王伟峰 吴云珍

（上海财经大学商学院，上海 200083）

MBA教育E化应用模式研究

王伟峰 吴云珍

（上海财经大学商学院，上海 200083）

随着信息技术的迅猛发展与互联网应用的普及，E化教育已发展为以大数据为核心的模式。本文从教育E化的概念入手，通过对我国教育E化发展阶段的归纳，总结和分析了上海财经大学MBA教育中将大数据运用于品牌宣传、招生方式改进、教育教学提升、职业发展定位的探索，对于大数据在我国高校发展中的实践应用做了进一步的思考。

大数据；教育E化；MBA教育

教育E化，简单而言就是基于大数据基础将知识和传授方式用网络电子技术支撑或主导实施和实现的。我国教育E化的发展可分为三个阶段：在线学习阶段（1999-2009年），主要利用网络信息技术开展网络课程学习，给在校学习、企业及社会人士提供随时随地学习的教育模式；在线教育垂直化发展（2009-2012年），主要是E化教育的垂直化发展，各种产品、平台、APP应用等教育传递方式创新涌现，E化教育提供各方走出了专业化发展道路；大数据在教育中的发展（2012年至今），主要特征就是将教育从线下移到线上，通过积累、分析和提炼大量的数据，来提升教育质量。以大数据为核心的E化教育，变革了教育的模式，推动了E化教育的创新，其应用模式和发展机制与传统教育有着本质上的不同，亟待我们进一步挖掘和思考。

1 高校发展中大数据应用的研究探索

当前中国的基础教育正处于深化改革、加快发展的关键时期，让教育变得错综复杂，大数据时代的到来，为提高学校的决策科学化水平，提供了良好的解决视角，大数据的理念和统计思维对学校决策科学化带来一定的影响和挑战等。

2.1 大数据带来高等教育的深刻变化

徐玮（2013）认为，从种类繁多、数量庞大的多样数据中快速获取有价值的信息，正逐渐成为人们重要的学习活动，大数据的出现，为高等教育提供了新的教育平台和教学模式，也促进了科研交流和创新，大数据使教育面临一场新的革命。

韩志君（2014）认为，大数据在教育领域中的应用，主要指的是在线决策、学习分析、数据挖掘三大要素，其主要作用是进行预测分析、行为分析、学业分析等的应用和研究，大数据含义指的是对学生学习过程中产生的大量数据进行分析，大数据模型以及显示的数据能够为学校和教师的教学提供参考，及时、准确地评估学生的学业状况，发现学生潜在的问题，进而预测学生未来可能的表现。在实际应用中，可以利用大数据技术构建学习者经验模型、行为模型、知识模型、学习者档案、教案模型等。

陆以勤（2015）提出智慧校园的大数据处理，包括：建立数据采集和存储的基础设施、建立统一数据标准、建设公共数据交换平台、建立数据仓库系统、建设智能数据分析系统、建设智能决策系统等。大数据技术可以给学校管理水平和模式带来变革：即由经验管理到数据管理，由粗放式管理迈向精细化管理，而数据的知识，将成为个人知识结构中的必备要素和基础。

2.2 国外教育中大数据应用案例

（1）大数据分析已被用于美国公共教育中，成为教学改革的重要力量。

2012年美国联邦政府教育部发起了一项公共教育中的大数据计划，项目耗资2亿美元，主要目标是将大数据应用于教育分析及教育质量改善。

主要内容：分析研究学生的个性化学习行为及其成效；

主要系统：学习分析系统——一个数据挖掘、模化和案例运用的联合框架，该系统向老师提供学生在怎样学、如何有效地学的大量信息，比如是因为周围环境影响造成了学生成绩不好吗？是病假多影响该学生的期末考试成绩吗？从而帮助老师从这些数据中提取信息来有效帮助学生学习。

在2012年国际消费电子展的高等教育技术峰会上，世界最大的教育出版公司培生集团（Pearson）与适应性学习领域里的先行者纽顿公司共同发布了适应性学习产品——“我的实验室/高手掌握”（MyLab/Mastering）。这款产品向学校提供真实可信的学习数据，实现个性化的学习和教学服务，让学校通过这些数据提高学生的学习效果并降低教学成本。

（2）加拿大教育科技公司“渴望学习”（Desire 2 Learn）。

图1 MBA大数据系统建设路线图

面向高等教育领域的学生，加拿大教育科技公司“渴望学习”推出了基于他们自己过去的学习成绩数据预测并改善其未来学习成绩的大数据服务项目，其主要产品是“学生成功系统”（Student Success System）。该产品将课程材料、作业等进行电子化，并建立在线沟通平台，让老师和同学交流、实现考试与测验，同时通过监控系统来收集、整理、分析每个学生的教育数据，提供给老师。老师既得到学生分数与作业结果，还有学生阅读材料时间长短等更为详细信息，方便老师及时在线诊断并向学生提出个性化教育方案。

2 MBA教育的E化发展模式

2.1 MBA教育的E化发展模式

通过分析MBA教育与大数据处理技术化、电子商务模式等的关系，将大数据分析融入MBA教育理念，构建MBA教育数据处理与加工、MBA教育数据库、基于大数据的智慧MBA教育等不同应用，描绘出大数据运用于MBA教育的E化发展模式。

MBA教育中大数据的应用首先需明确大数据方法与内容，包括MBA大数据基础建设、MBA大数据系统架构设计、MBA大数据应用功能、MBA大数据模型设计、MBA大数据质量控制、MBA大数据服务等内容，从而形成MBA大数据系统的建设逻辑（如图1所示）。

（1）MBA大数据基础建设

需要明确大数据的硬件设施、数据标准规范（如数据格式、数据传送标准、数据管理规范等）、应用系统（这里主要是指数据的应用技术要求和条件），这些构成大数据的物理架构和基本组成。

（2）MBA大数据系统架构设计

大数据系统架构由核心的数据特性组成，包括数据源层、数据处理层、基础数据层、数据服务层，这些决定了数据采集、映射、处理的效率。

（3）MBA大数据应用功能

MBA大数据应用功能主要是设置MBA学生、商学院、教研、教学、财务、就业中心、校友等主体及机构，它们相互联系相互影响，彼此间的信息传递及处理形成了大量的数据，形成应用功能作用。

（4）MBA大数据模型设计

MBA大数据模型设计包括基础数据层模型、多为分析模型、数据挖掘模型等，是MBA诸多数据的处理中心，通过这些模型设置，将杂乱的数据进行梳理和处理，让数据的处理更加科学和有效。

（5）MBA大数据质量控制

MBA大数据质量控制包括对数据的质量规则、数据质量操作及规范等进行明确，才能让MBA大数据的处理具有更强的决策力、洞察发现力和流程优化能力。

（6）MBA大数据服务

MBA大数据服务主要是大数据的应用模式，包括及时查询表格、智能预测、深度分析，让大数据的分析结果能按照不同的应用场景输出有价值的信息。

一旦建立起良好的MBA大数据模型，就可以借助互联网/移动互联网和移动智能终端，让学生除了课堂学习外，还可以在碎片时间anytime、anyway、anyplace地利用手机学习。学院可以利用学院信息中心的存储能力进行运营，满足MBA学生、教师、校友等海量信息存储的需求，可以分为个人信息存储、针对校友等用户，可以通过API等技术手段将用户的数据信息放在云端，进行存储和共享。也可以进行数据的搜索，将MBA教育实时的数据处理与分析和MBA宣传结合起来，通过移动互联网提供高效的移动社交服务。

2.2 上海财经大学MBA教育E化模式与发展

分析上海财大MBA教育的发展历程，以上海财经大学商学院经验为例进行解剖分析，总结上海财经大学在大数据领域的前期探索，提出大数据运用于MBA教育发展机制的创新。

（1）MBA教育品牌宣传创新

MBA教育的品牌建设已引起各大院校的重视，面对无差异化的传统竞争模式，品牌实力及其口碑、声誉将决定MBA教育的长远发展和市场竞争力。大数据以其精准、有效的特点为MBA教育品牌建设提供了具有时代和技术特色的典型工具。上海财经大学MBA基于大数据技术的品牌策略，以统一、标准化的形式持续、自动地集中、分析涉及市场需求、MBA招生、课程设置、培养教育、考核评估、就业跟踪等全方位的MBA教育基础数据，挖掘学员需求和市场未来方向，建立MBA品牌营销资讯整合共享平台，科学推进MBA教育全过程的发展与变革。

大数据能帮助了解报考者内心的渴望，在科学数据和营销经验中达到平衡，通过上海财大商学院MBA微信平台，整合共享各校友的反馈，同时开展学生端、社会调查端，和第三方的数据资料，从海量数据中分析洞察学生需求、整合社交媒体、强化关系管理，提取出解决问题的关键，提供MBA品牌最完整的数据分析报告。

（2） MBA教育招生方式的改进

大数据时代对MBA教育最直接的影响就是招生方式。通过强化数据分析，选择合适的候选人，研究和提升生源质量，改进招生模式。

上海财经大学MBA招生中实行生源选拔量化评估，按照知（Knowing）、行（Doing）、自我实现（Being）三大国际主流商学培养理念，建立了MBA学生招生选拔的量化模型——KDB能力评估模型。

KDB能力评估模型指标体系分为两个层级，一级指标为第一层，即：知（Knowing）、行（Doing）、自我实现（Being）。第二层包含16个小指标，全部是对一级指标的展开描述。知（Knowing）设置展开为：思维敏捷（F1）、善于决策（F2）、创新（F3）、人际影响（F4）、战术专识（F5）；行（Doing）设置展开为：领导他人（F6）、超级影响力（F7）、沟通交流（F8）、培养他人（F9）、自我发展（F10）、创造积极氛围（F11）；自我实现（Being）设置展开为：伦理、社会和人文价值观（F12）、管理理念（F13）、企业家精神（F14）、商业文明（F15）、健康体格（F16）。

经过多年的实践与创新，上海财经大学商学院将KDB能力评估模型体系与商学院MBA教育模式有机结合，在招生、人才培养、就业等环节有效应用，通过量化手段让MBA人才有了清晰的质量度量，准确选拔优秀的候选人进入商学院学习，并通过对每个候选人的能力测量，制定个性化的教学方案，帮助每个MBA学生进步，从而有效实现了MBA教育的全过程跟踪评估和持续优化。

（3）MBA教育教学的提升

① MBA培养方案的持续改进

上海财经大学通过大数据应用进行了MBA培养方案的重新设置，建立了以学生为中心、以学习效果为导向、符合国内外认证组织关于学习效果保障体系要求的课程设置方案。在最新版MBA课程体系的设计中，上海财经大学致力于实现“全球视野、中国根基和上海财经大学特色”三者的平衡和兼容，与MBA价值观形成直接映射，以满足和适应不同学生的学习需求。

每一年度，上海财经大学MBA项目会对培养方案进行持续改进，以适应国际和国内新的经济形势变化，满足商业领域对领军人才的新要求。

② MBA教学的有效开展

学生在学习过程中所产生的数据无疑具有巨大的发掘潜力，比如因为周围环境影响造成了学生成绩不好吗？是病假多影响该学生的期末考试成绩吗？通过数据挖掘、模化和案例运用的联合，从而帮助老师从这些数据中提取信息来有效提升学习：

MBA学生真正投入学习的时间有多少？

MBA学生退学或者不能按时毕业对第二课堂活动的参与度如何？

MBA学生工作经历、家庭背景对他们的MBA学业有什么样的影响？

对于学生来说，MBA课程是太难还是太简单？

MBA学生的学习难点可能出现在哪里？

上海财大商学院建立了MBA教育及学习数据库，通过这些数据，分析MBA学生的上学出勤、考试分数等情况，对学生的学习行为、学习质量等进行分析，列明学习的重要因素：开始学习时间、课程在线时间、及格率、完成率和辍学率、平时作业成绩、平时测验成绩、课程论坛、浏览课程网页、观看和下载课件讲义的记录，发现MBA学生的行为偏好、影响学习的重要因素等，破解过去难以发现的学习问题，预测MBA学生的学习方向，真正让教育可以实现“私人定制”（参见图2）。

图2 大数据基础上的学习行为分析

③ MBA教学评估数据的充分挖掘

教育质量的评价分成结果性评价与过程性评价两种。目前对教师、教学单位的评价多为结果性评价，更为注重教学成果获奖，教改论文发表，教师承担教改项目、课程数量等数据。大数据为过程性评价提供了更多手段。当建立明确以学习者为中心的MBA教育理念后，所有过程性评价都将围绕学生的学习来进行，评价教学过程对学生学习的支持度，通过相关数据收集、分类、整理、统计、分析，即可以形成新的过程性教学质量评价方式。

（4）MBA学生职业发展创新

上海财经大学商学院在建立了大数据系统后，对学生毕业后的能力提升、就业意向、就业渠道资源有了基本的数据支持，毕业生的就业就有了针对性，效率明显改善。

在MBA大数据构架基础上，延伸建立MBA学生就业的数据模型，其基本数据来源于大数据平台，包括学生选课、专业成绩、在校表现等数据。就业分析模型在获取这些数据后，再进行学生心理评估、就业意向调查、社交平台信息、校外就业渠道等数据来源，对每个学生的就业情况及职业生涯发展进行分析，辅助就业决策（参见图3）。

图3 就业分析模型

3 我国教育E化发展的政策建议

3.1 大数据在我国高校发展中的应用难点

大数据在我国高校应用中还存在不少问题，主要包括数据收集、获取、数据建模以及数据安全。

（1）数据收集及集成。在高校教育中的数据是海量的，也是繁杂的。在当今大数据时代，繁杂的数据类型、海量存在的数据来源、参差不齐的数据质量给数据集成带来了新的挑战：其一，如何收集这些数据信息，如何持续记录这些数据的变化；其二，这些数据按照什么逻辑进行归类、集成和存储。

目前我国高校的管理信息系统缺乏战略性、全盘性的规划，系统设计偏重于学校行政管理、学生的学籍管理，并未考虑到学生在校的学习过程表现这些数据。因此，在进行大数据应用时就不可避免地缺乏必要的数据来源，数据也不稳定，缺乏时间序列的应用价值。再则，学校管理信息系统扩展性受限，对收集的数据信息缺乏结构化的集成逻辑和技术方法。这是大数据应用的一个难点，解决这个难点高校必须建立数据统一模型（结构化、半结构化或非结构化），关注数据质量，同时营造良好的数据文化。

（2）数据建模。数据建模就是对各类数据抽象地进行组织，确定数据的来源范围、数据格式，并将之转化为现实的数据库，也就是将抽象的数据概念转化为具体的实体数据，其过程包括确定数据及其相关过程、定义数据、明确数据的完整性、数据操作过程、数据存储技术等。目前高校教育的数据建模能力比较弱，投入不大，对现有数据也就是简单化处理，缺乏数据处理的深度和科学逻辑。这就需要高校引入世界先进的大数据模型和分析方法，结合高校自身的能力与资源，建立适合高校教育发展的新型数据模型。

（3）数据安全。目前数据安全事件数不胜数，诸多的安全事故既影响大数据的应用效果，使数据的价值无法体现，也带来难以估量的损失。很多大数据与人、事件等相关，数据收集、分析处理和结果输出的过程也比较复杂，这涉及到个人隐私和机密信息，数据在处理过程中很可能被恶意泄露。如何保护数据安全对于高校教育来说异常重要，这就需要高校采用先进的数据处理技术和完善制度去逐步解决。

3.2 大数据在我国高校发展中的应用建议

（1）建立大数据统筹发展协调机制

高校必须制定大数据的发展战略（或三年发展规划），建立大数据组织机构并明确分工和职责，形成协同推进的工作机制，确保大数据各项任务措施落到实处，形成大数据发展合力。其次，可以和外部的商业企业合作，引进与大数据相关的互联网、云计算等技术手段，提高高校大数据的发展和应用效率。建立学校大数据应用专家委员会，邀请校内外专家指导，参与高校大数据发展决策和应用辅导。

（2）制定大数据发展的制度规范

大数据的发展必须科学的制度规范支持和保障。学校需基于大数据战略导向，对大数据的数据收集、整理等数据源管理制度进行修订和完善，形成大数据发展的制度体系。注重大数据的应用规范建设，积极研究推动数据共享、应用、存储保护等的制度措施，实现对数据资源的全流程环节（包括采集、传输、存储、开放、应用）进行规范管理。大数据的管理制度还应包括个人信息保护，对数据滥用、侵犯个人隐私等行为加强管理和惩戒，建立学校信息系统安全保密管理制度等。

（3）加大资金的投入

加大高校对大数据研究和产业化发展的资金预算，鼓励团队申请国家/地方大数据重点攻关项目研究，多争取国家财政支持。同时，需要推动各行业、科研院所加强研究和应用合作，多吸引民间资本投资，共同参与大数据重大专项和重大工程的研究，集中力量在大数据重点和新兴领域攻克核心关键技术，提升创新能力，构建完善的产业链，开展示范应用。

[1] 维克托·迈尔-舍恩伯格（Viktor Mayer-Schönberger）著，盛扬燕，周涛译.数据时代（Big Data:A Revolution That Will Transform How We Live, Work, and Think），浙江人民出版社，2012年12月.

[2] BigdataThenextfrontierforinnovation,competition,and productivity, McKinsey,2011.

[3] 王芳.现代学校决策，请用大数据，中国教育报，2015年7月9日第7版.

[4] 徐玮.大数据对高等教育的影响和挑战,教育教学论坛, 2013（37）:4-5.

[5] 谢璐妍，郑鸣九.“大数据”时代下高等教育质量评价改革，中国社会科学报，2014年02月16日.

[6] 韩志君.简析大数据在教育领域的运用，科技视界，2014（6）:334-334.

[7] 陆以勤.大数据在智慧校园的应用，中国教育信息化，2015年第5期.

[8] 美国教育部教育技术办公室.通过教育数据挖掘和学习分析增进教与学（公共评论草案），2012年4月10日.

[9] 上海财经大学MBA学历学位教育项目生源质量报告——2011-2015年入学MBA招生数据比对分析，上海财经大学商学院，2015.

[10] 胡德维.大数据“革命”教育 让考试变得更科学，光明日报，2013年10月19日.

[11] 宁炜.我国MBA教育质量评价研究——以天津大学为例，MBA硕士论文，2012年5月.

[12] 薛丽萍，吴云珍.基于CAMEA认证的MBA课程体系创新探索与实践——以上财商学院MBA课程体系改革为例 ，上海管理科学，2014年06期.

Research on the Development Pattern of MBA E-education

Wang Weifeng WuYunzhen

With the rapid development of Information Technology and the popularization of Internet application, big data has been playing an important role in the development of E-education. Starting with the concept and the statuesque of the E-education in China, based on the case of the MBA education provided by College of Business, Shanghai University of Finance and Economics, this study analyzes the big data application in brand promotion, admissions, teaching and learning, career development and also provides references to the future practice of using big data in E-education of China universities.

Big Data; E-education; MBA education

G64

1005-9679(2016)04-0116-05

本文是上海财经大学课题“MBA教育E化模式与发展机制研究”（课题编号：2015110082）和“以“GLOBAL SUFE MBA”为抓手，探索具有全球思维和国际竞争力的MBA人才培养之路”（课题编号：2015110067）的研究成果之一。

王伟峰，上海财经大学商学院MBA中心招生总监；吴云珍，上海财经大学商学院MBA中心主任。