大數據背景下高職院校學生管理信息技術研究

閆 博，屈 滕

（陜西國防工業職業技術學院 陜西 西安 710300）

1 引言

高職院校在學生管理的工作領域中，應該重點關注大數據背景下的信息化建設，積極運用大數據技術創建完善的學生管理信息化系統平臺，在保護學生隱私的基礎上，有效處理各類學生行為數據信息，增強平臺應用的完善性和健全性，保證數據信息管理系統的應用效果，從根本層面提升大數據背景下的高職院校學生管理信息化建設水平。

2 大數據背景下高職院校學生管理學信息化系統的建設

2.1 學生管理數據共享中心的建設

目前，部分高職院校已經開始建設智慧性的校園環境。在此過程中，為了全面發揮大數據系統在學生管理中的重要作用，應遵循基本性的校園數據中心系統建設原則與服務系統建設的標準，運用大數據技術與人工智能技術等創建數據信息的共享中心與共享平臺，預防各部門在學生管理過程中出現信息孤島的現象，打造真正意義上智能化的學生管理系統。在此過程中，高職院校應該統一相應的學生管理信息化系統數據標準與編碼標準，合理在其中設定數據交換的規則、接口設計的規則等，如果已經應用了數據共享系統，就要進行接口的規范性處理、數據的創新性管理，使得各種數據都能集成化地處理、遷移性地分析，這樣在異構系統相互之間高效化交換數據信息、共享數據信息的情況下，可以打破傳統學生管理工作的數據壁壘。在此過程中，需要注意數據共享中心系統中應該設定統一性的數據池結構，提供數據共享方面、深入挖掘方面、預警方面的技術支持。

2.2 創建學生管理大數據分析系統

大數據分析系統在高職院校學生管理過程中具有重要的意義，是合理運用大數據技術的基礎保障，高職院校可以將數據共享中心當作是基礎部分，創建相應的大數據分析平臺和展示平臺，利用工作表的形式、圖表的形式、用戶看板的形式等將分析的結果展示出來，使得師生都能夠按照分析結果規范自身的行為，尤其是學生在了解自身數據分析結果之后，可以自主性地進行自我學習行為、生活行為與心理行為的管理，教師可以按照每位學生的數據分析結果，深入性地執行學生管理工作，配合高職院校完成學生管理的任務。首先，在建設數據分析系統的過程中，應該創建學生管理的關鍵性指標模型，通過數學分析模型算法的形式，挖掘數據信息、對其進行分析。其次，在創建數據展示系統的過程中，可以按照不同班級情況、不同宿舍情況等，將各類數據分析報告展示出來，這樣有助于進行數據的研究和管理。最后，可以在大數據系統中創建學生畫像數據集，利用此類數據集在學生日常考試、寫作業、生活、行為分析過程中都可以獲得相應的數據信息，綜合性地對每位學生學習、生活和心理等狀況進行研究。同時，還要在其中設定不同的系統，便于進行學生管理，例如：可以設計學生日常上網時間、消費數額的統計系統，了解學生是否有過長時間上網的現象、過度消費的問題。也可以建設學生出勤率的考察系統，分析學生是否有曠課的行為、逃課的行為，這樣在多個角度、多個層面、多個維度綜合分析學生數據信息的情況下，可以準確將每位學生的真實狀況展示出來，然后參考學生的大數據綜合分析結果，制訂完善的管理工作計劃。

2.3 創建數據預警的系統

高職院校學生管理的工作中，不僅要關注學生日常學習行為、生活行為與心理行為的管理，還需將安全管理作為主要部分。尤其是在新時期的背景下，高職院校學生的綜合狀況非常復雜，心理因素也很繁瑣，在各類因素的影響下容易出現校園安全事件，如果只采用宣傳教育的方式、日常定期檢查的方式，不僅無法及時發現安全隱患問題，還會導致安全管理工作處于被動的狀態。在此情況下，就應該使用大數據技術，實時性地從網絡平臺中了解學生行為數據信息，采集分析學生在高職院校中的上網數據、消費數據、門禁數據、圖書借閱數據、生活動態數據等，將數據信息輸入到預警平臺中，在出現失聯現象、掛科現象、疑似網絡貸款現象的時候就可以提出數據預警分析的結果，使得學生管理人員及時了解到預警信息情況，避免發生安全隱患。例如：對于其中的失聯預警系統來講，將失聯時間預知設定為12 h，如果超出12 h，還沒有將學生的行為數據信息采集出來，就可以懷疑學生沒有處在高職院校領域中，學生管理工作人員就要進行排查，以免出現失聯的安全事件。同時，也可以建設網絡沉迷預警的系統，將預警時間設定成為8 h，如果學生連續性上網超出8 h，就要分析研究學生是否有網絡沉迷的風險隱患，這樣在大數據預警系統的知識下，可以增強學生管理工作的科學化程度，從根本上規避安全風險[1]。

3 大數據背景下高職院校學生管理信息化實踐

3.1 強化學生行為數據的分析力度

3.1.1 學生學習行為數據信息的分析

高職院校使用大數據技術挖掘學生學習行為數據信息的過程中，主要是運用大數據平臺收集整合學生的檔案、選課、出勤、自主學習、成績等方面的數據信息。同時，還要搜集學生與教師之間互動、互相進行實踐創新的數據信息等，這樣在挖掘學生學習行為信息的情況下，能夠對學生的學習興趣、學習習慣與日常學習經驗等進行綜合性的研究，便于及時調整學生管理方向、學生教育目標等。在學生行為數據信息分析過程中，應該創建學習行為的預測模型，跟蹤性地了解每位學生的學習行為情況，一旦發現學生有學習的思想問題、行為問題或者心理問題，就應該綜合性研究數據信息內容，挖掘學生的潛能，然后進行個性化管理、人性化管控，積極帶領學生養成良好的學習習慣，采用趣味化的學習方式，增強學習的積極性。同時，還可以按照大數據分析結果了解每位學生的學習特點，然后綜合性運用指導方式與引導方式，帶領學生提升對學習的重視度，充分意識到全面學習先進技能與職業技術對自身未來發展的重要意義，達到良好的學生學習行為管理目的。

3.1.2 學生生活行為數據信息的分析

大數據技術的應用能夠全面分析學生生活過程中的行為數據信息，高職院校在進行學生管理的過程中，可以運用大數據技術挖掘與收集學生的生活軌跡數據消費數據，主要就是日常就餐方面、超市購物方面的費用數據，同時還有門禁記錄的數據、上網行為的數據等，利用校園一卡通中的信息來了解學生的日常生活行為情況，同時還能通過大數據技術研究分析學生的愛好信息、個性信息、生活圈信息等，這樣可以使得管理部門結合學生的生活行為特點，合理調整學生管理方向與規劃，從學生的實際情況出發，篩選最佳的管理措施與教育措施，增強學生管理工作的針對性。另外，還可以利用消費數據信息，將學生的貧困程度判斷出來，從根本上增強貧困生資助的精準度和準確性[2]。

3.1.3 學生心理行為數據分析

學生心理方面的管理也屬于高職院校學生管理工作中重點的部分，尤其是近年來，學生面臨著一定的學習壓力和未來就業壓力，很容易出現心理方面的問題，同時受到網絡中不同觀念的影響，心理也會受到損害。因此，高職院校在學生管理期間，可以借助大數據技術分析挖掘學生的心理行為數據信息，動態性地了解與掌握學生心理變化特點，研究是否存在心理品質問題或是其他問題。對于心理數據信息來講，主要是依靠輔導員進行反饋、心理咨詢測試、學生進行反饋等，為保證心理行為數據分析的準確性，可以創建心理預測的模型，一旦發現學生有異常的心理行為，就要給予一定的關注，針對性地開展心理輔導活動，以免出現心理抑郁的現象、心理孤僻的現象，盡可能地借助教育指導與管理方式，使得學生形成積極向上的樂觀的學習態度、生活態度與未來就業態度[3]。

3.2 完善系統的實踐應用制度

制度對于工作行為來講有一定的規范和約束作用，只有保證制度的完善性，才能從根本上實現學生管理過程中大數據技術的有效運用目的。因此，在新世紀發展的背景下，高職院校要想更好地借助大數據技術增強學生管理工作效果，就應該完善實踐操作的制度內容。首先，應完善相應的大數據技術應用責任制度，安排專業的人員進行大數據系統的訪問管理、更新管理和維護管理，統一其中的操作標準要求內容，精細性的執行審核工作與管理工作，一旦發現系統中學生的數據信息缺乏真實性、完整性或者是學生日常行為數據信息不能良好的分析，就要對相關的負責人進行懲罰，這樣可以從根本上增強人員參與工作的積極性。其次，應該統一相關的數據傳輸工作與存儲工作的標準規范，完善數據信息的安全管理制度，要求工作人員階段性地進行數據安全分析、數據風險研究，在維護所有信息安全性的同時，避免出現數據泄露現象、學生管理信息風險性問題。最后，應該科學制定大數據系統的應用權限制度與登記制度，這樣在合理規定應用權限的情況下，避免出現越權操作、數據信息被篡改的現象，從根本上維護所有信息與數據的安全性。另外，還需制定階段性更新的制度，保證系統中所存儲的學生行為數據信息屬于最新的信息內容[4]。

4 結語

綜上所述，高職院校在應用大數據技術進行學生管理信息化建設的過程中，應重點借助大數據技術挖掘、分析學生的行為數據信息，便于針對每位學生的行為特點、狀況等落實管理任務，確保在科學化運用大數據技術的同時，增強學生管理工作信息化發展水平。