基于大數據的高校教學知識管理模式研究

郭亞軍　袁一鳴　楊志順

DOI：10.3969/j.issn.1008-0821.2021.10.012

[中圖分類號]G302;G642.4 [文獻標識碼]A [文章編號]1008—0821（2021）10—0101—08

2018年9月，習近平總書記在全國教育大會上強調，加快推進教育現代化。2019年2月，中共中央、國務院印發的《加快推進教育現代化實施方案（2018—2022年）》提出：“開展大數據支撐下的教育治理能力優化行動，推動以互聯網等信息化手段服務教育教學全過程”。高校是一種典型的知識密集型組織，教學是高校工作的重要組成部分，更是承擔著傳授知識、培養知識經濟時代新型人才的重任，利用大數據等現代信息技術開展高校教學知識管理，有助于教學知識發掘與教學效率提升，促進教育現代化。

本文梳理了近年國內外大數據與高校教學知識管理相關領域的研究與實踐進展，在此基礎上提出一種基于大數據的高校教學知識管理模式，并為高校的教學知識管理提供實施建議。從學校全局出發，強化知識管理，克服教學知識的學科分割和部門分割，致力于高校教學知識資源數量積累、質量提高、結構優化，促進教學知識高效傳播與教學途徑擴展。

1大數據與高校教學知識管理研究與實踐

大數據（Big Data）的概念由2008年《自然》雜志發表的專刊正式提出，將大數據定義為“數據集的規模無法在可容忍的時間內用目前的技術、方法和理論去獲取、管理、處理的數據”。關于大數據的特征，最有代表性的總結是4V，即：容量大（Volume）、類型多（Variety）、速度快（Velocity）和價值密度低（Value）。教學知識是在教學互動的所有途徑中產生的顯性知識與隱性知識的統稱，包括在教學互動中產生的所有被文字、圖片等可視化手段展現的顯性知識，以及儲存在教師、學生等人的大腦中的經驗總結、教學需求等隱性知識。而關于知識管理，邱均平等認為狹義的知識管理是“對知識本身的管理”，廣義的知識管理還包括對與知識有關的各種資源和無形資產的管理。高校教學知識管理是指高校對顯性知識進行加工整合，對隱性知識進行挖掘開發，通過高效的知識分享與利用，構建出一個有利于教學知識在組織內部良性循環的結構體系，以促進知識創新和教學創新。

1.1研究現狀

國外在大數據與高校教學知識管理方面已有不少理論研究。Erickson S等在《大數據與知識管理：建立概念基礎》一文中闡述了大數據、商業分析與競爭情報等應該被視為知識管理的一部分。日本學者Nonaka Ⅰ等提出的知識創造SECI模型與知識螺旋模型是知識管理經典模型，闡述了知識在組織內部的4種轉化形式，知識通過在組織內部流轉而增值。Hargreaves D H是英國教育領域知識管理研究的先驅，他認為“創造知識的學校”的理想類型具有4個要項：審計組織本身的專業工作知識、管理創造新專業知識的過程、確認組織所創造的專業知識之有效性、傳播所創造的專業知識。

我國關于教育領域的知識管理研究可以追溯到1998年劉毓發表的《學校“知識管理”探微》一文，從組織結構、環境設施、決策機制和文化氛圍4個方面針對學校知識管理的實施提出建議。高校知識管理模式研究方面，夏晶構建了高校知識管理實施體系的燈籠模型;許霄羽等研究了E-learning環境下高校知識管理體系框架的構建與實現，提出E-learning環境下的高校知識管理是高校利用現代信息技術進行知識管理與創新的新興知識管理方法;張磊提出了借助大數據建設教學云平臺，探討了大數據環境下的教學知識管理。

縱觀國內外相關研究成果，已經在知識管理領域里有成熟的理論體系，也有不少學者在研究教育領域的知識管理，為本研究提供了有力的支撐。但現有研究尚未提出基于大數據的高校教學知識管理的完整框架，缺乏創建系統的高校教學知識管理模型。本文旨在開展基于大數據的高校教學知識管理研究，探討新的信息技術環境下的高校教學知識管理的創新發展，并提出一種基于大數據的高校教學知識管理模式。

1.2相關實踐

大數據推動教學變革方面已有不少實踐案例。可汗學院（Khan Academy）的教學輔助系統收集了大量的學習者在學習過程中所產生的學習記錄，用以追蹤和跟進學習者的學習記錄，以此來量化學習者的學習行為，了解學生的學習規律。美國奧斯汀佩伊州立大學（Austin Peay State University，APSU）采用的“學位羅盤”（Degree Compass）個性化課程推薦系統，是基于學習分析實現個性化教育的成功案例。美國普渡大學的“課程信號”系統，通過對個體學習者學習過程數據的分析，根據教育數據建立預測模型，識別存在落后風險的學習者并施行有效干預。

大數據促使學生自適應學習方面的實踐也在不斷探索中。Knewton自適應學習系統能夠在學習中不斷地監測學生的行為表現，根據個體學習特點和使用習慣，為其提供實時精確的學習預測，及時調整教學內容，引導學習者進入最適合個體特征的學習內容和活動，最終實現基于個性化推薦的自適應學習。卡內基學習公司（Carnegie Learning）的“認知導引”（Cognitive Tutor）系統在高中數學學習上的應用，根據學生回答先前問題的結果來制定后面的問題，以此實現自適應學習。

一些教育系統已經在借助大數據進行教學評價。北伊利諾伊大學（Northern Illinois University）的電子檔案工具，通過不同學院使用追蹤教學數據的電子檔案袋，來實現長期的、變化的學習評價。田納西州的增值評價系統（Tennessee Val-ue Added Assessment System，TVAAS）是將基于大數據的科學化評價方式應用于教學的典型案例之一，該系統對學生學習成績和表現進行常年的追蹤和分析，從而實現對學校教學的成果的評價。

大數據還在促進教育管理變革方面發揮著獨特貢獻。科羅拉多大學（University of Colorado）的大學信息系統（University Information System，UIS）是基于數據集成化處理的高效、安全和可靠的學校信息管理系統。北京市通州區南關小學依據調查數據為教師制定個性化發展規劃，利用“貍米數學”等應用軟件為教師提供教學數據分析報告，并借助第三方機構評估教學效果。

國內外已有較多的將大數據應用于教學知識管理方面的實踐案例，需要進行總結和提煉，與理論相結合，形成基于大數據的高校教學知識管理模式，以利于更廣泛的參考與應用。

2基于大數據的高校教學知識管理模式構建

高校作為一種集教學、科研與社會服務于一身的知識密集型組織，在運行過程中會產生海量的教學知識與教學大數據。教學大數據是指在教學環境中，教育者和學習者在教育系統的注冊數據以及在所有教學途徑中對教學互動過程的記錄數據等，與教學知識不同的是，教學大數據更為底層、零散，一般不能作為高價值密度的知識在組織內傳播利用。通過知識管理可以收集這些教學知識與教學大數據，利用大數據分析技術從中挖掘教學知識需求并為之做出教學調整，解決教學知識流動分享反饋中的障礙，實現知識在組織內部良性循環。

參考相關理論研究與實踐基礎，本文構建一種“基于大數據的高校教學知識管理模式”，如圖1所示，以提高教學效率，擴展教學途徑，促進知識在組織各部門以及人員間流動為目標，使教學知識在組織內部從收集管理到深層挖掘開發，到交流共享，再到作用于教學途徑拓展，最后通過教學成果反饋再回歸到教學知識收集管理，形成良性循環。

2.1教學大數據與知識收集存儲

教學大數據與知識收集存儲是教學知識管理的第一步。通常認為，數據經過加工提煉后形成知識。在教學環境中產生并分布著大量的數據與知識，這些是教學知識管理活動進行的基礎。

教學活動中的數據多種多樣，按照其獲取方式可以分為顯性數據與隱性數據。如學生在教務管理系統中的注冊信息、興趣標簽、已選課程、課程練習成績、課程總成績、課程評分、討論、評價等內容，這些都是已經顯示在二維表或是文檔中的顯性數據。對于這樣的數據一般可以直接儲存調用。而類似于學生在學習軟件上搜索的關鍵詞、瀏覽內容及次數、學習時間、翻看討論內容時間、下載文件、拖動滾動條次數、視頻暫停次數、瀏覽器收藏記錄等屬于隱性數據，這些數據需要視頻監控技術以及在線學習平臺管理技術等進行采集。同理，按照儲存方式也可以將以上數據分為結構化數據與非結構化數據。

除了這些還未提煉成知識的數據，還有大量的已形成的知識。按照其存在形式與可傳遞程度可以分為顯性知識與隱性知識。如學生在上課時所做的筆記，老師手中從教學設計、教學實施到教學測試所涉及的各種文字、圖像、聲音、音像資料以及圖書館中大量存在的專業書籍，這些能用文字與數字來表達，而且以資料、科學法則、特定規格及手冊等形式展現的皆屬于顯性知識。對于這種知識應進行合理的分類匯總，建立相應的集合，比如優秀學科筆記集、課件庫等。而隱性知識的存在形式較為抽象，指的是“尚未被言語或者其他形式表述的知識，譬如在做某事的行動中擁有的知識”。這是一種相當個人化而富彈性的東西，因人而異，很難用固定的模式加以說明，因此在人與人之間流動存在一定困難。對待這兩種知識的管理就是要促進顯性知識與隱性知識的相互轉化與自我轉化。要進行知識創造就要先實現知識轉化。高校在進行教學知識管理過程中可以鼓勵教學人員通過學術交流會、學術報告等將頭腦中的經驗、直覺等相關隱形知識表現為文字形式記錄下來，整理為可讀、可見、可聽的顯性知識，列入相對應的知識庫。

2.2教學大數據挖掘開發

在初步建立了教學大數據庫之后，就要對教學大數據進行挖掘開發。一般來說，價值密度的高低與數據總量的大小成反比。由大數據的數據體量大的特點，可知大數據的數據價值密度較低122]。只有對教學大數據進行挖掘加工之后形成知識，并對教學知識管理過程中的決策起到一定的支持作用或影響，教學大數據的價值才能被體現出來。

數據挖掘是指從大量異構化的數據中提取或“挖掘”知識的方法和應用，具體來說就是從海量、多源大數據中進行處理和分析，自動發現和提取隱含的模式、規則和知識，通過可視化并融合為便于人類理解的方式進行展現。而教學大數據挖掘開發則是將數據挖掘運用于教學大數據，從高校教育與學習中產生的數據出發，挖掘出類似于學生在哪方面學習進度快、學習偏好明顯以及學習效率較高等有利于支撐教學決策的知識，并根據這些知識對教學進行一定的調整;或是挖掘出某些教學者的教學技巧、專家智慧等，通過吸收這些知識，提升整體教學者的教學質量。

可汗學院的教學輔助系統內儲存了數十億條已經完成的學習記錄，通過對這些教育大數據進行挖掘開發，可以得知學習者在學習過程中對哪些課程較為吃力或感興趣，從而針對這些難點或興趣點實施重點講解。“學位羅盤”個性化課程推薦系統首先收集某學生過往的成績記錄，再通過與已有數據庫中已畢業或者是高年級的學生過往成績進行比對，找到相似的學生，并把他們的課程表推薦給這個學生，從而進行課程個性化推薦。這些從學生成績大數據中挖掘出課程選擇趨向的案例正是將大數據挖掘技術應用于教學過程的典型。普渡大學的“課程信號”系統通過實時監測學習者的學習數據并通過分析算法建立預測模型來挖掘學習者的學習進度趨勢，預測可能存在學習進度滯后或者學習可能存在困難的學生，并及時通過“紅燈預警”來提醒學生本人或者是負責其學習的教師。這是在教學大數據挖掘分析的基礎上，獲得影響教學決策的知識信息。

2.3基于大數據的教學知識共享

在經過加工將大數據提煉形成知識后，下一步要使知識在高校組織內部高效流動傳輸。從知識共享的角度來說，知識管理的一個目標就是要將組織內的知識有效、及時地傳遞到需要它發揮作用的人或場所。所以運用大數據技術進行教學知識共享承載著高校教學知識管理中知識傳遞的任務。

教學知識共享從知識分布的空間維度來說，就是促使知識從富集的地方向知識儲蓄較為薄弱的地方流動，或是若干個地點知識儲存各有偏向，通過大數據技術共享知識來取長補短。具體來說就是通過大數據云共享高校的教學數據庫，一個學校的數據庫內的知識數據可能不足，但是一旦通過大數據技術實現高校知識共享，那么這個群體的知識儲量將會是非常可觀的。而從單個學校的教學層次維度來說，教學知識共享就是促使專家智慧等隱性知識從高教學層次的專家向下層學習者流動。隱性知識由于其存在形式較為抽象，在知識共享流動中存在一定的障礙，而通過大數據技術進行專家系統的構建可以在一定程度解決隱性知識共享的問題。比如，某個領域的專家將在進行課題研究時碰到的各種突發情況以及應對措施錄入知識庫中，讓其他人員在遇到類似情況可以通過專家系統找到并學習相關的處理措施，使得作為隱性知識的專家智慧更加便捷高效地流動至需求者。

由比爾及梅琳達·蓋茨基金會和卡內基公司共同支持的共享學習協作（Shared Learning Collabora-tive，LLC）項目搭建了一個基礎的、與數據源無關的、開放源代碼的數據集成平臺，提供用以儲存學生學習數據的云平臺，存儲的內容包括學生的學習成績、表現、出勤等，在數據兼容方面表現良好，可以容納各個學校不同格式的數據，提高了數據的共享程度和調用訪問效率。多國語言教學平臺多鄰國（Duolingo）在某一學習主題的“討論記錄”板塊中記錄了學習者有關這一主題的所有討論，使得這一主題的知識可以大量擴充，并且通過對大量群體認知過程特征數據的可視化處理，為學習者提供大量的不斷更新的學習資源。而通過這一板塊，相關的專家也可以將專家智慧通過討論的形式傳播給學習者，實現專家智慧與知識的共享。

2.4基于大數據的教學途徑擴展

無論是建立跨高校的大數據知識共享平臺，還是跨教學層次的隱性知識共享，其目的都是讓學習者跨出時空限制，把教育者授教途徑拓寬，讓學習者隨時隨地在想學習知識的時候就能進行自主學習。通過大數據技術，可以使教學知識管理更好地為拓展教學途徑這一目的服務。

新課改提倡在學校教學過程中，教學的主體應該是學生，而高校作為學生自主學習研究的場所，更應該實現學習自主化、個性化和多樣化。教學途徑擴展可以通過自主學習平臺，或者是課外討論的形式來進行。比如前者，學習者可以通過大型開放式網絡課程平臺MOOC來利用自己碎片化的時間學習;而后者，高校可以利用大數據技術構建一個知識定位系統，來記錄某些專業最全面權威的知識儲存于哪些專家，當學習者需要進行這部分的學習時，最簡單便捷的方式就是通過知識定位系統聯系到該專家，通過學術交流來學習到相關專業知識。而不論前者還是后者，大數據技術在里面都發揮了支撐性的作用。

以“課程應該適應每一個用戶”為核心理念的Knewton自適應學習系統就為學生自主進行個性化學習提供了一個良好的途徑，系統通過監測學生動態的學習數據，實時調整學習內容，如監測到出現學習困難的學習者時，會主動降低課程的難度，直到學習者能夠學會該課程，然后通過學習者的學習結果再增加難度。對于同一課程不同學習能力的學習者，進行不同難度的教學，以此來實現自適應學習。中國大學MOOC（慕課）網，為學習者提供了一個全科知識教學平臺，除了專業知識的學習，還提供專業證件考試相關的知識以及考研知識。多語言教學平臺多鄰國，為學習者提供了一個在課堂之外學習外語的方式。諸如此類的學習平臺還有FiF口語訓練軟件、作業批改平臺批改網等。

2.5基于大數據的教學成果反饋

通過將教學大數據收集挖掘成知識運用到教學知識管理的各個環節之后，要建立相應的教學成果反饋機制，來檢驗基于大數據的教學知識管理成效如何。如有不足，哪些方面需要改進;如效果良好，又有哪些地方還有提升的空間。而這些反饋信息，將為教學知識管理提供源源不斷的數據信息源，在教學知識管理體系中形成良性循環。

教學成果反饋可以從兩個方面進行。從學生的學習效率方面，可以通過收集學習平臺內儲存的學生的學習進度、學習方法、學習態度、考試成績以及教師安排目標的完成度等，來對學習者的學習成果進行一個較為綜合全面的評價。在教師教學效能方面，可以從兩個角度進行，一個是在教師教學過程中的參與程度與施加影響的程度，一個是在教師指導下學生的學習成果，都可以作為評判教育者教學效能的參考。大數據在教學成果反饋階段發揮的作用就是，通過大數據學習平臺收集這些學習成果數據和日常教學中產生的教學進度數據，加工整理提供給決策者，并記錄入庫作為新一輪知識管理的數據源。

北伊利諾伊大學的電子檔案工具NIU，從進行某階段學習開始之前，到這一階段結束之后，完整地記錄本階段學習過程中學生的基礎知識掌握情況，以及這一階段中學生產生的課程反思，與老師的書面溝通情況等，不但能夠得到例如學習成績提升這種顯而易見的評價，還可以得出對學習者思維能力與溝通能力這種難以通過考試體現出的能力的評價。田納西州增值評價系統（TVAAS）通過對學生進行多年的學習追蹤以及能力評測，通過學生的表現來對教育者甚至學校的教育效能進行評估，并且系統默認教師的影響力并不會隨著該門課程的結束而消失，而是通過在很長一段時間學生的學習成果來評測教師對學生的影響力，這樣的模式很大地提升了評估的準確度。美國弗吉尼亞州費郡公立學校學區（Fairfax Country Public Schools，FCPS）的電子課程評估資源工具通過數據采集、數據分析處理以及基于數據的決策等實現對學生表現的多元化評估。

3基于大數據的高校教學知識管理模式實施建議

為了把基于大數據的教學知識管理模式落實到高校教學實踐中，還需要建立相應的大數據基礎設施，采取合適的管理措施等，主要體現在以下幾個方面：

3.1建設基于大數據的高校教學知識管理基礎設施

校級統一信息系統具有6個核心要素：基礎設施、數據、用戶、應用、權限與管理流程，其中基礎設施包括：統一管理的機房、網絡、服務器、存儲、數據庫、管理軟件等。而要進行基于大數據的教學知識管理，一般要從以下4個方面建設基于大數據的高校教學知識管理基礎設施：數據庫建設、大數據挖掘系統建設、信息交流網絡建設、用戶終端建設。

數據庫是整個基于大數據的教學知識管理體系的物理基礎，其職責是將教學過程中產生的數據與知識進行系統的存儲管理，以便數據挖掘和教學管理決策使用。選址上一般可將高校圖書館作為最佳地點，這里的數據庫存放著大量已經成型的顯性知識，有著一定的數據管理人員基礎和技術基礎，數據庫擴展較為便利。大數據挖掘系統作為整個體系中賦予數據以價值的部分，是整個體系中大數據技術的核心體現。通過知識挖掘算法、索引規則等，對各類信息資源數字化，并對數據進行處理和分析，使得文獻的揭示由表面信息深入到各類文獻之間的復雜關系，將不同知識節點之間內容的、形式的多重關聯關系充分揭示出來，來幫助用戶發現潛藏在數據背后的信息與知識。信息交流網絡是支撐著整個體系的知識傳播，沒有一個完善的信息交流網絡，高校組織內的信息高效利用就很難實現。一方面，信息交流網絡建設就是要建設完整的校園網絡，包括但不限于校園網基站、校園網管理系統等，有這些基礎設施作為物質保障把整個高校連接成一個整體，信息的交流才能順暢;另一方面，教育者與學習者通過課下交流形成的非正式的交流網絡也是值得注意的。用戶終端作為教育者和學習者與教學知識管理體系的接口，它既是數據收集階段教學大數據產生的地點，又是教學成果反饋階段中反饋數據的來源。用戶終端建設一般以軟件的形式，通過用戶的手機、便攜電腦等移動設備來實現用戶與整個體系的信息交換。

3.2增加以文獻資料為核心的顯性知識儲備

高校不但肩負著教書育人的義務，作為科研的重要場所，還應該把科學研究與創新作為己任。不論是作為教學知識來源，還是作為科研理論支撐，教學數據庫中顯性知識的儲量與質量就顯得尤為重要。

通過搭建基于大數據的跨校際的文獻共享平臺等措施，可以使不同高校間文獻數據實現共用共享。單個高校可能會因為學科偏向等原因，存在強勢學科文獻資料多，其他學科文獻資料較少的情況，而當高校結成聯盟互相取長補短，文獻資料的數量將是相當可觀的。當然這樣的聯盟實現起來存在一定的困難，比如文獻資料相對充足的高校可能會不愿意與文獻資料相對匱乏者進行共用共享，這時候就可以采取一定的文獻資料占比評價機制，通過一定的運算規則對每個學校所提供的文獻資料的數量質量等進行評估，計算出該校所貢獻文獻占高校聯盟總體文獻的比重，然后按比例對總體文獻使用時間或是下載數量等進行公平劃分。這樣每個學校的顯性知識的儲量將會大大增加，有利于高校多學科教育均衡發展，科學研究文獻支撐更加豐富。

3.3促進以專家智慧為代表的隱性知識大數據化

在高校教學知識管理過程中，隱性知識也占據著大量的比例。隱性知識具有模糊性、隱蔽性、復雜性、意會性等特征。隱性知識是個人長期經驗和本身擁有的知識，較難用語言、文字和數據等形式進行表達、傳播，不具有復制性。高校教學知識管理過程中，除了需要對顯性知識進行管理，還需要加強隱性知識顯性化的運用。

隱性知識的特點決定了其在知識共享過程中會存在一定的困難。這時就可以通過大數據技術來實現隱性知識大數據化，使得隱性知識的流動共享更加便捷。具體的措施可以通過大數據技術構建知識定位系統或知識地圖。專家可以將自己的隱性知識轉化為數據內容，上傳教學知識地圖，當學習者在學習研究某一課題時，可以通過知識地圖查詢到該課題的專家及其研究數據，吸收相關的專家智慧;另一方面可以構建基于大數據的學術虛擬社區，在社區分版塊進行學術交流討論，專家學者們通過在社區以文字交流討論的形式實現隱性知識的“群化”與“外化”，并且把交流討論的內容上傳至教學知識庫之中，當有學習者想搜索某一方面的知識，就可以直接在社區搜索并獲得相關結果。

3.4引入基于大數據的自主學習平臺

在基于大數據的教學知識管理模式下，將大數據運用于教學知識管理，一個重要的目的就是促進教學多樣化、個性化。通過大數據學習平臺可以使學習者擺脫學習的時間與空間的限制，隨時隨地通過多種途徑進行學習，而通過大數據挖掘技術進行的平臺學習數據挖掘分析，通過對用戶行為偏向以及相似性對比，對學習用戶實現個性化知識推薦，以此來實現個性化學習。

市面上可以實現自主化學習的平臺多種多樣，如中國大學慕課、網易云課堂、騰訊課堂、新東方在線等，高校可以與這些學習平臺進行合作，利用平臺進行在線教學，學習者平時在教室學習存在的問題，都可以利用這些平臺的教學知識庫進行課下學習彌補，而學習者的學習結果等情況也可以及時地反饋給教學者。除了這些專業的學習平臺外還有很多社會化問答平臺，如微信公眾號、Yahoo An-sweis、知乎等，也可以作為學習者補充知識的途徑，高校可以通過開設微信公眾號來進行知識分享，前端面向學生進行知識服務，后臺接入高校的數據庫，提供一條對學生更加便捷的知識傳輸途徑，實現知識學習方式的多樣化。

3.5營造自主學習和知識共享的文化氛圍

在基于大數據的教學知識管理模式中，一個積極的自主學習與知識共享的文化氛圍也是不可或缺的。一方面，大數據學習平臺的引入以及基于大數據挖掘的知識推薦，想要讓這些措施的成效真正落實到學習成果中，還是要學習者自主地進行學習;另一方面，為了促使知識在高校組織內良性循環，也要使得教育者或是專家們主動地進行知識共享。在這種情況下，文化氛圍的熏陶作用就顯得較為重要。

高校可以通過類似于學術微沙龍這樣的宣傳活動對學生進行思想教育，還可以建立相應的考核制度，提升自主學習平臺上的學習時間、頻率與進度等在學科考核中所占的比重，對自主學習較為積極的學生適當地給予學分獎勵，以此來激勵學生自主學習的意愿。而知識共享方面，對于教學知識管理過程當中積極分享其智慧、知識的教學者與專家，可以結合其日常教學科研表現，在對其聘用、晉升、獎懲、津貼分配的考慮方面加分，給予積極進行知識共享的人員以人文關懷，激勵教學者與專家發揮其在教學知識共享過程中的主導作用。這樣，營造教育者與專家們積極進行知識分享，學習者積極進行自主學習的文化氛圍，既解決了知識共享的障礙，又提高了知識吸收的效率，有利于實現知識在高校教學知識管理模式中的良性流動循環，實現教學創新的可持續發展。

4結語

結合大數據技術與教學知識管理的發展，構建基于大數據的教學知識管理模式，通過對教學大數據中過程性數據挖掘分析，可以更有效地幫助學生高效學習，大數據技術與教學平臺的出現為學習者自適應學習奠定了基礎，基于大數據的教學評價體系也推動著對教學過程進行完整、全面、動態的質量監控，讓學習者遠程自主學習的進行有了完善的控制手段。

基于大數據的教學知識管理在未來可能會更好地與遠程學習結合，在云端就能實現高校的教學、考核以及畢業資格授予。通過大數據技術，對教學大數據進行挖掘、分析與教學評測等，可以實現學習者高效的個性化學習。大數據技術的發展使得高校教學知識管理有了新的發展形式，使得云端校園的存在有了一定的可能。

（責任編輯：郭沫含）