基于教育大數據的高等教育預測分析與應用

王玲　呼功亮　張翠芳　周鐵華

摘 要：伴隨著大數據時代的到來，智慧校園采集來的數據難以利用與分析，已經是高校智能化管理面臨的新的挑戰。文章研究了基于教育大數據的高等教育預測應用。采集大數據不是目的，合理的利用和有效的預測分析能夠幫助教育大數據實現其真正的價值。高等教育預測分析可以更加準確地預測學生的行為，尤其是針對學習效果、就業和保持率等方面；同時，教育大數據還可以幫助高校分析微觀、個體的學生與課堂狀況，從而更加有效地提高學習效率，滿足個性化教育的需求，提升高校的核心競爭力。

關鍵詞：教育大數據；高等教育；預測分析；素質教育

大數據時代的到來，一方面促進了傳統行業對創新路徑的探索與發展，加速了市場經濟的產業結構優化；另一方面，也使得市場對高素質人才的需求也愈發強烈[1]。目前，我國正處于信息高速發展的大數據時代，如何對教學資源信息、教育管理信息、教育學習行為信息與學習成果反饋加以利用分析，洞悉海量數據背后的學習行為關聯與教學模式變化趨勢，制定相應的計劃以提高學生的學習效率，保證畢業率與就業率，從而提升高校的核心競爭力，是各大高等教育院校亟待解決的難題。

1 教育大數據分析的國內外發展趨勢

近20年的教育實踐研究表明，教育的主體逐漸從施教者過渡到受教育者；此外，基于現代信息技術、大數據以及數據挖掘等高新技術也不斷應用于現代高等教育事業，使高等教育呈現出更加現代化、數據化、智能化的教育形式。目前，以學生個人主義的個性化學習和交互式學習的一種全新的學習方式，有望滿足不同學生的差異化學習需求，提高學生自主學習的意識與能力，不斷促進學習的發生，提高高等院校的教育生產率。

在國外，一家名為Blackboard網絡學習平臺創新性地提供了“學生預警中心”，根據教師提前設置的數據分析閾值對學生的學習狀況向課程教師實時預警，以方便教師及時發現問題，避免問題的進一步惡化[2]。在國內，運用大數據分析評價學生的學習發展潛能的技術還不夠成熟，目前只有少數機構能夠利用大數據技術實現學生的個性化教學[3-4]。

綜合分析國內外研究現狀不難發現，伴隨著大數據時代的到來，各大教育機構與高等院校逐漸開始應用大數據分析、數據挖掘等技術了解受教育者的個性化需求、評估講師的教學質量與水平、調整學習知識方法與技巧。此外，基于大數據分析的個性化評估結果，各教育研究機構開始著手預測學生未來的學習態度與學習成效、檢測學生的學習投入度、情感、學習策略等，從而讓教師和教學研發人員能夠根據學生評估結果進一步調整教學策略，改進教學課程，更好地達成有效教學的目的[5-6]。

2 高等教育預測分析提高對學生和教育手段的全面感知

2010年8月，現代信息之父比爾·蓋茨大膽提出，“未來的學習者不必去大學接受高等教育，完全可以自學的方式選擇線上優質的課程資源，以制定符合自身個性化發展需求的學習計劃。”學生可根據個人的需求選擇和學習，加強了學習的個性化、主動性和學習過程的互動性[7]。

從2012年開始，轟動教育界的MOOC教學出現了，讓比爾·蓋茨的預言正逐漸變為現實。在中國，上海交通大學于2014年成功自主研發的、中國最高水平的大學慕課聯盟“中國大學MOOC”正式上線發布。目前已有北京大學、香港大學和臺灣清華大學等一流高校的1 800多門精品公開資源共享課程上線，讓學生自主選擇高水平教育資源成為現實。在國外，斯坦福大學的人工智能課程，實體課堂的學生只有175人，然而，在線上卻有著10萬學生選擇在線學習，教育資源的信息化與公開化令越來越多的學生擁有了學習的選擇權。

現階段，國內外的各大高等院校與信息化教學平臺，大多是僅僅擁有海量教育資源與學生教育數據，卻未能借此把握諸多現象背后隱藏的規律與邏輯關系。由此可見，如果沒有對大數據進行深度挖掘分析，很難洞悉隱藏在這些現象背后的主要誘因[8]。

3 基于教育大數據的高等教育預測分析的核心價值

個性化教學模式的發展在諸多方面為學生的學習提供助力，尤其是在學習效果、畢業、就業等方面。可以使學生實現在學業中的成就，如順利獲得學位、從事心儀的職業等，甚至可以因此而受益一生。個性化教學模式的發展在提高學生的學習效率和保證學生順利畢業甚至幫助就業上有著重要意義，主要表現在以下幾個方面。

3.1 實現學生個性化、全面化評估

通過對學生課業學習質量等教育大數據資源的多尺度分析、數據集成、關聯模式分析和數據深度挖掘分析，各高校能夠透析學生的質量和學習行為之間的聯系，對于學生作出具有個性化、全面化的綜合分析報告、輿情分析、情感變化和能力分析，有助于學生的個性化學習方案制定與全方位能力評估。

3.2 提高學生的學習質量

教學過程的個體化教學督導和管理能夠對學生的學習行為進行科學管理，如果學生的學習行為與過程數據分析表明該學生在學習中出現主觀（如出勤頻度下降，作業完成率降低等）或客觀（如作業錯誤率上升等）的學習問題，教師可以提前根據學生個性化分析報告采取相應的教學干預，以避免學生問題的進一步惡化。

3.3 滿足學生的個性化學習與發展需求

通過對云計算、大數據和人工智能等高新技術對學生個性化學習行為數據的分析，各高校能夠真正實現學習的富媒體化。在分析學生的學習過程與結果的基礎上，向學生推送個性化教學資源，為學生定制個性化的學習安排，以便更有效地進行因材施教。

3.4 改善高校教學計劃，提高高校核心競爭力

通過對同一課堂上的所有學生進行全面而系統的學習行為、過程和學習成果的數據分析，能夠發現傳統教學計劃中隱含的問題，從而改善傳統的教學計劃，進而提高高校核心競爭力。

4 結語

通過大數據分析技術讓許多我們曾經不曾關注的一些問題，包括學生的情緒主流變化、學生的需求分析、學習現狀和發展趨勢都能夠通過預測分析技術，實現挖掘現象背后的真正原因和發展趨勢。除了個性化發展、豐富學習內容和提高學習效率以外，大數據技術的應用更有利于掌握學生的身心發展變化，更有利于真正素質教育的開展。

[參考文獻]

[1]陳海軍.大數據視野下的高校教育管理發展路徑[J].中國成人教育，2018（3）：43-45.

[2]沈克正，馬抗美.基于教育大數據的高校學生個性化管理模式[J].青島科技大學學報（社會科學版），2017（4）：103-107.

[3]孫天才，羅來林.大數據環境下的教育管理模式改革研究[J].文學教育（下），2018（2）：180-181.

[4]李強.大數據在高校網絡教育中的應用[J].信息與電腦（理論版），2018（3）：129-131.

[5]蔡劍橋.基于大數據的教育決策模式演進與趨勢研究[J].教育科學研究，2018（2）：35-41.

[6]王鵬，王為正.大數據驅動高校創業教育：應用可能與風險規避[J].思想理論教育，2018（2）：81-85.

[7]王興波.大數據時代高校思想政治教育改革探析[J].學校黨建與思想教育，2018（3）：60-61.

[8]吳玉琳.淺析大數據在中國教育領域的應用現狀[J].福建電腦，2018（1）：165，181.