數據驅動用戶畫像在高校個性化教育中的應用探索

周佩 于騰 宋晗

[摘? ? ? ? ? ?要]? 為進一步提升我國高校的個性化教育，以凸顯各校的辦學特色和提升各校的核心競爭力。以信息化建設校園背景下的海量數據作為基礎，通過提取高校目標學生群體的特征并且標簽化，借助可視化工具構建其用戶畫像，更有效地挖掘高校學生的潛能和需求，幫助高校制定更加科學和準確的針對性教育策略，以期達到支撐個性化教育的相關決策和優化方向的目標。

[關? ? 鍵? ?詞]? 數據驅動;用戶畫像;高校;個性化教育

[中圖分類號]? G712? ? ? ? ? ? ?[文獻標志碼]? A? ? ? ? ? ? ? [文章編號]? 2096-0603（2020）21-0032-02

21世紀，個性化教育成為高校競爭力的核心。在信息化、數字化、智能化的新型信息社會和大數據時代下，高校教育研究人員的數據驅動意識和對大數據技術的認知和校園教育大數據的敏感度，綜合決定了高校現代化以及個性化教育的水平。在校園信息化建設日趨完備的背景下，每天產生的海量數據為我們進行數據驅動的個性化教育提供了發展契機。

一、我國高校個性化教育現狀

早在兩千多年前，孔圣人就提出“因地制宜、因材施教”的教育理念。到21世紀，如何在時代背景和科學技術的支持下精準高效地將個性化教育落實到高校教育過程中，仍然是眾多高校面臨的一道難題。

個性化教育是探索個體生命的獨特價值、發掘個體生命的潛能、培養學生的獨特個性和獨立人格，并且促進個體生命自由和諧發展的教育，它尊重學生本身以及學生發展的多樣性[1]。個體發展差異化與人才培養劃一化、社會需求多元化與辦學趨同化的矛盾是我國高校正普遍面臨的問題。要解決這些矛盾，根本方法是深化個性化教育以逐漸消除模式化教育的弊端。此外，當前我國高校面臨的另一個問題是經驗式的個性化教育，其缺少足夠的數據源和可供分析判斷、佐證教育行為效果的依據，進而不能做出理性、有據可循的判斷和決策。

二、數據驅動用戶畫像研究概述

（一）數據驅動用戶畫像概述

用戶畫像是真實用戶的虛擬代表，是建立在真實數據之上的目標用戶模型，這個概念由交互設計之父Alan Cooper較早提出[2]。數據驅動用戶畫像，則著重基于用戶數據來構建用戶畫像，利用“數據—用戶標簽映射法”。首先采集用戶的靜態屬性（人口統計特征等）和動態屬性（使用行為、消費行為等）相關的海量數據，然后通過特定算法（如分類、聚類等）將其轉換為標志用戶特征的標簽信息，最后通過數據可視化技術完成畫像結果[3]。這是一個從個體到群體、從具體到抽象、從寬泛到聚焦的動態過程。

海量的用戶真實數據，大數據分析和可視化技術的科技化手段，都是數據驅動用戶畫像的優點。其被廣泛運用在互聯網公司的產品設計和運營上，通過收集和分析用戶的社會屬性、生活和消費行為等方面的數據，進而抽象出虛擬的目標用戶的特征全貌。這樣在全方位掌握用戶行為特征的基礎上，還可以幫助挖掘用戶的需求，進而實現對細分群體提供個性化的產品設計和服務定制等。

（二）數據驅動用戶畫像在高校個性化教育中的研究現狀

諸多高校展開過針對學生群體用戶畫像的研究。浙江中醫藥大學通過分析和挖掘教學過程中的海量學生數據，精確又細致地給每一個學生都打上了標簽，基于此展開思想政治個性化教育[4]。江蘇理工學院基于海量的數據挖掘抽象出學生在基本屬性、偏好、興趣、活躍度和需求等方面的特征和標簽，進而探索如何解決高校圖書館為學生提供個性化服務的問題。電子科技大學根據學生出入寢室時間、進出圖書館次數、澡堂洗澡時間等校園內日常生活的數據分析并抽象出學生的學習和生活狀態，進而對學生的學習和生活情況進行預測。北京郵電大學通過對學生數據的分析和標簽體系的構建，多維度建立學生的用戶畫像，并用來推測學生在心理、學習和生活行為等方面可能出現的異常[5]。

國內針對用戶畫像的研究起步較晚，而在信息化校園建設視域下，利用數據驅動用戶畫像提升高校個性化教育的探索和研究尤為匱乏。

三、高校學生的用戶畫像構建

結合數據驅動用戶畫像構建方法，將高校學生群體的用戶畫像構建過程細化為數據收集、特征提取并標簽化、用戶模型可視化。

（一）數據收集

結合人才培養的角度和方向，將目標用戶——高校學生群體的數據分為三類：基本屬性數據、學習行為數據、生活社交數據。

1.基本屬性數據

基本屬性數據用于描述學生側重在人口統計方面的情況，如性別、年齡、地域、家庭情況、黨團信息以及教育背景、生源地、專業等信息，這些數據主要來源于學生管理信息系統。

2.學習行為數據

學習行為數據細分為學習客觀數據和學習偏好數據。學習客觀數據用于描述在學校成績評價體系下學生具體而真實的學習情況，包括所修課程、實習實踐、出勤情況、課程客觀成績等，這些數據主要來源于學校教務管理信息系統。學習偏好數據用于描述學生的學習習慣和學習特征，具體包括使用的工具（手機或電腦）、登錄的手機App和網站、閱讀學習的內容、登錄時間和瀏覽時長、收藏訂閱內容等。這些數據可以通過學校的網絡學習平臺（網站、App）并結合用戶問卷調查和訪談完成收集。

3.生活社交數據

生活社交數據用于描述學生在校園生活和社交過程中的行為和偏好。生活類數據包括校園卡消費數據、宿舍出入數據、校園出入數據、圖書館出入數據等，主要來源于校園一卡通系統、校園宿舍和圖書館門禁系統等。社交類數據包括其在校園論壇及其他校園內的上網數據，監測其關注的論壇圈子和在線評論等數據，主要來源于校園網絡監管系統。

（二）特征提取并標簽化

收集用戶數據之后，對其進行整理分類，然后通過一定的數據挖掘方法（如K均值算法、決策樹、支持向量機、邏輯回歸、貝葉斯網絡、主題模型等算法）提取用戶在基本屬性、學習行為、生活社交等方面的特征，并進一步提煉用戶標簽，得以多維度、多角度、多粒度地描述用戶[6]。

（三）用戶模型可視化

提取到描述用戶特征的標簽后，利用可視化方法對其進行直觀明了的呈現，進而構建出直觀的用戶畫像。如標簽云，標簽占比的大小代表用戶特征的顯著性水平;或者結合人物圖片和用戶標簽;或者借助各種統計圖形，如直方圖、雷達圖等方法。

四、數據驅動用戶畫像在高校個性化教育中的應用探索

用戶畫像是真實用戶的虛擬代表，并且強調以用戶為中心，以用戶需求為指引。借助用戶畫像將高校內大數據轉變為承載學生個性化特征和需求的信息，基于此可以幫助制定更加精準有效的個性化教育策略，并為學生提供個性化的學習內容和學習資源[7]。

（一）轉變個性化教育研究為科學范式

基于數據實證的教育研究作為一種實實在在、有數據支撐的研究范式，將沖破經驗邏輯的束縛，彌補經驗式缺少的可供分析判斷和佐證的依據。在個性化教育問題上，我們依托大數據進行科研實證，這將有助于轉變個性化教育模式和方法。

首先，在根源上為研究個性化教育問題提供了數據實證，學生特征及其需求可視化、可量化;其次，將用戶畫像作為分析個性化教育效用的工具，輔助進行個性化策略決策，使其更加科學有效;最后，在數據驅動用戶畫像的基礎上結合培養目標，幫助其更加科學地實施針對性干預。

（二）實現個體個性化和群體個性化

基于大數據分析的用戶畫像將幫助我們精確掌握個體學生、不同群體學生以及全體學生的特征偏好。首先，可以精準挖掘個體特征，實時掌握學生的基本特征及發展動態，不僅能夠歸納特征并因材施教，還可以洞悉其發展趨勢并給予相應的正向引導，或者發現可能存在的問題并及時解決;其次，通過用戶畫像發現大數據背后隱藏的群體性特征和發展規律，在實現個體個性化教育的基礎上，進一步實現群體個性化，以凸顯學校辦學特色和效率。

（三）追蹤動態預測趨勢，幫助采取針對性干預

一方面，動態性的數據和用戶畫像將可以實時監測和追蹤目標學生群體的變化，以此為基礎制定相應的教學計劃和策略，實時保障教育質量和效率。另一方面，利用數據分析和用戶畫像分析可以預測個體學生或學生群體學習行為的發展趨勢，以此為基礎采取針對性的干預措施，并給出個性化的學習建議和資源推薦。例如，對學生校園一卡通的消費記錄等其他交易數據進行實時追蹤和分析，提取其校園內的消費行為特征，并將此作為評定獎助學金的輔助信息。再比如，對部分逃課缺勤學生的宿舍出入記錄、校園出入記錄進行實時追蹤和分析，發現其在上課期間的行為軌跡，發現問題，并采取相應的調整措施幫助解決問題。

五、總結

用戶畫像尤其是數據驅動用戶畫像正在不同領域和場景下發揮著重要的價值和作用。在大數據時代，高校教育作為亟待改革的傳統行業，用戶畫像研究正展現出強大的滲透力和發展潛力。基于數據挖掘的用戶畫像，其優勢在于能夠從海量的信息中提取洞察學生的個性化需求和群體特征，為采取個性化教育決策和計劃提供理性可佐證的數據實證，而這將是真正落實高校個性化教育的核心。高校教育經驗化、劃一化的現狀急需改變，要突破傳統的人才培養模式和教育管理方法，有效利用信息化校園建設下產生的海量數據，提高高校人才培養和教育的現代化和效率。

參考文獻：

[1]楊德廣.楊德廣教育文選（第一卷）[M].上海：華東師范大學，2010.

[2]庫珀.交互設計之路[M].北京：電子工業出版社，2006.

[3]亓叢，吳俊.用戶畫像概念溯源與應用場景研究[J].重慶交通大學學報（社會科學版），2017（17）.

[4]徐艷.大數據畫像技術在高校思想政治教育中的應用[J].學理論，2017（7）：241-242，251.

[5]潘奇.基于大數據算法的學生行為分析系統的設計與實現[D].北京：北京郵電大學，2014.

[6]宋美琦，陳燁，張瑞.用戶畫像研究評述[J].情報科學，2019（4）.

[7]周進.大數據時代的高校個性化教育[J].高教探索，2016（5）.

編輯 馮永霞