基于大數據分析的學風建設以及學生管理工作探析

白 娟

（北京第二外國語學院，北京 100024）

大數據技術快速發展，人們工作與生活的各個方面都得到有效提升。大數據技術在高校的應用，為教育科學化發展帶來新的機遇。數據化已經成為高校智慧校園建設的任務，利用數據的采集、分析、計算、挖掘來支撐高校的信息化發展已成為未來戰略的必然趨勢。如何形成高質量的校園大數據分析體系，是目前亟待解決的課題。因此，基于大數據的視角，探索學生管理以及學風建設的加強改進工作，將是教育信息化研究的一個重要方向[1]。

1 數據建設的必要性

在數據建設工作中，要以校園數據為基礎，開展數據加工流程與服務，建設面向全校學生的大數據服務平臺，開展學生綜合畫像、綜合預警、心理健康分析、精準資助認定等應用，進一步提升學生管理工作的質量。

通過校園大數據平臺，詳細分析學生在入學、生活、學習、管理、畢業、就業等在校全生命周期內影響學風的有關因素，精細化治理學校的學籍、教學、科研、學工、辦公、一卡通、網絡認證、圖書等各類項目生產數據，提出影響學風的因素。從學生日常生活和學習入手，建立學風分析主題模塊，預研學風評價指標體系，同時，繼續深挖數據潛力，拓寬數據源，完善學生的生活軌跡大數據分析，形成學生綜合畫像，為更精準地服務學生、更快速地服務學校決策提供科學依據。

2 學生數據的獲取與處理

（1）數據采集。高校的學生數據來源主要包括業務系統數據，如：一卡通系統、教務系統、圖書管理系統、上網認證系統、學工系統等，通過對數據源分析，可以獲取到異構的各類數據，對于不同的數據源有不同的數據對接方式，可采取網絡爬蟲、數據庫導入、接口對接等方式[2]。

（2）數據存儲及檢索。主要包括：對數據的全量原始庫建設、分析模型建設、檢索平臺建設等；針對采集的全量數據及增量數據構建數據倉庫，實現業務系統數據的全量備份，同時，對原始數據倉庫進行數據清洗及標準化處理，如對認證計費系統、互聯網絡數據等海量分散數據進行清洗預處理，并分析適配，形成數據分析表、入庫存儲。

在半結構化數據和非結構化數據處理過程中，將殘缺數據、錯誤數據和重復數據進行分析，把結果集入庫，并記錄清洗結果，最后，建模分析，針對模型建立模型分析主題數據倉庫。

（3）數據智能預處理。采用清洗工具將采集的業務系統數據進行清洗，實現數據的標準化，建立涵蓋校園的全維度數據字段規范庫，滿足現有業務系統及擴展建設的業務系統標準數據平臺。

（4）數據挖掘算法。針對大數據業務系統，基于基礎模型和應用模型，采用機器學習算法、基礎算法、聚類算法、實時流計算等，實現對數據的建模分析。

（5）數據運維與管理。對整個數據采集、數據存儲、數據標準化、流程控制、平臺自動化安裝部署、Hadoop集群管理、服務節點管理、安全及權限管理進行統一管理和控制，可以極大地提升數據主體展現的質量，并降低數據運維的難度和工作量[3]。

3 學風建設整體設計

優良的學風是保證教育教學質量水平提升的重要條件，關乎高校未來發展的方向與質量。學風建設是全面推進素質教育、為社會培養高素質人才和校風建設的重要內容。

只有建設良好學風，培養學生“使優秀成為一種習慣”的思想意識，形成自覺提升自我的自我要求，才能積極推進教育教學改革，確保教育、教學質量的穩步提高，實現建設高水平大學的目標。學風評價時可從以下指標進行分析與診斷。

3.1 在校情況指標

學生在校情況包括學習紀律、考風紀律以及日常行為規范。學習紀律指標可以看出學生有無自覺遵守課堂紀律、能否自覺上自習、獨立完成論文等；在考風紀律方面，能反映出是否考風優良、有無考試無作弊等。日常行為規范反映學生是否自覺遵守大學生行為準則、有無重大事故等。

3.2 學生自主發展

通過早讀、自習、案例討論與分享等活動，發揮學習積極性，營造相互競爭、合作共贏的學習氛圍。從科技競賽、學習競賽、社會實踐、文體活動等方面反映學生課外活動情況，獲得學生的學習情況、科研氛圍和參與積極度[4]。

3.3 學習評價指標

采用多種形成性評價和總結性評價的手段與方法了解學生學習狀況，激發學生的學習興趣和熱情，形成教學相長的教學氛圍。例如，課堂出勤是反映學風的一個重要窗口，課堂出勤率、準時率、聽課認真情況等都充分反映了學風情況，通過數據評價加強對課堂紀律管理，嚴格、認真進行課堂考勤，準確、及時反映學生的學習狀況。

4 針對學風調查的現狀

本研究對1 258人發放問卷調查，統計結果如下：

（1）總體來看，大學生對自己的個人成長有較高的期望。在對個人學習成績的期望值方面共4個選項：優秀、良好、及格、無所謂。94.7%的學生對自己的學習成績有較高的要求，希望達到良好甚至優秀；3.7%的學生希望達到及格，另有1.6%的學生則無所謂。總體學習面貌積極，大多數人都希望能獲得較好的學業成績。

（2）在學習動機方面，選擇提升自身素質，以便在以后的社會活動中占據優勢，成為當代大學生學習的主要目標和奮斗動力。從學習目標制定來看，選擇提升素質、完善自我的學生占半數以上，達到55.2%；選擇報效祖國、服務社會的學生約為17.2%；選擇找份不錯工作的學生也占到了16.4%；另外，選擇報答父母作為學習目標的學生占8.4%。當然，不知道自己的學習目標、處于盲目迷茫中的學生也有相當一部分，占到了2.8%。

（3）在開展學習情況方面，僅有8%的學生認為自己學習非常努力；認為自己比較努力的學生占31.5%；60.5%的學生認為自己學習不夠努力，超過半數以上。可以看到，學生學習的主動性和積極性還不夠，較多人滿足于完成老師布置的日常學習任務，缺乏主動的學習、探索精神。

（4）相當一部分學生輕視課堂教學，認為課堂講授不如自學。當前信息化時代，大學生具有較強的學習能力，能使用電腦等設備開展基于互聯網的在線學習，導致一部分學生忽視課堂學習，更愿意花時間和精力在感興趣的學習領域，尤其重視興趣學習和社會實踐。

（5）自控能力差是學生普遍面臨的問題。調查數據顯示，學生在自主學習過程中玩手機、沉迷于網游、在線購物、瀏覽視頻等現象頻繁出現，73.2%的學生反映在學習過程中很難徹底不碰手機，一旦使用手機，則要花較長時間在娛樂瀏覽上，影響學習效果和質量。由此可見，手機等電子產品成為影響學習質量的重要因素。

5 大數據技術在學風建設中的應用

5.1 個人綜合畫像

“綜合畫像”指根據行為數據建立用戶特性類別，收集與分析學生基礎信息、生活習慣、消費行為、學習行為等主要信息，抽象出學生的行為全貌，準確描述用戶特點，從而全面掌握學生的風格習慣以及學習偏好等。

建立學生個人信息統計、學習水平、作息習慣、上網習慣、社交關系、三餐規律、消費水平6個維度的個人畫像，為學生提供屬于個性化的標簽，并且進行成長狀況分析，為其提供行為畫像分析報告和未來發展決策建議，一方面，有利于學生了解自身情況以及和優秀學生的差距，另一方面，也能為老師和輔導員提供個性化的教學和管理建議。

5.2 群體畫像

針對專業或班級群體，對群體學習水平、作息習慣、上網習慣、社交關系方面的學生進行等級劃分，清晰地展示不同特征的學生群體人數；展示群體學生在校同學、老師、親屬的關系圖譜，并提取出來“學霸”“學渣”的具體人數，分析社交中心的學生和邊緣學生，為老師的教學提供依據。

5.3 行為軌跡分析

采集一卡通、WiFi等數據，建立個人軌跡模型（聚合庫），描繪軌跡數據。行為軌跡模型主要通過查詢學生的個人軌跡來定位學生位置，實現對學生的定位管理。另外，還可以進行樓宇使用分析、食堂就餐分析、群體行為軌跡規律以及對比分析等，確定全校學生訪問該樓宇的情況，包括訪問人員畫像、訪問的高峰時間等，便于實行安全、穩定的管理。

5.4 綜合預警

綜合預警可涵蓋“心理預警”“學業預警”“行為異常預警”等模塊，將學生一卡通、WiFi網絡和教務等信息進行數據關聯分析，建立不同種類預警分析模型。一旦學生偏離習慣性軌跡，就觸發報警閾值，按照普通、緊急、嚴重3個等級來顯示失聯、消費、網絡和沉迷等預警信息，通知輔導員等相關人員，方便老師及時介入，給予疏導和幫助，助其走出困境，規避可能面臨的風險，提升管理的及時性和有效性。

5.5 學業資助認定

根據學生在校期間一卡通消費、上網信息、個人信息等綜合分析，實時追蹤學生在校生活情況，對需要資助的學生進行認定，并針對不同貧困程度給出不同資助方案，精細地服務于資助工作；通過大數據進行分析、判斷，給出直觀、可視的數據展示，為學校的資助工作提供數據依據，并利用大數據技術分析學生在資助前后的變化，包括消費情況、生活情況、打工情況、運動情況等多個維度，完善資助方案。

6 關于學風建設的相關建議及舉措

（1）要充分發揮大學生的積極性、自主性，把學生作為主體。例如，安排部分老師（班主任或輔導員）深入學生生活，就學生各方面疑惑給予解答，加強引導，幫助樹立明確的目標，使學生積極投身于大學生活。

（2）對于教師來說，要改革教學方法，重視教學互動，激發學生的學習興趣和熱情，增強課堂吸引力；同時，開展宣傳引導活動，將優秀學習資源推薦給學生。不定期開展各類專業性學習拓展活動，吸引年級學生積極參與，對學風建設將起到一定的促進作用。

（3）充分發揮黨團的先鋒堡壘作用。學工戰線可充分發揮學生黨員、團員的先鋒模范作用，充分利用自身優勢，與青年學生積極互動，幫助其排憂解難，讓更多學生加入爭先創優的行列。同時，充分發揮學生會、學生社團等學生組織的作用，加強思想引導教育。

（4）通過調研發現，家庭因素對學生在校表現有影響較大。因此，在學生日常管理中，要注重家校互動、重視學生的感恩教育，使學生正確理解父母的用心，正視大學生活，感恩父母，從而建立正確的價值觀、社會觀，有助于積極開展學業學習。

（5）組織模范人物、優秀人物等開展關于人生、治學方面的講座。通過優秀人物的成長經歷分享，鼓勵學生追求自我提升，使學生形成強烈的成才價值觀。在良性互動下，有助于學生推動良好的學風建設。

（6）組織學生參與符合專業特色、有教育意義、實際鍛煉意義的活動，用多種方法調動學生參與的積極性，給學生搭建更為廣闊的舞臺。以各類專業大賽為契機，組織安排學生積極參與，根據不同學生的特點，設置多樣活動，讓每個同學都有屬于自己的舞臺，鼓勵學生投身專業學習，調動學生的積極性，使學生的能力得到提升。

（7）舉辦優秀學生事跡展及考研經驗交流會。榜樣的感召力是巨大的，舉辦優秀學生事跡宣傳，對同齡的學生感觸較大，會引起其反思，有較高的參考價值，引導其合理規劃自己的大學生活。

（8）積極營造爭先創優的氛圍。開展優良學風班級、文明寢室、優秀學生等系列評優活動，本著公開、公平、公正的原則，鼓勵學生積極參與其中，并舉辦表彰大會等活動，營造知優、創優、爭優的良好氛圍，完善獎懲制度，兼顧效率與公平，側重宣傳引導以及獎懲示范效應。只有加強學校學風建設，才能使學生圖書借閱量、體測合格率明顯上升，學生學業違紀率明顯下降，身體素質進一步增強，進而促使學習熱情和學習能力不斷提高。

7 結語

學風工作是學校的重要工作之一，影響著人才培養質量。加強學風建設，不僅要從基礎標準做起，使學生管理工作有章可依，使管理更加規范化、科學化，也要充分運用大數據技術，抓學風、促學業，為學生的成長成才創造有利條件。在構建數據模型時，既要關注學生的學業，更要關注學生的身心健康發展。學風建設是一項任重而道遠的任務，是一項艱巨而復雜的工程，需要不斷創新以及持續改進。

目前的數據分析存在一些應用方面的問題，比如：

（1）數據維度不夠豐富，不足以支撐大數據分析結果。由于大數據涉及的層面也非常復雜，變化快速，目前，數據采集的維度還不夠豐富，導致數據分析結果過于簡單，或者準確率不高。

（2）對課堂語音、圖像的分析缺乏AI智能平臺的支撐。對課堂行為的分析需要成熟的AI技術作為支撐，不斷學習、調整行為數據，才能得到越來越精確的結果。如果缺乏AI智能平臺的支撐，將難以實現對行為數據的分析。

（3）結構化、半結構化、非結構化數據無法高效處理，還存在部分數據不可用的情況，需要使用更成熟的治理技術進行統一化治理、管理。

（4）學習過程行為數據采集不全。如何將學生的學習行為完整記錄下來并進行相關分析，更好地了解學生的學習習慣，是目前需要繼續解決的問題。

只有不斷優化大數據分析，提高數據質量，完善數據分析主題模型，建立學風大數據研究的長效機制，才能不斷發揮大數據的優勢，助力學校學生工作管理，提高學生工作管理水平。