利用双学分量化体系解决大数据在高校学生素质培养中的应用瓶颈

来源：齐鲁工业大学 作者：梁震鲁 发表于：2016.12.29  518浏览

如今“大数据”是热门词汇，作为信息化从业者来说已并不陌生，大数据在高校中的应用和推广从2015年开始如雨后春笋般层出不穷。数据本身已经成为高校最重要的资产之一，用数据说话，借助大数据平台解决教学、科研、管理、人才培养等等环节中的分析、决策问题，是我们信息化从业者未来要去研究和推进的重要工作。今天我们围绕学生素质培养这个点，来解读一下大数据在高校中的应用存在的问题和解决思路。

培养人才是高校最根本的存在意义，除了传授知识和技能，学生综合素质的培养也是高校教育学生成长成才的重要组成部分，最终会反映到毕业时的就业能力和走上社会后的生存能力，但综合素质并不像学习成绩一样，可以直观的通过数字反映出，因此将大数据平台应用到学生的素质培养过程中有着非比寻常的意义。

我们也看到有些学校已经建立了大数据平台，但大多数只是发布了一些数据统计的结果，虽然也冠上了大数据的名义。还有些围绕学生管理建立了模型，分析出一些结果，但也是鲜有成功的指导意义。比较常见的做法是将学生的上网数据、一卡通数据和学生的学习成绩关联到一起，最终分析出许多“有意思”的结果，比如吃早饭和学习成绩之间的关系，洗澡和学习成绩之间的关系，打水和学习成绩之间的关系，等等。

这些虽然是我们之前没有掌握的一些“规律”，但对我们实际的管理工作很难有实际的指导意义，只能说明学校已经从技术层面搭建起了大数据平台并且具备了数据处理的能力，但从解决实际问题的层面，还处于非常雏形的阶段。这其中一个非常重要的原因，我们真的没有太多可用的、有价值的数据来分析，正所谓巧妇难为无米之炊。在技术平台越来越完善的今天，缺少有价值的原始数据成了大数据平台应用的瓶颈。下面先来看一下，我们能掌握的校园数据有哪些。

一、校园数据在哪里

1、校内基础数据

目前各个高校均已经或者正在实施譬如数字化校园这类的数据清洗和整合平台，这部分数据成为了校园的基础数据，可以大体分为“静态”数据和“动态”数据。

静态数据，包括校园内人与物的基本属性信息，例如校园基本设施、固定资产信息，教工、学生的基本信息，出生年月、性别、专业、地域等等，这部信息基本不会变化，属于校园数据中基础性的。

动态数据，即在校园业务中产生的数据，例如一卡通消费信息，学生考试成绩，图书借阅信息等，还包括学生日常动态，奖励惩罚等。这部分信息随着时间推移不断产生，动态变化。这部分数据需要经过分析和挖掘才能产生使用价值，“活的数据”更有价值，掌握动态数据也是进行大数据分析的关键。

校内的数据由这两部分组成，目前各高校对静态数据的梳理已经比较完善，对于动态数据的搜集和沉淀还很不全面，而这部分数据又恰恰是最有价值的。

2、校外第三方数据

除了校内的数据，还有来自校外的第三方数据。

这部分数据包括和学校相关的例如行业数据、市场需求数据、就业数据等，由政府部门掌握或第三方调研机构发布，例如全省就业需求的统计数据，各专业的就业形势，高校之间的学科建设数据，还包括一些调查报告数据，这些数据也有较高的实用价值，结合校内的数据可以分析出许多有用的信息。目前各高校对这部分数据的掌握大多来自政府机关或第三方调研机构。政府发布的高校相关数据较为片面和笼统，第三方机构发布的数据大多是有偿使用。

3、互联网碎片化数据

随着互联网的发展，信息平台数据越来越有价值，尤其是新媒体、社交平台的火爆，产生了大量的“短平快”碎片化数据，例如微博、微信、朋友圈、贴吧的平台产生的数据，这部分数据特点是非结构化、碎片化、私密化，一方面有较高的实用价值，另一方面又难以搜集和归纳。

二、“量化”是数据搜集和处理的基础

拿综合素质这一点来讲，在前面分析的校园数据来源当中，和学生综合素质有关的数据并不多，或者并不直观。例如校内数据中，虽然大多数学校都有学生管理平台，但仅仅是一个“档案管理系统”，我们可以对比教务系统，教务系统中有“课程”“学分”“成绩”等各类可量化的标准，这些数据经过积累沉淀，可非常方便的用来进行分析，而学工系统中的“定量”指标太少，难以进行“趋势”“分布”等数据分析，这和学生管理工作重定性，轻定量的特点有关。那这些数据应该怎么获取呢？

大数据应用的途径之一，是根据研究对象和其特点将其“翻译”成量化模型，将其演变过程数值化，然后再将数据的变化趋势“翻译回”对研究对象的描述。在高校中类似比较典型的应用有心理测评系统和职业兴趣测评系统，都是先由一些专家学者通过大量的样本分析制定出标准模型，将这些模型量化成测评题目，最后根据测评者获得的分数再来分析他的心理状况或者职业兴趣倾向。将非结构化的数据结构化，将事物的属性量化，是获取数据、沉淀数据的重要手段，所以对学生素质各类量化标准的研究和设计显得尤为重要。

三、利用双学分量化体系解决大数据在高校学生素质培养中的应用瓶颈

为了解决“量化”这一问题，齐鲁工业大学出台了《双学分制人才培养模式下的大学生综合素质培养方案》：

一是设计并实现大学生在校成长的量化评定，按照综合素质培养的基本内容，形成七个模块，并在每个模块中规范设项、合理赋分，最终以学分形式予以体现。

二是实行阶梯式评价，针对学生个体对课外素质拓展不同的要求，确定不同的评价标准，对应不同的责任和权利。

三是对于综合素质教育过程中产生的大量数据，由学生工作处和网络信息中心联合搭建信息化管理平台加以处理，以实现机制的可操作性。

将日常开展的思想政治教育和管理教育等工作内容课程化、体系化、标准化，通过规范的课程建设、课堂教学和课程考核来开展，通过组织开展思想、文化、艺术、体育、科技、职业规划、就业创业、社会调查、学术研究、心理健康教育等各个方面的活动、竞赛等，引导学生在实际的参与、操作、体验过程中得到素质的锻炼、提升。

培养方案学分设置分为基础性学分和提升性学分两种类型。获得基础性学分的要求是：按照各项内容规定的考核和赋分办法达到标准要求即可获得额定学分，超出部分不再折合计算学分，但记录成绩。获得提升性学分的要求是：按照各项内容规定的考核和赋分办法取得相应的学分，同一模块内获得的学分可累加无上限。

学生在校期间修满额定的基础性学分和一定要求的提升性学分，可认为学生达到合格水平；提升性学分是认定学生在综合素质某个或某些方面特点及能力的依据，在个人鉴定或推荐工作中予以体现。学生在校期间要修完28个基础性学分和最低10个提升性学分。

四、未来发展方向

有了量化的体系，就能够动态的积累、监测学生综合素质的各项数值，将这部分数据的变化趋势结合学校各项政策的实施、学生在校的行为轨迹，运用大数据平台建立数据模型，进行相关性分析，就能够起到决策辅助、行为预警、轨迹预测等作用，而这些作用正是大数据平台应用价值的体现。

“双学分制人才培养模式下大学生综合素质培养与评价机制研究”这一课题已经在2015年度山东省社会科学规划项目立项，这也是齐鲁工业大学在数据应用方面的积极探索，我们也将继续研究在更多的高等教育领域制定好标准，使用好数据，让大数据技术的应用在高校中体现出实际的价值。（《中国高等教育学会教育信息化分会第十三次学术年会论文集》）