大數據在高校教育信息化中的應用

趙亮

摘要：隨著大數據時代的到來，高校信息化教育即將發生深層次的變革。基于此，介紹大數據的內涵和高校教育信息化中存在的大數據，分析大數據在高校信息化教育中運作形式，并對實現途徑進行了探討。

關鍵詞：大數據；高校教育；學習分析

中圖分類號：G640文獻標志碼：A文章編號：1001-7836（2014）09-0014-02

《教育信息化十年發展規劃（2011—2020年）》中明確提出必須通過信息化促進教育現代化，不斷推動現代信息技術與教學的融合，從而最終讓教育理念和教學方法得到創新，通過信息化教育將現代信息技術廣泛應用于教育領域，促進教育事業的發展，進而培養出更多的創新型人才。隨著國內各大高校教育信息化建設快速發展，各種校園信息化應用影響著師生的學習、生活，隨著物聯網、云計算、大數據的到來，海量數據分析處理使高校教育信息化建設面臨挑戰，同時也為高校教育信息化的建設提供了一種全新的機遇，有助于進一步地提升我國高校教育信息化的水平。

一、大數據的含義

大數據具體指的是相關的資料信息量龐大到不能夠通過現有主流工具，在一定的時間內對其進行有效的管理，無法短時間內讓其轉換成為有價值的咨詢[1]。大數據所具備的特征一般用“3V”概括。即：規模性、多樣性、高速性。規模性即數據量龐大；多樣性即數據類型多樣；高速性，即時效性，也就是大規模數據處理越快，結果價值越大。維克托·邁爾—舍恩伯格基于價值的觀點出發來對大數據進行分析，他提出了大數據是目前社會中的一種獨特的能力，通過一種過去從不曾出現的手段，對龐大的數據信息量分析，進而得到擁有巨大價值的資訊。大數據是現代人在龐大數據信息量上能夠達成的一件事，而這些事是在小規模的數據之上不能夠實現的[2]。《上海推進大數據研究與發展行動計劃》中對大數據提出了下面的解釋：大數據具體來說擁有三層內涵，首先是數據量較大，來源多樣化以及類型多樣的數據集；其次是具備現代化的數據處理技術以及數據分析能力；最后是通過對數據的分析獲得所需的價值。

大數據是基礎資源，不是抽樣數據，而是全部數據，某種程度上它拋棄了對精確性與因果關系的追求，而更加注重事物之間的相互關系。在高校信息化教育中，高校師生的教與學有形無形中被記錄下來，這樣的數據其客觀性更強，應用前景更廣闊。大數據的特性，決定了其在教育信息化中的應用價值，并會對教育信息化的發展產生巨大影響。

二、高校信息化教育中的數據源

高校校園網絡、信息化校園、數據管理系統、遠程教學系統，以及圖書信息管理系統等不斷產生數據；教師的基本信息、教學教案、網絡教學、教務管理、科研管理等也會產生大量數據；學生進行學籍注冊、網絡選課、學生個人學分管理、各種校園卡信息等都會形成很多的數據信息，包括機房的設備以及信息通訊數據等，因此高校數據系統中擁有的數據量非常龐大，每天都會產生大量的數據，這即是高校數據系統中的“大數據”。而這些大數據擁有非常高的價值，可以在很大程度上幫助學校創新高校教學模式和教學方法。在這個信息非常寶貴的時代，大數據技術的應用在高校教育信息化中起到越來越重要的地位。

三、高校教育信息化中大數據的運作形式

高校教育的信息化主要指的是運用現代化信息技術、互聯網通訊技術以及網絡技術等現代技術來指導教學，同時盡可能地實現高校教學活動、學生組織管理以及高校學生服務等工作的信息化、網絡化以及自動化，進而不斷提高高校的教學質量，構成一種符合信息時代要求的教學模式[3]。高校教育的信息化會形成大量數據，從而為大數據分析提供了基礎。大數據分析技術可以應用于高校教育信息化的多方面，如教學評價、個性課程設計、學習行為分析、網絡在線教育等。大數據在高校信息化教育的運作形式主要有教育數據挖掘和學習分析兩種。

1.教育數據挖掘

教育數據挖掘是指從海量數據中搜索出隱藏于其中的具有價值的相關性信息的過程。教育領域的數據挖掘關注于開發新的軟件、發掘數據模式，通過快速合理的方法從教育數據庫中發現相關的有價值的信息，并通過數據分析，以求最大化地開發數據資源的功能、尋找到數據的價值。

信息網絡技術的支持以及交互式學習的應用為收集學生行為數據帶來了新的機會。特別是模塊化和更強的網絡學習系統，能夠帶來很多類型的數據信息，其中主要包括數據挖掘設計必需的變量，利用教育數據挖掘可以很容易地從這些不同數據之中尋找到它們之間的關聯性，建立預測模型，為教學改進和學生個性學習分析提供依據。結合學生個性特征數據，學期結束時針對學生開展綜合性的問卷調查，對學生進行分類研究，對學生成績進行預測，同時分析學生的在校表現、對教學的滿意程度以及教學質量之間的內在聯系。教育數據在進行挖掘的前期主要應用于預測學生成績，隨著物聯網和云計算等信息技術的發展，教育數據挖掘的應用越來越廣泛，主要應用于以下四個方面[4]。第一，創建出合適的模型來對學生學習行為進行準確的預測，模型要將學生的知識、動機以及態度融合在一起。第二，對學科領域模型進行進一步的改進，從而讓這些模型可以對教學內容以及教學特點進行概括。第三，對學習軟件能夠發揮的教學支持效果進行分析。第四，建立計算模型，包括學生模型、領域模型以及軟件教學模型。

2.學習分析

學習分析一般來說包括了教學成果分析、學生學習成績分析、學生學習行為分析等內容，學習分析主要是針對學生學習中所形成的數據所展開的研究，對學生未來的學習表現以及潛在的問題進行預測。學習分析的數據主要是來自學生的顯性行為，例如作業完成情況、考試成績等，或者來自學生的隱形行為，比如參加的課外活動以及互聯網社交情況。學習分析所希望實現的目標主要是幫助高校和教師更好地理解教與學，為學生創造個性化的教育條件。

對學生而言，學習分析能夠讓他們更好地知道自己在學習中所存在的問題，同時對自己的學習行為進行優化，開展個性化的學習；對于高校教師與管理人員而言，他們利用對學生的學習分析對課程質量進行評估，從而有效地優化教學，促進教與學的融合。

四、大數據在高校教育信息化中的實現途徑

1.教學質量評估

教學評估屬于各個高校定期必須完成的任務，教學評估的主要目的是更好地發掘出教學過程中存在的一些問題，從而及時地對教學方法進行調整，最終實現教學質量的提升。將大數據運用到高校教學評估系統之中，不但能夠在很大程度上提高高校教學管理的科學性，同時還可以提高信息化教學的實用性。把基于大數據挖掘的算法運用在教學評估工作之中，找出教學效果、信息技術在教學中的應用、師生之間的溝通互動等因素之間的聯系，從而給高校的教學部門帶來非常科學的決策信息，同時讓教師可以更加有效地開展教學工作，提高教學質量。

比如通過成像系統了解到課率、師生互動情況，通過學生作業系統動態了解學生學習內容的掌握情況等，從而為提高教學質量做出可科學決策。

2.教師教學能力分析

以往的教學沒有大量數據支撐，教學的質量高低主要靠教師自我度的把握。現在，可以通過物聯網技術，搜集大量課堂情況信息，比如上課教師照本宣科的時間，停頓的時間、次數，學生課堂紀律等。通過這些數據的分析，了解教師熟悉教案的程度、課堂氛圍等，通過分析改善教學水平。也可以通過深度分析學生在觀看網絡教學視頻的過程中教師的課堂表現，從而發覺課程的閃光點以及不足，從而讓教師能夠進一步地對課程教學進行改善，提升教學質量。

3.個性化課程分析

個性化學習是高校教學改革希望實現的目標，過去的班級制教學中就無法很好達到這一點，通過把大數據挖掘技術和學習內容結合起來，運用在線學習系統就能夠指導學習者規劃學習發展方向，制定學習規劃，實現個性化學習功能。通過系統評估個人情況，根據分析結果推薦可能取得優秀成績的課程方案。系統首先獲取學生以往的學習表現，然后從已畢業學生的成績庫中找到與之成績相似的學生信息，分析前期成績和待選課程結果之間的相關性，結合專業要求和學生能力進行分析，預測學生選擇的課程中可能取得的成績，最后綜合權衡預測的學生成績和各門課程的重要性，為學生推薦一份專業課程清單。

4.學習行為分析

通過成像技術和物聯網技術，可以把學生到課堂時間、上課表現、作業完成情況、自習情況等學習信息記錄下來，進行變量分析。當一些與學習行為有關的因素（如曠課、紀律問題、課堂表現）發生變化時，系統會自動提示并進行分析。通過這種系統分析，可以很好地規劃學生的學習時間，提高學習效率。

5.勤工助學需求預測

可以通過收集校園卡的交易記錄，并進行分析，向可能存在經濟困難的學生發送勤工儉學信息。通過跟蹤學生校園卡，對全校學生早中晚餐進行統計，計算出男女同學平均消費值，動態分析出平均消費后20%的學生。再經過系統分析發現其就餐消費明顯偏低，學校勤工助學服務中心確認學生信息后，與其進行聯系。同時，也會定期把學生信息發至院系輔導員，進一步了解學生是否面臨家庭困難，需要幫助。

6.學生輿論分析

學生輿論分析就是根據特定問題的需要，收集相關的輿論信息，并進行深度的加工以及分析，從而得到結論的過程。互聯網信息時代的輿論市場存在各種論壇、微博等互聯網交流平臺，其中所有的交流都屬于大數據類型。當某一事件發生之后，很多學生能夠利用網絡來得知事件的始末，然后進行評論，或支持或反對、或理性或感性，當某種觀點獲得了大家的廣泛認同之后，輿論就很有可能影響到事件的發展。通過對輿論的分析，可以做出一些正確的決定，這對高校政治思想工作和維穩工作起著非常重要的作用。