大数据背景下的高等院校专业建设质量动态监测体系构想

吴苍，侯慧娟，雷春丽

（兰州理工大学 机电工程学院，甘肃兰州 730050）

专业建设质量直接影响到高等院校专业人才的培养和学科发展。本科教学评估作为专业建设质量的大考受到高校的普遍重视。2021年教育部印发了《普通高等学校本科教育教学审核评估实施方案（2021-2025年）》 的通知。通知提出：“扭转不科学教育评价导向”“推动高校积极构建自觉、自省、自律、自查、自纠的大学质量文化”。通知同时进一步指出“综合应用互联网、大数据、人工智能等现代信息技术手段，深度挖掘常态监测数据，采取线上与入校结合、定性与定量结合、明察与暗访相结合等方式，切实减轻高校负担，提高工作实效”。因此，有必要建立一种基于多分类、多源头数据的专业建设动态监测体系，并设计出科学合理的动态监测评价指标。使专业建设质量能够及时和准确地反映出高校学科发展和人才培养的平时成绩，引导高校实现内涵式和创新式发展。

1 大数据背景下专业建设质量动态监测的意义

“大数据” 作为一种概念和思潮由计算机领域发端，其引领的风潮仍在继续，大数据革命推动各个领域的发展和变革[1]。对于教育行业的发展也起到了推动作用，大数据技术是通过其四大核心技术（数据采集、数据预处理、数据存储和数据分析）对教学过程中的海量数据进行精准化和智能化管理，挖掘出对未来趋势与模式预测分析有价值的数据。在大数据背景下建立良好的专业建设质量动态监测体系是高等院校专业人才培养和学科发展的重要内容，是提高专业建设质量的有效措施[2,3]。将大数据时代的内涵和精神同高等院校的专业建设质量动态监测体系相结合，符合教育行业乃至社会发展的潮流，大数据的可靠性、高效性和大容量的特点，很大程度上确保了高等院校专业建设质量动态监测体系中信息的可靠性和高效性，为高等院校专业建设质量的提高提供了重要途径，有利于促进高等院校专业人才的培养和学科发展，使得专业建设水平得到大幅度提升，为科学、规范的专业建设提供了重要保证[4]，以此来适应信息化的发展潮流，保证专业整体安排与目前专业发展需求和社会岗位需求的契合度，在大数据背景下加强专业建设质量动态监控体系是实现专业建设现代化发展的必经之路。

2 专业建设质量监测体系存在的不足

2.1 忽视专业建设质量监测的重要性

专业建设是高等院校进行人才培养和学科发展的核心内容，如何监测专业建设过程中的质量问题显得尤为重要。但目前为止，大多数学者集中于探索专业建设质量的保障问题，鲜有研究考虑到专业建设质量的动态监测，没有从根本上认识到专业建设质量监测体系对人才培养和学科发展的重要性。近年来，随着教育体制不断地深化改革，高等院校需要更加重视人才培养的质量，建立一套完整的专业建设质量动态监测体系来适应时代和社会发展的需要。然而，部分高等院校很大程度上忽视了这一方面，未能积极采用现代化技术手段对人才培养过程中的数据和信息进行正确、高效、科学和规范地处理，使得专业建设质量监测体系难以真正发挥其作用[5]。

2.2 专业建设过程中静态和动态内容的发展失衡

静态内容一般包括与专业质量要素相关的专业建设的目标、质量标准、教学计划和实施、教学资源以及职责权限和管理制度； 动态内容涵盖了建立执行与监控体系和常态化的诊改运行机制两方面的内容[6]。高等院校对于专业建设质量体系的构建侧重于静态内容的各项专业质量要素，缺乏有效的监测和控制手段，使得专业建设过程中的质量问题难以把握和控制，从而不能提高人才培养的质量和促进专业更好的发展[7]。由于缺乏有效的监测体系，专业人才培养过程中数据和信息收集的难度增加，专业建设目标的制定和数据的处理周期较长，极大地提高了工作人员的工作复杂性。

2.3 互联网信息技术手段应用不充分

随着信息技术的发展，高等院校也拥有多个管理信息系统，比如教学信息系统、课程管理系统、科研信息系统、质量评价系统等其他系统，它们都是独立运行和管理，未达到融会贯通的效果[8,9]，进而对于人才培养和学科建设的评价具有片面性，管理人员对专业建设过程中的数据进行分析时具有随意性和主观性，未能积极地采用现有的信息技术手段对监控体系的数据进行定量和定性分析。在专业建设质量监控指标方面，专业建设质量的动态监测评估指标体系缺乏系统性和客观性，对专业建设质量的最终评价结果的客观性产生消极影响。因此，在专业建设过程中，充分利用互联网信息技术有利于提高人才培养质量和促进学科发展。

3 大数据背景下建立专业建设质量动态监测体系

基于专业建设质量监控体系的不足，为适应信息化发展的趋势，建立专业建设质量动态监测体系，为专业建设质量管理制度的制定和实施提供导向作用，以促进学科建设更完善，进而达到提高人才培养质量的目的[10]。根据专业建设目标和人才培养目标，制定专业质量评价指标[11,12]，基于内部和外部信息系统的教学过程数据和社会人才需求数据，全面开展专业建设质量提升、监控、评估和反馈工作，构成集数据收集、数据预处理、数据建模、监控指标提取和监控5 个环节组成的专业建设质量的动态监测体系。

（1）建立数据信息收集系统，使专业建设质量管理数据信息快速、高效地呈现。收集的信息数据包括内部信息和外部信息，内部信息主要来源于教学信息系统、科研信息系统、财务系统和文献系统，由此获得与专业教学过程相关的常态化数据。专业课程分布和课时量反映课程结构的合理性，论文数量和被引用量反映专业是否具有前瞻性和实用性，科研进款的多少反映专业研究成果的丰富性，获批项目的数量体现了专业在实践中应用的重要性。外部信息主要是从社会层面收集与专业相关数据信息，其中包括校友信息系统、用人单位反馈信息、新闻报道和社会评价信息数据，校友的评教评学反映了专业教学过程的质量是否合格，就业反馈信息反映了专业建设中人才培养的质量是否达标，是否满足社会对专业人才的需求，新闻报道的次数反映了专业在社会实践中的重要性和需求量。

（2）对收集的常态化数据进行预处理。现实世界中数据很多上都是不完整、不一致的脏数据，无法直接进行数据挖掘，或挖掘结果不佳。为了提高数据挖掘的质量产生了数据预处理技术。数据预处理的方法一般包括:数据清理，数据集成，数据变换，数据归约等。这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间。因此，在建立专业建设质量动态监控体系过程中将对收集的常态化原始数据进行预处理，从客观性和主观性两个方面对数据进行分析，保留高质量的有效数据；采用去噪方法对数据进行清理，减少噪声对数据客观性的影响；采用统计方法对常态化数据进行关联性分析，对数据关联性从强到弱进行排序，为后续专业建设过程优化打下坚实的基础。

（3）建立数学模型。传统的专业建设质量管理模式中对数据的分析只停留在简单的数据统计和汇总层面，针对其进行定性分析，缺乏客观性。因此，需要针对不同的数据类型，选择不同的方法对其进行定量分析，一般来说，数据类型分为离散型和连续型数据。采用参数估计方法分析和推断出当前专业建设过程中数据反映的本质规律，为专业建设过程中设立相关标准提供有效的参考依据。为了提炼更有效的专业建设信息，对数据进行相关性分析是一个必不可少的环节，对于不同类型的数据，应用不同的相关性分析方法。对于离散数据与离散数据间的相关性采用卡方检验； 对于连续型和连续型数据来说，采用协方差来衡量变量之间是否相关，计算相关系数衡量变量之间的密切程度。

（4）提取关键的质量监控指标。专业质量动态监控指标一般分为一级和二级指标，一级指标根据其重要性依次为专业实力、招生和就业三大指标，二级指标有12 项，每个二级指标具体到相应的监控值，其中专业实力对应的二级指标依次为师资队伍、 专业层次和人才培养，考察点分别为师生比、高级职称比、专业带头人、教学与科研成果、通过正式验收或立项建设的专业类别和专业技能； 招生对应的二级指标分别为省内普招一志愿填报率、省内考生录取率、省内普招报到率和综合报到率；就业对应二级指标依次为初次就业率、半年后就业率、专业相关度、薪酬水平和满意度。以上监测指标信息是基于数据预处理、 数据建模分析得到的指标信息，给二级指标赋予不同的权重，进而计算出三个一级指标的得分，从而获得三大动态监控指标值。

（5）监控关键质量特性指标。对多源头、多类型的复杂数据进行一系列的数据挖掘之后，获得了监控指标值。此时，应用恰当的质量过程控制工具有重要意义。采用质量控制领域的主流工具对重点特性进行分析和监控，主要包括控制图、检查表、因果图、直方图和排列图等。

4 结语

大数据背景下专业建设质量的提高要从高等院校专业发展的实际情况出发，树立以大数据思想为核心的专业建设质量监控理念，针对高校运行的常态化海量数据，拟采取多源，多类型数据的分析与建模研究相结合的方法，综合运用统计过程控制技术、 相关性分析，大数据降维、数据预测等技术，提取关键的质量监控指标，运用质量管理的工具实现专业建设质量的动态监控，以此来适应大数据时代的发展要求，提高高等院校的人才培养质量和专业建设质量。