大數據在軍隊院校教學管理中的應用

郭暉　康洪晶　郭超

摘要摘要：大數據在社會經濟各領域深入、廣泛應用。在簡述大數據特征與大數據思維基本概念的基礎上，分析軍隊院校教學管理中大數據應用的可行性和必要性，并構建了以數據為中心的教學管理大數據應用模型，探討軍隊高校教學管理中大數據應用領域，為提高教學質量提供參考借鑒。

關鍵詞關鍵詞：大數據；教學管理；應用模型；數據挖掘

DOIDOI：10.11907/rjdk.171063

中圖分類號：G434

文獻標識碼：A文章編號文章編號：16727800（2017）005021903

0引言

隨著信息化的不斷發展，以大數據技術為代表的新興計算機信息技術在各行業得到廣泛應用。大數據時代，原有的信息系統由以業務為中心向數據為中心轉變，需對數據進行智能采集、高效集中、科學分析，充分挖掘大數據價值。軍隊院校教學訓練信息化水平不斷提升，在線教學平臺、教學管理信息系統等廣泛運用于教學訓練管理過程中，形成了大量的教學管理數據。大數據時代，探討軍隊院校在教學管理中如何有效運用大數據具有重要意義。

在大數據時代，軍隊院校需圍繞軍事人才培養的中心目標，充分利用大數據提升教學質量，完善教學管理，優化教學制度。本文主要分析利用大數據技術及思維推動信息化教學管理的應用條件，并構建教學管理大數據應用模型，探討軍隊高校教學管理中的大數據應用領域，從而對提升軍隊院校信息化管理水平，推動軍隊院校教學管理資源高效利用提供借鑒。

1大數據及大數據思維

大數據是一種使用目前現有數據庫管理工具或傳統數據處理應用很難處理的大型而復雜的數據集，其包括采集、管理、存儲、搜索、共享、分析和可視化等。

2011年，全球著名戰略咨詢公司麥肯錫的全球研究院（MGI）發布的《大數據：創新、競爭和生產力的下一代新領域》研究報告首次提出了大數據的概念，分析了當前數字數據和文檔數據飛速發展的形勢和數據中隱藏的價值，提出了其在經濟活動中的業務價值鏈。

大數據具有“4V”基本特點，即大量化（Volume）、多樣化（Variety）、快速化（Velocity）、價值（Value）。其中，大量化是指數據體量巨大；多樣化指非結構化數據結構不一；快速化指數據產生、變化速度快；價值體現在兩個方面，一是數據源的價值密度低，二是能夠提取新的價值。

維克托·邁爾-舍恩伯格在文獻[1]中提出了大數據時代概念，指出伴隨大數據在社會經濟各領域的廣泛應用，大數據時代已經來臨，并已經深刻改變著人們工作、生活系統甚至思維方式。如利用大數據對網絡公眾平臺群眾情緒進行分析可預警群體社會事件、甚至挖掘暴恐苗頭；通過用戶的網絡購物習慣分析可對用戶進行購物推薦、歸納用戶類型；企業可利用大數據開展精準營銷，從而提高企業的市場競爭力。

我國工程院院士鄔賀銓[2]提出“大數據思維”概念，認為大數據不僅是一種資源，也是一種方法，伴隨大數據產生了數據密集型科學。這一新的科學研究思維的特點表現為不在意數據的雜亂，但強調數據的量；不要求數據精準，但看重其代表性；不刻意追求因果關系，但重視規律總結。這一思維模式不僅僅適用于科學研究，也能夠運用于經濟社會各領域，通過外部基本數據發現其內涵規律。

2大數據在軍隊院校教學管理中應用的可行性及必要性

（1） 教學管理信息系統產生了大量的教學管理相關數據。隨著軍隊院校硬件環境發展，在教學管理過程中已運用大量教學管理信息系統，這些信息系統會產生大量與教學管理信息密切相關的數據。如海軍工程大學已經運用教務管理系統、課表管理系統、學員外出管理系統、評教管理系統等各類信息系統。以課表管理系統為例，每學期將產生13 500多條本科學歷教育數據，整個教學管理過程產生的數據體量更大。

（2） 現代新興教育信息技術及訓練信息手段催生了大量非結構化數據。

傳統的數據管理系統（DBMS）主要基于關系數據模型，針對結構化的數據。隨著在線教學等現代新興基于信息技術以及運動手環等訓練信息手段在教學管理中的運用，產生了大量的非結構化數據。典型的非結構化數據包括：在線學習時學員登錄的地點、時間點，軍事訓練時的GPS位置、心率等數據。這些數據處理需依賴新的大數據工具。

（3） 當前教學訓練管理不能很好地適應教學管理信息化發展。目前使用的教學訓練管理信息系統存在以下3個方面問題：一是缺乏整體性。當前系統大多以獨立業務信息系統為主，各系統間缺乏聯系，沒能將整個教學管理過程形成整體貫通；二是缺乏個性化。各系統對教學訓練管理數據的分析只針對整體數據的基礎統計分析，缺乏針對個體用戶的預測指導；三是缺乏知識性。各系統雖然有一些大數據，但只進行了簡單的統計分析，缺乏深入的數據挖掘，沒有利用大數據形成知識（Smart Data）。

當前信息系統不能較好地完成教學管理全過程智能分析與科學決策，隨著教學管理信息化水平的提升，缺少針對大批量、非結構化數據的行之有效的數據管理工具，因此需要從數據體量、類型和處理工具3個層面采用大數據技術或思維。

3大數據在教學管理中的應用模型

《2013NMC地平線報告（高教版）》認為“大數據和學習分析”將在未來成為主流技術。通過教學訓練中產生的海量數據，可評估學員學習表現，科學評估成績，并發現潛在的問題。

大數據在教學管理中的應用模型構建（見圖1）應改變當前以某單一教學業務或管理工作為中心的形式，以教學管理形成的海量數據為中心，依托現有信息系統。

（1）數據采集層。主要用于對學員教學管理數據采集，既包括對當前已有數據源的采集，也包括通過物聯網（IOT，Internet of Things）等其它新技術對教學管理數據的采集。

（2）數據處理層。包括數據集成和數據分析兩個主要步驟，其中數據集成對采集的數據源通過數據清洗、篩選等步驟將非結構化數據等按照統一數據模式形成統一的數據源。數據分析是數據處理的核心功能，教學管理大數據主要包括學習分析（LA，Learning Analysis）和數據挖掘（DM，Data Mining）兩大功能[3]。其中學習分析主要對學員學習環境進行監測分析，優化學習情境；學習數據挖掘則是通過分類樹、機器學習等算法對綜合的海量學習數據進行分析，發現知識。教育數據挖掘方法主要包括統計分析與可視化、聚類（聚類、離群點分析）、預測（決策樹、回歸分析、時序分析）、關系挖掘（關聯規則挖掘、序列模式挖掘、相關挖掘）以及針對文檔數據的文本挖掘和在線學習中的基于Web的日志分析等方法[4-6]。

由于數據體量巨大化、來源分散化的特點，可以采用云計算（CC，Cloud Computing）技術進行具體應用。

（3）數據應用層。包括與具體業務密切相關的數據應用，不同的業務對數據關注的屬性面不一樣。與用戶密切相關，不同層級用戶需求的數據結果的維度不一樣。目前，對于學員學習習慣分析、課程管理分析等具體應用在地方高校已經有部分實踐。

4大數據在軍隊院校教學管理中的應用

4.1學習習慣分析：借鑒MOOC選修課的學習干預管理

以MOOC（Massive Open Online Course）為代表的在線學習方法在軍隊高校中已有廣泛應用，海洋工程大學在國防科大“夢課”平臺開設了MOOC課程，并利用MOOC開設選修課。但是，MOOC高退出率和低完成率是困擾國內外MOOC平臺和在線教學工作者的難題之一，據統計，“夢課”平臺的平均完成率僅有15%左右。

通過分析MOOC在線平臺的Web數據挖掘，分析其日志文件，研究每一名學員的MOOC學習信息，通過時間序列分析各時間段學員登錄MOOC平臺進行學習的時長以及IP地址，從而得到學員參加MOOC學習的學習習慣，發現MOOC學習周期中的懈怠點，通過加入面對面的線下研討交流，幫助學員調整學習狀態，提高MOOC學習效率[7]。

4.2課程關聯分析：幫助學員進行課程學習預警

大數據分析的特點是注重關聯關系，因此可以更多地在過程中進行干預。學員某門課程沒有學好，后續課程往往比較吃力，對課程知識預見不強，借助大數據技術能夠對學員課程學習進行及時預警。

通過對歷年學員各科考試成績以及選修課程情況進行大數據挖掘，分析課程間的關聯關系，特別是前置課程成績與后續課程成績間的強關聯關系，當某前置課程出現低分情況時，給出相應的學習輔導。西安電子科技大學賈文在文獻[8]中提出了課程間相關性數據挖掘算法。

4.3數據體系分析：科學指導學員進行體能訓練

大數據分析注重全數據，而不是樣本數據，其中全數據體現在兩個方面：一是數據樣本是整個數據對象集合；二是數據采集面不應人為進行裁剪，所有相關數據都可參與分析，但要避免“全息”數據，導致數據維度過高不能高效分析。

通過集成學員教學數據、外出數據以及通過運動手環記錄的GPS等非結構化數據形成的運動數據，研究運動效果、各時期運動量、科目學習任務量、外出情況等之間的關系，分析學員體能情況，從而提出合理科學訓練計劃，使得訓練計劃人性化、科學化，訓練任務安排精準化、智能化。

5結語

大數據已經深入廣泛應用于社會經濟諸多領域，并發揮了重要作用。在軍隊院校中應用大數據勢在必行，通過集成教學業務信息數據源，構建基于教學數據為中心的大數據應用模型。

隨著物聯網、云計算等新技術發展，大數據可運用于軍隊院校教學管理更多層面，成為提高教學訓練管理質量的倍增器，推動教學訓練管理改革，對軍隊教學質量提升具有重要意義。

參考文獻參考文獻：

[1]維克托·邁爾-舍恩伯格.大數據時代：生活、工作與思維的大變革[J].浙江：浙江人民出版社，2013.

[2]鄔賀銓.大數據思維[J].科學與社會，2014，4（1）：113.

[3]魏順平.Moodle平臺數據挖掘研究——以一門在線培訓課程學習過程分析為例[J].中國遠程教育，2011（1）：2430.

[4]賈文，臧明相，周鴻.基于數據挖掘的課程相關性研究與分析[J].計算機技術與發展，2006，16（12）：178180.

[5]伊恩·艾瑞斯.大數據思維與決定[M].北京：人民郵電出版社，2014.

[6]阮紹萍.大數據背景下高等學校教學管理的新思路[J].科技視界，2015（9）：111112.

[7]陳云帆，張銘.MOOC課程學生流失現象分析與預警[J].工業和信息化教育，2014（9）：3336.

[8]葛道凱，張少剛，魏順平.教育數據挖掘：方法與應用[M].北京：教育科學出版社，2012.

責任編輯（責任編輯：陳福時）