韩晋川

摘  要：近年来，随着高职院校办学规模的扩大，学生数量增加，学生信息管理工作难度提升，引进大数据，应用其中的数据采集技术、数据存取技术、数据处理技术、统计分析技术、数据挖掘技术等，采集学生各项行为数据，进行关联分析，有利于因材施教展开个性化指导，对专业教学展开过程性评价，完善教学管理，全面提升办学质量。

关键词：大数据;高职院校;教学;应用

改革开放以来，我国经济持续中高速发展态势，生产、服务、管理等一线岗位人才稀缺，职业教育受到了国家与社会的重视，2010年，《国家中长期教育改革和发展规划纲要（2010-2020年）》中明确提出要大力发展职业教育，让我国高职院校步入一个蓬勃发展的时期，招生规模扩张，学生数量增加，学生信息管理工作难度增大。在这种情况下，引进大数据技术，合理应用数据挖掘技术，能够有效提升高职院校教学信息管理水平，提升相关信息在教学质量评估、提升中的利用价值。

1.大数据技术概述

大数据这个概念的推广，始于2008年白皮书《大数据计算：商务、科学和社会领域的革命性突破》的发表，自此研究人员及业界高管开始认识并正视这一概念的认知，随后《Big Data：Science in the Petabyte Era》的发表，让这一概念传播开来[1]。

在互联网时代，大数据技术得到了广泛的应用，让海量数据信息发挥出了应有的信息指导价值，为各行各业决策提供了信息支持。在大数据中包含以下核心技术：①数据采集技术。借助于管理系统、WEB 信息系统、物理信息系统、科学实验系统，可采集海量信息，为数据分析提供基础;②数据存取技术。采集到海量数据信息后，需进行储存，常采用的技术路线有大规模大结构化数据、半结构化和非结构化数据、结构化与非结构化混合数据这三类，在数据存储中常用的文件系统有HDFS、GFS，常用的数据库有 Big Table、PNUTS、Dynamo;③数据处理技术。这项技术能够將不同结构形式的数据几何，集成、整合成一个新的数据集，再进行处理、分析、融合，为后续的数据分析、检索打下良好的基础;④统计分析技术。这项技术中包含特征检验、假设检验、关联分析、卡方分析、曲线分析、对照分析、逐级回归等多种数据分析方式;⑤数据挖掘技术。大数据中有着海量信息，并不是所有的信息都是你需要的，所以需要应用数据挖掘技术，寻求目标数据信息;⑥模型预测技术。基于数据分析、挖掘结果，构建预测模型及仿真模拟;⑦结果呈现。以标签云图、关系图的形式，可视化展现数据采集、处理、分析结果[2]。

2.大数据在高职院校教学中的应用分析

2.1应用大数据落实因材施教教学目标

在高职院校中，一个教师往往要教几百个学生，难以把握好每个学生的学习特点，因材施教，影响了学生的个性化发展。应用大数据，可以采集、汇总、分析学生的各类学习信息，包括网络平台登陆次数、学习时间、学习内容、与教师或同学问题交流频率、图书借阅次数、借阅书籍名称、学习成绩等，构建学习图谱，将学生整体按照学习兴趣、认知能力、行为习惯等特质分区，不同分区制定不同的教学方案。同时，教师可以根据学生的学习图谱，分析学生学习行为中存在不足的地方，督促学生加以补足，学生也可以根据自身的学习行为分析结果，来选择学习方向，完善学习规划。

2.2应用大数据更有效地对教学过程进行评价

为了促进教学改革，提升教学质量，应该进行全面客观的教学评价。教学评价是一个复杂繁琐的过程，需全面采集教学过程数据，进行数据融合与分析，传统数据手段无法实现这一目标，而大数据可以。在日常工作中，教师应该应用大数据进行教学信息采集，并利用相关计算机软件，计算、挖掘数据，通过信息对比和信息关联，找出教学数据中的规律，评估不同教学模式的应用效果，从而找出一条正确的教学改革之路，推动高职院校教学工作的健康发展。

2.3应用大数据完善教学管理

高职院校要想提升教学质量，除了加强教学过程管控外，还应该完善教学管理机制，为学生创造良好的学习、生活环境，通过人文化的教学管理，来提升学生的学习积极性。应用大数据技术及现代化信息技术，可以让学生在智能手机、笔记本等移动终端设备上选课、上课，教师可以在网络平台后台采集数据，更好地管理学生。此外，可以应用大数据技术采集学生个人情感、消费、学习成绩等信息，行为数据关联，分析影响学生学习成绩的因素，提出对症的管理措施。

3.结语

综上所述，大数据具有容量大、类型多、存取速度快、应用价值高的特征，应用这项技术，能够实现对海量数据的采集、分类、储存、分析，从中挖掘出有利于决策的信息[3]。在高职院校教学中，应用大数据技术，采集教学相关数据，比如说专业课程规划、教学时间安排、学生考勤信息、考试成绩等，通过系统分析评估教学质量，以此为依据展开教学质量持续改进，分析学生管理方面存在的问题，提出改进策略，能够全面提升高职院校办学质量。

参考文献

[1]  王军，陈爱香.大数据视域下七所农林类国家示范性高等职业院校科研竞争力评价[J].河北职业教育，2020，4（02）：5-10.

[2]  韩娜，范科技.基于结构模型的高职院校政府采购招标大数据非参数评估[J].电脑知识与技术，2020，16（11）：278-280.

[3]  韩泉叶，刘清毅，王庆辉，王馥庆，杨秋叶.基于大数据的高职院校信息化建设框架体系研究[J].电子测试，2020（08）：118-119.