基于大數據的應用型院校學生教育管理工作困境及應對

[摘要]基于大數據的應用型院校學生教育管理具有前瞻性、整合性、權變性的特點。然而，在實施過程中依舊面臨著一系列困境，包括學習管理效率偏低，實習管理流程有待完善;評優管理內容不夠健全，生活管理決策不夠科學;心理管理缺乏時效性，就業管理質量不高。為此，應用型院校應當提升學習管理效率，優化實習管理流程;完善評優管理內容，優化生活管理決策;提升心理管理時效性，強化就業管理質量。

[關鍵詞]大數據? 應用型院校? 教育管理

[作者簡介]王潔（1983- ），女，江蘇徐州人，宿遷學院，講師，碩士。（江蘇? 宿遷? 223800）

[課題項目]本文系2017年度國家教師科研基金課題“地方高校教師專業發展研究”的階段性研究成果。（課題編號：CTF120702）

[中圖分類號]G717[文獻標識碼]A? ? [文章編號]1004-3985（2019）05-0040-04

大數據技術最初誕生于計算機等相關領域，被貼上了全面、預測以及個性等標簽。近些年已受到社會各界的廣泛關注，逐步被應用于社會生產、生活的各個領域，其應用價值也受到各領域研究人員的一致認可。隨著大數據技術的進一步發展，部分教育學研究者開始嘗試將大數據技術與學生教育管理進行融合。針對學生教育管理工作中日益繁多的問題，應用型院校基于大數據技術改善學生教育管理工作，已成為其提升人才培養質量、促進自身轉型發展的必然選擇。

一、基于大數據的應用型院校學生教育管理特點

1.前瞻性。應用型院校基于大數據進行學生教育管理，能預測師生的教學需求、心理狀態和學習狀態，通過收集數據并建立模型，可預測學生的學習發展情況，對可能出現的問題進行預警。大數據具有包容性、開放性和全面性的特征，通過對數據的收集、挖掘和分析，能預測學生的行為和思想狀態，實現學生教育管理的決策智能化和前瞻性。

2.整合性。應用型院校在學生教育管理中，以學生為中心，以大數據技術為手段，可以提供整合性服務。一是可以整合網絡的教育資源，以開源的形式集成優質的課程資源，為全校師生提供開放的學習平臺。二是可創建信息共享系統，整合院校各部門的數據，提高管理效率。三是基于大數據技術，校際之間能夠整合教學資源，實現數據共享，達成教育資源區域合作，有利于教育資源的優化配置。

3.權變性。大數據具有信息量大、內容復雜、動態性和快捷性的特點，應用型院校學生教育管理者在工作中要體現權變性。院校數字化建設步伐逐漸加快，教育部門、院校師生、學生教育管理部門和其他相關人員的數據大量增長，為此，學生教育管理者也要相應改變策略。教師應基于大數據分析結果，制定教育方法;根據動態化和差異性的數據，管理者進行權變處理，確定相應的教學管理手段。

二、基于大數據的應用型院校學生教育管理工作困境

1.學習管理效率偏低，實習管理流程有待完善。一是信息化建設不足，學習管理效率偏低。應用型院校未能全面實現教學資源的數字化，同時由于漠視新技術的發展，院校對學生的信息收集和分析能力也明顯不足;院校對現有教學信息數據的挖掘深度不足，未能形成適宜不同學生的個性化學習方式。二是學生教育管理的信息化建設有待完善。院校未將學生的學習內容和方法量化為有關的指標數據，網絡教學資源平臺的搭建停滯不前;院校學生教育管理數據庫的內容以及師生生活業務、教學服務和就業信息的整合度不足，未實現各移動終端的數據共享;院校對收集到的教學數據信息的解讀和分析不足，未能將數據和學生的學習生活特征相關聯。三是校企合作不夠深入，實習管理流程有待優化。校企實習管理流程未能整合多方信息，學生實習工作的規范化、智能化和效率化不足。企業實習期間的學生管理工作與院校脫節，學生實習情況和企業指導情況難以及時傳達至院校。對于學生實習結束后的實習心得報告未及時進行數字化處理，難以用于教育評價。

2.評優管理內容不夠健全，生活管理決策不夠科學。一是缺乏過程性評價，評優管理內容不夠健全。現有的評價指標僅針對教學結果，缺乏針對過程的評價指標及內容;部分院校的評價指標體系脫離了自身的實際情況，缺乏行業專家和教育學專家的指導;院校評優管理的主體單一，且缺乏定性評估機制;師生的評價結果未能及時得到反饋，現有評價反饋機制缺乏激勵性;院校評優管理結果并未對學生提供決策指導。二是評價工作有待落實，評價體系優化能力不足。院校對評價數據的整理和分析不足，未能進行數字化處理，缺乏科學的手段對數據進行深度挖掘和可視化處理，忽略了數據間的關聯;院校的數據評價結果不具有多元性，評價體系缺乏自我優化能力。三是生活管理數據的收集、挖掘和分析不足，生活管理決策不夠科學。院校未能和當地教育部門合作建立完整的學生檔案信息，院校內部學生的一卡通信息和教學系統內信息的收集整合欠缺;現有數據未能在服務器數據庫中備份和分析，對于數據的挖掘也存在不足，難以了解學生的消費習慣和性格特征，未能立足于學生的實際需求對校園服務進行針對性改善。

3.心理管理缺乏時效性，就業管理質量不高。一是心理管理缺乏時效性。院校未能將傳統的心理調查方式與大數據技術相結合，基層學生教育管理人員和輔導員與學生的溝通交流較少;同時，院校缺乏科學有效的學生心理狀態預警機制。二是未健全學生心理健康管理系統。院校對學生心理數據的收集管理能力不足，數據處理和分析能力欠缺，無法整合相關數據獲得評估報告;院校無法了解學生的心理狀態，對可能出現問題的學生無法進行指導和監控。三是缺乏個性化就業服務。院校畢業生就業管理系統建設緩慢，就業信息更新不及時;既未能收集學生的個人情況信息，也未能向學生提供崗位推薦和個性化的就業指導服務;無法了解畢業生的工作情況和用人單位的反饋意見。四是就業管理質量不高。院校對學生和用人單位的信息了解不足，相關信息的審核機制欠缺;未能和企業展開合作，建立人才數據庫;對畢業生就業質量的監督和管理機制建設不足，未能審核學生和用人單位的信息真實度，學生就業數據和畢業生反饋數據的整合與分析不足，難以為院校在專業設置和人才培養方面的工作提供決策依據。

三、基于大數據的應用型院校學生教育管理工作困境的應對策略

1.提升學習管理效率，優化實習管理流程。第一，強化信息化建設，提升學習管理效率。首先，實現教學資源的全面數字化，依托大數據技術的發展，通過教學信息的采集和分析，了解學生的學習興趣、學習方法和學習效率，有針對性地進行教學內容和教學方法改革。其次，深度挖掘收集的教學信息數據，獲得學生學習的相關信息，對于重要數據進行備份儲存，利用數據挖掘和可視化技術手段獲得更有價值的信息，得到不同學生的性格特征和學習方式的數據。最后，在獲得足夠數據并了解了學生的特質和學習習慣后，可定制個性化學習任務，通過網絡推送相應的學習資源;此外要加強對學生學習反饋數據的收集，明晰個性化教學的教育質量，跟蹤學生的教學評價結果和學習情況，繼續優化學習任務。

第二，完善學生教育管理數據庫。首先，進行數據的集成和整理，建立學生教育管理數據庫，包括學習職能板塊、資源整合板塊和系統管理板塊，以上數據要上傳至服務器，并備份到云管理數據庫中，與校園其他數據進行有機結合，實現數據的共享;院校的云管理數據庫要整合開發為綜合性的數據平臺，可匯集師生的生活業務辦理、教學服務、學習實踐和就業指導等信息數據。其次，進行數據處理，信息管理部門要負責對收集的數據進行挖掘處理，了解學生的學習生活特征，構建數據之間的關聯，對數據進行修正和加工;利用遺傳算法、遍歷算法、決策樹、神經網絡和人工智能等手段分析數據的深層含義，應用大數據技術實現學習個性化定制服務。

第三，加強校企合作，優化實習管理流程。校企實習管理流程要基于大數據背景，整合多方信息，實現學生實習工作規范化、智能化和效率化。一方面，建立校企實習管理門戶網站，登記學生的實習信息，院校對實習過程的管理可通過網上實時傳達;院校和合作企業要在實習管理網站上記錄學生的實習情況、企業指導情況和學生實習反饋，加強網絡監管，建立快速的學生實習情況反饋渠道。另一方面，校企雙方和學生要向實習管理門戶網站上傳實習內容、實習報告、實踐心得和實訓成績等內容，豐富平臺的數據類型和總量，并將其作為評價管理流程的指標內容。

2.完善評優管理內容，優化生活管理決策。第一，加強過程性評價，完善評優管理內容。首先，制訂切實可行的過程性評價方案，相關評價指標要基于學生的學習規律和管理方法原則，保證過程性評價的有效落實。其次，評優管理的主體和評價方式要具有多維性，評價主體要包括教師、學生、同行和行業專家;評價方式要有主客觀評價、互評和數據分析鑒定等。再次，建立網絡評優管理系統，實時了解師生的評價并及時進行反饋。最后，完善評優管理的導向性作用，收集評價數據了解學生個人情況，并為學生的決策提供指導，此外還要建立具有激勵作用的評價反饋機制。

第二，落實過程性評價工作。首先，結合自身的教學特色和辦學規模，邀請行業專家、教育學專家和資深教師召開會議，共同研討可操作性強的評價指標體系。其次，組織學生、教師和數據設備信息作為評價者，采用定性和定量評價的方式開展評估工作，評估內容要涵蓋教學內容、教學態度、師生溝通互動情況、教學方式方法、考核評價方法等內容。再次，整理和分析評價數據，將收集到的師生評價信息進行數字化處理，找到數據間的關聯。最后，將數據處理后的評價結果分類為學生主客觀評價結果、教師主觀評價結果、師生互評結果和大數據擬合評價結果，將以上結果及時反饋給教師和學生，并在實踐過程中不斷對評價系統進行優化。

第三，優化生活管理決策。首先，基于大數據技術，立足學生的生活需求，在管理工作中為學生提供優質的服務。其次，建立學生生活信息數據庫，收集與分析學生的生活動態和實際情況，了解不同學生的性格特質和生活習慣，基于以上內容制定科學合理的管理條例。最后，院校在決策制定時要參考收集到的數據信息。在學生管理系統開發和設計過程中，要在原有經驗的基礎上更加注重數字設備獲得的數據信息。可以在云管理數據庫中記錄學生一卡通的消費記錄和使用時間，將大數據理念和學生的生活管理相結合，最終確定管理決策。

第四，收集、挖掘和分析生活管理數據。首先，多方面收集信息，通過當地教育部門和院校的云管理數據庫獲得學生的檔案信息，以及收集學生的一卡通信息和教學服務系統中的信息。其次，整合數據，將不同體系的數據導入，經過篩選和鑒定將重要數據備份到服務器數據庫中，對匯集后的數據進行分類管理，可分為學生個人數據庫、生活信息數據庫和綜合管理數據庫。再次，對以上數據進行深度挖掘和分析，來了解學生生活動態和行為特質，如學生的消費能力、消費喜好、飲食習慣、閱讀頻率興趣和個體差異等，并將分析出的數據結論作為決策依據，相應調整學校商品、食堂餐飲和圖書館書籍等服務。最后，加強結果分析，對學生實行個性化管理，針對學生的部分情況與輔導員進行溝通，為學生定制相應的心理疏導服務。

3.提升心理管理時效性，強化就業管理質量。第一，提升心理管理時效性。首先，既要結合傳統的問卷調查、走訪了解和心理輔導會等手段，還要基于大數據技術收集和整理學生的心理健康數據，建立學生的心理狀態數據庫。其次，加強基層學生教育管理者和輔導員與學生的溝通，同時教師也要借助學生的心理狀態數據庫，了解學生的心理狀態，進行相應的疏導。最后，基于大數據分析來建立學生心理狀態預警機制，相關技術人員要分析心理狀態數據庫中異常數據并進行預警，調動多方面力量盡早解決學生的異常心理問題。

第二，建立學生的心理健康管理系統。首先，健全學生心理數據收集管理機制。在數據收集過程中，采用學生心理素質測評和活動監控分析手段，獲得學生用戶的基礎數據和心理素質數據，結合學生檔案和生活數據情況分析學生個人行為信息，同時采取傳統人工評價方式獲得人工評價結果。其次，對以上數據進行數據處理和心理學分析，建立不同的數據庫源，通過數據擬合、挖掘和處理，并進行可視化處理獲得評估報告。再次，采用傳統學生工作經驗和數據分析相結合的方法制定心理狀態指標，并設立相應的心理問題預警閾值，對于超過該值的學生要由輔導員和心理輔導師對其進行指導。最后，對心理有可能出現問題的學生進行指導和監控，指導效果要基于數據處理進行再次分析，保證心理輔導的質量。

第三，實施個性化就業服務。建立畢業生就業管理系統，及時更新各類就業信息，豐富院校的就業信息和就業指導資源。基于大數據對學生的個人情況、所學專業、知識技能水平和興趣愛好進行分析，根據分析結果提供推薦崗位和個性化的就業指導服務。建立畢業生就業數據庫，登記畢業生的就業信息，了解和監管畢業生的工作情況和用人單位的信息反饋。

第四，優化就業管理全流程，強化就業管理質量。首先，整合學生和用人單位的基本信息，由畢業生和用人單位在就業管理系統中進行注冊并填寫相關信息，經院校信息管理部門審核無誤后予以通過，此后用人單位和學生可以反饋相應的信息到系統中。其次，基于云管理數據庫內學生的相關信息，為學生定制個性化的就業服務。校企雙方要合作建立人才需求數據庫，明確崗位職責要求、必備條件和薪酬待遇等內容，實現數據的可對接化和可查詢化，實現崗位的快速匹配。再次，開展學生簡歷書寫指導、就業意愿調查和就業咨詢等服務，與企業合作建立人才數據庫，并將學生簡歷和個人情況上傳。最后，建立就業的監管和反饋機制，保證學生和用人單位的信息真實有效，收集公司發展情況、學生就業數據和畢業生反饋數據，并將以上數據應用到學生個性化就業和企業人才推薦服務中，最終將相關數據上傳至云管理數據庫中，為院校專業設置、課程改革和人才培養提供決策依據。

[參考文獻]

[1]陳文，蒲清平，鄒放鳴.大數據時代的高校學生教育管理模式轉變與應對策略[J].江蘇高教，2017（1）.

[2]劉勝勇.基于過程管理的高職院校創新創業學生教育管理錯位分析及改進策略[J].教育與職業，2018（1）.

[3]南旭光.大數據驅動職業教育人才培養的價值邏輯與創新路徑[J].教育與職業，2017（20）.

[4]項丹.云計算與大數據時代下的高校教育教學管理信息化策略[J].中國成人教育，2017（6）.

[5]嚴萍.高等職業院校人才培養工作評估的反思與改進——基于安徽省兩輪高職評估大數據分析[J].職業技術教育，2016（18）.

[6]鄒太龍.大數據時代高校學生教育管理的可能走向及實現路徑[J].高教探索，2017（11）.