事数据、教务数据、新生入学的信息采集、选课和考勤、信息化教学、科研统计和就业率等。各数据库是互联互通的，以此实现对数据的高效传递、对学校工作的过程化管理和基于数据的科学化决策。

图1 大数据的特点和应用

图2 职业院校的数据库框架图

（二）大数据在职业教育中的应用设计

大数据在职业教育的应用是一个系统工程，包含多个子数据库的建设和各部门数据的互联互通。笔者以其中最重要的部分，即教学为例，进行大数据的应用设计。在教学系统使用大数据技术，首先可以实现数据的共享，使职业教育突破传统校园的限制，将课堂教育变为线上教育，将学生群体扩大为在线学习者，同时还能兼顾教学效率和教育公平；其次可以实现教学的过程化管理，不仅可以丰富教学内容和教学手段，还可以对每一个学习者的学习过程和学习效果进行监控、管理和反馈；最后可以实现教学精准反馈，基于数据的分析可以让教师掌握每一个学习者的学习状态，教师在进行教学决策和调整教学策略时将变得更加精准。

对于大数据在高校教学中应实现的目标，Li and Zhai［6］认为，高校教学不能仅仅停留在电子化教学的阶段，还应该包含教学和实践活动的数据捕捉、记录和模拟，同时还要打破数据记录和数据分析的鸿沟。参考这一思路，笔者设计了职业院校教学系统的大数据应用（见图3），整个系统分为四大系统：

1.评估系统

评估系统包含了课程资源、教学互动、在线考勤、在线考试、随机点名、在线作业、调查问卷、投票、在线提问、虚拟实训、自动记录等模块，这些模块将贯穿在学生课前预习—课中教学—课堂实训—课后测试的过程中，在整个过程中，学生和教师会利用现有数据，并产生新的数据。

2.数据采集系统

前面系统产生的所有数据，将会被数据采集系统捕捉、整合、转换和储存。有些数据可能是垃圾数据或无效信息，有些数据可能还隐藏在深处，需要进一步挖掘。为保证采集数据的质量，需要选择可靠的数据采集技术，对大数据进行过滤和挖掘。

3.分析系统

分析系统在整个系统中起着十分重要的作用，前期采集的数据需要在这个系统中分析和处理。分析子系统应该包含一个标准的数据库和一个结果数据库。标准数据库是参考系，通过将结果数据库的数据与标准数据库的数据做对比，可以得出相关结论。结果数据库应该包含两类数据：一类是不需要加工的直接数据（如分数、考勤），另一类是需要处理加工的间接数据（如上课的态度、小组角色）。后一类数据需要通过一定的技术进行数据挖掘和加工才能跟标准数据库的数据做对比和分析。

4.反馈系统

反馈系统包含了课前教学诊断、课中教学诊断和课后教学诊断三大模块，通过可视化的手段进行反馈。课前教学诊断可以通过课前的预习测试等实现；课中的教学诊断可以通过随机提问等实现；课后的教学诊断可以通过课后作业等实现。通过诊断，相关信息将以可视化的方式及时地传输给师生，可视化的方式可以是电子评估报告等形式。师生在得到这些诊断数据后，可以基于数据做出对自己最优的决策，比如教师是否要降低教学难度，学生是否要花更多时间进行预习等。

为实现图3 中的设计，必须明确整个教学系统中数据流的流向，为此设计了职业院校大数据教学的数据流程图（见图4）。现代职业教育的特色在于，其教学除了传统的课堂教学外，还安排有大量的实训教学和顶岗实习。在数据流的流向上，必须将这些课堂内和课堂外学习活动的数据全部进行收集。同时为满足未来职业教育对大数据的高速传输、高速储存和高速处理的需要，建立云计算平台是必不可少的。

图3 职业院校教学系统的大数据应用设计

图4 职业院校大数据教学的数据流程图

职业院校大数据教学的数据流程图包含五个数据流向：教师对学生进行教学；教学过程中产生的数据被捕捉、挖掘和存储；课堂教学及实训实习的数据被保存于数据库和云系统；大数据通过数据库和云系统进行筛选、分析和预测；教师在获得分析和预测结果后，对教学进行评估和改进。

三、大数据应用于职业教育的前景展望

（一）未来的发展趋势

1.云计算与大数据相结合

有研究表明，人类所产生的数据量每两年就会翻倍，［7］随着时间的发展，各职业院校数据中心的存储容量和处理能力将很难满足大数据的应用需求。而云计算能将计算任务分布在大量计算机构成的资源池上，使各种应用系统能根据需求获取计算能力、存储空间和各种软件服务，［8］这种超大规模、高扩展性和高可靠性的特点必将使其在未来广泛应用于职业院校。

2.数据存储与数据分析并重

当前，我国职业教育在应用大数据时，普遍比较重视数据的共享、获取和存储，但是忽视了数据的分析和预测，产生了数据存储与数据分析的鸿沟，这使得大数据应用于职业教育的效果大打折扣。大量数据的存储必须进过筛选和分析才能为师生提供可视化的反馈，从而改进学校的办学质量。可以预期，未来职业教育在应用大数据时会从简单的数据收集和存储变为更加强调数据的挖掘和分析，在这个过程中，数据分析软件和技术将得到重视。

（二）可能存在的问题

1.网络与数据安全

大数据在我国职业教育中的应用处于起步阶段，很多职业院校并没有为数据的搜集、存储和使用建立专门的规章制度和管理办法。Slade and Prinsloo［9］指出很多高等教育机构只是建立了常规的知识产权保护和数据隐私保护政策，这些政策不足以应付大数据时代的挑战。例如在我国，随着线上教学的普遍开展，部分线上教学软件不断爆出安全问题，有的是因为学校内部监控疏忽或内部人员人为导致，有的则是黑客攻击所致。如何从外部防御威胁，从内部加强风险控制，使数据能追责溯源是亟待解决的问题。

2.数据的质量

大数据给职业教育带来的影响完全取决于所搜集的数据的质量，而收集高质量的数据并不容易：首先，衡量职业院校办学模式和人才质量的很多数据并不是简单的数字，而是结构性的数据，需要进一步处理才能使用；其次，收集而来的数据有时候是垃圾数据和无效信息，需要进一步筛选，有时候也会出现数据的丢失；最后，高校内部部门众多，而数据的收集和处理需要跨越多个部门，这使得协调与合作变得费时。对于高等教育数据的质量问题，国外学者也做了相关研究，其中Becker［10］指出，高校数据的收集需要三个层面的交互：地点、样本和时效，这三个层面会影响数据的质量；Daniel and Butson 认为，大数据在高校内部的增长速度是非常快的，而且形式多样，而且很多是跨部门的数据，这使得数据的回溯和整合非常困难。［5］

大数据与职业教育相结合是不可避免的趋势，在职业教育中合理地设计和应用大数据，将会使职业院校在人才培养、办学模式和决策水平上产生正面效应。大数据在职业教育中的应用属于系统工程，其建设和使用涉及多个部门和多个子系统，在应用流程上包含了数据的搜集和存储、数据的挖掘和分析，以及基于数据的决策和反馈，较为复杂。然而，大数据在我国职业教育中的应用目前还处于起步阶段，要探索的问题还很多，例如怎样使云计算与大数据相结合、怎样进行有效的数据分析、网络安全如何保护、如何提高数据质量等。对这些问题的研究将有力地推动我国职业教育的发展。