大數據時代下高校教學創新管理

郭小平+鄒振宇

摘要：全球化時代下，高校教育正在經歷激烈復雜的競爭，其需要回應國內外經濟、政治和社會的諸多變化。應對多變的社會環境，一些高校激流勇進，運用大數據進行及時、有效的決策。高校該如何回應影響其運轉的諸多變化因素呢？文章首先提出了對大數據相關基本概念的理解，之后探討了大數據并分析了其在高校教學管理中所發揮的重要作用及其應用的模型。

關鍵詞：大數據；高校教學；數據分析

中圖分類號：G647 文獻標志碼：A 文章編號：1674-9324（2017）25-0007-02

在全球化時代下，高校教育正在一個復雜多變的競爭環境下運轉，其需要回應國內和國際經濟、政治和社會的諸多變化。處理這些快速變化的決策是復雜的，并且大多數決策并沒有根據相關生成數據做出。那么，高校如何有效并及時地回應影響其運轉的諸多變化因素呢？文章首先明確了對大數據相關基本概念的理解，之后探討了大數據并分析了其在高校教學管理中所發揮的重要作用及其應用的模型。

一、對大數據的理解

在當今世界，從企業領導到政府規劃者和學者都在討論大數據。大數據的突然出現似乎讓許多人毫無準備。在過去，一項新技術的發展首先出現在科技和學術期刊中，之后會出現在傳播知識的出版書籍中。大數據技術的快速發展以及公共和私人部門對它的迅速接受，意味著想要達成對大數據概念的一致理解還有待發展。伴隨著大數據概念的出現，相關批評接踵而至。一些學者認為“大”的概念是具有誤導性的，它只反映了數據規模，卻沒有反映復雜性。此外，對于數據多“大”才能稱之為大數據的基本問題就有很多爭議，因此有必要研究大數據概念的發展。本文首先會對大數據進行定義，主要強調數據的規模僅僅是衡量大數據的一個層面而已。許多企業都運用數據來做出更好的戰略性和操作性決策，實際上利用數據來進行決策并不是新鮮的事物。自從上世紀90年代早期以來伴隨著數據倉庫的出現，商業組織就存儲并分析了大量數據。然而，當下對大數據的大肆宣傳可能歸因于IBM和其他領銜科技進步的企業對數據分析市場的投資，也在一定程度上歸因于大多數企業應用的數據發生了“質”的變化，并為數據的管理和分析帶來了復雜性。相關研究表明，大多數商業組織的結構化數據并沒有反映隱含的企業價值，并且根據IBM的調查報告，企業生成的80%的數據都是非結構化的，即以文本、影像、聲音、圖表、圖像及上述元素的混合形式所構成。也就是說，非結構化的數據創立了企業的數據倉庫。此外，伴隨著數據庫技術和分析工具的最新發展，使得收集和維護大量復雜的不同形式和不同來源的數據并將復雜的數據轉變成有意義的模式和價值成為了可能，這種現象就是所謂的大數據。

然而，伴隨大數據概念的出現，相關的困惑和批評接踵而至。比較明顯的是，數據規模只是“什么是大數據”的眾多特征中的一項，其他大數據的特征也顯現出來了。一些學者認為“大”的概念是具有誤導性的，它只反映了數據規模，卻沒有反映復雜性。另外一些學者還指出，大數據的定義幾乎與數據本身是沒有關系的，因為對大量數據的發現并不是新出現的現象，并且實際上大數據代表的是對可以用更快的速度處理不同類型的大量數據的技術追求。這種理解啟發了我們對大數據的進一步理解，并將大數據定義為“能夠從具備最大程度的規模經濟的數據中捕獲有價值的科技和技術”，這意味著對大數據進行挖掘的收益是多于提取、處理和利用數據的成本的。

二、高校對大數據的利用

大數據是一個潛在地改變了管理決策的知識系統，有學者預判大數據建立了一個有效利用大規模數據并最終塑造了高等教育未來的最引人注目的框架。在最初的幾年中，大數據在教育領域中的主要應用體現在了學習分析上。學習分析是與大數據相關的研究和實踐的新領域，它利用數據分析作出有關教育體系每個層級的決定。此外，它還描繪了與學生相關的教育大數據的趨勢和模式，進一步提升了個性化的高校輔助教育的應用。但是，相關研究人員對大數據在學習分析方面的應用研究被嚴重限制在檢驗個體學生及其在課堂上的表現方面。近些年的發現表明，大數據為高校教育帶來了新的機遇。對高校教育而言，大數據并不僅僅意味著學習分析，還意味著在更廣的范圍內進行數據處理，旨在評估學校的學術項目、研究和教學的表現。有一些學者認為，為了實現提高生產率的要求，高校教育需要利用分析工具來構建系統。對高校教育分析的早期努力源自跨學科的研究，包括了教育技術學、統計學、數學、計算機科學和信息科學。上萬億的數據被收集儲存在不同的高校數據庫：學生信息系統、學生社交媒體、學習管理系統、學生圖書館使用系統、個人計算機以及管理系統中。除了數據量的增長，數據以不同的形式展現，聲音、影像、文本和圖片。當學生與數字化設備互動的時候，數據就被輕松地捕獲，并為后續的研究所用。此外，高校還具備大量的學生信息，包括學生錄用、學術和成績信息，高等教育機構就擁有了分析的數據集。在高校教育中的大數據及其分析是變革性的，改變了高等教育先行管理、教育、學習和學術工作。在現階段，對高校教育進行分析的關鍵在于數據挖掘。高校教育的大數據涵蓋了儲存了大量有關學生在教學活動中的特定數據的所有數據庫。當學生與學習技術產生互動時，涉及到感情態度、社會關聯、意圖等數據的變動就有跡可循，研究者就可以利用這些數據來探尋學生在一定時期內的行為模式。在更高的水平看來，大數據的附加價值在于它可以識別有用數據并通過對學生行為模式的識別將其轉化為有用的信息。經濟合作與發展組織的報告顯示，大數據既成為了高校教育創造商機的基礎，并為教育決策鋪墊了基石。這是因為，高校教育中的產、學、研的合作一直呈現增加的態勢，然而，為了支撐和維系這些合作，高校就應該致力于對高等技術的利用和開發，以支持研究成果應用于商業用途。大數據可以為大學提供提升每個學生教學表現的工具，也可以確保教學項目達到較高的水平。通過建設可以在學生每個學習階段的數據的項目，大學需要用教學中的定制化模塊和反饋意見來了解學生的需求。高等教育可以利用大數據的工具來分析每個學生的表現，生成實現了特定學習路徑的個性化學習體驗。當該方法被有效率的實踐，大數據就可以幫助大學提升學習體驗，改善學生的學習表現，減少輟學率并提升畢業率。具體的實踐要利用大數據構建的三個數據模型（描述型、預測型和指令型）制定更好的決策。

首先，描述型分析模型的構建旨在描述和分析收集到的與學生、教學、研究、政策和其他管理過程有關的歷史數據。目標在于從案例、報告和趨勢中識別諸如學生錄取、畢業率和升入更高階段學習的模式。此外，描述型分析模型為高校教育提供了分析有關教學和研究互動的相關數據，以便識別有可能觸動現實和未來問題的關鍵趨勢和模式。尤其是高校刻意利用描述型分析模型在學習管理系統中通過查閱登陸頻率、網頁瀏覽、課程完成的狀況調研數據。其次，預測型分析模型可以為高校教育提供更好的決策和實踐指南。預測型分析旨在調查趨勢、識別高校在未來面臨的機遇和挑戰。預測型分析可以揭示在描述型分析中可能并不是明顯的、數據間隱藏的相關關系，例如學業完成率和學生人數之間的關系。它也可以用于幫助那些在學期早期表現出可能會肄業或掛科的學生，并幫助任課教師預測課程的完成率。在描述型和預測型模型的基礎上，指令型分析評估了通過制衡各項限制條件來實現預期結果的不同方式，并基于有效的、連續的預測來進行選擇，以做出最終的決策和指示。

三、總結

大數據時代在最近幾年里成為了人們熱議的一個概念。來自不同領域、不同產業的人都在談論大數據。它不僅是一個技術革命，也是人們體會世界的感知革命。當技術改變了人們閱讀的內容、方法和行為的時候，所有的事情都變得不一樣了，大數據時代下的高等教育亦如此。時值各大高校都在教育部的指導下進行評估工作，考量學生學習的穩健性成為了一個重要的指標，即該學習成果是否可以被應用到其他的相關領域，是否為未來的學習有助益，以及是否可以在未來較長的時間內還被學生掌握，等等。最近十幾年，雖然大多數高校教育的學習主要是發生在教室內的教學活動，但是大數據時代的開啟改變了學生的學習模式，那么學生學習的穩健性是否也發生了轉變，這都是值得研究的，這也是筆者未來需要努力的研究方向。

The Innovative Teaching Management in College under the Era of Big Data

GUO Xiao-ping，ZOU Zhen-yu

（College of Materials Science and Engineering，Jilin University，Changchun，Jilin 130022，China）

Abstract：Under the era of globalization，college education is experiencing complex competition under which needs to respond to economic，political and social changes domestically and internationally. To cope with the changeable social environment，some colleges surge ahead and make use of the big data to make timely and effective decisions. How should the college react to the changes affecting its operation？This paper puts forward the basic understanding of the concept of big data，after which the paper discusses the application of the big data and its analysis in college teaching management.

Key words：big data；college teaching management；data analysis