大數據驅動的研究生學習動機評測

劉俊嶺 片錦香

【摘要】研究生教育是培養高層次專門人才的主要途徑，為適應國家經濟建設、科技進步和社會發展對各類高層次人才的需求。研究生學習動機把握是研究生培養管理一個重要方面。現有關于學習動機的研究工作大多都針對中小學生。由于研究生的培養關系到國家人才的培養，使得研究生的學習動機研究同樣重要。大數據時代為研究生學習動機研究了一個新的機遇。本文提出校園卡系統采用收集的大量研究生活動大數據，進行研究生的學習動機與性格特征的分析。

【關鍵詞】大數據 ?研究生 ?學習動機評測

【基金項目】學位與研究生教育研究課題（B-2017Y0904-161）“基于大數據分析的研究生學習動機評測研究與應用”資助。

【中圖分類號】G64 【文獻標識碼】A 【文章編號】2095-3089（2018）43-0037-01

研究生學習動機把握是研究生培養管理一個重要方面。良好的學習動機可以引發與維持學生的學習行為，是取得優秀科研究成果的重要因素。大數據時代為研究生學習動機提供了一個新的機遇。校園卡系統的采用收集了大量的研究生活動大數據，這些數據可以有效反映研究生的學習動與性格特征。通過大數據技術可以實現對研究生培養過程數據、研究生在校活動數據、心理測試等各類數據進行有效分析，可以實現研究生的學習動機、學習狀態進行監控，為研究生管理者、導師反饋研究生學習動機報告，并提供有效的培養與激發學生學習動機的策略建議，從而提升研究生培養質量。

一、研究生學習動機數據描述

研究生學習動機相關大數據主要包括教學運行數據、社交活動記錄數據、校園卡簽到數據、基礎條件數據、心理測試調查問卷數據等。現有評價學生學習動機主要通過心理測試數據進行。然而，在大數據背景下，許多與研究生學習生活就業相關的細粒度數據都可以獲得，例如研究生的社交活動數據可以從社交媒體獲取;研究生的實踐活動情況可以從培養單位和社會組織多方面獲取;學生校園卡簽到數據在校園卡系統中獲取。這些多渠道、異構的信息匯集到大數據分析系統中后，借助大數據分析方法，可以輸出更細粒度的研究生學生動機分析監測數據。同時，需要研究研究生學習動機相關大數據的處理方法，去除數據中的噪聲、不一致。

分析海量、多源異構的研究生大數據，結合研究生學習動機心理測試指標，研究大數據與研究生學習動機心理測試指標之間的關聯關系。研究生培養過程的學習動機監測涉及的指標包括研究生的成就動機、需求層次、自我價值、自我效能感等指標。在評價研究生學習動機方面，通過對研究生相關大數據分析哪些數據與學習動機的相關性較大，同時針對通用的學生學習動機心理測試指標進行問卷調查，產生心理測試數據。

基于大數據分析的研究生學習動機評價方法、基于多層次、細粒度的大數據的研究生學習動機分類分析方法、大數據分析算法在研究生學習動機與成績相關性分析方法，在大數據時代，可以獲取更細粒度的研究生數據，借助大數據分析工具中的相關性分析方法、分類分析算法、聚類分析算法、異常檢測算法等，可以得到更加詳細的研究生學習動機評價結果。動態細致地評估研究生在學業、實踐、科研、就業等方面的能動性，為研究生管理者、導師提供激發與培養研究生策略建議服務。

二、數據驅動的研究生學習動機評測方法

1.通過對高校研究生教育調研，包括對研究生培養單位、導師及研究生走訪，對相關領域研究生畢業生情況調查、專業研討會、專家咨詢等方式，確定更為微觀、動態的學習動機監測需求，以便于研究生管理者、導師更好地了解和管理學生，便于研究生得到更為“個性化”的教育指導。

2.分析研究生學習動機相關數據，研究獲取研究生教學運行、社交活動記錄、校園卡簽到、基礎條件、畢業生等數據的方法，對數據按照動態、靜態及數據粒度等特性進行合理地分類存儲，并研究數據更新的方法。

3.采用大數據處理技術，對研究生活動大數據進行預處理，去除數據中的噪聲、不一致，并對數據進行集成、歸約、變換處理，為大數據分析算法提供高質量的數據進行分析。

4.建立基于大數據的研究生學習動機評價、分析和監測體系，采用大數據研究中的相關性分析方法、分類分析算法、聚類分析算法、異常檢測算法等，結合研究生學習動機心理評價指標中的課程學習、學術活動、實踐活動及學位論文等數據，獲得相應的研究生學習動機測評結果，再根據測評結果進行監測和預測的可視化輸出。

5.根據研究生教育管理者、導師、研究生等用戶的需求，建立面向不同類型用戶的學習動機監測信息服務系統。研究學習動機監測信息服務軟件的實現方法，設計實現相關軟件系統。根據研究生學習動機監測和預測結果，為決策者提供決策支持，為導師提供指導方向，為學生提供學習和就業指導。