大數據時代下高職院校招生管理研究

陳秉潔

[摘 要] 近些年來，本科高校的招生不斷擴大，而考生總數量也有所下降，加之高職院校招生管理不當，我國高職院校普遍出現了生源短缺的現象。在這種形勢下，利用數據挖掘等現代技術手段，制訂合理的招生計劃，確保穩定和高質量的生源，是高職院校未來發展的必經之路。筆者首先簡單闡述了大數據的定義和特點，分析了高職院校招生管理的現狀，重點論述了大數據時代下高職院校招生管理。

[關鍵詞] 大數據時代；高職院校；招生管理；研究

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 03. 139

[中圖分類號] G434 [文獻標識碼] A [文章編號] 1673 - 0194（2017）03- 0248- 03

隨著現代科技的發展，信息技術的運用越來越廣泛，高職院校經過多年招生工作的積累，已經有了非常豐富的報考信息和招生數據，與此同時，招生部門也存儲了大量的學生成績數據。但是，由于高職院校的數據運用在意識層面、技術層面、人才層面、設備層面等都存在不足，導致大量的數據未能得到充分的挖掘和運用。另外，各所學校和部門之間，未能形成信息共享的體系，信息和應用成為了“孤島”。高職院校的招生工作中，招生人員依據經驗和感覺進行招生，缺乏科學的指導，不僅增加了招生的成本，而且影響招生的工作效率，阻礙高職院校的健康發展。

1 大數據的定義和特點

IDC機構對大數據的定義是：為了更經濟更有效地從高頻率、大容量、不同結構和類型的數據中獲取有價值的信息而設計的新一代架構和技術。通過這一技術可實現海量數據的管理，實現對數據的有效運用，進而指導決策。所謂大數據，并不僅僅是指數據資源的龐大，其中還包含著數據種類多樣、結構復雜、更新迅速等含義。數據量巨大、數據價值增加、數據種類多樣、數據處理高效就是大數據的四個重要特點。信息化時代的到來，數據量之巨大已經不言而喻。為配合數據生成的速度，數據處理的速度也必然要加快，而隨著對數據的運用，數據的價值愈加凸顯。數據的種類越來越豐富，已經逐漸不再局限于文字，圖片、視頻、音頻等種類繁多的數據，不斷更新和產生。加之各種類型傳感器、監控器的運用，數據的結構也越來越復雜。這在很大程度上催生了大數據管理技術。

對于高校而言，所能掌握的數據越來越豐富，學生的生源地、報考、入學等信息逐漸透明化，但如何使用好這些數據，仍然任重道遠。

2 高職院校招生管理現狀

隨著我國教育事業的發展，高等教育改革進程不斷加快，表現出報考條件逐漸寬松化，招生規模擴大化，招考模式多元化等特點，致使高職院校招生工作面臨巨大挑戰，招生時間緊迫、任務繁重、信息量大等難題困擾著高職院校。

當前，高職院校招生工作不僅在信息化意識、招生人力投入、招生政策等方面存在不足，更重要是招生管理系統方面存在缺陷。2001年，清華大學研發的“全國普通高校招生網上錄取系統”逐步推廣，給高校的招生工作帶來了諸多便利，通過遠程招生管理部門服務器，對考生的成績、基本信息、體檢信息等進行檢索和下載，最后進行錄取，有效提高了高職院校招生工作的效率，也在一定程度上節約了招生的人力和物力成本。但是，16年過去了，社會經濟發生了巨大的變化，教育現狀也不同于往昔，該套招生系統逐漸表現出落后的一面，無法滿足時代的需求，無法滿足多樣化、大數據的招生工作需要，具體的弊端表現為以下幾個方面的問題。

第一，系統內部各部門各自為政，數據無法實現共享和交流。大數據時代背景下，尤為重視數據和信息的共享和交流，這一方面可以提高招生工作的準確性，另一方面也能提高招生工作的效率，互惠互利，進而提高整體的工作效率。但傳統招生管理系統由于各方面的原因，各學校、省份的招生工作依舊各自為政，數據的利用和共享率低，明顯無法滿足需求。

第二，數據統計人工化，智能性不足，數據保存本地化。傳統的招生工作中，數據統計人工化的許多弊端還不甚明顯，但隨著大數據時代的到來，仍然使用人工化的數據統計方式，就顯得有些“力不從心”，當然也無法做到智能化和精準化。

第三，系統功能較為落后，未能做到與時俱進。這一問題屬于技術層面的問題，系統功能落后表現為無法實現對系統數據的篩選和分析等，換言之，就是無法實現數據挖掘的功能，而數據挖掘是大數據時代發展之必然，這就是使得原有的系統無法滿足需求，無法實現運用數據挖掘輔助招生決策等功能。

第四，數據后期處理不到位。大數據時代，要求充分挖掘每一個數據信息的價值，這就要求對以往數據進行收集和存儲，在招生工作結束后，能實現對相關數據的智能化歸類，為來年招生做準備，傳統的系統在這方面存在不足。

3 大數據時代下高職院校招生管理

3.1 培養“大數據”意識

傳統招生工作中，由于時間緊、任務重，許多高職院校的招生工作處于“廣撒網”的狀態，并未體現出“重點捕撈”的狀態。為此，高職院校應注重培養招生人員的“大數據”意識，提高其運用大數據挖掘信息和使用信息的能力，也要注重對高科技人才的引進，促進高校招生管理高效化。

3.2 調整招生政策和方式

招生管理中，高校的招生政策顯得至關重要，目前，多數高校存在招生政策、招生方式滯后的問題，并且逐漸成為了高職院校未來發展所面臨的重要挑戰之一，甚至演變為了高職院校未來發展的阻礙和瓶頸。為此，高職院校應運用數據分析和挖掘技術，加強對高職院校招生指標分配的分析，積極推進教育公平，采取有效手段，拓寬生源。為此，筆者建議可適當擴大跨省招生的比例，積極探尋有效的自主招生手段，同時允許農民工子女報考當地高職院校等。

3.3 更新和優化高職院校招生管理系統

目前，許多高校都設計和建立了自己的招生管理系統，可實現考生的在線報名、修改信息、報名審核和準考證管理等，同時可對考試人員的數量、成績等進行查詢和管理，進而確保高職院校能從宏觀層面掌握學生情況，方便各類信息的調閱和處理，實現對考生信息的妥善管理和科學維護，實現招生管理工作的高效化。大數據時代，更是要求高職院校能夠對錄取信息中所包含的豐富信息進行挖掘，更好地服務于招生工作。筆者認為，就加強數據挖掘具體可以從以下幾個層面入手。

第一，運用分類方法對考生進分類管理。大數據挖掘中，采用分類的方式，將數據庫中具有共同屬性的數據歸類到統一模型中。在高職院校招生管理中，不僅可以實現對考生分類，而且可以對考試的屬性、滿意度等進行分析，為考生考試錄取提供輔助決策，以便于招生人員能夠因人而異制定招生策略，推薦符合學生實際需要的專業，進而提高報到率。

第二，關聯規則方法實現關聯分析。在招生宣傳工作中，對院校專業設置、就業情況、招生宣傳、學生學習成績等因素進行關聯分析，有助于決策者明確學校招生不平衡的原因，為招生宣傳、專業改革等提供決策參考。

第三，回歸分析方法分析生源。回歸分析方法可運用到院校招生管理的各項工作中，例如尋找生源、保持生源、招生計劃趨勢分析等等，有助于高校制定符合實情的招生政策。

第四，聚類分析方法分類考生群體。聚類分析可根據數據的相似度和差異度，對數據進行分類，實現統一類型數據的相似度盡可能大，差異度盡可能小。聚類分析分析方法可運用到考生志愿預測、專業細分、考生專業背景分析等方面，有助于高校的專業分類決策。

4 結 語

總而言之，隨著時代的發展，高職院校原有的招生管理政策和手段都已經逐漸無法滿足需求，在一定程度上制約了高職院校的發展。為此，高職院校應緊緊把握大數據時代的背景，運用大數據挖掘技術，幫助制定招生計劃、招生管理制度，尋找生源和保護生源等，實現高職院校招生管理的精準化和高效化。

主要參考文獻

[1]趙長明.交往行動理念下的學校管理問題研究[J]. 中國管理信息化. 2012（20）.

[2]李蘇翰.建設大數據學校的思考[J]. 新校園：閱讀，2016（6）.

[3]談姝辰，梁琨.地方高校招生宣傳工作原則與策略研究[J]. 教育教學論壇，2016（47）.

[4]宋盈，蔡安.我國高校招生制度改革研究[J]. 教育與職業，2015（30）.

[5]秦莉紅.試論我國高校招生制度的改革現狀及其改革方向[J]. 湖北成人教育學院學報，2012（3）.