基于教務管理系統的數據分析工具的研究與設計*

鄧文俊，曹陽波，劉英群，程建鋼

(清華大學 教育研究院 教育技術研究所，北京 100084)

基于教務管理系統的數據分析工具的研究與設計*

鄧文俊，曹陽波，劉英群，程建鋼

(清華大學 教育研究院 教育技術研究所，北京 100084)

基于大數據的學習分析受到越來越多的關注，但能夠直接用于教育教學實踐的分析技術和工具則非常有限。隨著教育信息化發展，高校普遍應用了綜合教務管理系統，積累了大量的數據。該文收集并分析了教學管理者最迫切的數據分析需求，選擇了常用的數據分析方法，設計并實現了一個基于教務管理系統的數據分析工具系統。該系統由統計分析工具集、數據計算方法模塊、分析結果可視化模塊三個部分組成，其中統計分析工具集包含學生、教師、師生比、教師工作量和成績分析等方面的七個常用工具。應用該系統對某高校教務管理系統中16年的數據進行分析，結果驗證了數據分析工具對于教務管理者的決策支持價值，體現了嵌入教學系統的數據分析工具的優勢。

教務管理系統；數據分析工具；大數據分析；決策支持

一、引言

教育部《教育信息化十年發展規劃(2011-2020年)》指出，要加快學校管理信息化進程，建立電子校務平臺，加強教學質量監控，推動學校管理規范化與校務公開，支持學校服務與管理流程優化與再造，提升管理效率與決策水平，提高辦學效益，支撐現代學校制度建設[1]。教學管理在高校管理工作中居于核心地位，教務管理信息化是校務管理信息化的重要組成部分，能夠促進教學管理過程的程序化、規范化和科學化，保障教學工作穩定、協調、高效運轉，加快高校管理現代化的進程。

經過十多年的發展，絕大多數高校都通過綜合教務管理系統實現了教學管理信息化，這些系統多年來積累了大量數據。這些數據涵蓋了學生、教師、課程、成績等多個方面，不僅是教務管理的工作記錄，同時也是教務決策的重要依據。分析這些數據，能幫助決策者更好地了解并明確教育實踐的優勢與缺陷，從而確定需要改進的方向[2]。

美國高校教育信息化協會(EDUCAUSE)也看好教學數據分析的前景，其與美國新媒體聯盟(NMC)合作的“地平線報告(Horizon Report)”預測，教學數據的分析技術將在未來兩至三年內在教育領域廣泛應用[3]。但是數據分析技術的研究還處于起步階段，大部分的研究還是概念性的，真正能供教學使用的分析工具還很少。數據分析工具分為兩大類：通用工具和專用工具。通用工具不是專門開發的，而是將已有的分析工具直接拿來應用，如SPSS等。這一類的工具需要將數據從系統導出，并對數據做預處理，這些都需要一定的專業技能，不適合一般的教學管理者使用，更適合研究人員；專用工具是專門為分析教學數據而定制開發的，這一類的工具能嵌入某個教學系統中，與系統無縫連接，可以讓普通用戶在系統中直接使用。目前這一類的工具非常有限。本文基于“清華教育在線”教務管理系統，針對教育管理者最關心的問題，設計并實現一個數據分析工具系統，以便支持教務管理者對大量數據進行深度挖掘和分析。

二、數據分析的目標

設計數據分析工具的第一步是選擇要分析的數據。而選擇哪些數據，關鍵在于數據的使用目的[4]，因此設計數據分析工具集應從教務管理者關心的問題出發。本文從應用“清華教育在線”本科教務管理系統的30多個院校提出的上百個需求中，提取出與數據分析有關的需求，整理出了若干教務管理者最關心的問題。

1.學生情況

學生情況指從不同的維度對在校學生和已畢業學生的人數情況進行分析，例如民族、性別、生源等。按照不同民族、性別、生源地對在校學生人數分布進行分析，可以了解少數民族學生數、男女學生數、學生來源的構成比例等，從側面反映教育公平情況[5]。在已有維度的基礎上，加上年級維度和時間維度，便能了解這些構成比例隨時間的變化趨勢。

2.師資情況

師資情況指從不同的維度統計教師人數，分析結構分布。分析教師的年齡和職務，能了解各個層級教師的比例，分析教師結構是否合理；分析性別、民族的比例，能了解教師在性別和民族層次上的合理性；分析教職工總數中正式教師的數量與全部教職工數量的比，可以從中反映出教師隊伍的穩定性。加上時間維度后，可看到這些結構隨時間的變化。分析教師結構，對高等學校教師隊伍素質建設具有一定的啟發意義[6]。

3.教師工作量

大學教師工作量包含教學、科研和服務，它們共同構成了大學教師的學術生活。統計任課教師的上課時間，科學合理地計算大學教師工作量，能幫助解答“教學的數量和質量的關系如何”“教學與科研怎樣結合”以及“ 報酬和聲望如何分配”[7]。一般以專任教師平均周課時作為工作量的計算方法，周課時數是衡量教師工作量的指標，應合理安排每位教師的工作量，以保證滿足工作量的同時不使部分教師超負荷工作。

4.師生比

師生比是指某特定的教育層次，在指定年份中的教師數與學生數之比。由于師生比表示平均一名教師所負擔的學生數，所以人們往往把師生比作為衡量辦學效益的指標之一[8]。分析師生比的數量比，可以從所得比例數中清晰地了解是不是存在不合理的超編教師，或者教師數遠不能滿足正常教學的需求等情況，以便及時增減教師，滿足正常教學的需要。

5.成績分析

成績是評價高校教學質量的重要依據，也是評估學生對所學課程掌握程度的主要標志。對影響學業成績表現的因素進行詳盡分析，能在此基礎上提出有針對性的教育質量改進與提高的政策建議[9]。成績分析有兩個層次，第一層是一般分析，例如課程成績的平均分、方差，統計學生成績分數段等；第二層是深入分析，分析學生某些特征與學習成績之間的相關性，挖掘課程成績之間的關聯性，反映學生隨時間變化的學習成績特征等。

三、數據分析的方法及工具系統的設計

教育統計作為一種研究方法，是以數理統計學的一般原理和方法，對教育實踐中所獲得的數據進行整理、分析與解釋的工作[10]。統計方法是進行定量教育管理與教育定量研究的主要手段。本文歸納了高校教務管理者最關心的問題，從中提煉出分析這些問題所需的統計分析方法，作為設計數據分析工具的依據。常用的統計方法包括描述統計、皮爾遜積矩相關系數、t檢驗、方差分析、時間序列分析等。

(一)系統的結構框架

本文將數據分析工具系統嵌入原有的教務管理系統中，成為其有機組成部分，其結構框架如圖1所示。數據分析工具系統由統計分析工具集、數據計算方法模塊、分析結果可視化模塊三個部分組成，其中統計分析工具集包含學生、教師、師生比、教師工作量和成績分析等方面的七個常見工具。數據計算方法模塊完成對統計分析工具的技術實現，分析結果可視化將分析結果以圖表的方式呈現出來。數據分析工具系統的數據來源于教務管理系統的數據庫，與教務管理系統其它業務管理模塊相互獨立，修改業務管理模塊，并不會影響數據分析工具系統。

圖1 數據分析工具系統的結構框架

統計分析工具集中包括七個分析工具：(1)學生情況分析：在一定范圍內，按多種維度統計學生數量，例如按生源地、性別統計新生的數量等；(2)教師情況分析：在一定范圍內，按多種維度統計教師數量，例如歷年來高級職稱教師的比例；(3)教師工作量分析：在一定范圍內，統計教師的周課時，例如按學院統計教師工作量的標準差；(4)師生比分析：在一定范圍內，統計師生比的均值、方差等情況，例如統計某學院的師生比；(5)成績相關性分析：在一定范圍內，統計學生成績績點與特定因素的相關性，例如學院的師生比與該學院學生成績的相關性；(6)成績t檢驗：在一定范圍內，統計兩組學生的學生績點是否有顯著的差別，例如男女生成績是否有差別；(7)成績方差分析：在一定范圍內，統計多組學生的學生績點是否有顯著的差別，例如來自不同地緣學生的成績是否有差別。

數據分析工具的使用流程如圖2所示。首先選擇統計范圍及數據。以學生情況統計為例，可以統計全校的學生，也可以統計某個學院的學生。其次選擇維度，設置統計分組。以學生統計為例，可選的維度包括：院系、性別、民族等。再次選擇內容，學生情況統計和教師情況統計不用選擇內容，因為內容就是計算數量。成績相關性分析、成績t檢驗和成績方差分析也不用選擇，因為統計內容是固定的。師生比分析可以選擇均值、標準差等描述統計的方法。最后選擇結果呈現方式，有一維表、二維表、柱狀圖、餅狀圖等多種形式可供選擇。

圖2 數據分析工具的使用流程

(二)關鍵技術問題和解決方法

數據分析工具的技術開發涉及到兩個關鍵問題，即選擇數據計算方法及技術實現、分析結果可視化。

1.數據計算方法及技術實現

數據的計算方法包括平均數(Mean)、中位數(Median,Md)、皮爾遜積矩相關系數等的實現。計算方法有兩種實現方式：數據庫實現和Java實現。

本文中的教務管理系統使用Oracle數據庫，它提供了分析函數。分析函數是Oracle 8中引入的一個概念，為分析數據提供了一種簡單高效的處理方式。分析函數共有32個，包含了描述統計中的所有方法、相關分析、方差、回歸分析等多種統計方法[11]。分析函數執行效率高，而且使用分析函數可以直接在數據庫中計算平均數、相關系數等統計值，與Java的實現方式相比，不用傳輸原始數據，節省了大量時間[12]。

Java有開源的統計方法庫，例如Apache Commons Math、JStats等，這些方法庫中包含了常用的統計方法。以Apache Commons Math為例，其包含描述統計、頻率分布、 二元回歸、t檢驗和方差檢驗[13]。與數據方法相比，Java的統計方法庫支持更多的統計分析方法。

本文采用兩種結合的方式，以Oracle分析函數為主，以Apache Commons Math為補充。若Oracle分析函數滿足需求，則使用分析函數；若不滿足，則使用Apache Commons Math。

2.分析結果可視化

(1)Java方案。使用Java開源圖表生成庫，例如JFreeChart，在java中生成圖表文件，然后在網頁上呈現。這種方案的優點是運行效率高，圖表的文件格式豐富，缺點是圖表不能交互。

(2)Flash方案。利用Flash技術呈現圖表，例如Open Flash Chart，優點是圖表效果好，交互強，是圖表表現力最強的一種技術。其缺點是，Flash需要的系統資源多，容易造成瀏覽器死機。

(3)JavaScript方案。使用JavaScript直接在瀏覽器中呈現圖表，這是目前比較主流的做法。其優點是，絕大多瀏覽器都支持，圖表可交互，占用系統資源相對較少。而且，有很多開源的基于JavaScript的可視化圖表庫可供選擇。

本文的工具采用JavaScript方案，設計了一組數據可視化API，將數據可視化的圖形定義與圖形呈現的實現解耦。在圖形呈現實現部分，采用開源的數據可視化技術，既可以減少對某種開源技術的過度依賴，而且當出現新的數據可視化技術時，也可迅速切換。選擇開源JavaScript可視化圖標庫時，選擇了gRapha?，因為其使用相對寬松的MIT許可證，庫的體較小且滿足絕大多數可視化需求。

四、案例分析與討論

(一)案例分析

本文以北京市某高校為案例，對其教務管理系統中的數據進行分析。該校是一所以工科為主，具有鮮明工程實踐特色的北京市屬普通高等學校。教務管理系統中存有1997-2012年共16年的數據，每年數據都有變化，2012年的系統中包括26558條學籍記錄數據，其中本科生25418人，專科生1140人。采用本文設計的數據分析工具集中的本科綜合統計工具來分析高校本科教務的綜合情況。

1.歷年女生在總學生比重變化趨勢

2.1.4 對疾病認識不足 患者不良心理反應的嚴重程度與病情輕重并不一定成正相關，這主要與患者對疾病的認識有關［5］。楊鳳鳴［14］對150例 ICU 患者研究顯示，60例危重癥患者由于對突發的病情缺乏心理準備，認為自己病情嚴重會危及生命，產生十分明顯的恐懼感和威脅感。

一般認為，多數理工科專業女生很少，男女比例嚴重失調。本文選取了1997-2012年學生數據，分析女生人數占總學生數比例的變化趨勢。分析結果顯示，女生比例從2002年起穩定在42%左右，只有三年出現了大的跌幅：2003年約33%，2006年約22%，和2008年約31%，表明該校男女生比例失衡的情況沒有想象得那么大。

2.高考成績和大學學習成績相關性分析

高考成績與大學成績相關性的研究由來已久。隨著招生規模的擴大，這一問題仍然具有重要的研究意義。而大學學習是一個較為長期的、動態的過程，只有對所有學年的分析才能揭示出其變化的規律[14]。本文選取2006級全體學生高考成績與大一、大二、大三及四年必修課平均學分績來分析相關性，分析結果如表1所示。

表1 2006級學生高考成績與四年必修課學分績相關分析

結果表明，在學院和學校兩個層次上，四年必修課的總學分績和高考成績顯著正相關；大一、大二和大三每年必修課的學分績和高考成績也顯著正相關。

3.性別對學習效果的影響

本文選取了一個工科學院和一個文科學院，前者男生多，后者女生多，分析結果如表2和表3所示。綜合四年必修課總學分績和大一必修課學分績兩種情況分析結果可以看出，女學生學習成績整體好于男生。

表2 某兩個學院四年必修課學分績性別差異顯著性研究

表3 某兩學院2006級學生大一學年必修課平均學分績性別差異分析

4.分數膨脹問題

所謂分數膨脹指學生的學業分數的增長超出其實際能力的增長。現實的中國高等院校是否真的存在分數膨脹？究竟在什么層面和程度上存在分數膨脹？這是需要實證檢驗的一個有趣的問題[15]。本文選取某專業2001級到2008級學生四年必修課的平均分，結果如圖3所示。

學生四年必修課平均分整體沒有呈現明顯上升的趨勢。但是2003年到2005年整體呈現上升趨勢。為了驗證2003、2004和2005年級學生四年必修課平均分是否有顯著差別，對這三個年級再次進行方差分析，如表4和表5所示。

圖3 某專業四年必修課平均分變化趨勢

表4 某專業2003、2004和2005級學生四年必修課平均分方差分析

表5 某專業2003、2004和2005級學生四年必修課平均分差異分析(Tukey HSD)

由表4可以看出，該專業2003、2004和2005級學生四年必修課平均分存在顯著差異。對三組樣本進一步進行兩兩分析，結果如表5所示，2003級和2005級學生四年必修課平均分有顯著差異，其他組無顯著差異，因此該校并未出現分數膨脹的現象。

(二)討論

1.分析結果的討論

通過對北京市某高校教務管理系統中16年全量數據進行挖掘分析，發現了一些有決策參考價值的信息，如：一個工科為主的院校十年來男女生的比例趨于均衡，四年間每年的必修課成績與高考成績顯著正相關，在各個學院中女生學習成績普遍好于男生等。

2.數據分析工具的討論

本文設計的數據分析工具系統能夠滿足教務管理者常用的數據分析需求，支持教務管理者進行科學決策，同時從使用性能來看，與SPSS等其它通用統計分析軟件相比，有兩大優勢：

(1)對使用者統計知識和技能要求低。系統中的工具已針對特定教務問題深入定制，使用者無需太多的統計知識和技能，可像使用教務管理系統普通功能一樣使用工具集。而SPSS等系統要求使用者有相對水平的統計知識和技能。

(2)使用簡便。系統嵌入教務管理系統中，可直接使用。而SPSS等系統，用戶至少要多做三件事：數據導出、數據預處理、數據導入。每一項工作都需要一定的技能，并且工作量很大。

五、結論

本文基于已有教務管理系統，提出了一種嵌入式教學數據分析工具的設計方法，構建一個數據分析工具系統，在大數據挖掘與分析工具方面做了一定的探索。應用這套系統分析了某高校教務管理數據，驗證了數據分析工具對于教務管理者的決策支持價值，體現了嵌入教學系統的數據分析工具的優勢。下一步的研究將著力于該系統在其它院校中的推廣應用，同時收集管理者的使用反饋和新數據分析工具的需求，進一步擴展教務管理系統中的數據分析方法。

[1]教育部.關于印發《 教育信息化十年發展規劃 (2011-2020 年)》 的通知 (教技 [2012]5 號)[DB/OL].ttp://www.moe.gov.en/rublicfiles/business/htmlfiles/moe/s3342/201203/xxgk——133322.htm1,2014-02-04.

[2]Wohlstetter P,Datnow A,Park V.Creating a system for data-driven decision-making: Applying the principal-agent framework[J].School Effectiveness and School Improvement,2008,19(3): 239-259.

[3]Johnson,L.,Smith,R.,Willis,H.,& Levine,A.,& Haywood,K.NMC horizon report: 2013 higher education edition[DB/OL].http://www.nmc.org/pdf/2013-horizon-report-HE.pdf,2013-12-23.

[4]顧小清,黃景碧,朱元錕,袁成坤.讓數據說話:決策支持系統在教育中的應用[J].教育科學文摘,2010,29(6):79-80.

[5]王善邁.教育公平的分析框架和評價指標[J].北京師范大學學報:社會科學版,2009,(3):93-97.

[6]蔣偉.高校教師隊伍素質建設現狀及改革對策分析[J].高等教育研究,2004,25(3):70-73.

[7]程晉寬.美國大學教師工作量淺析[J].高等教育研究,2005,26(6):102-107.

[8]陳敏.高校辦學效益與師生比[J].高等教育研究,1991,(2):62-76.

[9]張詠梅,郝懿,李美娟.教師因素、學生因素對學生學業成績影響的實證研究——基于大規模測驗數據的多層線性模型分析[J].教師教育研究,2012,24(4):56-62.

[10]葛軍.教育統計在教育決策中的應用[J].統計與決策,2007,(247):167-168.

[11]Lorentz D,Jenkins B.Oracle database SQL language reference,11g release 1 (11.1)[DB/OL].http://docs.oracle.com/cd/B28359_01/server.111/b28286/toc.htm,2014-01-02.

[12]Chatziantoniou D.Using grouping variables to express complex decision support queries[J].Data & Knowledge Engineering,2007,61(1):114-136.

[13]Commons A.Commons-math: The apache commons mathematics library[EB/OL].http://commons.apache.org/proper/commons-math/,2014-01-02.

[14]丁澍,繆柏其,葉大鵬.高考成績與大學成績的相關性分析[J].中國大學教學,2008,(11):29-31.

[15]何山,丁小浩.從對分數膨脹現象的分析看高等院校應對勞動力市場的壓力[J].清華大學教育研究,2004,25(6):35-42.

鄧文俊：博士后，研究方向為數字化教育教學管理的研究與實踐(edanwade@163.com)。

曹陽波：在讀碩士，研究方向為數字化教育教學管理的研究與實踐。

劉英群：博士，高級工程師，研究方向為數字化教育教學管理環境的理論與實踐、基于知識管理的數字校園研究與實踐。

程建鋼：博士，研究員，博士生導師，研究方向為數字校園理論與實踐，網絡教學理論、模式與系統構建，信息社會與高等教育，知識管理在高等教育信息化中的應用。

2014年2月10日

責任編輯：馬小強

Research and Design of Data Analysis Tool System——Based on Educational Management System

Deng Wenjun,Cao Yangbo,Liu Yingqun,Cheng Jiangang
(Educational Technology Institute,Tsinghua University,Beijing 100084)

Learning analysis for big data has attracted more and more attention,but practical analysis tools are very seldom.With the development of information technology in education,more and more universities implement educational administrate management system,and these systems have collected a large amount of data.In this paper,the authors collect and analyze the most important requirement of educational data analysis from education administrators,design and implement a data analysis tool system based on an educational administrate management system.The system consists of a set of statistical tools,a set of analytical methods ,and a data visualization system.We analyze last 16 years education data of a college with the system,and the result proves the value of data analysis tool system for education decision making supporting,and the advantage of embedded data analysis system.

Academic Affairs Management System; Statistical Tools; Big Data Analytics; Decision Making Supporting

G434

A

1006—9860(2014)05—0138—06

* 本文系清華大學文化傳承創新基金項目“高校教學質量管理信息化：問題與策略研究”(項目編號：2012WHQN016)成果。