基于多維模型下開放教育思想政治教育數據分析與評價方法初探

張 海

（福建開放大學，福建 福州，350013）

一、開放教育的發展分析

開放教育學生的學習渠道多樣、學習課程豐富、學習時間靈活，由于獲取信息途徑過于容易，造成學生將過多的時間花費在社交和娛樂上。

（一）開放教育的發展與愿景

開放教育是整個教育體系中的重要組成部分。開放教育的發展愿景是建立一個更加包容、靈活、創新和普及的教育體系，以滿足不斷變化的社會需求和學習者的多樣化需求。

隨著大數據、5G、AI（人工智能）等數字技術的迅速發展，開放教育的教學手段、教學內容、學生范圍也發生了很大變化。目前以智能手機為基礎學習媒介，利用智能手機中各類App 形成了交互式學習模式，構建了良好的學習成果反饋機制。通過提供靈活的學習機會，破除地理和經濟上的教育障礙，根植持續學習的教育理念，實現包容平等的教育機會。

（二）開放教育的特點、優勢

目前，開放教育模式和傳統教育模式相比有其獨特優勢：學習人群多樣、學習媒介多元、學習時間靈活、學習內容豐富。

1.學習人群多樣

開放教育性質特點，其學生的年齡、職業、基礎學歷、人生閱歷等方面呈現多樣化，形成了龐大而多樣的學習群體。

2.學習媒介多元

早期開放教育以“廣播電視”為主要媒介，隨著互聯網的發展，開放教育的學習媒介也呈多元化。如有各類在線課堂、教學App、MOOC 平臺等。

3.學習時間靈活

開放教育是以學生和學習為中心，以學生自學為主，面授為輔，實現“人人、處處、時時”可學可考的終生教育模式。

4.學習內容豐富

目前基于各類的學習媒介構建了豐富的學習內容，如：學習課程種類多，知識點全面；實現可交互性的學習，并能快速檢驗學習成果。

（三）開放教育面臨的困局

現代開放教育模式和傳統教育模式相比具有獨特的優勢，同樣也面臨各種問題，其中最為突出的是難以開展思想政治教育工作，主要體現在以下幾個方面。

1.學生身份、年齡多樣，不利于思想政治教育內容和形式的編排

開放教育學生的年齡、身份、社會閱歷、教育背景有著較大的差異，難以采取統一合適、合理的思想政治教育內容，給思想政治教育工作帶來了挑戰。

2.無法與學生面對面深入溝通，導致思想政治教育效果不好

由于開放教育的特點，難以有效地組織全部學生進行面對面的溝通交流，導致思想政治教育的效果不好。

3.學習媒介過于豐富引起過度娛樂化，導致學生思想意志不堅定

開放教育主要通過各類學習媒介開展課程，這些媒介上充斥著大量的娛樂內容，最典型的是游戲、短視頻等。如果沒有思想政治教育的干預，將難以達到良好的學習效果。

基于以上分析，教育從業者需要掌握科學的教育方法，做到“具體問題具體分析，按辯證的觀點評估教學成果”，其中思想政治課程的開展是最為重要的內容。

二、開放教育開展思想政治教育工作的指導思想及方法

我國進入高等教育普及化，開展高等教育普及化工作，必須要突出兩個要點。

（一）堅持習近平新時代中國特色社會主義思想

堅持以習近平新時代中國特色社會主義思想為指導，習近平新時代中國特色社會主義思想是中國特色社會主義理論體系的重要組成部分，是思想政治教育工作的根本遵循和行動指南。脫離習近平新時代中國特色社會主義思想將無法做好思想政治教育工作，所以必須深刻地認識、學習習近平新時代中國特色社會主義思想，不斷推進思想政治教育的建設與創新。

（二）重視科技發展，充分利用科技發展成果

隨著科技的發展，思想政治教育工作應該充分利用科技發展的成果，基于“大數據”和“數據分析”工具對開放教育教學過程產生的數據進行建模和分析，為思想政治教育工作評估體系提供數據支持，從而開展有效的思想政治教育工作。

三、開放教育思想政治教育數據分析指標

基于開放教育日常線上教學行為中產生的數據，采用“系統分析法”甄別出可作為評估指標和分析屬性的數據。通過“問卷調查”形式，收集學生使用各種終端花費在學習和娛樂的時長等數據，最后對數據構建多維分析模型。

（一）分析指標

分析指標如表1 所示，所有指標值應基于相同的時間粒度進行記錄，可用于評估思想政治教育工作的形式和教育時長與其他指標的相關性，指導、優化思想政治教育工作。

表1 分析指標

（二）問卷調查

隨著智能手機的普及，人們花費大量的時間在智能手機上。分析智能手機的使用方式對開放教育學生成績的影響，為制定合理的思想政治教育形式、內容提供數據支撐。表2 為問卷調查內容。

表2 問卷調查內容

（三）數據集成工具和系統

將日常教學產生的數據和問卷調查數據歸集并統一存儲，梳理各數據集的關系，構建對應的多維分析模型提供基礎環境。表3 為使用的數據集成工具和系統。

表3 數據集成工具和系統

四、開放教育思想政治教育多維分析的評估體系

（一）多維分析模型

多維數據分析是指從多個維度、多個角度對數據進行觀察和分析。通過對多維形式組織起來的數據進行切片、切塊、聚合、鉆取、旋轉等分析操作，以求剖析數據，如圖1 開放教育構建的多維分析模型所示。開放教育思想政治教育多維分析的評估體系可以通過建立“思想政治教育”相關的維度和指標值分析，直觀清晰地了解“思想政治教育”工作形式、內容的作用，為指導“思想政治教育”工作的改進、優化提供方向。

圖1 開放教育多維模型

（二）多維模型對應的數據倉庫

在數據倉庫的維度模型中事實表和維度表，基于實際需要將待分析的數據轉化到具體的表單中，從而形成如圖2 的可視化圖表。

圖2 使用雪花模式進行維度建模

事實表存儲的是可概括的數據，本文中創建了包括“考試成績_事實表”和“上課記錄_事實表”，分別記錄了成績ID、參考次數、上課記錄ID、學習時長等事實數據。

維度表包含了屬性和層次結構，根據分析需要創建了4 張維度表：“時間_維度表”“教師_維度表”“課程_維度表”和“學生_維度表”，通過時間維度確定在相同的時間粒度和范圍內各指標量受各維度的影響。“學生_維度表”關聯了“思想政治教育工作_維度表”。

通過對不同的維度和度量進行持續的觀察，并不斷做出調整，直到發現數據中可用于分析“思想政治教育”的時長、形式對學生成績和上課效果的影響。

（三）模型建立方法

本小節將說明建立評價指標體系的步驟方法。

1.分析環境準備

依據可使用的硬件資源情況、數據量的大小、研究經費是否充足，準備相應的分析環境。分析環境如何選擇，可結合以下條件作判斷依據：在硬件資源有限、數據量不大、研究經費欠缺的情況下，可選擇單臺PC 機作為分析環境；在有一定的硬件資源，但研究經費欠缺的情況下，可選擇服務器+開源軟件作為分析環境；在硬件資源與研究經費充足的情況下，可選擇服務器+商業軟件作為分析環境；在硬件資源、研究經費充足且數據量很大的情況下，可選擇Hadoop 大數據平臺作為分析環境。

確定分析環境后可對應的分析軟件進行數據的ETL 操作及構建多維模型，如以MySQL、PostgreSQL 為代表的開源數據庫和以SQL Server、Oracle 為代表的商業數據庫可供選擇；也可以選擇Excel 或是使用SQL、Python 等計算機語言進行數據分析和展示。

2.數據ETL 操作

ETL 是用來描述將數據從來源端經過抽取（extract）、轉換（transform）、加載（load）到目標系統的過程。ETL 主要操作思路是通過確定可使用的數據源并配置鏈接到數據源，從而發現的異常數據并制定數據清洗策略，然后選擇成熟的ETL 工具進行清洗并將清洗的數據加載到目標系統中。

3.構建多維分析模型

經ETL 操作清洗的數據就是構建多維分析模型的基礎數據，通過四步即可完成多維分析模型的構建，一是鏈接到經過ETL 清洗的數據，二是定義模型維度表和事實表結構，并構建各維度表和事實表間的關系，三是在多維數據庫中部署多維模型，最后在多維模型中對數據分析處理。

五、使用多維模型進行開放教育思想政治教育實施成果評價

（一）匯聚數據和處理

本文筆者面向使用福建開放大學“學位英語詞匯通”進行學習的學生共發出2000 份問卷，收回有效問卷1737 份。收集的問卷調查數據和教學數據整理匯聚到分析軟件，本文筆者選擇常用的辦公軟件Excel 作為分析軟件，匯聚的數據包含7 個工作表（見圖3），分別是：教師表、課程表、學生表、思想教育工作表、問卷調查表、考試成績表、上課記錄表。

圖3 問卷調查數據和教學數據

選擇SSIS 作為ETL 工具，將Excel 中的數據同步到數據庫中，配置Excel 數據源和數據庫目標，形成原字段和目標字段鍵的映射。

（二）創建多維分析工程

利用數據庫中同步后的數據構建多維分析模型，創建多維分析工程并在工程目錄進行操作：第一步，通過“數據源”選項的配置界面中填寫連接的目標數據庫的地址和登錄密碼。第二步，通過配置“數據源視圖”，選擇業務數據到數據源視圖。第三步，通過“多維數據集”選項的配置窗口中基于數據源視圖選擇“度量值表”（勾選“考試成績表”“上課記錄表”）。度量值表中的數值類型的列會被自動識別為度量值。由于在目標數據源中已經定義好了表間關系，所以除勾選的度量指表外其他的都會被視為“維度表”。最終生成的多維模型結構，將“上課記錄表”和“考試成績表”表作為度量指標，維度包括學生表（關聯了思想政治教育數據）、課程表、教師表等。第四步，在進行多維分析時，通過維度的不同屬性，對配置維度表中的屬性列進行更細節的數據挖掘：將“學生表維度”及其關聯的“思想教育工作表”中的字段拖拽到屬性窗口，對于其他維度表按同樣的方法進行操作即可。第五步，通過多維分析項目工程的功能菜單點擊“部署”按鈕，部署多維分析模型。

（三）創建多維分析挖掘結構

依據“數據挖掘向導”指引創建多維模型挖掘結構，選擇“學生表”作為分析維度，并制定挖掘結構的事例級別和度量值即可。

（四）基于模型進行挖掘

第一，通過Excel 連接到多維分析服務，在“數據挖掘”選項卡的窗口中配置多維數據集所在的服務器和登錄信息。

第二，選擇“Microsoft 關聯規則”算法，作為多維數據模型的數據分析挖掘算法。

第三，配置數據字段的用法，將“分數說明”配置為“僅預測”，思想政治教育相關的列都作為輸入，其他維度相關的列，如“籍貫”“職業”等列可根據分析意愿進行配置。

第四，多維數據挖掘結果，最終得出總體關系，如圖4 所示，即考試成績較好的學生的最大行為特點是每日保持4 小時以上的學習且參加了相應的思想政治理論課程。其中高分學生（成績在80 分以上的）與“社會責任感”這門思想政治教育課程關聯很大。

圖4 規則依賴關系圖

考試成績不及格與各種維度屬性值的關聯關系圖（如圖5），最突出的特點是花費很少時間上“思想政治教育”課程（普遍在2 小時以下）。

圖5 不及格成績與維度屬性值的關聯關系圖

而通過比對分析學生維度的“基礎學歷”屬性分析，無論基礎學歷如何，思想政治教育時長很少或沒有的學生，分數普遍在60 分以下。

綜上所述，通過多維數據模型對思政教育實施與整體教學成果評價關聯性進行動態的、多維的比對，開放教育體系下實施開展各類思想政治理論課程，積極參加思想政治理論課的學生絕大部分都能取得較好成績。綜上所述，實施開展各類思想政治理論課程效果明顯、意義重大。在今后的開放教育中要繼續加強思想政治理論課的深入研究，包括課程研制、師資培訓、示范教學案例開發、思政課程資源庫搭建等工作，讓思想政治理論課融入教學的各個環節，將學生價值觀塑造、專業技能提升和學歷提升等緊密融合，真正形成一體化協同教育的示范作用。