刘克成 耿凯峰

摘 要：随着教育信息化建设进程的加快，数据呈指数增长，大数据技术可强化数据获取与管理能力，深度挖掘海量数据蕴含的信息价值，推动高校教育信息化改革。分析了高校数据特点、来源，阐述高校信息化建设面临的问题及解决对策，为信息化建设提供参考。

关键词：大数据;信息化建设;数据分析

DOI：10. 11907/rjdk. 181926

中图分类号：G434文献标识码：A文章编号：1672-7800（2019）002-0222-03

Abstract： With the acceleration of the process of education information construction， the data is increasing exponentially， and the massive data is carrying important information and value. The introduction of large data technology can strengthen the acquisition and management ability of data， excavate the information value contained in the massive data deeply， and promote the reform of the education information of school. This paper analyzes the characteristics and sources of data in colleges and universities， analyzes the application of large data in university education， analyses the problems and solutions of large data in the construction of information technology in colleges and universities from many aspects， and provides the corresponding reference value for the information construction of big data.

Key Words： big data; information construction; data analysis

0 引言

高校教学信息化建设提高了教育质量，实现教育的公平性，推进了教育改革，对教学理念、教学方法等都进行了优化。然而随着信息化教学数据的不断增加，海量数据所包含的信息价值挖掘越来越难[1]，这需要借助大数据技术进行数据的管理与挖掘，帮助人们进行数据分析与管理。

1 大数据概述

作为知名的咨询公司，麦肯锡最早发现数据的重要性并提出大数据概念。美国政府2012开始重视大数据行业，投资2亿美元鼓励其发展[2]。大数据的目标是采集数据并对其進行分析研究，得出数据背后的价值信息，帮助数据使用者优化决策。

《国务院关于印发促进大数据发展行动纲要的通知》中对大数据定义是：对多元化的海量数据进行采集、存储、关联分析，从中发现新的知识，创造较高的价值，提升数据的应用价值[3]。大数据有4个特点：①数据容量。大数据随着信息化建设的不断发展，规模也在扩大，数据已经从TB跃升到PB|EB等级别。在计算机技术蓬勃发展的今天，云计算、物联网等技术不断发展，终端设备也在不断更新，数据更加碎片化，数据呈海量增加[4];②数据类型多元化。终端设备不断更新，所获取的数据种类与结构也更加复杂，除了传统的关系型数据外，还有半结构化、非结构化数据，比如文本、音频、图片、视频等数据，数据类型与来源多元化，通过对其进行叠加分析，可以更好地发现其中的规律;③数据处理速度加快。计算机软件性能不断优化，电脑终端处理器速度加快，数据获取的实时性更高，数据挖掘趋于前端化。可根据数据提供的价值预测服务对象的需求，并提供个性化服务;④数据的实用性更高。数据的价值在于其实用性，海量数据的价值密度较低，采用大数据技术可从大量数据中提取有价值的信息[5]。

2 大数据与传统数据比较

2.1 高校大数据

教育信息化建设提出，高校在教学中应引入信息化技术，这使高校成为大数据产生的主要场所。人事变动、财务管理、教学方式等业务数据都在不断增多，网络教学课件、微课视频、远程教育等教学资源多元化，学生与教师可通过论坛、社交软件等交流，这些都会产生大量网络数据[6]。这些海量数据是极为重要的价值数据，对这些数据进行挖掘与分析，可为高校建设提供参考意见。比如通过对课堂教学、就业等进行数据分析，可对传统授课方式与学习模式进行优化;图书馆根据学生借阅历史判断其兴趣爱好，为后期学生培养提供参考;充分借助这些数据优化学校管理及服务工作等[7]。

2.2 高校大数据特点

大量的数据价值密度低，未经处理的碎片化数据直接影响判断的正确性[8]，大数据在高校教学中的应用具有“碎片化”特征。碎片化数据是信息化管理与服务过程中必然产生，而持续性特征体现在校园科研、教学与管理方方面面，因此坚持长期、持续的数据统计分析非常必要。高校数据还具备多维度特征，反映个体在校园活动中的完整状态[9]。比如成绩反映学习效果、读书历史反映兴趣爱好、消费情况反映家庭状况等，将这些多维信息进行有效整合，建立分析模型，全面清晰地了解学生个体，才能有效改变教学模式，提高教学效率。

2.3 大数据教育与传统教育区别

21世纪是信息化时代，信息的不断增加使大数据技术也不断发展，大数据技术比传统数据有着无可比拟的优势：①传统的数据来源固定，只是采集基本的数据信息，自然也没有数据的附加价值。大数据来源多元化，不仅可以对传统数据进行提取，还可以分析相关数据的关联关系[10];②数据的应用价值更高。传统数据库仅仅是对基础数据进行存储与查询，其主要目的是为了对数据进行保存。大数据时代的数据分析则是以分析预测为核心，通过对大量数据进行提取、分析，预测未来的发展趋势，为数据使用者决策提供参考意见。对于高校来说，传统的教育数据采集主要是心理测试与问卷调查，这些数据不太准确，加上缺乏专业的管理与分析办法，导致数据的利用价值丧失，只能诠释整体状况。大数据采集是连续的，可以准确记录学生的整个生命周期，关注学生变化，观察每个个体在课堂上的状况，及时调整教育行为，实现个性化教育。这种数据记录方式使数据价值更高，信息更加精确[11]。

3 大数据技术应用

我国高等教育在校生居世界第一。在计算机网络快速发展的今天，在线教育市场迅速扩大，推动了教育信息化快速发展，同时，大量的教育数据也给数据管理带来了新问题，需要引入大数据技术深度挖掘信息价值，实现信息的高度共享，推动高校教学信息化建设[12]。“十二五”期间，高校信息化建设的重心还是信息资源整合，“十三五”时期已经转入数据的挖掘与应用。高校包括学生学籍、学习成果、社交、教学课件、教学视频、人事变动、财务管理等信息，大数据技术对这些信息进行提取、整理，然后分析其关联关系，挖掘其潜在价值[13]。根据学生考勤、学习成绩等分析，可了解教师教学水平，及时了解学生学习状态;根据学生参与校园活动、图书借阅记录、选修课信息等，综合判断学生的兴趣爱好，帮助教师优化教学方式，合理调整课程设计，学生也可及时了解自己的情况，调整学习方式。因此，如何深入利用数据的价值，更好地帮助学校进行教学管理，是未来高校信息化建设的主要方向。

4 大数据应用面临的问题

4.1 大数据可用性与可行性

大数据时代常用数据分析事情的真相，然而数据并不全是真实的，只有质量较高的数据才具分析价值。高校碎片化数据较多且具有一定的重复性，这降低了价值密度，对数据分析造成影响，导致数据的可用性与可行性降低[14]。如果不对数据进行选取处理，实现高效融合，就会丢失大量高质量数据，降低数据的综合价值。

4.2 数据复杂，处理效率低

大数据技术可对数据整合、分析及应用，因此高质量数据是大数据技术应用的核心。高校数据具备周期性，短时间内数据不够准确不能作为判断依据，需要长期不断地整理与分析数据，需要耗费较长的时间与精力，而且在分析过程中要对数据进行相关性检测与对比，及时调整与修改数据，这不仅增加了整理与分析难度，还降低了数据的实效性。

4.3 缺乏人力资源，信息泄漏严重

高校大数据技术发展受阻的主要原因之一就是缺乏人力资源，专业技术人员空缺，有些高校甚至没有专业的信息技术部门，这些都阻碍了大数据技术的发展[15]。除此之外，大数据的信息搜集导致安全威胁、信息泄漏等问题，给学生与教育工作者造成了不少困扰。

5 大数据技术应用

5.1 制定数据规划

高校信息化建设起步较晚，建設初期整体性较差，导致数据质量参差不齐，即使发展至今，某些院校对于数据依旧缺乏整体规划意识[16]，仅以数据量多少作为判断数据的重要指标，简单对数据进行统计、存储，哪些数据是可用的、怎么用，没有进行科学规划与整理。鉴于此，必须通过科学、完善的数据规划，建立相应的数据模型，及时调整补充数据，且模型要适用于多个平台与数据库。

5.2 优化数据质量

数据的有效性与准确性依据数据质量，是保证数据价值的前提条件，因此提高数据管理质量非常必要，需从以下几个方面实现：①从数据来源进行控制，保证数据搜集工作的有效性，制定收集数据的相关标准，保证数据标准、全面。在保证数据来源基础上，提高数据收集精度与收集速度;②保证数据选取精确化，去掉大量的无用信息，精确提取有效数据，提高数据价值密度，保证数据在分析与挖掘过程中具备较高的价值;③健全数据管理机制，制定数据标准，重视历史数据积累，优化数据处理方式。

5.3 构建新的管理体制

要实现大数据共享，充分发挥大数据的价值，就要调整传统管理模式中的各种利益关系[17]，构建新的管理体制，消除部门间的资源共享壁垒，由顶层全面推动。技术部门整合系统数据并形成数据中心，主动维护数据信息。各职能部门及时沟通，配合跟进，充分发挥大数据的应用价值。

6 大数据技术实现途径

6.1 教学质量评估

大数据应用在教学质量与教师教学能力评估中，完善了传统教学质量评估的不足，根据课堂教学情况、学生课堂纪律等进行分析，及时了解教师对教案的熟悉程度，及时挖掘教学过程中存在的问题并对其加以改善，提高教学质量[18]。将大数据运用到高校教学评估中，可提高教学管理的科学性，帮助教师有效开展教学活动，进行教学改革，提高教学质量[19]。

6.2 构建个性化课程

有效记录学生的课堂表现与作业完成情况等信息，经过大数据分析，及时了解学生的学习情况，构建个性化课程。通过大数据分析技术，结合学习内容，运用微课、在线教学系统等方式，帮助学习者规划自己的发展方向，制定相应的学习计划[20]。大数据根据学生的学习情况与学习成绩，从以往数据中找出类似的学生信息，结合专业要求与学习能力进行分析，预测学生的综合成绩并推荐相应的学习方向与学习方法。

6.3 提高勤工俭学成效

大数据技术可收集校园一卡通消费记录并进行分析，计算出高校学生的平均消费值，动态分析出消费排后20%的学生，由勤工助学服务中心确认学生信息，联系院系辅导员，给经济困难的学生发送勤工俭学信息，如图1所示。

7 结语

高校教育信息化引入大数据技术，可深入分析与挖掘数据信息中的潜在价值，优化教学模式，更新教学理念，提高教学效率。大数据技术对教育信息化既是机遇也是挑战，需要教育工作者对其进行深入研究，优化信息化建设，推进大数据深入应用，提高高校教育教学水平。

参考文献：

[1] 李志刚. 大数据：大价值、大机遇、大变革[M]. 北京：电子工业出版社，2012：71-72.

[2] 桑庆兵. 大数据在高校的应用与思考[J]. 南通纺织职业技术学院学报：综合版，2013，13（2）：84-87.

[3] 王左利. 校园大数据规划先行[J]. 中国教育网络，2014（1）：59-60.

[4] 赵玉洁. 大数据在高校教育信息化中的应用探究[J]. 中国教育信息化，2015（19）：38-41.

[5] 张臣文. 大数据在高校教育信息化中的应用研究[J]. 天津中德应用技术大学学报，2016（6）：46-48.

[6] 褚宁琳，孙唯特. 大数据在高校教育信息化中的应用探析[J]. 现代信息科技，2017（6）：110-111.

[7] 袁慧. 大数据技术在高校学生教育管理工作中的应用[J]. 山西能源学院学报，2017（4）：100-101.

[8] 韦伟，张海涛. 浅谈大数据在高校学生管理工作中的应用[J]. 课程教育研究，2015（17）：34-35.

[9] 赵亮. 大数据在高校教育信息化中的应用[J]. 黑龙江教育学院学报，2014，33（9）：14-15.

[10] 刘键. 大数据在高校教育信息化中的应用探析[J]. 中国新通信，2017，19（19）：140-141.

[11] 牛朝晖，王松. 大数据环境下网络教育之变革[J]. 中国成人教育，2017（10）：39-41.

[12] 朱鸿鹏. 大数据视野下从智慧校园建设谈教学资源高效共享体系的构建思路[J]. 科教文汇，2017（3）：4-5.

[13] 狄宏林，周为，周勇，等. 共享数据中心在智慧校园中的建设与研究[J]. 无线互联科技，2016（8）：37-38.

[14] 马鸿健，张耘凡，王关祥，等. 大数据时代高校数据管理的思考[J]. 科技视界，2016（18）：131-132.

[15] 孙曼，王全. 大数据及其处理架构在高校中的应用探究[J]. 現代经济信息，2015（12）：96-98.

[16] 万辉. 大数据在高校学生管理工作中的应用[J]. 高校辅导员学刊，2014，6（4）：48-51.

[17] 谷艳华. 大数据时代概率论与数理统计课程改革探析[J]. 课程教育研究，2017（2）：243-244.

[18] 程桂龙. 大数据时代高等教育信息化的困境与选择[J]. 湖北成人教育学院学报，2015，21（4）：4-7.

[19] 陆璟. 大数据及其在教育中的应用[J]. 上海教育科研，2013（9）：5-8.

[20] 查欣. 基于数据挖掘的高校管理信息系统设计与实现[J]. 中国现代教育装备，2008（2）：53-55.

（责任编辑：杜能钢）