大數據技術在高職院校中的研究與應用

摘 要：大數據是近年來非常熱門的一門技術，在社會各個領域都有廣泛的應用。而高職院校擁有豐富的教育大數據資源，為了更好地完成學校教學、科研、學生管理等各項工作，可利用大數據技術對其進行分析，從而真正實現智慧化校園。

關鍵詞：大數據;高職院校;智慧化

0 引言

高職院校經過多年的信息化建設，其日常運轉的行政、教學、科研、一卡通消費等眾多領域均有相應的信息系統的支持，積累了豐富的存量數據，此外每天還會新增大量的數據資源。因此，如何有效利用教育大數據資源已成為擺在高職院校教育工作者面前的新課題。采取科學的方法對這些數據進行分析和挖掘，并進行科學合理的應用，可加強高職院校的日常管理，提升高職院校的教學科研水平。

1 高校大數據應用現狀

2018年4月，教育部印發《教育信息化2.0行動計劃》，要求深化教育大數據應用，全面提升教育管理信息化支撐教育業務管理、政務服務、教學管理等工作的能力。充分利用云計算、大數據、人工智能等新技術，構建全方位、全過程、全天候的支撐體系，助力教育教學、管理和服務的改革發展。以人工智能、大數據、物聯網等新興技術為基礎，積極開展智慧教育創新研究和示范，推動新技術支持下教育的模式變革和生態重構。

目前，國內許多高校都已經建立了專門的大數據研究機構，致力于教育大數據的相關研究。例如，復旦大學成立了數據中心與數據分析平臺，為教師和學生的教學、科研提供支持。陜西省則依托西安交通大學，建立了陜西省高等教育大數據服務平臺，為教育部門開展高校評估提供了強有力的數據支撐。高職院校由于其自身的特殊性，在大數據研究和應用方面還處于探索階段，與本科院校，特別是重點本科院校相比存在著不小的差距，但是高職院校的學生管理、教學、科研、財務、人事等日常工作同樣會產生海量數據，大數據技術在高職院校中的應用勢在必行。

2 大數據技術在高職院校中的應用

在大數據時代，高職院校只有借助大數據技術用好教育數據資源，才能更好地開展學生管理、教學、科研、財務、人事等日常工作，才能提高學校的信息化水平。本文主要從學生學習行為、畢業生就業情況、貧困生資助、校友聯絡、教師科研、教學評價等方面利用大數據技術進行分析，挖掘其潛在價值。

2.1 學生學習行為分析

在學習方面，高職院校學生普遍存在學習熱情不高，自主學習能力弱的現象。為了激發學生的求知欲，引導他們養成自主學習、持之以恒的好習慣，可以利用大數據技術通過學校在線學習平臺觀察學生的學習情況并進行數據采集，分析學生的學習過程和學習行為，然后根據學生的需求進行個性化和差異化的課程推薦。同時也可以利用算法獲取學生改變學習狀態的優化方法，設置更加優化的學習路徑，提高學生的學習積極性，讓學生在課程學習方面能夠投入更多的時間、制定合理的學習計劃，并最終提高學習成績。

此外，教師也可以隨時調取學習行為數據和分析結果，并且能夠利用平臺和目前學習存在問題的學生進行交流，幫助學生調整學習狀態。

2.2 畢業生就業情況分析

當前，特別是發生新冠病毒疫情以來，高職院校的就業形勢越來越嚴峻，畢業生的就業壓力越來越大。傳統的就業情況分析，主要從畢業生的院系、專業、性別、就業年份、就業地區、就業單位等維度來展開分析，得到的往往只是普遍的、一般意義上的統計結果，對于預測未來就業情況和指導單個學生方面作用十分有限。

利用大數據技術，建立高職院校畢業生就業模型，并將學生在校時的學習情況、生活情況、獲獎情況、參加的學生社團信息、校外頂崗實習信息、參加的競賽、用人單位的招聘計劃、往屆學生在其用人單位的表現情況等信息進行收集和整合，存儲在數據庫進行數據分析后，對在校生提出預警，以便其在以后的學習中加以改進;并為畢業生提供個性化服務，推薦合適的就業崗位。

2.3 貧困學生資助分析

近年來，由于高職院校的擴招與收費制度的改革，在校生人數不斷增加，貧困生人數偏高的問題也日益突出，并成為社會各界關注的焦點。

利用大數據技術，可收集學校教務系統、一卡通系統等信息系統中的學生基本信息數據和消費信息數據，并采用Apriori關聯規則挖掘算法，進行特征提取，通過對比分析貧困生家庭成員是否患病、兄弟姐妹數量、是否獲得獎學金、是否參加勤工儉學、食堂消費水平之間的關聯關系，為高職院校的決策者和管理者提供解決對策，比如需要重點關注哪一類貧困生，是否還要適當增加勤工助學崗位，是否需要增加獎學金金額等，最終使真正需要幫助的貧困生受益。

2.4 校友聯絡分析

校友資源是高職院校的寶貴財富，對學校的宣傳工作、招生就業工作的開展，以及對學校今后的發展都有很大的幫助。傳統的校友信息收集工作，主要靠人力完成，不僅費時費力，而且準確性也不高。

利用大數據技術，通過網絡爬蟲從微博、微信、社交論壇等網絡途徑收集各類結構化、非結構化數據，并使用分類和聚類的數據挖掘方法，在確定校友身份后收集其工作單位、聯系方式、參加的活動信息等，可大大提高校友信息收集的效率，并為以后利用校友資源打下良好的基礎。

2.5 科研工作分析

一個優秀的高職院校除了教學工作外，科研工作也是其生存立足的根本。重教學輕科研已不能適應當今形勢，教學、科研工作應當兩手抓、兩手都要硬。傳統的科研工作，前期需要去知網、萬方、維普等數據庫搜索資料，后期需要人工進行整理分析，科研工作的效率低，周期長。

大數據技術可以提高科研工作的效率、節省科研工作的成本，對于項目的選題、項目資料的收集、項目團隊的組建，以及項目完成后科研成果的匯總工作都有很大的幫助。

2.6 教學評價分析

教學評價是高校依據教學目標對教學過程及教學結果進行價值判斷并為教學決策服務的活動，是對教學活動現實的或潛在的價值做出判斷的過程。教學評價對研究教師的“教”以及學生的“學”具有重要意義。高校一般在每個學期末進行教學評價，教學評價是教學過程中的一個重要環節，對提升教學質量和提高教學效果有著積極的作用?？茖W合理地運用大數據手段開展教學評價，一方面有助于任課教師了解學生對該課程的接受程度和學習需求，收集教學意見等，為教師今后教學方案的調整和教學方式的改進提供依據;另一方面，運用大數據手段還有助于高校對教師教學質量的監督和管理，促進學科課程建設。此外，運用大數據手段可以對不同學生的教學評價數據進行分析，通過聚類、關聯等數據挖掘技術，構建差異化教學數據分析模型，對具有不同學習需求的學生分類，以便教師提供精準化教學服務。

3 結束語

在大數據背景下，高職院校需要進一步加強信息化建設，改變以往高職院校工作效率較低的問題，充分利用大數據優勢和互聯網優勢，提高高職院校工作效率。高職院校管理和教學人員，也要持續不斷地創新工作理念，轉變工作方式，調整工作內容，并結合大數據時代的特點，實現高職院校的教學和管理目標。此外，也要充分認識到大數據在高職院校信息化建設中的重要意義，對大數據在信息化建設的價值要有更深的認識，不斷加強高職院校大數據人才隊伍的培養和建設，打造“智慧型”校園，實現高職院校整體工作效能和教學、管理水平的提升，為學校今后的發展提供良好的技術保障和支持。

參考文獻

[1]李江靈.大數據挖掘在高職院校智慧校園建設中的應用[J].電腦編程技巧與維護， 2019，（12）.

[2] 魏秋彥.大數據技術在高職院校智慧校園建設中的應用[J].計算機產品與流通， 2018，（11）：174.

[3] 龔明明.探究大數據挖掘在高職院校智慧校園建設[J].電腦迷， 2018， 115（12）：174.

[4] 張小寒.大數據挖掘在高職院校智慧校園建設中的應用[J].電子測試， 2018， 000（011）：135-136.

[5] 宋偉.大數據分析在高職院校教務管理信息系統中的應用研究[J].藝術科技， 2018， 31（09）：205-206.

[6] 唐燕， 劉仁權， 王蘋.基于Hadoop的高校大數據平臺的設計與實現[J].信息技術， 2017，（12）：105-109.

[7] 史洋.大數據驅動的智慧校園服務平臺建設研究[J].科技創新導報， 2017， v.14;No.426（30）：133-133.

基金項目：重慶城市管理職業學院校級項目（2020KYXM003）

作者簡介：韓永征（1984- ），男，河南新野人，數據庫系統工程師，碩士研究生。主要研究方向為大數據、計算機信息管理。