高职院校素质学分数据模型构建

周 亮，屠斐正，俞佳含

（1.宁波幼儿师范高等专科学校 网络信息中心，浙江 宁波 315336；2.宁波幼儿师范高等专科学校阳明人文学院，浙江 宁波 315336）

一、引言

素质教育是我国教育改革发展的战略主题，党的二十大报告中指出，我们“要办好人民满意的教育，全面贯彻党的教育方针，落实立德树人根本任务，培养德智体美劳全面发展的社会主义建设者和接班人，加快建设高质量教育体系，发展素质教育，促进教育公平”。高职院校要发展素质教育，必然要构建出与其相符的评价模式。如今，数据已是除土地、劳动力、资本、技术外的第五大生产要素，各行各业都纷纷希望借助大数据技术，让数据为自身发展做出更科学决策。高校数据具有数据量大、来源广泛、种类多样、数据更新频率不及时、时效性要求高等特点，而数据模型是现如今大数据时代挖掘数据价值的重要战略工具。高职院校通过提取冗杂的学生各数据提炼出关键要素加以定量衡量，例如学业、生活、消费、习惯等多角度数据，使多维度数据组合，最终提炼出相应的数据模型，依靠校内现有的业务系统所收集来的业务数据，围绕特定需求将模型组合排列起来，为决策平台提供科学、完整、全面的数据应用支撑，是数据应用科学化、精准化和干预的核心基础。

二、传统学分制与素质教育

1892 年的美国，哈佛大学校长艾略制定了一种与选课制相适应的制度——学分制，用于计算学生课程完成情况。此后，被英、法、日等多国的采纳、改进，整合了奖惩、学分替代等一系列制度。学分制在全世界的学校已被广泛使用。经过了100 多年的发展与演化，学分制渐渐表现出对现代实施素质教育不适应，需要对其进一步升级、创新、重构。传统学分制的问题主要体现在以下三个方面：

（一）从评价目的看

学分制评价目的是实现课程知识体系的培养目标，本质上是一种“知识本位”的评价。它必然导致应试教育在高校教育教学实践中大行其道，与素质教育不相适应。

（二）从评价体系和评价内容看

在学分制的评价体系中，主要是对学生专业知识或专业能力状况的评价，没有涉及对学生专业观念、专业品德、专业心理等素质的评价；只有对学生“思政”等公共课程的相关理论知识记忆、理解状况的评价，没有将学生的观念、品德的“践行”状况、通适能力及身心健康状况纳入评价体系；更没有涉及创新素质的评价。因而传统学分制实质上是对学生知识状况的“一元”评价或“一维”评价，对学生的知识学习和传承具有一定的推动作用，但不利于学生素质的培养和提高，对用人单位而言，参考价值不够全面。

（三）从评价方式方法看

学分制对学生的评价方式方法主要是课程考试，这种考试主要是测评学生的课业成绩，反映的主要是学生对书本知识的记忆和理解状况。这种评价方式无法对学生的观念、品德、身心等方面的素质特别是创新素质进行全面评价。

三、素质学分的概念

“素”，“说文解字”的解释为未染色的白色原丝织成的丝品；“质”，解释为用物品抵押，在心理学中专指人的某些先天所具备的心理特征。因而，素质在现代社会中往往是指人在平时的修养，分为思想、文化、身体，即代表德、智、体三个方面，为适应现代的素质教育，我们将其扩充为观念、品德、能力、身体、心理五个方面。

素质学分制是一种大学生评价模式的新探索，主要是指教学计划之外的学分内容，是对大学生在校期间非专业素质提高状况的侧面反映，通过研究学生的观念、品德、能力、身体、心理五个方面素质的内化，并结合本校素质学分实施办法和高职教育实情，将高职学生素质教育细化内容划分为五个层级，制定的以下的高职院校素质学分类别及权重（表1）。

表1 高职院校素质学分类别及权重

“素质学分”与“学分”有一些相同之处，都是对大学生量化评价的一种方式。不同之处是，素质学分是建立在学生日常的素质行为表现上，素质学分的评分一定程度上表示了学生素质状况，反映的是所考查学生的特定素质状况，而不仅仅是某一课程科目的成绩、考试得分以及任课教师的评价。这些并不能最终反映学生的素质情况，素质学分应考虑每位学生的不同起点、个体的性格差异，体现价值的意义不仅仅局限于其专业理论的学习程度。

结合就业来看，用人单位得到的如果仅仅是一张学生成绩单，这种成绩单提供的仅仅是毕业生相关专业课程的成绩，对用人单位需要了解的思想、品德、能力、心理甚至专业技能情况缺乏参考价值；而素质学分的引入将直接关联学生能否顺利毕业，素质学分达到60 分即代表学生的综合素质状况达标，60～80 为良好、80～100 为优秀，同时在意识形态层面重点考察，一票否决。素质学分的引入，使用人单位不仅可以全面了解毕业生的专业学习情况，还可以了解毕业生的生活行为情况，有利于用人单位准确选材，用人选人。

四、素质学分与数据模型的组合

素质学分数据模型是指将学生素质要素进行量化、评分加权处理，形成百分制测评体系。测评指标体系的构建，要以不断提高学生综合素质为目标；采集的业务系统数据保证真实性，保证数据的时效性；特别是测评数据模型必须不断优化，尽可能地还原出学生的素质情况。同时，所构建的素质学分数据模型应具有切实可操作性，保证数据模型最终可以落地（图1）。

图1 数据模型的处理过程

数据模型的基础是校园数据中心，我们一般将校园数据中心分为四层：将从各业务系统采集而来的原始未加工数据称为ODS 层；将ODS 层数据按照校方的数据标准进行处理后形成TDS 层数据；将应用层数据按照要求而反推出的汇总中间数据，汇总的大粒度的半结果性数据成为SMY 层；将数据按照一定需求呈现出最终的计算结果，无其他数据处理过程依赖此数据层成为SER 层。本研究过程中最终呈现的结果就体现在SER 层，因而在此流程中我们首先需要定于来自于各个业务系统中的数据，判断哪些数据是可以用，可以用的数据又应该以什么业务为准，需要对学校的数据流向、数据结构有着全面清晰的认知，而学校的数据存在乱而杂、接口不清晰、来源不明确等问题，这给前期的数据标注工作带来了一定困难。

“校园大脑”平台可通过Hadoop 或其他可提供可靠存储HDFS 以及MapReduce 编程范式进行大规模并行处理数据。通过对海量数据的质量进行分析，剔除噪声数据，保证分析结果的正确性与准确性。通过Hbase 实现大规模分布式NoSQL 数据库，提供随机存取大量的非结构化和半结构化的海量数据，为异构感知数据库、业务知识库等提供结构化、半结构化、非结构化数据的处理能力，最终使用SQL 查询创建数据视图链接，从而构建素质学分数据模型。

本研究在“校园大脑”的底座上、校园数据融合的基础上，利用大数据和人工智能技术，构建素质学分主题建立智能业务模型，以增强人才培养的特色和适切性，对高校自身和社会发展都具有重要的意义。优良的人才培养体系是高等学校得以持续发展教育的命脉，做好人才培养体系的评价对于改善高校教学工作、促进高校培养模式不断转变，具有重要意义。由于人才培养质量受到多种因素的共同作用，建立合适的评价指标体系和评价模型是保证评价结果准确性的前提。

五、素质学分数据模型构建

构建素质学分的数据模型，解决了一部分上述传统学分制的问题，而在素质学分方面，目前大多数高校已经发布了自己的素质学分考核办法，但是这些考核办法中，90%以上的数据来源基本还是需要通过线下的数据收集，然后人工处理汇总评定，致使整个统计过程费时费力、处理过程不够透明、学生容易提出质疑。缺少一个实际可行、稳定可靠、灵活迭代的数据模型。素质学分数据模型的建设应充分挖掘教育数据价值、数据赋能为目标，基于学生的课外实践课堂、知识课堂、创新课堂等数据，从学生的思想道德、知识素养、创新实践、人才培养质量等维度对人才培养体系进行评价，并建立相应的综合评价模型。而素质学分模型是建立在素质学分之上，通过已收集的学生信息、数据构建一个数据模型。

我们初步将学生的奖惩数据、学生的阅读积分、学生获奖情况、学生体测数据、学生活动参与情况、学生心理数据、学生上网行为管理、舆情分析系统等数据整合起来，来对应学生的观念、品德、能力、身体、心理五个方面素质，最终构建出学生的素质学分数据模型（图2）。

图2 素质学分数据模型示意图

学生的素质学分数据模型评价周期可以以小时为单位，这需要校园数据中心有着一定的数据粗加工与清洗能力，还要有着一定量的计算资源，可以让学生自主查询到自己的素质学分情况及评价结果。但这样做也面临着一个数据查询并发的压力，所以需要定时对数据合并计算，而定时的周期取决于数据库服务器的压力情况，为了保证用户的体验还应当将Web 服务器分离出来，独立于数据挖掘服务器。在本文中构建的数据模型需要多种不同平台的数据库进行交互，还需要具备一定的并发查询性能，在不断实践中选择了以下的组合平台。

操作系统：Windows server 2016，主语言：SQL，数据库：Oracle、MySQL、PostgreSQL，数据库工具：Dbeaver，Web 服务：Nginx，网络编程语言：JAVA。

六、结语

本文基于学生的观念、品德、能力、身体、心理五个方面素质，以宁波幼儿师范高等专科学校的学生素质学分为例，构建素质学分数据模型，在“十四五”数字化转型大背景下，将数据模型与素质学分进行实际结合，构建了一个实际可行、稳定可靠、灵活迭代的数据模型。帮助解决在学生的日常管理工作中素质学分统计难、统计慢、统计不透明的问题。通过数字化改革赋能学生管理工作，帮助实现素质教育真正平稳落地，实现不断提高学生综合素质的目标。