大數據分析在學科建設中的應用

文/張玲玲

1 大數據的基本概念和特點分析

1.1 大數據的概念

所謂大數據，其實就是在一個完整的體系中，包含巨大數量的信息數據分析系統，以便人們進行選擇和運用。關于這種大數據的概念問題最早是由美國學家提出，盡管在我國的發展時間不長，但卻在大數據的運用和檢測技術方面已經得到擴大。

1.2 大數據的特點

1.2.1 大數據的存儲量巨大

對于這種大數據的評估和使用的特點：

（1）數據信息量巨大；

（2）現代的信息科技發展速度，人們一般運用計算機等網絡技術來分析數據，雖然已相對完整，在實用這些數據可以使計算結果更為準確，滿足消費者的應用條件。

1.2.2 類型豐富

對于這種大數據體系的數據種類是很多樣的。一般時候，通過網上進行輸送的數據是一些非結構形式的數據資源，與實際生產操作中所使用的半結構形式相似，越來越處于核心地位，在此期間所體現的數據消息，符合現代單位的發展和社會的需求。

1.2.3 數據處理速度快

在現代的社會企業建設中，大數據計算中存在的問題一般可以叫作一秒定律，像這樣的分析處理形式和傳統數據處理方式相比，還包含著時間消費的不同。特別是目前信息數據表現出來的增長速度不同形式，所以說該數據的處理速度和增長方向成正向比例，因此只有這樣才能在較短期間把數據信息達到最優。

1.2.4 價值密度較低

像這種這非結構化數據的特征，數據體系的數量一般會與其所呈現的價值密度成反比，所以，在大量的數據消息中想要找到準確的有價值的東西是一項巨大的任務。特別是在目前信息轟炸的當代社會中，或許一些有用的信息只會在一個完整的體系中保留一兩秒時間。

2 當前學科建設存在的問題

學科建設績效評估體制不完善。由于管理體制目前還處于待優化階段，所以致使學科建設在培養相關人才、服務于社會等方面存在一些問題。出現問題的緣由主要有：

圖1：學科建設中的大數據分析總體框架

（1）業績考核安排上存在局限。學科建立業績考核評價的安排主要分為：一是提示權重賦權法，二是數據網絡分析法。提示權重分析法的不足之處：主要會收到主觀因素限制，導致結果的科學功用不大。而數據網絡分析法的不足在于：一般挑選的抽驗數據太少，導致結果效益前景不完善，這樣一來就會影響到對學科建設業績的評估。

（2）關于這種評價安排存在缺陷，致使評價結果只能從當前的穩定狀態去呈現學科建設，不可以判斷學科建設的動態發展前景。

（3）就目前情況來看，學科業績評判只聚集于學科，而學科之外的消息卻被忽略，這樣就會使學科的社會價值丟掉。所以學科之外的評核標準不足會影響學科的社會功用價值尺度

3 如何將大數據分析應用于學科建設

結合多種數據的分析和科學教學的特點，我們建成了一個大概的總框架，如圖1所示。

大數據技術作為非常重要的環節，在高校學科建設中占主體地位，而高校學科建設數據是一個數據信息平臺，此平臺也是一個系統，主要是為兩個方面提供一些建議，分別是學科管理部門和學校主管領導。因此，該平臺一定要具備學科管理的所有要求，只有這樣，才能滿足學科管理部門的工作對技術的要求，并且可以促進學校里一些強勢科目以及正在建設中科目的發展，還可以明確整個學校的定位。高校學科建設平臺在學校的建設中發揮了巨大的影響力，在各項學科發展方面，還展示了各項技術和分析的強項。這就是為什么我們要使用大數據技術來發展各項學科的原因。高校學科的建設平臺與學科管理平臺是相互發展和相互作用的，學科建設平臺主要為管理部門的日常運行提供數據信息，并將這些數據進行整理和分析，與此同時，對于學科管理部門來說，部門中經常會出現很多信息，不僅包含學科建設，還包括此部門的日常運行工作，因而，該平臺還可以反作用于學科建設平臺。所以，我們可以說學科數據平臺和管理部門是相互作用，共同進步與發展的。

根據可視化分析和數據挖掘得出的學科建設規律，可以進一步作出預測性分析。傳統的分析方式主要是指分析那些過去的事情，進行一下事后判斷，但是對于大數據來說，可以修建一個智能的全境模擬器，這個工具不僅可以將多種政治工程或者項目虛擬化，而且還可以事無巨細地推動全部學科項目的發展，不僅如此，還能以前預測那些將要發生的事情，這個被稱作預測分析。我們可以通過從數據分析和可視化建設得來的建設規律，以此來找到學科發展到路上的絆腳石，找出主要障礙之后，利用建模來推測某一種政治政策將會如何影響學科建設和專業上的發展。對于這些結果，我們可以進行分析，我們可以用分數來表達各種影響，分數越大影響也越高并且危險性也越大，我們還可以通過這些分數的得出來進行防御。在這個危機學科或者專業中，我們可以看出共分了甲、乙兩種類別，甲類別是指需求量大，供不應求；乙類是指需求較小，增長速度也慢，供過于求。在這里，我們可以列舉一個例子，當師生比例逐漸上漲，人才市場中人才濟濟，但是需求量很少，對于那些教學成績較高的專業來說，則意味著人才供不應求，此時，就可以表示為甲類危機專業，在這個類別中，我們可以將人才的需求分為多個級別，級別越高，人才的需求越大，此時，我們就要對于人才進行適當的調整；相反來說，當就業境況不佳或者教學成績低時則意味著市場與人才需求并不相匹配，會出現很多問題，最主要的像是人才剩余等問題，這種就可以分為乙類，跟甲類一樣，我們在乙類下設多個級別用來警示，級別越高危險程度越大，此時，則說明我們需要減少對人才的需求。這種智能的全景模擬器不僅可以將危險提前告知我們，還可以優化各種資源。

4 結束語

綜上所述，對于大數據分析應用早已經延伸到高效教學、管理、科研等方方面面。在未來發展過程當中，采用大數據來完善學科的構建必將成為新的發展趨勢。可是隨著技術的不斷發展也會對使用技術的人帶來新的挑戰，有效的應用數據，并不是所有都依賴于數據，針對學科的構建提出有針對性的決策，同時還要不斷加強數據的質量、思考和駕馭能力。