基于智慧校园的高职学生行为数据采集与分析策略

赵 涛

（襄阳职业技术学院，湖北 襄阳 441050）

高等职业教育作为类型教育中的高等层次，主要培养面向生产、建设、管理、服务一线的高素质技术技能型人才，其生源主要来自普通高中和中职学校的毕业生。由于高职教育还处于社会逐步认可的阶段，其办学层次也以专科为主，造成了其生源基本为同一学龄阶段文化成绩较低的群体。这些学生一方面对文化基础课程兴趣不浓，另一方面学习生活习惯的养成教育也有所欠缺，但其在动手能力、好奇心、社会实践等方面具有一定的优势。［1］

如何通过对学生日常的行为活动进行记录、分析，找出其特点和规律，分析其问题和原因，提前进行引导和干预，是帮助其扬长避短、健康成长的重要途径，也是提高学生教育管理针对性的重要方式。基于高职院校智慧校园建设的快速发展，通过信息化手段客观记录学生行为习惯的日常表现、突出表现和异常表现；利用智慧校园各应用系统、人工智能、大数据等技术，探索开展学生在校期间全周期全过程纵向评价、德智体美劳全要素横向评价，对学生的行为提前进行预判、引导和干预，将更具针对性地帮助学生健康成长。［2］

一、高职学生行为分析体系建设

通过设定符合高职学生特点的观测指标体系，明确各类指标的观测点、评价方式、评价标准、数据来源等，形成真正适合高职院校学生的行为能力指标分析评价模型。［3］

（一）学生行为评价指标体系

构建高职学生行为评价指标体系，从学生德、智、体、美、劳等维度进行评价分析，建立初始特征库。评价指标主要包括基础信息主题，主要分析学生的基础属性，以数据中心采集的数据为基础作为静态特征展示；思想发展主题，主要分析学生与“德”相关的特征，包含在校任职情况、人生探讨型的第二课堂、表彰奖励、纪律处分、党团活动、思政成绩、思政书籍阅读等；学业水平主题，主要分析学生在校内产生的与“智”相关的特征，包含第一课堂（学业成绩、上课考勤、重修记录、选课情况、辅修情况等）、学术研究型的第二课堂、自习情况、考取证书、技能竞赛、获奖情况等；身心成长主题，主要分析学生在校内产生的与“体”相关的特征，包含三餐规律度、运动情况（运动习惯）、体测情况、心理测评、作息规律度、社交情况、在宿情况、上网习惯、文学艺术型的第二课堂等；业余生活主题，主要分析学生在校内产生的“德”、“智”、“体”之外的相关特征，包含消费情况、宿舍进出频率、图书馆情况（进出图书馆、图书借阅）、上网偏好、社会实践性的第二课堂等。

根据以上主题，拟从10个方面、76项指标、245个观测点对学生行为进行收集、分析，找出规律和评价、预警标准。（见表1）

表1 学生行为观测指标体系

运动能力运动行为消费习惯消费行为人际关系人际交往职业能力就业行为艺术特长审美观念美的创造参演参赛运动爱好运动时间竞赛活动运动组织体能测试日常消费网上消费消费项目贫困补助收入来源校内就餐消费结果消费观念沟通能力参加社团恋爱交友任职兼职团队合作竞争能力组织能力职业观念专业意识奋斗精神创新行为就业能力就业赛事转岗跳槽一线经历系统评价系统评价+班级评议系统评价系统评价系统评价系统评价系统评价系统评价系统评价自评+系统评价自评+系统评价自评+系统评价系统评价自评系统评价系统评价系统评价+班级评议系统评价+班级评议系统评价系统评价+班级评议自评+系统评价系统评价+班级评议系统评价系统评价系统评价系统评价系统评价+班级评议系统评价系统评价系统评价系统评价系统评价评价项目 行为表现 观测指标 评价方式

（二）学生行为评价指标模型构建

基于上述评价指标体系，构建基础的评价模型库，考虑到围绕学生开展的行为评价是一个动态完善过程，因此其所使用的评价模型及评价指标也必须开放灵活、自定义管理，包括：指标定义、编辑、引用、统计等，可以支持自定义创建多层指标体系。对具体的指标支持，根据客观数据计算及主观评判等评定方式，用户可以自行维护和管理每个具体指标的权重、分值，方便管理人员根据需要快速创建评价方案。

系统除了可以管理学生的评价指标体系，还需支持面向不同场景、不同主题、不同人群和不同阶段分别设置不同的评价方案，例如中期评价方案、学期评价方案、学年评价方案等。学生管理人员可以基于评价指标库和指标体系灵活设置评价方案，包含各级指标，以及对应的附加分体系标准。针对收集和挖掘的各类学习过程和相关活动数据，使用数据挖掘方法（统计、分析处理、检索、机器学习、模式识别）对数据进行处理，包含迁移数据、抽取数据，并进行转换、加载、重构等，统计并计算学生在学习过程中表现的各类能力维度值，以生成多样的学生画像和能力图谱。

二、高职学生行为数据采集模式

（一）智慧校园数据采集基础条件

高职院校智慧校园建设走过了一段较稳定的发展阶段，以襄阳职业技术学院为例，自2013年起，逐步构建了学工、教务、团委、财务、一卡通、图书管理、就业等围绕学生在校期间学习、管理、服务的系统，同时以信息部门牵头建设了数据共享中心、一网通办平台等。数据共享中心统一采集各业务模块的数据，包含学生基本信息、奖助学金发放、成绩信息、就业信息、住宿信息、收费信息、教育经历等。与此同时，业务开展过程中也在进行数据治理工作，确保数据的规范性和可用性，为高职学生行为养成分析奠定了数据基础。

（二）数据对接范围

用于学生行为习惯评价的数据主要包括：教学数据、学生资助、评奖评优、团学活动、素质拓展、学术科研、消费行为、上网行为等在校学习生活的行为数据。对这些数据进行分析和挖掘，构建学生学习过程画像和知识结构图谱，从学习能力、实践能力、沟通能力等方面，综合评判学生在个人品质、创新能力、国际视野、人文素养、领导者素质、社会责任感、身心素质等方面的能力表现，建立一个可追溯的学生成长电子档案，形成引导学生不断成长的数据画像。

（三）数据采集的途径和方式

1.数据采集形式。用于学生行为分析的数据可以分为两种采集形式，一种是各应用系统直接产生的原始数据，如学生成绩来源于教务系统、奖惩助贷数据来源于学工系统，消费、日常行为等数据来源于一卡通系统、门禁系统，这些数据即时产生、数据量大且无法补录；另一种是无法用系统采集的数据或者主观评价类数据，由学生或相关老师通过数据补录形式进行填报，需先制定数据补录方案，明确补录内容、补录格式及使用要求等，并由相关主体进行信息确认，此类数据同样由学校数据中心进行统一管理和授权使用。系统调用相关数据后，通过行为评价模型，匹配对应指标进行行为值的量化和存储，用于后期数据分析和评价。

2.数据采集途径。为确保学生行为评价分析项目的准确完整，基础平台需提供底层强大的能力支撑，能打通与校内数据中心的系统对接；通过数据分析引擎为平台构建所需的分析模型；提供展示引擎来进行可视化分析呈现与交互展示；通过数据安全管控部署，保护校内数据的隐私性；支持平台系统的扩展性和延伸性，以融入学校整体的信息化建设工作。平台需通过各大子功能模块，为上层应用提供完整的一体化平台支撑服务（见图1）。

图1 数据采集来源系统

高职院校在数字化校园建设过程中均建有相应的应用系统，以满足教学、管理需要；但打破业务管理部门的边界，站在学生成长视角，以学生行为养成教育分析与评价为抓手采集各类数据，还需对已有系统进行优化，对部分系统进行建设和完善。通过对评价指标的梳理，要实现数据采集的目标，需要建设20个以上的应用系统，涉及的指标类型及采集信息字段也各不相同（分类见表1）。无论是已建系统，还是因学生行为评价后期需要补充建设亦或者更新迭代的系统，均应充分考虑其开放性结构，不仅要满足当下的高效管理要求，更要跟学校数据中心对接实现服务及数据的一体化，真正服务于学生的成长。

（四）数据采集的重点及难点

学生行为教育养成分析与评价的基础在于观测数据，对不同高职院校而言，采集体系的建立至关重要，有时甚至是抛开已建或在建系统，而是在做好体系规划的基础上，反思应该建哪些系统、如何构建系统、如何采集数据。在整个体系的构建过程中发现有些系统需要重新设计和升级，系统的建设与体系的建立是一种螺旋上升的关系。整个模型体系建设好后，数据采集也是难点。首先，出发点的根本转变，从原来部门处室的管理视角转换为以学生成长为中心的服务视角。其次，数据采集范围广、类型多，不全不准都会对评价提出考验，各部门的有效参与统筹协调就格外重要。最后，不同部门对信息化的认识不同、基础不同；有的数据通过系统对接即可，有的需要重新审视业务的开展逻辑，才能实现系统的良性运转，同时还需要考虑受各种条件的制约，采取不同的导入路径。

表2 分类采集系统及信息字段表

三、高职学生行为评价与预警

（一）面向学生的个体分析评价

以学生个体为维度展现其测评总成绩、总排名、学院排名、专业排名，各指标得分以及对应的排名信息，可以将学生个人评价指标结果进行横向对比，展示学生跟专业平均分及最高分的差距，还可以将学生测评结果按学年进行纵向对比。

（二）面向老师的群体分析评价

1.院系整体分析。根据院系综测得分做整体排名，同时将各单项指标中表现优异的院系做推介；图形化直观展示各院系平均得分，将各院系对应各指标项的得分情况做展示。

2.单群体分析。提供以班级、专业、年级、学院为维度的综合测评结果。同时将各指标项最终得分分项展示，直观呈现以学年、学期为维度的变化趋势，及以指标项为维度的学年学期变化趋势。

3.多群体对比分析。提供以班级、专业、年级、学院为维度的综合测评对比分析，整体上直观将平均分及排名计算结果展示出来，同时按照各分项指标做对比以便找出差距，并以雷达图的形式呈现该维度群体的指标偏好。

（三）高职院校学生行为预警机制

通过对高职学生行为动态评价，科学设计预警指标体系，建立高职学生学业、心理、思想、群体突发事件等影响学生行为养成因子的预警机制，实现对学生行为的智能提醒，解决学生行为提醒的后置性和时效性等问题（见图2）。

图2 学生行为预警模型

通过为每位学生构建个人画像，为班级、专业等构建学生群体画像；通过数据分析，引导院部、班级优化学生行为养成培养路径；通过不同维度分析产生的数据汇总，给对应的辅导员进行预警提醒及处理，并提供多个维度的数据模型供管理部门进行监督查看，实现学生教育管理从“经验→预判”、“善后→前置”、“被动→主动”的转变，增强育人的针对性、主动性、科学性。