大數據對高校大學生教育管理的影響及策略

摘" 要：我國諸多行業均在大數據快速發展的時代背景下產生了顯著變化，各大高校需要緊跟時代發展步伐，將大數據技術與學生的教育管理過程相融合，在展示大數據技術應用優勢的同時，提高教育管理整體質量與效率。文章從管理手段、管理預測、管理方法三個角度出發分析了大數據對教育管理的影響，并提出了幾點基于大數據技術有效展開教育管理工作的創新策略，以期能夠為教育行業注入新的管理動力。

關鍵詞：大數據技術;高校學生管理;影響分析;創新策略

中圖分類號：G647""" 文獻標識碼：A""" 文章編號：1673-7164（2024）16-0059-04

對于各大高校而言，在當前的大數據時代發展背景下，應意識到教育管理與大數據結合的重要性，在不斷積累教育經驗的同時，能夠基于扎實的教育管理理論促使教師自身專業素養水平實現進一步提升。現階段較多的高校所沿用的教育管理模式相對較為傳統，不利于未來的高校發展。因此，更需要國家加大大數據技術的應用推廣的整體力度，為教育質量與教育效率的進一步提升提供創新支持。

一、大數據對高校大學生教育管理的作用

（一）提供管理新手段

大數據技術使分析學生行為成為可能，通過分析學生在社交平臺上的互動、娛樂偏好、消費習慣，教育管理者可對學生日常生活，如社交動態、學習習慣和心理健康進行深入理解。這種全方位的數據收集和分析，為高校管理層提供了更加全面和動態的學生行為視角。

大數據分析可以揭示學生群體中的熱門話題和趨勢，為高校提供調整課程內容、組織活動的參考;大數據還可提高教育管理效率，通過自動化的數據收集和分析，高校管理者可以更快地獲得信息，做出基于數據的決策，提高管理效果，優化資源配置，升級教育資源。[1]

（二）提供前瞻性管理預測

1. 學習

在大數據技術的全面應用支持的大背景下，學校可以全面掌握學生的諸多情況，例如典型的上課出勤率、考試成績變化狀況等，提供給了學校統一把控學生學習情況的便利條件。[2]大數據分析可深入了解學生的學習習慣和成績波動：通過分析學生的考試成績和學習材料的使用情況，教育者可以識別出學生在特定學科上存在的困難，提供定制化的輔導或學習資源;通過分析學生的借閱記錄和在線閱讀行為，圖書管理系統可以推薦與學生學術興趣和學習需求相匹配的資料，有助于學生在自主學習過程中獲取更多有價值的信息。

2. 行為

學生在日常生活和學習過程中，會與一卡通消費系統、門禁系統等不斷互動并生成數據，高校可以利用這些數據構建行為預測模型，[3]了解學生的日常活動規律，包括餐飲選擇、活動范圍和時間分布等，進而對學生的生活習慣和行為模式進行綜合評估。高校可以通過參考系統數據提升學生管理預判的準確性，及時發現學生遲到、早退、消費異常等異常行為，還可通過長期的數據分析，識別學生行為的潛在趨勢，在必要時進行干預。[4]

3. 健康

高校可以利用運動監測、睡眠質量追蹤等監測系統，參考學生的生理健康數據，及時發現潛在的健康問題，如睡眠不足或異常生活習慣。在心理健康方面，大數據通過參考學生在各類平臺上的互動數據，如社交媒體言論、在線行為模式等，教室可結合心理測評工具，對學生進行深入的心理健康評估，識別出需要關注的心理問題。[5]基于數據分析結果，高校可定制化心理咨詢，開展針對特定群體的心理健康講座，提高心理健康服務的效率和效果，在問題初期就進行有效干預，預防心理健康問題的惡化。[6]

（三）提供科學管理方法

在學生成績和榮譽評定方面，高校可以利用大數據工具整理學生在不同考試中的成績變化情況，將所獲取的榮譽與成果融入其中，并聯系學校學生群體的整體曲線變化展開深入的數據分析，自動生成變化曲線，并據此設置不同階段的學習目標。[7]

在校園信息化建設方面，大數據技術的應用顯著提高了管理效率，降低了成本。以新生報到系統為例，集成了大數據技術的系統能與報到的相關部門自動對接，建立數據之間的共享聯系，擺脫以往繁復的手續辦理模式，學生在簡單的幾步操作下即可完成費用繳納、戶口轉移等任務。[8]這精簡了新生報到與手續辦理時所需的人員，相應的入學程序清晰明確，提升了新生入學的滿意度。在校園資源的優化配置方面，大數據技術能夠進行深度分析和預測，實現資源的最優配置。通過分析學生在校人數的變化，學校可以對圖書館、食堂等公共場所的資源進行合理調配，實現不同時間段內資源的集中優化，保證食物、電力等關鍵資源的分配合理性，在滿足師生的基本需求的同時，還有效地減少了資源浪費，促進了校園環境的可持續發展。[9]

二、大數據服務體系在高校的具體應用場景

大數據技術的出現為現階段的行業發展注入了更多動力與活力，為人們的日常生活提供了諸多便利條件。而在大數據時代背景下，高校教育管理工作同樣需要明確學生的學習特點。學生的日常生活與學習狀態，在大數據技術的支持下發生了較大變化，其既是高校的發展機遇，也是教育教學的挑戰。為此，高校需要強調大數據服務體系構建與應用的重要意義，提高整體學校管理效率，進而保證實際教學效果。面對復雜的高校教育與生活場景，想要實現基于大數據技術的教學管理目標，就需要從實際服務支持、學生生活特點以及教育管理需求等角度出發，明確大數據服務體系的構建與應用方向;需要準確定位存在的應用問題，找尋能夠解決問題的突破口，打造應急預案，以持續完善大數據服務體系在高校中的應用途徑，為將大數據技術的應用優勢在校園中予以充分發揮提供支持。

（一）學生動態信息掌握

以學生日常生活常態化管理工作為例，高校可通過部署無線感應器、RFID技術和校園內部的監控系統，實時捕捉師生在校園內的動態信息。隨后，數據被輸入大數據處理平臺，進行深度分析、數據清洗等。通過整合分類不同數據，高校能夠構建全面的數據模型：參考教學數據，優化教學資源;參考一卡通消費數據，為后續助學金發放等活動提供數據支持。還有校門、圖書館刷卡出入記錄，無線網絡App連接日志等數據，通過大數據分析，學校可以為后續的重要信息發送提供支持。借助大數據，學校還能制訂有效的應急風險方案，進而實現對存在突發情況樓宇的快速鎖定，保證事件處理的及時性與有效性，將可能產生對學生造成傷害的一系列風險降到最低。[10]

（二）科學輔助決策

基于大數據的BI（Business Intelligence，商務智能）報表系統能夠對各類數據進行深入分析，從而為管理決策提供準確、及時的信息支持。通過與業務源數據庫對接，數據中臺可以同步并管理來自財務、人事、學生管理等系統的數據。以財務報表為例，平臺能夠同步業務源數據庫中的數據至智能數據研發平臺，確保了數據的完整性。再將傳統的財務統計語言代碼翻譯成簡潔的SQL代碼，使用Spark等技術進行分布式、多線程批量執行SQL查詢。通過Spark，高校可以高效完成每日指標統計，并將結果以分區表的形式存儲，提高數據處理的效率。最后，將處理后的數據同步至科學決策分析平臺，通過此平臺，高校可以對數據進行可視化展示，針對財務報表的數據，平臺可以為各級領導提供詳細的報表和分析結果查詢，領導層能直觀地理解數據背后的信息，從而做出更加科學和合理的決策。此外，基于BI報表系統的科學決策分析平臺不僅限于財務報表，它還可以擴展應用到學生管理、教學質量評估、資源配置等多個領域。例如，在學生管理方面，通過分析學生的學習成績、參與活動等數據，高校能夠更好地了解學生需求，優化教育資源的配置。在教學質量評估方面，通過分析教學評價、課程參與度等數據，高校可以及時調整教學方法和課程設置，提升教學效果。

（三）智能模型服務

1. 公共場所流量預警

公共場所流量預警涉及大數據的采集、處理和智能模型的建立及應用。首先，數據采集和預處理階段是構建有效流量預警系統的基礎。從多個數據源（如一卡通消費數據、門禁系統數據、Wi-Fi接入點（App數據等）收集數據，為流量預測提供基礎。在特征工程階段，數據被轉換為機器學習模型可用的格式。以校園圖書館為例，入館和出館時間被轉換為一天中的不同時段，考慮到周末和工作日的差異，Wi-Fi連接數據可估計每個時段每個區域的使用密度，準確地捕捉流量變化。接著使用基于時間序列的預測模型，如長短期記憶網絡（LSTM）。圖書館的流量具有明顯的時間序列特性，LSTM能夠處理時間序列數據中的長期依賴問題，適合預測時間上連續變化的流量。[11]訓練過程中，使用過去的流量數據作為訓練集，模型學習識別不同時間段的流量模式。最后，將訓練好的模型應用于實際場景。例如模型預測出的高峰時段流量信息可以通過校園App通知學生，幫助其避開擁擠時段或選擇更空閑的區域。圖書館管理層可以根據這些信息調整開放區域或增設服務人員。在特殊情況下，如考試周，模型還可以輔助安排額外的開放時間或臨時學習空間，以應對學生需求的增加。

2. 學生成績預測

成績預測模型的構建通常基于學生在線學習平臺上的活動（如視頻觀看時間、討論版參與等）、實體課堂的出勤率、歷史成績和作業提交情況等。在特征工程階段，將學生在線學習平臺上的行為數據，如視頻觀看時長，轉換為每周觀看時長的總和;將討論版參與次數轉化為每周參與頻率的統計;歷史成績則被歸一化處理，以便與其他數據集成。考慮到學生行為數據的時間序列特性，選擇長短期記憶網絡處理學生行為與成績之間的復雜關系，模型可以學習到連續幾周的高頻率討論熱點與期末成績之間的正相關關系。進一步利用，注意力機制增強模型的性能，使模型更加關注對預測結果影響最大的數據點，比如特定幾周內的異常低出勤率或是突然下降的在線活動水平。實際應用中，如果模型預測某位學生可能無法達到期望的成績，教師可以根據模型反饋的具體行為模式，提前進行干預，提供額外的輔導或調整教學方法。通過此種方式，大數據技術和機器學習模型不僅能夠預測學生成績，還能為提高教育質量和學生學習體驗提供支持。

3. 精準貧困資助預測

精準貧困資助預測可利用大數據技術對學生的經濟狀況進行精準分析，確保資助能夠及時且有效地到達真正需要幫助的學生手中。首先，參考學生的日常消費水平（如食堂消費、商店購物等）、學術成績、網絡使用情況、圖書館借閱記錄以及其他校園活動參與情況收集數據，獲取足夠的信息以進行后續分析。其次，對于消費數據，除了簡單的消費總額，還可以進一步挖掘如消費頻次、消費時間分布、消費種類等更細致的特征。例如頻繁地在低價位餐廳消費可能暗示經濟壓力，圖書館的借閱頻次和借閱種類可能反映學生的學術興趣和勤奮程度，這些細微的行為模式能夠為預測模型提供豐富的特征。

模型構建方面，可以采用多種機器學習算法進行學生貧困等級的預測。例如，支持向量機（SVM）和隨機森林等算法可以處理分類問題，而神經網絡，特別是深度學習模型，可以捕捉更復雜的數據模式。這些模型通過學習學生的消費行為、學術表現和日常活動等特征，預測學生的經濟狀況。之后，學校可以通過分析學生的消費等級和學習表現來識別可能面臨經濟困難的學生。如果模型預測某學生屬于低消費等級，并且在學術和校園活動上表現出消極態度，這可能是經濟困難的跡象。對于這些學生，學校可提供經濟資助，還可提供心理咨詢和學業輔導等支持。此外，大數據模型還可以用于評估資助效果。通過分析資助后學生的消費行為、學術表現和心理狀態的變化，學校可以調整和優化資助計劃，確保資源的有效利用。

4. 畢業生就業服務

畢業生數據來源復雜且多樣，包括學生在校期間的學習記錄，成績、課程選擇、專業方向等;學生的社交媒體和網絡行為數據，包括社交網絡上的活動、在線學習平臺的使用情況等;學生參與的校園活動，社團參與、志愿活動、實習經歷等;招聘活動信息，包括校園招聘會的參與情況、企業招聘需求等;學生的個人背景信息，家庭基本信息、地理位置、文化背景等。

其中，結構化數據如學生的個人信息、學習成績和圖書借閱記錄，可通過學校的管理系統直接獲取;非結構化數據，如學生的消費情況、個人評價，則需要通過網絡爬蟲或ETL工具從在線平臺中提取。高校可以采用云存儲，如Hadoop和Spark處理數據，去除重復、錯誤或不完整的記錄，將來自不同源的數據結合起來，形成統一的數據集，轉化為適合分析和挖掘的格式。

在上述基礎上，通過分析學生的學習和活動記錄，預測其可能的職業興趣和職業適應性。通過對歷年畢業生就業數據的分析，可發現就業市場的趨勢，如哪些行業更受歡迎、薪酬水平等，從而為在校學生提供更精準的職業指導。大數據還能幫助企業更精準地了解學生的個人情況，包括學術背景、技能特長和職業興趣，從而使企業能夠更有效地匹配合適的候選人。通過這種方式，大數據技術不僅提升了畢業生就業服務的效率，還增強了就業匹配的準確性。

三、結語

當下的各大高校中，從教育管理層面來看大數據技術的應用相對較為普遍，核心目的在于滿足學生的日常需求，提高管理效率與水平。為此，高校需基于大數據對高校大學生教育管理的作用，從校園、決策、模型服務等角度出發，將更多的前沿數據技術歸入其中，確保學生可在大數據時代發展背景下，獲得匹配自身個性化發展需求的更多機遇。未來，伴隨大數據技術的持續完善，針對學生的教育管理工作也必然將獲得新的突破，相應服務體系將實現進一步優化，為學生能夠在大學生活中健康學習與成長奠定堅實基礎。

作者簡介：李政（1988—），男，碩士，三亞學院助教，研究方向為學生日常教育管理、宿舍日常管理。

參考文獻：

[1] 郭宇亮，范子哲. 大數據背景下大學生體質測試現狀及發展模式探索[J]. 新體育，2022（24）：99-101.

[2] 柴夢竹. 大數據時代大學生社會主義核心價值觀培育挑戰路徑構建研究[C]//重慶市鼎耘文化傳播有限公司. 2022新時代高等教育發展論壇論文集. 廣州：廣州工程技術職業學院，2022：2.

[3] 張燕. 基于大數據的大學生全生命周期思想政治教育研究[J]. 當代教研論叢，2022，8（12）：103-108.

[4] 蔡君，胡晨駿，康彬. “大數據分析”課程的教學改革與探索——以南京中醫藥大學計算機專業本科生“大數據分析”課程教學為例[J]. 輕工科技，2022，38（06）：149-152.

[6] 劉世昱，張銘宸. 大數據時代大學生意識形態安全教育存在的問題及對策[J]. 沈陽建筑大學學報（社會科學版），2022，24（05）：526-530.

[7] 李曉雪. 大數據背景下當代大學生思想政治教育的困境與出路[J]. 西部素質教育，2022，8（19）：31-34.

[8] 高永勝，宗凡，胡燕玲，等. 基于大數據融合的高校學生教育管理優化辦法——以西北工業大學為例[J]. 大學教育，2022（10）：281-283+292.

[9] 位彥磊. 大數據時代會計學專業大學生創新創業教育改革對策分析[J]. 中國管理信息化，2021，24（24）：238-239.

[10] 杜樂. 大數據時代信息資源融入大學生思想政治教育的實踐探索[J]. 數據，2021（12）：101-102.

[11] 姜一凡. 大數據對優化思想政治教育工作中的重要作用探析——評《大數據時代大學生思想政治教育工作的優化研究》[J]. 熱帶作物學報，2021，42（11）：3394.

（薦稿人：朱丹，杭州師范大學錢江學院教授）

（責任編輯：楊毅恒）