[摘 要]目前高校学生管理者运用经验法、观察法和简单的数据统计方法进行学生个体及群体的个性化管理，取得了一定的成效，但也存在靶向性不强、滞后性明显等较难克服的问题。大数据在教育领域的兴起为解决这些问题提供了契机。在高校建立起基于教育大数据的学生个性化管理模式将推动学生个性化管理由经验模式向科学模式变革，由被动应对向主动预警转变，由依赖点数据向全貌数据转换，从而提高学生个性化管理的效率与质量。
[关键词]教育大数据；个性化管理；分析
[中图分类号]G640 [文献标识码]A [文章编号]1671-8372（2017）04-103-05
Abstract：At present， the management of college students used the empirical approach， observation method and simple data statistic method to study personalized management of individual students and groups， and has achieved some effect. However， there are some problems which are difficult to overcome， such as weak targeting and hysteresis. The rise of big data in the education sector provides an opportunity to address these problems. The personalized management model of college students based on the educational big data will push the personalized management model to change from empirical mode to scientific model， reactive to proactive， and transforming from the depend point data to the full view data so as to improve the efficiency and quality of college students’ personalized management.
Key words：educational big data； personalized management； analysis
近年来，大数据不断对社会各个领域产生深刻影响，推动着人类思维与实践的大变革。同样，其力量也强烈地冲击着整个教育系统，正在成为推动教育系统创新与变革的颠覆性力量。教育大数据是大数据的一个子集，特指教育领域的大数据，是整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合[1]。教育大数据的所谓“大”并非只单纯指数量之大，更是指其应用及研究价值之大，即能从繁杂的教育数据中挖掘相关关系、诊判现存问题、评估预测发展趋势。应充分发挥教育大数据在提高教育管理质量、促进学生个性化管理、优化配置部门资源、辅助高校科学化决策等方面的重要作用。
学生个性化管理是尊重学生个体独特价值，发掘个体潜在能力，引导学生形成独立人格和独特个性，促进学生个体自由科学发展的管理。《国家中长期教育改革和发展规划纲要（2010-2020 年）》明确提出：“尊重教育规律和学生身心发展规律，为每个学生提供适合的教育。个性发展与全面发展相结合”[2]。推进高校学生个性化管理则是推动个性化教育实现的重要内容。目前的学生管理者基本采用经验法、观察法和简单数据统计相结合的方法实行个性化管理，取得了一定的成效，但也存在靶向性不强、滞后性明显等较难克服的问题。如何实现精准的因材施教，的确成为现阶段大众化高等教育的一道难题。教育大数据的兴起为高校实现个性化的学生管理提供了契机。
一、教育大数据在高校的集成
教育活动既包含教学、科研、管理、校园生活及服务等正式活动，也包含家庭沟通、社会教育等非正式活动；既包括线下的现场教育，也包括线上的视听教育。这些都是教育大数据产生的环境。环境的营造者是“主体”与“教育大数据管理平台”，二者也是教育大数据产生的源头。“主体”包括学生、教师、学生工作者、学校行政管理者，“教育大数据管理平台”包括基础信息系统、动态采集处理系统、教务系统、学生事务系统、一卡通系统等各类教育管理装备。教育大数据要求各系统打破藩篱，除必要涉密信息外，要做到互联互通。在各类教育活动中，由“主体”产生并与“教育大数据管理平台”交互录刻的海量数据，经过充分挖掘、连接与整合，则集成可应用于教学管理的教育大数据（见图1）。
高校的一切行为主体都在产生动态数据。学生在学习生活中留下数字碎片，如课程选擇、网络社交行为、党团学活动的参与、图书馆的出入、成绩动态、校园卡的使用等，均可借助人工智能和云技术对这些数据进行充分挖掘、整合与分析，将碎片化数据转化为知识性信息。一方面，这能使教师为学生提供个性化的学习内容和资源；另一方面，也能在学生管理服务领域为学生工作者及行政管理者及时提供预测和调整的信息。可见，依托数据实证的学生管理研究正逐步冲破经验管理的束缚，发展成为一种实实在在、有数据支撑的研究范式。吉姆· 格雷提出数据密集型科研“第四范式”，将大数据分离出来单独作为一种科研范式[3]。因而，教育大数据必将引发高校学生管理模式与方法的变革。
二、教育大数据时代高校学生个性化管理：模式与方法的变革
当下，立足于大数据挖掘与分析来变革高校学生管理模式已经成为现在及将来高校发展的必选项之一。在教育大数据支持下开展学生管理活动与传统管理相比具有明显的优势，这种新型的管理模式将在变革大学生个性化管理实践方面发挥独特的作用。
（一）由经验模式向科学模式变革
目前，高校學生事务管理者进行个性化管理仍然以经验模式为主导，一方面依靠个人管理实践经验，另一方面依靠采集到的数据资料。而传统教育数据的采集往往是节点性的，多在非自然状态下（用户知情）进行，数据分析的手段主要采用简单的汇总统计和横纵对比分析，着力点是学生的群体特征。并且，因数据的单薄、孤立与静态，缺少足够的数据源和可供预测、分析、判断、评估教育行为的依据，使得学生管理者对个体的关注常陷于经验性的推测，一方面导致工作量的繁杂，另一方面也容易导致忽视与误判的产生。因而，经验模式主导下的大学生个性化管理效果并不佳。
科学的学生个性化管理学性主要体现在：1.管理者真正认识学生，了解学生的成长历史、家庭情况、生活轨迹、学习动态、性格偏好、兴趣、风格、能力缺陷、发展目标等；2.可提供最适合学生发展的环境、平台、资源、工具与服务等外部条件。而教育大数据是管理者全面、主动认识每个学生客体真实情况的重要工具，管理者通过教育大数据这个具有数据海量化、更新动态化、途径多元化、挖掘深度化等特点的有效工具对学生动态数据进行深度挖掘与分析，为每个学生提供最合适的管理与服务，从而弥补传统经验模式的不足，推动大学生个性化管理模式的科学性变革。
（二）由被动应对向主动预警转变
传统的高校学生管理数据往往选择在阶段性节点进行采集，动态性不足，同时由于数据壁垒的存在，导致数据联动性欠佳。如涉及学生健康的数据，主要是入学体检、重大疫情统一体检、毕业体检等，其时间跨度比较大，又囿于我国基础教育大数据正在探索建立阶段，因而高校学生事务管理者对每位学生的以往疫病数据并不了解，对学生平日的医院问诊、取药情况的动态数据也不掌握，导致不能及时介入学生健康管理，因而常会出现学生因未能及时接受正规和系统的治疗而无奈休学或退学，甚至病情扩散的情况。
在教育大数据的支持下，学生工作者能够更高效地关注每位学生，记录其学习活动与生活轨迹，分析每个学生的日常行为、诊断其管理服务需求。通过大样本与实时动态监测个体、结构群体的日常学习生活过程，根据其状态波动制订相应管理预案并调整当下管理策略，保障学生的稳定成长。一方面，通过对数据信息的分析，学校层面的行政管理者可对内外部环境中可能影响管理服务秩序的各种动态因素做出预警和预判，推动内部秩序保障机制的建立；另一方面，学生事务管理者掌控学生的发展状态，关注大学生内部情况，对学生个体及群体的变化趋势做出预测和实时介入反馈，从而建立个性化的管理环境。
（三）由依赖点数据向获取全貌数据转换
大数据时代的一个重要转变便是从求证因果关系转向关注相关关系，要从高频巨量的数据中发掘出某种相关关系，不再单纯从事实片段中寻求原因。教育大数据与自然科学数据相比，具有高速流动性的特点，海量的学生数据均在动态中涌出，实时整体掌握这些数据尤为重要。数据还具有非结构性强的特点，教育大数据具有巨大的价值，但价值密度却低，要从这些数据中寻找相关关系，无异于“沙里澄金”。为了提高“含金量”就需要管理者转变思维，从寻求确切的点数据转向获得全貌性数据。
通过挖掘全貌整体的学生数据背后的规律，能够为个性化分析提供科学智能手段，真正实现个性化管理从群体到个体，再从学生个体个性化到学生群体个性化，在群体关注与个体指导之间找到新的交融点。另外，全貌性数据能够帮助学生管理者实现育人的根本目的，实现不仅“知其然”，更能够“知其所以然”，有利于洞察到管理中问题产生的本质原因，从根本上寻求解决之道。
三、基于教育大数据的高校学生个性化管理模式
根据前文探讨发现，在教育大数据帮助下的高校学生个性化管理模式与传统管理模式相比具有较为明显的优势，能够弥补传统模式的不足，因此有必要研究对传统的个性化管理模式进行变革，推动建立基于教育大数据的高校学生个性化管理模式。在这种新的管理模式下，学生工作者逐步由管理者转变为帮助学生个体和群体个性化发展的服务者。传统的校园系统将升级为智慧校园平台，持续刻录个体的行为数据，并进行智能存储、整合和转码，依据挖掘及分析工具准确诊断、评价个体及群体的状态及问题，形成可视化的分析报告，并在管理者和学生均进行矫正改进后制定个性化管理服务方案，帮助学生们成长成才。据以上分析，本研究构建了基于教育大数据的高校学生个性化管理模式（见图2）。
（一）教育大数据的采集
与传统的教育数据采集不同的是，教育大数据的采集来源更加多样化，包括服务平台内部数据、互联网数据、动态感知数据与物联网数据等，数量庞大繁杂，结构数据和非结构数据并存。对于结构性的数据，通过链接不断更新的高校的基础信息系统、教务系统、学生事务系统等现有系统，能够满足采集的需要。而对于非结构性、多源异构的数据，则因其动态性和不规则性，现有系统难以采集，必须采用最新的采集技术，对数据进行采集和初步处理。这些采集技术主要包括物联感知类技术（物联网感知技术、可穿戴设备技术和校园一卡通技术）、视频录制类技术（视频监控技术、智能录播技术与情感识别技术）、图像识别类技术（网评网阅技术、点阵数码笔技术）和平台采集类技术（日志搜索分析技术、在线学习与管理平台技术、网络爬虫采集技术与移动 APP 技术）等[4]。
为了保证教育数据的有效与可用，要在数据的采集环节把好标准关、质量关，运用技术手段实现原始数据点到高质量可用信息的初步转化，尤其是促使非结构性数据的转化，以便于教育数据的存储、整合与分析。目前能较好实现数据初步处理的技术主要有：高质量原数据的采集方法、数据清洗的方法、数据的溯源管理、多源数据的解析方法等。
（二）数据仓储及初处理
在前期的数据采集及初步处理后，经过传输进入数据仓储及初处理这一环节。这一环节主要是对数据进行整合与存储。整合是指通过精确的数据整合方法，对传输来的数据进行深度加工处理，在尽可能保留数据意义的情况下去粗取精、消除干扰元素，从整合的高度保证数据具有统计分析的价值；数据存储是数据的存放池，主要用来存放各种结构化、半结构化和非结构化的历史数据、预测数据、经过汇总的数据及需要共享的数据等。采集到的数据在经过整合存储之后才真正具备了统计数据的意义，达到可操作使用的级别。这为提取学生个体群体数据带来了便利，也让接下来的数据深度分析成为了可能。学生教育管理各个环节有比较强的灵活性，所以要辨别教育数据的类别和相应的分析目标，灵活选用处理数据的算法模型。
（三）学生个体群体数据分析
經过前期的数据整合存储后，我们就拥有了进行数据统计分析的基础。整合后的数据已经显现出了一定程度的学生个体特征或者群体特征。因此后续的数据分析则将给予这种特征以科学性的证明。学生个体群体的数据分析主要包括进行深层次的数据挖掘和学习分析。数据挖掘是将原始数据和初步整合处理的数据真正转化为可用信息的复杂过程，所谓可用即通过显式的数学模型运算后达到为学生管理者、学生、管理研究人员及系统开发人员所利用的程度；学习分析则是通过网络分析法、话语分析法、滞后序列分析法[5]及内容分析法等充分运用分析决策模型、工具和算法对可用数据进行分类分析。经过学习分析后，利用现有的可视化技术，将相关的分析结果按照容易理解和接受的标准呈现给受众，这样利于管理者及时纠正管理失误、填补漏洞，也利于学生及时对自身不足进行矫正，实现高效能处理教育数据与数据应用的最大价值。如管理者在处理高校贫困生认定工作时，在整合挖掘学生基础信息、一卡通信息数据及日常动态消费数据后，在数据保密及安全的情况下，建立显式数学分析模型测算学生的实际困难程度，为高校贫困生认定工作提供一定的数据支撑，从而有利于扭转当前评定基本依靠主观印象的工作方式所带来的非议和困境。
（四）个性化管理服务方案的制定
个性化管理服务方案的制定立足于学生管理的宗旨和目标，依据学生个体及群体数据分析的结果，进行综合评判和对症管理，制定符合学生发展的个性化管理服务建议方案，最终服务学生个体及群体的良性发展。个性化管理服务方案应该包括基于全样本的科学研究报告、全面而精准的发展评价报告、科学管理建议报告、个性化指导服务报告、学生发展建议报告等五个板块，服务于学生事务管理者和学生等用户。
个性化服务管理方案制定后，可以辅助管理者们进行更科学的管理决策，更精准地调整和改进各项管理服务方法，提高管理和服务的靶向性，通过相应的干预渠道调节学生的发展，从而提高管理服务的质量和水平。同时，可以向学生推荐个性化的自我提升路径及资源，充分发挥教育大数据技术的优越性，实现大数据应用的最大价值。
四、个性化管理模式应用保障建议
2015年国家大数据战略与“互联网+”行动计划的推出，为大数据理念与技术在教育领域的快速渗透和应用推广提供了强有力的保障。可以说，教育大数据时代已经到来，其在高校学生管理领域的应用前景已可以预见。为促使该应用的顺利研究和实施，则需要将相应的保障措施考虑在前。
（一）人员与组织保障
谋划筹建一支信息化、专业化水平较高的高校学生管理团队是做好学生个性化管理工作的前提和保证。高校决策层应支持教育大数据研究与使用人员的引进与培训。在教学及辅助人员招聘条件允许时，争取引进大数据挖掘与分析专业的人才。另外，在学生管理工作队伍中开展统计学、网络技术等专业知识的针对性训练，培养学生管理工作者运用大数据技术的能力[6]。在学校及学院学生管理部门建立数据共享机制，形成用数据记录、用数据发现、让数据说话、凭数据决策的组织文化，将数据真正转化成学生个性化管理的工具，获取对学生个性化管理的基本认知、内核认知和未来认知，为个性化管理提供科学理性的行动支持。
（二）系统构建保障
构建强大的集采集、传输、仓储、整合、挖掘、分析及报告为一体的高校大数据系统，是实现教育大数据时代学生个性化管理的关键硬件。较为完善的高校大数据系统将大大提升管理的效率。构建这一系统的前提是要打破管理部门的组织壁垒，实现现有信息系统的互联互通（必要的保密信息除外），为高校大数据系统的建立节约成本，也避免结构性信息采集的重复。
建立完整的教育大数据治理模式，指导教育数据的获取、归档、保存、互换以及重复利用，是实现教育大数据时代学生个性化管理的关键软件。制定教育基础数据采集和质量管理标准，形成清晰的数据治理机制、流程与质量管理办法。研究建立教育数据集的归档与保存的机制和方法，实现教育数据库、教育资源平台、教育服务平台等产生的数据合规汇集与共享，形成系统性的教育大数据中心。
（三）信息安全保障
虽然我国目前还没有出台关于大数据安全的管理办法，但大数据应用已迅速在教育领域扩张。基于教育大数据的敏感性与特殊性，高校部门应该尽早考虑从机制、技术、方法、应用等多个层面制定数据管理细则。建立教育大数据的保密等级，确定数据公开的级别与范围，按保密等级规定采取相关的保障措施，明确各负责部门的安全管理职责，切实保障学生个体及群体的教育数据安全。另外，加快研发高校专用的教育大数据仓储系统，提供性能灵活、可靠安全的存储服务。与此同时，要实时监控教育大数据的应用动态，对侵犯用户隐私、违法应用数据的单位和个人进行管制。
[参考文献]
教育技术资讯.中国基础教育大数据发展蓝皮书（2015）.[EB/OL].[2016-04-18].http：//mp.weixin.qq.com/s？__biz=MjM5NzU4MDM0MA==&mid=2650852426&idx=2&sn=b8fcfbb6252a25ccf05796beb662de92&scene=2&srcid=0418CdcJGgZEkHHkiBlZ8KEy&from=timeline&isappinstalled=0#wechat_redirect.
中华人民共和国教育部网.国家中长期教育改革和发展规划纲要 （2010-2020年）[EB/OL]. [2016-07-29].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/moe_838/201008/93704.html.
杨德广.杨德广教育文选：第1卷[M].上海：华东师范大学出版社，2010：4.
邢蓓蓓，杨现民，李勤生.教育大数据的来源与采集技术[J].现代教育技术，2016（1）：5-11.
Yang X M， Li J H， Guo X S. Group interactive network and behavioral patterns in online English-to-Chinesecooperative translation activity[J]. The Internet and Higher Education， 2015（25）：28-36.
梁家峰，亓振华.适应与创新：大数据时代的高校思想政治教育工作[J].思想教育研究，2013（6）：63-67.
[责任编辑 张桂霞]
您现在的位置： 
论文分类