高校教育管理信息化发展与评估系统构建

文 丽

（龙岩学院数学与信息工程学院，龙岩 364012）

高等教育信息化建设的发展离不开信息技术的持续更新。构建教育信息化系统、发掘优质资源以及进行完善的基础设施建设，是当前高等教育事业健康发展的重要内容。高校教育管理信息化发展与评估系统的构建是通过应用信息技术手段和管理方法，对高校教育管理进行全面、科学、定量的评估和监控，以实现高校教育管理工作的精细化、高效化和智能化。

1 信息化建设与教育管理的内涵

1.1 信息化

信息化建设以运用现代化技术来促进社会各个领域的提升与进步为中心。本文把信息化理解为对农业、经济、教育和其他社会领域和行业在信息技术辅助下，以提高效率、提高质量、促进技术进步为主要特征的一种发展模式，高校教育管理信息化的意义如图1所示。

图1 高校教育管理信息化意义

1.2 教育管理

在高校管理工作中，教育管理是十分重要的内容。教育管理不仅包含教育设备设施，也包含教育计划、教育活动等方面内容[1]。为了保证教育资源得到有效地优化配置，提高整体的教学质量，需要教育管理部门采用科学的方法，监督指导教育组织以及相关的教育机构开展工作，提高教育整体质量。艺术性、创新性是教育管理的特征，通过教育管理可以使教育资源得到合理的优化配置。

2 高校教育管理信息化发展中存在的问题

2.1 大数据技术应用效果不佳

以大数据、云计算为代表的新一代信息技术在各行各业中得到了快速普及与推广，但在高校教育管理中大数据的使用效果却差强人意。高校教师和学生对于大数据的使用意识不强，也不完全清楚大数据对于生活和学习所起到的影响。部分负责教育管理工作的教职人员对于信息化管理的认知较为片面，没有充分发挥大数据技术强大的运算能力与信息处理能力，仅利用大数据技术提高数据信息处理效率，忽视了大数据技术在数据分析、筛选、甄别、归类等方面巨大的潜力。一些高等院校出于信息安全方面的考虑，并没有在学校层面成立教育管理数据管理部门，导致各个部门建立的信息化教育管理系统处于彼此割裂的状态[2]。

2.2 教育管理数据标准不统一

除了大数据技术应用效果不佳之外，教育管理数据缺乏统一的管理标准，也是制约高等院校教育管理信息化发展的重要因素。实现教育管理信息化升级，需要对教育管理过程中产生的各种数据进行统一管理，以统一的标准对数据类型、结构、内容等进行约束，减少非结构化数据在数据流中的占比，以发挥大数据技术优势。但在实际工作中，部分高校忽视了数据标准问题，将数据标准管理权限下放至各个院系，每个院系根据自己的实际需求，设定数据标准，使得大量教学管理数据无法在院系之间流通，教学管理数据共享性较差。例如，某校工商管理专业在开展教学管理工作时，按照“学号+姓名+性别+专业+年级”的顺序编辑学生资料，而学前教育专业依照“学号+姓名+专业+年级”的方式编辑学生资料，由于缺少“性别”选项，导致一些重名但是性别不同的学生在接受教育管理时出现问题。

3 大数据环境下高校教育管理信息化优化发展策略

3.1 加强信息化基础设施建设，完善教育管理信息系统

高校教育管理信息化的发展离不开对教育管理信息系统的完善。各个管理部门的教育管理数据共享情况，对于后续教育管理工作的开展有着十分重要的影响，所以必须要建立完善的教育管理信息系统。第一，高校需要加大力度进行教育管理信息化基础设施建设，追加资金投入，均衡分配各项资源，从而保证教育管理信息化的基础建设。第二，构建科学合理的教育管理信息系统。教育管理信息系统是当前教育管理工作传递信息的主要方式，完善的教育管理信息系统可以使各个部门之间的信息传递更加及时，更加快速发现问题并制定解决策略。同时，应用教育管理信息系统还可以使信息的储存、整合更加便捷。第三，高校必须要重视对信息进行分组，构建不同的模块内容。信息化组织模块的建设能够让信息传递储存更有规律同时也更加清晰。因此，高校必须要根据校内不同的教育管理情况，针对性地建立不同的组织模块，保证信息传递清晰有效。

3.2 加强专业技术人才培养，构建信息化管理团队

教育管理信息化发展受到技术人员以及信息化管理团队的整体水平影响。在进行教育管理信息化平台建设过程中，需要有专业的技术人员以及专业的管理团队对平台建设的每一个环节进行指导。大数据时代教育管理信息化的发展十分重要，高校必须要重视培养优秀的技术人才，并组建一个完善的信息化管理团队。因此，高校应积极尝试打造一支具有高专业素养以及职业素养的教育教学信息化管理团队，使高校教育管理信息化建设更加有效率和质量，推动高校教育管理信息化的快速发展。

在对人才进行培训时，高校必须要重视采用多元化的培训方式，使人才的发展更加全面，也就是说高校必须要重视培养具备数据开发、挖掘、存储以及分析等能力的人才，才能够满足高校信息化教育管理发展的要求[3]。一方面高校要重视开展各类培训活动，组织校内管理人员参与到培训中，让其能够学习到更多先进的知识、技术，提高管理人员的信息技术水平。另一方面，高校可以聘请企业有经验的信息技术人员，全程加入教育管理信息化工作之中，提升高等院校教育管理信息化建设专业性。

4 构建教育管理信息化水平评估系统

上述内容中，研究人员从宏观层面阐述了提升教育管理信息化的主要措施，但是在实际工作中，每一所高校教学环境不同，师资力量也存在差异。如果采用统一的优化措施，不仅会浪费大量教学资源，也无法保证每一所高校教育管理信息化水平符合要求。针对这一问题，研究人员基于客观原则以及科学原则，尝试制定一整套完善的教育管理信息化水平评估系统，将影响教育管理信息化水平的各项因素进行量化，并代入相应的模型中计算，得到评估结果。通过这种方式客观反映高等院校教育管理信息化建设过程中的短板与不足，并制定具有针对性的解决措施，提升教育资源使用效率。在此基础上，将该系统内化为高校管理工作中的一部分，定期审查教育管理信息化效果，确保教育管理信息化程度始终处于较高水平。

4.1 关键指标提取

高校教育管理信息化工作较为复杂，由三层指标共同组成，在实际开展教学活动过程中，影响教育管理信息化水平的因素有很多，为了在众多影响因素中准确定位主要影响因素，研究人员基于教育部对于高校教育管理工作出台的一系列政策制度，挖掘其中的关键元素，绘制“高校教育管理信息化水平评估指标体系”，在此基础上邀请相关领域专家对该指标体系进行修正，最终得到真实有效的指标体系，如表1所示。

表1 教育管理信息化评估指示体系

4.2 搭建系统总体框架

基于上述评价指标，以及高等院校教育管理信息化功能具体需求，构建由数据层、采集与处理层、评估层、展示层为一体的总体框架，如图2所示。

图2 系统总体框架

4.3 设计关键模块

高校教育管理信息化评估系统由数据收集、数据处理、数据分析三个模块共同组成。第一个模块是整个系统的基础模块，其主要任务是通过“人工+自动”的方式收集与教育管理信息化相关的各项指标数据（详细内容见表1）；第二个模块的任务是对收集到的数据进行处理，一方面剔除无效数据以及重复数据，另一方面对非结构性数据进行结构化转变，方便后续模块对数据进行计算与保存；第三个模块主要负责对整理好的结构化数据进行计算，并生成综合评估数据，再借助web可视化平台，让相关教职人员能够凭借更为直观的方法，判断高等院校教育管理信息化建设情况[4]。

4.3.1 数据采集模块 该模块是评估系统的基础，也是评估结果的数据来源。为确保评估结果准确、客观，能够反映高校教育管理信息化真实水平，要对数据采集模块设计问题给予高度关注。本次研究中，相关工作人员考虑到数据采集效率以及工作成本等因素，决定采用“人工采集+自动化采集”组合模式，前者主要针对一些并不记录在各个部门之内的数据，需要通过人工录入的方式将其记录在评估系统中；后者指利用数据自动化采集软件，定期向评估系统传输、更新相关数据。（1）数据自动收集。从类型上看，自动采集数据包括日志文件以及关系型数据库文件，研究人员决定使用Sqoop技术采集关系型数据，并使用Flume技术生成采集日志。（2）人工采集。为了提升人工采集数据效率，相关工作人员制作统一的调查问卷，参与调查的教职人员以及学生通过填写问卷的方式，将反馈数据传输至教育管理信息化水平评估系统。该模块采用Browser/Server框架，主要由数据库、服务端以及服务终端组成。其中数据库主要负责数据持续化操作，将收集到的调查数据进行格式化打包并发送至中央服务器。服务端主要任务是处理数据库以及终端发送的http请求，并对调查数据进行逻辑处理，支持后端工作人员对问卷模块数据进行修改、删除、查找等操作，并将处理好的数据返送至客户层。终端主要功能是基于http服务，实现调查人员与参与调查的教职人员、学生进行线上交互，通过填写问卷内容生成反馈意见，并将反馈意见保存至服务器。

4.3.2 数据清洗 该系统中内置的数据自动化采集模块在运行过程中，可能会出现数据重复、数据类型错误以及数据不完整等问题，这些存在缺陷的数据不仅会影响系统响应速度，还会对评估结果的精度造成影响。因此，设计数据清洗模块，借助该模块剔除无效数据以及重复数据，一方面压缩数据体积，提升系统工作效率，另一方面提升评估结果精度。从微观层面看，数据清洗主要包括两个步骤：第一步对数据进行检查，将不符合数据录入规则的非结构性数据剔除或者将其转变为结构化数据；第二步对保留下来的数据进行校验，删除多余数据，确保数据简洁、一致。在具体实践中，在线处理与离线处理是较为常见的两种数据清洗方式。大数据清洗目前比较流行的有两种方法，一种是离线处理，一种是在线处理。前者的主要特点是在某一个特定的时间节点，对收集到的数据进行集中清洗，后者对于数据清洗的时间要求较为严格，数据处理成本较高。考虑到系统运行成本以及高校教育管理信息化实际需求，研究人员决定使用离线处理方式。实际工作中，研究人员考虑到单独一台计算机算力有限，无法对庞大的数据流进行高效处理，因此使用Hadoop分布式数据处理工具，利用该工具中的MapReduce模块，在采集到数据的第一时间，对数据进行预处理。其工作流程为：数据存储在HDFS文件中，MapReduce模块会对该文件中的数据进行格式化，将数据拆分为若干行字符串，利用正则匹配理论对数据属性进行判断，若判断该数据为错误数据、空数据或者不完整数据，则直接在HDFS文件中将该数据删除，只保留格式符合要求的数据。

4.3.3 评估模块 评估模块负责对清洗后的数据进行计算，主要包括三级指标发展测算以及综合评估两个模块。（1）三级指标发展测算。根据表1中的三级指标，评估系统对每一项数据进行打分，根据指标所属类型以及权重，使用不同的换算规则。例如一条记录教育管理信息化平台使用频率的数据，可以依据其在总业务量中的占比，确定该数据对于教育管理信息化建设的影响程度，占比越高则说明该数据越重要。（2）综合评估完成三级指标测算之后，研究人员运用综合指数法针对本校教育管理信息化水平进行客观评估。由于该模型中各级指标之间不存在强关联性，并且指标差异不明显，因此，研究人员决定采用线性加权模型进行测算，通过公式（1）推导综合评价，其公式如下：

公式（1）中，EDI代表教育管理信息化水平，n即一级核心指标数量，m表示二级指标数量，r则为三级指标数量，Wi表 示i类指标在总指标中的权重，Wij表示第i类指标之中，第j项指标权重。Zijk则为第i类指标中第j项指标中第k项指标经过无量纲化处理后得到的数值[5]。

4.3.4 可视化输出 在得到评估结果之后，系统会对评估结果进行表格化处理，方便相关工作人员查阅。负责教育管理信息化工作的相关教职人员利用该系统生成的各类图表，判断在推进教育管理信息化过程中，哪些环节较为薄弱而需要补强，哪些环节投入了过多的资源但没有达到预期效果，要对其重新进行资源配比，通过这种方式提高教学资源利用效率，补齐教育管理信息化短板，制定具有针对性的优化措施。

5 结 语

信息化技术的不断更迭，为高等院校教育管理工作的发展提供了全新路径，信息化技术与教育管理工作的深度绑定，能够有效提升高等院校教育管理水平，推动高校教育管理工作朝向数字化方向转型。高等院校作为培养社会所需要的优质高素养人才，应该以社会为立足点，清楚地认识到形势的变化。同时还要学会借助互联网平台，将学生数据收集到科技化设备和平台中，然后将其合理高效地融合在一起，全面促进教育管理质量的提高，为国家培养更加适应社会发展要求的专业性人才。