数据驱动的高校教育管理信息化水平评估研究

邹 宇

（江苏开放大学，江苏 南京 210012）

1 概述

近年来，教育部提出了加快教育信息化进程的号召，将我国教育信息化发展作为重要战略之一列入发展规划[1]。高校教育管理的信息化建设是推进教育信息化进程的重要组成部分，同时也是培养创新型人才的有效途径之一。通过对高校的教育管理信息化建设水平进行评估，能够促进教育信息化发展。当前已有部分研究人员开展了高校教育信息化评估的相关研究工作，研究重点大多集中于评估指标体系的构建方面。相关研究成果中提出的评估指标体系通常针对整体的信息化建设情况，而教育管理信息化水平仅作为其中的单个维度，针对该维度建立的指标体系较为简单，尚不完善，且这些指标大多是面向结果性数据制定的，缺少对中间的过程性数据的挖掘利用，使这些数据的潜在价值尚未有效挖掘[2]。目前，大部分高校都建设了教育管理的信息化平台，这类平台在使用过程中产生了大量的教育数据，这些数据中包含了大量有价值的信息，对这些数据的充分利用，能够对高校教育信息化进行准确评估，提高教育信息化管理水平。为此，本文开展数据驱动的高效教育管理信息化水平评估研究，通过构建完善的评估体系，设计评估系统，对结果性和过程性数据进行充分利用，实现对教育管理信息化水平的精准评估。

2 数据驱动的高校教育管理信息化水平 评估体系构建

本文在充分查阅现有文献和相关政策文件的基础上，结合当前高校实际，对教育信息化相关的结果性和过程性数据进行充分挖掘利用，采用文献计量法、关键指标法等方法形成初始指标体系，然后利用专家调查法、预调研等方法对该初始指标体系进行完善，最终构建成相对完备的评估指标体系[3]。

该指标体系的基本构建过程主要包括指标初步构建、指标完善和指标赋权三个阶段，如图1所示。

图1 评估指标体系构建

在指标初步构建阶段，首先深入解读教育信息化的相关政策文件，从文件中提取用于评估教育管理信息化的关键指标，并将其作为一级评价指标，这些关键指标包括信息化科研能力、数据共享、网站开发、管理信息系统建设、人才培养培训等。然后在此基础上，对数据驱动的教育管理信息化相关文献进行查阅、梳理和归纳，以“信息化”“指标”“评估”等为关键字，在知网、万方等权威数据库中查询筛选对应文献，从中归纳出影响教育管理信息化的关键因素，主要包括平台因素、数据因素、服务因素和保障因素等，对这些影响因素对应的二级指标可进一步总结形成信息化建设、信息化服务、信息化保障等三个关键指标。最后对该三项关键指标进行细化完善，形成初级评估指标体系，其中信息化建设下设管理系统建设、业务数据建设、网站建设3个二级指标；服务信息化下设业务办理类服务、业务查询类服务、数据利用类服务和网站应用4个二级指标；信息化保障下设信息化发展战略与支持、信息化管理规章制度和人员队伍建设3个二级指标。

在指标完善阶段，主要采用专家调查法和预调研法两种方法对指标体系进行修改完善。其中，专家调查法主要通过将建立的指标体系初稿向高校教育信息领域的相关专家征求意见，根据专家的反馈意见对指标体系进行完善[4]，修改的内容包括删除信息化建设部分的“网站建设”指标（主要考虑到各个高校均有网站建设内容，区分度较小），在信息化保障部分，添加了运行管理指标（含系统维护和系统故障处理等内容）。预调研法主要选取了J省某高校的相关管理部门进行问卷调查，根据采集的数据，采用信度检验方法进行指标一致性检验，根据检验结果对指标体系进行微调。最终，综上两种方法结果，在信息化建设部分删除了网站建设指标，在服务信息化部分增加了信息化服务需求指标，在信息化保障部分增加运行管理指标。

在指标赋权阶段，本文采用客观赋权法中的CRITIC法和主观赋权法中的AHP法相组合的赋权法对各项指标进行赋权。首先，采用距离函数对AHP赋权法和CRITIC赋权法的一致性进行判断，结果越小表明一致性越好，计算结果表明，对本文构建的指标体系，两种方法的一致性较好。其次，在完成一致性检验后，分别构造完成AHP赋权法的权重向量集和CRTITC赋权法的权重向量集，组合形成主客观赋权法的向量权重集。然后，采用博弈论的思想，从向量权重集中找出最合理的权重向量。最后，将对各项权重进行归一化，得到各项指标的最终权重。

3 数据驱动的高校教育管理信息化水平 评估系统设计

本文建立的高校教育管理信息化水平指标评估体系，能够对当前的各类信息化系统产生的各类过程性和结果性数据进行充分利用。为了将上述指标体系实际应用于对高校的评估，需要同步建设对应的评估系统。为此，本文对数据驱动的高校教育管理信息化水平评估系统进行了设计。在设计过程中，以数据为基础，以准确、客观地评估高校教育管理信息化水平为目标；在功能需求分析时，以数据采集、清洗、评估和展示为主要功能模块；在进行性能需求分析时，要求系统能够稳定运行，处理速度高、可扩展性和可维护性好。

系统的总体架构如图2所示，主要分为数据支撑层、数据采集分析层、综合评估层、评估结果展示层等四个层次，这四个层次依次形成支撑关系。

图2 系统总体架构

其中，数据支撑层主要为系统提供各类基础数据，包括教育管理过程中形成的各种过程性和结果性数据、各类系统日志、建立的指标体系中的各项评估指标以及指标对应的权重数据等。

在数据支撑层的基础上，数据采集分析层主要完成对数据的自动采集和人工采集，针对不同数据分别设计不同的数据接口，且采集工具可采用现有公开的开源软件实现；完成数据采集后，将数据分别存入各类数据库和日志库，并采用Flume、Sqoop等工具得到原始数据，对这些原始数据进行清洗，将其中格式混乱、无用的数据进行整理或删除，为后续的综合评估提供格式化数据。

综合评估层是系统的核心层，该层在格式化数据的基础上，利用建立的评估指标体系和评估算法，对指定的评估对象的教育管理信息化水平的各项指标进行计算评估，给出评估结果。

展示层直接面向用户，将综合评估层的评估结果以各种图形、图表的形式向用户展示，使用户能直观地了解评估对象的教育管理信息水平。

在上述架构中，数据的采集、清洗和评估是其中的关键模块。下面给出这三个模块的详细设计。

数据的采集分为自动采集和人工采集。自动采集部分采用Sqoop对存储在服务器中的关系型数据库中的数据进行采集，采集频次设计为一周一次[4]，利用Flume来对日志文件中的数据进行采集，采集过程中需要先将生产环境服务器中的数据发送到接口服务器后再采集到系统中。人工采集部分主要实现对无法自动采集的数据进行收集和整理，其中较为重要的是调研数据，为此，人工采集部分需要设计一个问卷调查模块，该模块能够进行个性化设计，可采用B/S架构实现，在客户端采集数据，并存储到对应的数据库中，在服务器端向用户展示。

数据清洗的目的是保证数据的准确定，进而保证评估结果的可靠性[5]。数据清洗工作由数据清模块完成，由于系统将涉及大量数据，单台计算机难以实现高效处理，因此需要对这些数据进行分布式处理。考虑到Hadoop是目前较为成熟的分布式处理工具，在数据处理方面具有较为明显的优势，MapReduce的扩展性和伸缩性也较好，因此，本文采用Hadoop的MapReduce框架对数据进行清洗，首先将数据进行格式化并分割，对分割后的数据进行正则匹配，将其中错误的记录进行删除，并将处理后的数据存储到指定的数据库或文件中[6]。

综合评估模块通过对数据进行测算，实现对高校教育管理信息化水平的准确评估。本文采用的评估方法为综合指数法，采用线性加权模型对综合指数进行计算，在计算过程中对各项指标、指标个数以及各项指标的权重进行综合利用，最终给出高效、客观、准确的评估结果。

4 结束语

笔者在本文进行了数据驱动的高校教育管理信息化水平评估研究，针对当前高校教育信息化评估缺少专门针对管理信息化的评估指标的实际，构建了一套较为完备的评估指标体系，同时采用大数据技术，充分挖掘利用过程性和结果性数据，实现对教育管理信息化水平的客观、准确评估。但是由于调研范围有限，构建的指标体系还有改进的空间，后续随着教育信息化的不断推进，对应的评估指标体系还需进一步更新完善。同时，随着信息技术的不断发展，设计的评估系统所采用的技术也需要同步进行优化。