大數據分析對高校教學管理的影響及其實現路徑

陳舒英

近年來，教育大數據、學習分析和教育數據挖掘成為學術界研究的熱點問題。“大數據分析”承擔著發掘隱藏的、有價值的信息這一任務，簡而言之，大數據分析就是綜合運用數據庫、統計學、人工智能等學科的技術手段，從數據倉庫里獲取隱藏的但具有價值的信息，為教育管理者科學決策以及教育科學發展提供有力的幫助。同時，大數據分析作為大數據不可或缺的一部分，也給教育理論、教育應用的創新帶來了新思路、新角度。因此，本文在分析其對教學管理帶來的挑戰，產生的影響基礎上，探討了大數據分析在教學管理過程中的實現路徑問題。

一、大數據分析下教學管理面臨的挑戰

（一）對教育資源的挑戰

大數據分析對教育資源挑戰主要體現在兩個方面：首先，在數據資源的采集與共享方面。教育數據挖掘、學習者狀態分析是大數據分析應用于教學管理的關鍵所在。而教育數據挖掘和學習者狀態分析的基礎就是數據，但目前我國各級教育部門和教育機構對于教育數據的采集還較為薄弱，一是對學習者個體的數據采集缺乏連續性，沒有形成學前教育、義務教育、職業教育、高等教育一系列完善的數據采集［1］。二是不同教育機構之間存在數據壁壘，數據無法共享，這就使得大數據分析只能針對學習者當前的學習狀態進行分析，無法對學習者進行全面的分析和長期的規劃。其次，在優質教師資源共享方面。大數據分析下教學管理的應用特點之一是人工管理與機器管理相結合，其中機器管理的環節可以通過技術和基礎設備的投入來達成，而人工管理主要依靠教師的教學管理經營進行主觀判斷，其中片面、錯誤的判斷會大大影響教學管理的效果。從目前我國教育資源的現狀來看，優質教師仍是稀缺資源，同一地區的不同學校、不同地區的學校之間的差距很大，從長遠上看這不利于大數據分析應用于教學管理的普及，也不利于數據的積累。

（二）對教師素質的挑戰

首先大數據分析對教師技能素質提出了新的挑戰。很長時間以來，我國教學管理模式由教師主導，學習者是影響教學管理的主體因素，但其核心地位卻未被突出。大數據分析是以學習者狀態以及相關教育數據的分析為基礎的，因此對于教師來說，面對的首要問題就是角色的轉換。教師逐漸從知識傳授的角色轉變為學習引導的角色，還要根據教學管理經驗不斷地發現學生的需求并有針對性地做出相應的反饋。其次，大數據分析對教師的信息素養提出了新的要求。一般來說，傳統教學管理在信息技術上的運用多為計算機基礎操作方面的內容。但大數據分析技術要求教師進行一定的數據分析，這就要求教師要對數據有敏感度。同時，新技術的應用勢必涉及到相關管理軟件的更新，對于教師來說，需要涉及到過程管理、業務管理、質量管理和監控管理，對管理軟件下每個操作的模塊都要有足夠的了解，如此才能真正地發揮大數據分析的價值和作用。

（三）對平臺技術的挑戰

大數據分析是以云計算、互聯網等信息技術為依托的，因此其在教學管理中的應用必須要求教育機構具備較高水平的技術支撐。在大數據+教育的構建中，有的學校會采取第三方專業公司代為管理的模式，這在一定程度上彌補了學校自身的技術缺陷，但從長期來看還存在著以下問題：一是不利于教學管理實時性的實現。學校作為我國最為主要的教育機構，每個學校的學生體量是相對較多的，在大數據分析應用于教學管理的各個環節中，很多教育方案的制定和教學活動的設計都要求具有實時性，而第三方專業公司的介入實際上使教學管理實施的流程更加復雜，單個操作可能要經過學校、教師、第三方公司多個管理主體的審核，降低了教學管理的效率，不利于開展實時性的教學管理；二是托管對象未接受過系統的教育學教育，其在教學方面沒有足夠的積累和經驗，單純依靠代管人員進行教學管理的應用則可能忽視教學管理的一般規律，導致大數據只能淪為機械化的管理方式，而無法促進教學管理各個環節的智能化。

（四）對基礎設施的挑戰

大數據分析各項功能的實現，不但要依賴相關技術的支撐，而且需要完善的基礎設施的構建。對于教學管理來說，對基礎設施的挑戰主要來自以下兩個方面：首先是基礎設施建設的全面性。教學管理包括過程管理、業務管理、質量管理和監控管理，每個管理環節的重點和涉及的內容都是不同的，要想真正發揮大數據分析在教學管理中的作用，就要將每個管理環節有機串聯在一起，這就要求每個環節的基礎設施建設要均衡，但從目前的建設現狀來看，大多數的學校對過程管理和業務管理較為重視，投入的資金也較多，但卻忽視了質量管理和監控管理，基礎設施建設的乏力使得質量管理和監控管理無法與其他兩個環節互聯互動，這在一定程度上不利于教學管理的持續改進；其次是物聯網建設的乏力。在學校，學生的學習場景不是一成不變的，大數據分析要針對學生在不同學習場景下的不同學習狀態進行針對性的教學管理，這就需要運用物聯網的技術將學生在各個場景下產生的數據盡可能地收集起來形成龐大的數據庫。但從目前大多數學校的建設現狀來看，線上的數據收集較為完善，而學生在線下產生的學習數據則較為匱乏。

二、大數據分析給教學管理帶來的影響

（一）教學管理活動更具靈活性

首先，大數據分析實現了人工管理與機器管理相結合，使教學管理活動更加靈活［2］。在大數據分析技術下的教學管理既包括技術支撐的自動管理，也包括以教師經驗為支撐的人工管理。學習者在進行學習活動時，會產生相關的數據，運用大數據分析對數據進行處理將學習者的個人學習狀況進行量化，并將所得出的數據與教師預先設置的課程目標和學習目標相對比，媒體設備、移動APP、在線學習平臺會根據學習者與目標的差距推送相應的學習資源或者作出學習推薦，教師則可以根據數據差距憑借自己的教學經驗采取適當的方法進行學習干預。大數據分析綜合了教學管理的主觀因素和客觀因素，是定量分析和定性分析的統一，給教學管理提供了更多的方式，教師能夠根據所處教學管理的階段自由選擇管理模式，分配人工管理和機器管理的比重，如作業批改、考試成績核定環節可以完全選擇機器管理模式，減少主觀因素造成的錯誤。而在講解答疑、教學互動的環節應該加大人工管理的比重，以增強教學互動的感染力。

其次，大數據分析下教學管理的實時性特點也使得過程管理和業務管理更加靈活。在傳統的教學管理中，教師對學生的學習干預等管理活動通常是滯后的，即教學管理活動僅針對已經發生的問題進行處理，而很難做到事先對可能發生的問題進行預警或預防。如在質量管理中，只有在學生考試得出成績后，教師才能夠根據成績對其作出有效指導。又如在過程管理中，需要通過一個學期或者半個學期的時間進行總結和評價。但在實際教學管理活動中，學習者的狀態是實時變動的，教師的教學管理活動在不同階段也是有所不同的，這就導致了傳統教學管理模式與實際教學管理情況的脫節，影響教學質量和學習效果。而大數據分析技術下的教學管理具有較強的實時性，通過人工管理和機器管理的結合，學習者在學習過程中產生的數據會實時反饋到數據庫并通過可視化的界面表現出來，機器和教師能夠實時掌握學習者的學習狀態，對學習者當前存在的問題和可能存在的問題進行預測和分析，學習者的學習方案、學習內容得以靈活、實時地調整；教師也能夠借助大數據分析技術靈活地調整自身的教學活動，并通過學生的實時反饋數據調整自己的教學方案和教學方式。而質量管理和監控管理也從傳統的線下管理轉移到線上管理，使得管理更加靈活，更多的管理模式得以實現。教學管理靈活性的增強，豐富了教學管理模式，大大提高了教學管理各環節的效率。

（二）教學管理具有較強的針對性

教學管理包括過程管理、業務管理、質量管理和監控管理。一般來說，這些教學管理的環節是獨立且割裂的。僅過程管理就包括教學過程管理和學習過程管理，教學過程包括備課、上課、作業批改、考試等等，學習過程包括預習、上課、復習、掌握等等。每一個個體在每一個環節產生的數據都是不同的，因此在傳統的教學管理模式中，很難將所有的教學管理環節綜合起來生成可視化界面，這大大降低了教學管理的效率。美國教育部在《通過教育數據挖掘和學習分析促進教與學》中，指出大數據在教學管理中的特點，其中就包括人類判斷過程的簡化，即大數據分析技術用人們更容易理解的方式來展現相應的數據，從而方便人們更高效地了解數據特性，作出決策［3］。教學管理過程的可視化就十分有助于人類判斷過程的簡化，通過大數據分析技術，教學管理的各個環節得以量化，教師可通過一個數據平臺瀏覽到各個環節產生的數據，從而能夠更好發現各個環節中的聯系，高效作出決策。

大數據具有數據體量大、數據流轉快、數據類型多、價值密度低的特點，而大數據分析的關鍵就在于通過技術挖掘海量的低價值密度數據之間的關系，從中篩選出高價值的數據，明確數據之間的關系，以此為依據作出各主體下、各情況下的決策。而對于教學管理來說，大數據分析即是對教師、學生以及各種教學環境下產生的數據進行分析從而幫助教師和學生在各種情況下做出合理的學習或教學決策。因此，大數據分析下的教學管理更具針對性、更加個性化。如對學生個人信息、學習時間、學習課程、歷史成績等數據進行大數據分析，得出學生的學習習慣，對學生未來的成績進行預測，并根據預測的結果分別給予不同的學習方案推薦。又或者根據學習者在線學習的點擊量、頁面停留次數等情況，有針對性推送其感興趣的學習內容。每個學習者都是獨特的生命個體，都擁有著獨一無二的學習潛能，對教學管理也有著自己的個性化需求［4］。隨著大數據分析的發展和應用，學習者數據分析會更加地全面和細化，這一定程度上減少了教師和學生對自己以往經驗的依賴。

（三）增進教學管理的互動性

根據美國教育部的《通過教育數據挖掘和學習分析促進教與學》，學習互動是學習者狀態評價的四大指標之一，而大數據分析對教學管理的互動性有著很大的提升作用。首先表現在學生與教師的互動。在在線學習平臺、移動APP等以互聯網技術為基礎的學習場景下，學生和教師間的互動更加方便，突破了時間與空間的限制，有助于實現教學管理實時性的特點，幫助教師更加及時地掌握學習者狀態。第二，互動性的增強還表現在教學管理四大環節中，上文中分析到傳統教學管理四大環節通常是獨立且割裂的，而大數據分析技術以可視化和實時性的特點將過程、業務、質量、監控的四個管理環節有機結合在一起，通過過程管理完善業務管理，通過質量和監控管理反饋于業務和過程管理。四個管理環節的有效互動，增強了教學管理的全面性和科學性，使得教學管理能夠更好地發揮系統化優勢，不僅能夠有效地平衡各個環節的比重，還能夠通過互動取長補短，不斷改進各個環節的管理方式。

（四）促進優質教育資源最大化利用

大數據分析能夠促進教育資源的最大化利用，主要表現在兩個方面：一是有利于教育資源的共享。大數據分析涉及互聯網、云計算等前沿信息技術，其功能和特點的實現不僅依賴于先進的分析技術，還依賴于龐大的數據體量。如今，教材、課程等教育資源的共享已逐漸成為現實，但優質教師資源的共享卻很難實現。但通過大數據分析，教學管理中個性化的教學方案選擇、學習內容推薦都作為數據被保存下來，這些數據則形成了新的教育資源，而這些數據是由人工管理和機器管理共同產生的，不僅具有一部分教師的功能，其數據載體也十分便于共享；第二，大數據分析下教學管理個性化的特點也使得教育資源被最大化地利用。每個學習個體的學習狀態都是不同的，其個性化學習方式的推薦依賴于海量數據支持。在傳統教學管理領域中一些被忽略的教育資源和數據資源會被重新挖掘出來，而通過教學管理的不斷完善，無用的數據也會被逐漸地剔除，教育資源得以最大化的利用［5］。

三、大數據分析在教學管理中的實現路徑

（一）以學習者狀態為基礎，不斷優化數據收集

從上文中的分析可以看出，學習者狀態識別是大數據分析技術的起點和關鍵，基于大數據的教學管理的基本前提就是通過技術手段獲取和分析學習者的相關數據，從而為教學管理的實施提供參考依據。因此，如何獲取數據、獲取什么類型的數據就是教學管理中大數據應用的重點內容。對此，研究者應選用合適的技術對教學管理所需數據進行適當的分類，并從多個維度進行分析和總結。一般來說，數據的獲取主要通過數據捕獲、多感知數據、實施傳感來進行，綜合數據獲取技術的運用有助于收集學習者在各個場景、各個學習階段產生的數據。在具體的應用上，教學管理部門應針對學校的信息化程度和技術可行性選擇相應的方法，在線學習環境下通常選擇數據捕獲［6］。在選擇了相應的數據獲取技術后，就要有針對性地對所需數據進行分類。這一步是為了提高學習者狀態識別的精確性和教學管理策略實施的有效性。

學習者狀態識別的數據主要來源于四大類：學習風格，如學習時長、學習進度表等；學習進度，如學習者過去的知識結構，學習資源的種類、內容等；學習成就，如隨堂測驗成績、作業成績等；互動水平，包括學習興趣、活躍度、點擊率等等。但在教學管理中，不能僅針對學習者在學習過程中產生的數據進行收集，教學管理包括過程管理、業務管理、質量管理和監控管理，因此其需要考量的數據種類十分廣泛，在大數據應用的初級階段，可先收集過程管理和業務管理的數據。但需要注意的是，除上述提到的數據外，還應注重收集學生、教師、管理平臺三者之間的交互數據以及學習者的情感數據。綜上所述，考慮到學校信息化水平和教學管理系統功能，在進行大數據分析時主要收集學習風格、學習進度、學習成就、互動水平這四方面的數據。此外，隨著大數據應用的逐漸成熟，后期還可加入學生的生理和心理數據用于判斷學習者對學習的態度。數據收集的種類不是一成不變的，教學管理部門應對大數據分析的結果進行動態追蹤，以把握各類數據的有效性和實用性，對數據種類進行動態調整，以保證教學管理策略的科學性。

（二）結合人工管理與機器管理，豐富教學管理策略庫

教學管理策略庫的設計在教學管理全過程中的作用至關重要，它直接關系著教學管理的效果。在完成學習者狀態識別之后，就要根據結果匹配相應的策略庫。由于教學管理涉及的環節較多，學習者特點各有不同，因此需要有豐富的策略庫予以匹配，如此才能保證教學管理的效果，提高學習者的學習水平。

學習者狀態策略庫要實現可視化操作，以便更直觀地表現出學習者在各階段的數據水平，也能夠讓教師、管理人員或學生自己更便捷地了解相關數據，從而匹配到相應的管理策略。如學習風格的策略匹配就可以在學習項目開始前或學習新知識前進行簡單的問答，根據問答結果推送不同類型的學習資源。學習進度的策略匹配可以對學習者自己的進度、與平均學習進度、與他人學習進度進行比較，根據結果對其進行郵件提醒或教師直接干預［7］。學習互動的策略匹配可以根據學生的問答數、論壇活躍度等數據，設置相應的激勵措施鼓勵學習者參與互動。學習成就的策略匹配可根據成績、知識薄弱點等進行個性化學習指導。在進行教學管理策略匹配時，要采用人工管理與機器管理相結合的方式。在學習者數量較多時，機器管理可以有效減輕教師的負擔，提高管理效率，而人工管理則有助于教師更為深入地了解學習者的學習狀態。學習成就、學習進度等客觀性強的管理策略匹配可采用機器管理，如在作業中發現學生出現重復知識點的錯誤，當錯誤次數達到規定標準時應對學生的這一知識點進行重復測驗，以檢查學習者的掌握情況。在涉及主觀因素較多的學習態度、互動水平的管理策略匹配上，要以人工管理為主。如在發現學習者學習積極性低、互動水平低時，教師可通過一對一訪談，在線聊天的方式對學習者進行督促。