試析大數據分析在學科建設中的應用

張靜 劉危 楊兵 單文波

摘? 要：隨著我國“雙一流”建設的開展，學科建設的基礎地位愈發突顯，但傳統建設方法在新形勢下面臨嚴峻挑戰，無法為“雙一流”建設提供長期有效指導。大數據分析具有善于處理大量、異構、多變、關聯數據的優勢，利用數據挖掘、可視化分析等技術可以在精準掌握教育數據，合理配置教育資源，跟蹤監測學科建設績效，預測學科發展趨勢，預警危機專業等方面發揮積極作用。

關鍵詞：大數據分析;學科建設;預警;績效評估

中圖分類號：G640 文獻標志碼：A 文章編號：2096-000X（2019）05-0001-05

Abstract： As China's "Double First-class" initiative operates， discipline construction is increasingly demonstrating its fundamental role. However， new circumstances have posed a severe challenge for traditional construction ways which fail to provide effective and long-term guidance to "Double First-class" construction. The big data analysis， if introduced in discipline construction， which enjoys its efficiency in handling numerous， heterogeneous， variable and associated data， can play a positive role in a view of the overall discipline construction， more scientific evaluation of performance in discipline construction， early warning of disciplines in crisis and provision of convenient service to collaborative innovation of "government， industry， study， research and practice". In the meantime， more efforts should be made to ensure big data security when they are extracted， applied， saved and released， and to improve the level and capacity of data used in decisions.

Keywords： big data analysis; discipline construction; early warning; evaluation of performance

2015年國務院印發的《統籌推進世界一流大學和一流學科建設總體方案》（以下簡稱《方案》）中指出：建設世界一流大學和一流學科，是黨中央、國務院作出的重大戰略決策，對于提升我國教育發展水平、增強國家核心競爭力、奠定長遠發展基礎，具有十分重要的意義。[1]《方案》指明了學科建設與教育發展、國家進步的關系。學科是“雙一流”建設的基礎，辦大學就是辦學科。隨著互聯網和信息技術的發展，使得用大數據分析描述學科建設動態、預測學科發展趨勢、為頂層決策機構提供決策支持成為可能，因此，應盡早搭建為學科建設服務的大數據分析平臺，為加快推進我國雙一流建設及教育現代化提供決策支持。

一、當前學科建設存在的問題

廣義學科建設的內涵包括結構性要素和功能性要素。結構性要素包括凝練學科方向、匯聚學科隊伍、搭建學科平臺;功能性要素包括人才培養、科學研究和社會服務。[2]

當前學科建設的主要問題包括：

第一，學科布局和結構不合理，學位授予點并不能完全反映社會需求和科學技術的發展[3]，學位點、科研基地的建設存在功利性、盲目性。據麥可思研究院近年來發布的《中國大學生就業報告》報道，生物工程、法學、歷史、英語、美術、體育等專業已連續幾年成為就業榜上的紅牌專業。曾幾何時，社會上流傳著“21世紀是生物學的世紀”的說法，可生物學近年來的就業率卻頻頻下降，甚至淪為十大較低就業率專業首位。培養目標的趨同化致使高校校際間生物工程學科專業畢業生差異性不大、競爭力不明顯，導致學生“功能性、結構性失業”現象加劇。不僅生物專業，經歷了十余年擴張后表現出明顯的頹靡、萎縮之勢的專業不在少數。然而這些專業的招生人數、辦學規模、學位授予點卻在不斷增加，暴露出我國學科建設中存在盲目追求指標和規模，卻忽視人才培養與市場需求相結合的規律的現象，而這直接關系到高等教育的質量及教育資源的合理配置。鄰國日本的例子更是前車之鑒。據日本《朝日新聞》報道：截至2017年7月日本停辦或準備停止招收法律碩士的高校多達36所，其中不乏新瀉大學、立教大學、京都產業大學這樣一些知名高校。而導致這些學校的法律碩士集體停辦的一個重要原因就是政府決策的失誤。2002年政府預計律師的需求量會加大，于是放寬了律師考試合格率的限制，并加大對法律碩士培養的投資力度，一些院校紛紛開辦法律碩士點，但是事與愿違，律師的需求量并沒有增加反而減少了，再加之攻讀法律碩士的學費比較高昂，一時之間法律碩士成了無人問津的專業，一些院校因為招不到生源而無奈之下停辦[4]。給學校和政府造成巨大損失。

造成人才培養與市場需求不相適應的一個主要原因在于：目前的學科建設方法尚不支持前瞻性決策。由于教育數據沒有與政治、經濟、社會領域的數據對接，因此無法在同一平臺對這些數據流進行整合分析，動態觀察教育與政治、經濟、社會發展之間的聯動關系，使決策層不便于高屋建瓴，做出前瞻性決策。師資培養和引進，學生的教育與培養都具有周期性，一旦發現專業設置或學科建設中的不合理問題，可能已無法在短期內消除，而這對于學校、教師和學生本人而言都得不償失。學科建設需要更具時效性、更有洞見性的分析工具，以實現前瞻性規劃。

第二，學科建設績效評估體制不完善，導致學科建設在培育人才、服務社會方面的價值難以量化。導致這些問題的原因主要有：第一，績效評價方法上存在局限性。目前學科建設績效評價的方法主要分為兩類：一是指標權重賦權法，二是數據包絡分析法。指標權重分析法的缺點在于：受主觀因素的影響較大，結論的科學性受到影響。而數據包絡分析法的問題在于：所選取的樣本量太少，使得求得的效益前沿面不夠科學，必然會影響到對學科建設績效是否有效的評價。[5]第二，由于評估方法的局限，導致評估結果只能從靜態上反映出當前學科建設的水平，不能預測學科建設的動態發展。第三，目前的學科績效評估只聚焦于學科，學科之外的信息被忽視，導致對學科的社會價值的漠視。因此學科外延審視的缺失影響了學科的社會價值計量。[6]

第三，“產學研”協同創新不夠，缺乏統籌協調機制，科研成果轉化率低等問題，也是當前我國學科建設中存在的突出問題。首先，政府在產學研用結合中的組織協調功能發揮不夠，政府的服務機構不健全、服務水平有待提高。[7]其次，科技人員視野受限，創新能力不高，無法適應經濟社會發展的重大需求，創新效率低下，高校人才隊伍建設與協同創新要求不相適應。[8]

二、學科建設中應用大數據分析的必要性及可行性

（一）大數據分析應用于學科建設的必要性

針對以上學科建設中存在的問題，穩步推進一流大學和一流學科建設，實現“中國特色，世界一流”，必須對學科建設進行前瞻性研究。目前教育決策大多基于事后研判，事后研判固然必要，但對于學科建設總體而言，前瞻性的規劃，對于風險管控和優化人才培養質量和科研產出效率，都有著積極意義。盡可能發揮科學研究的領頭羊作用，從而帶動社會政治經濟的發展，并根據社會政治經濟發展和人才需求，適時調整人才培養規格、目標和課程體系，就要研究學科建設的規律，影響學科建設效率的重要因素，學科建設和經濟社會發展之間的關系，人才培養和社會需求之間的關系等等，這些研究必然牽涉到政治、經濟、教育、人口、環境等一系列海量、高速、類型多樣的數據流，僅用現有的數據庫難以實現前瞻性的設計，只有通過大數據分析才能獲取更多智能的、深入的、有價值的信息。大數據分析能用適當的統計方法對海量、高速、類型多樣的數據進行整合與分析，從中提取有用信息并加以研究和概括之后形成知識，以指導決策。《方案》要求：以支撐創新驅動發展戰略、服務經濟社會發展為導向，優化學科結構，強化目標管理，突出建設實效，加快高等教育治理體系和治理能力現代化[9]。《方案》指明了學科建設與經濟社會發展的內在聯系，要實現《方案》的總體目標，必須加快大數據分析在學科建設方面的應用，以適應“雙一流”建設以及國家中長期改革和發展的需要。

（二）大數據分析應用于學科建設的可行性

隨著云存儲、云計算、互聯網、物聯網、移動終端等信息技術的飛速發展，使得大數據分析成為可能。大數據分析能夠通過對歷史數據的分析和挖掘，科學總結與發現其中蘊藏的規律和模式，并結合源源不斷的動態流式數據去預測事物未來的發展趨勢。[10]這讓越來越多的組織認識到大數據的價值。美國普渡大學的Course Signals系統利用數據量化和監測學生的學習狀態，其數據來源包括課程考試分數、排名、學術經歷以及學生與學習管理系統LMS的互動情況，預測學生在一門課程學習中的表現。2012年美國國家教育部發布了《通過教育數據挖掘和學習分析促進教與學》報告，對美國國內大數據教育應用領域和案例，以及應用實施所面臨的挑戰進行了詳細介紹。2013年1月，德克薩斯大學（UT）推出SAS的可視化分析VA，VA為德克薩斯大學提供了對于學術界的更敏銳的洞見，現在員工們能夠很容易就看到不同學院、不同系及課程計劃等廣泛層面的學術測算指標。這些信息幫助UT能夠做出更好的決策[11]。加州大學同樣致力于教育數據分析。他們積累有關本科生學習狀況、學習經歷的調查數據，已經有15年之久，涉及加州大學10個分校中的9所;他們還能通過互聯網，從覆蓋美國所有高校96%的數據庫中提取學生入學前及入學后的相關數據，做相關性分析、趨勢展望和政策建議[12]。2015年是中國的教育大數據元年，國內開始對大數據分析在教育領域的應用展開了理論研究，而實證研究則剛剛起步。2017年3月20日——21日“教育大數據應用技術”國際學術研討會在華東師范大學舉行。會議精神認為：教育大數據將重構教育生態系統，宏觀層面為教育決策提供科學依據，中觀層面推進教學管理和評價的創新實踐，微觀層面為個性化教學提供精準支持。[13]趙慧瓊，姜強，趙蔚，李勇帆，趙艷的《基于大數據學習分析的在線學習績效預警因素及干預對策的實證研究》表明：學習分析技術可以將大量學生數據轉換成有價值的教學信息，通過對最終分析結果的可視化展示，能夠發現影響學生學習成績的關鍵因素，識別可能存在學習危機的學生，從而為進行學業預警、教學干預、教學決策等服務提供有力支持。[14]盡管目前國內外已有將大數據分析應用于教育領域的理論研究，大數據分析支持下的預警系統設計的可行性也已被證實，但是國內的教育大數據分析多集中在學習分析，對于大數據分析在科學建設領域的應用研究還沒有。

本文將就大數據分析在學科建設中的應用及其作用進行分析和展望，旨在為高校學科建設提供有益的參考。

三、如何將大數據分析應用于學科建設

大數據分析普遍應用的方法有可視化分析、數據挖掘、預測分析等。可視化是展示數據的一種方式，可視化能夠直觀地呈現大數據特點，同時能夠非常容易被讀者所接受，具有良好的交互性，就如同看圖說話一樣簡單明了。數據挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的實際數據中，提取隱含其內的、人們事先所不知的、但又具有潛在價值的信息和知識的過程。如果說可視化是給人看的，那么數據挖掘就是給機器看的。數據的挖掘首先是搜集數據，數據越豐富越好，數據量越大越好，只有獲得足夠的高質量的數據，才能獲得準確的判斷，才能產生認知模型[15]。數據挖掘是數據“模型”的發現過程，而機器學習是建模的重要方法之一。機器學習的過程是：將一些已知的并已被成功解決的問題作為范例輸入計算機，機器通過學習范例，總結并歸納具有通用性的規則[16]。預測分析是根據可視化分析和數據挖掘的結果做出預測性的判斷。只要在大數據中挖掘出信息的特點與聯系，就可以建立科學的數據模型，通過模型輸入新的數據，從而預測未來的數據[17]。

利用上述技術，第一可以分析學科建設規律，找到制約學科建設和發展的因素，從而合理配置資源;第二可以預警危機專業，控制人才培養的規模和數量，對于可能出現人才過剩的專業，逐步放緩招生人數和師資的培養;而對于可能出現人才緊缺的專業，則適度增加人才培養的數量和師資的培養。將損失控制到最低。

基于上述的各類大數據分析技術，結合學科建設特點，構建了如圖1所示的總體應用框架。

首先，整合數據源，搭建“教育大數據平臺”。抽取教育部高教司、學位辦、科技司、社科司、教育部直屬單位、全國哲學社會科學規劃辦公室、國家自然科學基金委員會、各省市級教育主管部門、科研團體、校級教學科研主管部門等的相關數據作為數據源。對數據源進行處理面臨兩個問題，一是除了結構化數據以外，還要將圖像、視頻、課件等非結構化或半結構化數據也整合進來，這對數據關聯的發現提出了挑戰。二是現有教育數據分屬不同的部門管理，存在信息孤島現象。因此需要通過數據融合技術，對這些結構相異、定義多樣的數據進行清洗和轉換，使其成為統一的語義學結構，在這種結構下，將數據分解為少量但統一的基本元素。這些基本元素包括：組織、人、物（包括錢）、關系、場所、動作、條件、事件、時間等。經過語義學分解之后，不同數據源的數據就具備了初步的一致性和相似性[18]。然后，通過人為設定的規則體系或人工智能和機器學習的方式，判斷不同數據源之間的聯系，如一個國家級項目的主持人同時也可以是一個省級項目的主持人、一篇權威期刊的作者、一門在線精品課的主講人、一所高校的教師，某院、系或者科研院所也可能是國家級重點實驗室或基地，某著作或論文可能是某個或幾個項目的科研成果等。經過這些步驟，“教育大數據平臺”就基本形成了。

在此基礎上，就可以對整個學科建設的運行情況進行分析了。比如，可以分析高等教育司某項改革措施或建設工程所造成的影響，某一學科專業的人才流向，交叉學科的發展態勢等等，可以根據組織者的要求選擇不同“維度、顆粒度和路徑”的分析，數據越多、質量越高，就越有利于建立模型，從錯綜復雜的數據中找到學科發展的規律。這就要用到前面提到的機器學習和數據挖掘技術。通過研究算法，讓機器在數據中查找制約學科建設的關鍵因素，并利用可視化，幫助決策層創建一個描述狀況的共享視圖，對學科建設中存在的問題本質獲取更多洞見，并對需要采取的措施達成共識。

機器學習和數據挖掘除了可以幫助決策層掌握學科建設的發展規律，還可以設計算法將學科建設績效與資源配置聯動起來。根據組織者關于學科建設績效評價的目的、范圍、周期等，確定績效考核方案，在此基礎上設計資源配置方案，聯動考核結果與資源配置。構建以師資隊伍和科研團隊、科研成果水平、人才培養質量、社會服務與文化傳承等多維數據為核心的績效考核模型，為學科建設績效和資源配置提供技術支持。

另外，根據可視化分析和數據挖掘得到的學科建設規律，可以進一步作出預測性分析，預警危機專業就是預測分析的一個重要運用。傳統分析方法是對已經發生的事件進行分析，屬于事后研判，而在大數據中，可以通過建立的數據模型，建立一個“智能全景模擬器”，這個模擬器可以幫助我們模擬各種政策和項目工程對整個學科建設及其各個局部的影響，對可能發生的事件進行預估，即預測分析。根據數據挖掘和可視化分析得到的學科建設規律，可以發現制約學科專業發展的關鍵因素，然后通過建模，預測某項政策措施或社會經濟變化會對哪些學科或專業造成影響以及造成怎樣的影響。可以把影響程度用得分的形式表示出來，得分越高影響越大，危機程度越高，并根據危機程度給予不同等級的預警。危機學科或專業設置為A、B兩類，A類表示需求增長過快，供不應求;B類表示需求放緩或逐漸萎縮，供過于求。例如師生比持續上升，人才市場供不應求、教學或科研績效高的專業可能預示著人才緊缺，可以歸為A類危機專業，根據人才稀缺程度可下設三檔或四檔等級，等級越高，人才需求越旺，需要調整人才的增量和存量;而就業率持續下降、教學或科研績效低的專業可能預示著人才培養與市場需求不相適應，存在人才培養過剩的傾向，可以歸為B類，同樣下設幾個等級予以預警，等級越高代表危機程度越高，表明需要調整培養方案，減少招生規模。通過“智能全景模擬器”提供的危機預警，對危機學科專業進行盡早干預，可優化資源配置，減少損失。

當然，模型的準確性不會一蹴而就，還需要對數據的持續觀察和對模型的反復驗證修改，形成“數據收集→整合平臺數據→數據挖掘、機器學習→智能全景模擬→危機預警（可視化）→數據挖掘、機器學習→智能全景模擬……”循環機制，從而不斷提高預測性能。

四、大數據分析應用于學科建設面臨的挑戰

大數據分析固然能解決學科建設中面臨的諸多問題，使學科管理和建設走向更加精準化和科學化的道路，但是也要看到應用大數據分析尚存在諸多問題。

首先，數據的篩選問題。大數據時代，人們對數據的認識始終處于不斷豐富和完善的過程，高質量、高相關性的數據越多越能做出精準的決策。UT對大數據分析的應用就是一個典型的例子。該校為了減少學生貸款債務增加對辦學的影響，這些年來已經采集了大量的學生數據，包括入學和學位數據、學生財務資助數據、課程級別數據等，而數據可視化的新功能，使UT擁有與全州和全國學生債務相比較的有關UT學生貸款來源的信息，以便幫助UT的員工做出更好的決策[19]。科研方面，UT也已經開始采集教師生產力方面的數據，包括不同學院、不同系的學術測算指標，研究經費和學術產出等，并常規性地利用這些數據輔助決策[20]。但這些都只是一個開始，隨著大數據的不斷涌現，大數據分析技術的推廣，需要獲取的數據源會不斷增加，然而目前工業界處理龐大數據的能力有限，因此對數據進行清洗，盡可能獲取高質量、高相關性的數據顯得尤為重要，這需要機器學習和智能全景模擬等技術的支持。

第二，安全問題。大數據的挖掘與運用時刻伴隨著安全問題，數據安全關乎個人安全和國家利益，必須在數據安全性與隱私性之間找到平衡。隨著文化、教育領域公共數據資源向社會開放，大量在線課程的開放，“互聯網+教育”模式的發展，教育數據的安全性也面臨挑戰。數據一旦開放，誰將擁有這些數據？誰又將使用這些數據？科研人員或教師在網站或社交平臺發布與教學科研有關的圖片、視頻或言論時，這些數據是否仍然屬于本人，網站和社交平臺是否能合法擁有其中的內容，當關閉網站和云服務時，用戶是否能將產生的數據帶走等，關系到能否在開放數據的同時保護好知識產權、數據的所有權和使用權，個人隱私不受侵犯等問題。要治理學術環境，堅決杜絕盜用數據、利用數據造假、惡意轉載、剽竊他人研究成果等行為的發生。不斷提高數據安全意識和保密技術，不給假冒期刊網站、非法營利團體以可乘之機。要在從業人員和高校師生中普及安全使用數據的常識和政策法規，讓大家建立起大數據時代的安全意識。

第三，數據融合問題。數據融合是一種處理大數據的手段，用于從大數據中發現知識，并按照知識的語義邏輯關聯融合形成更接近人類思維的知識，包括數據融合和知識融合2個步驟。數據融合負責將多源數據動態提取、整合并且轉化為知識資源，為知識融合奠定基礎。而知識融合負責對知識和知識間的關系進行不同粒度的理解，使知識具有不同層次的可理解性和可領悟性，進而方便解釋客觀現象[21]。就學科建設而言，不同領域、不同學科的科研數據來自不同的數據源;同一專家隸屬的機構可能改變，同一專家也可能以不同語種發表成果，這意味著同一專家的信息可能涉及跨數據庫、跨語言的融合;不同信息源之間還可能存在隱含的關聯信息等。另外，各級、各地區院校在數據的統計、分類、管理上都存在不同程度差異，要將這些數據融合起來進行數據分析和挖掘，還要面臨模式對齊、實體鏈接、沖突解決、關系推演等方面的技術難題。

五、結束語

隨著大數據的不斷涌現，以及開源軟件、云計算等的出現，用數據驅動的管理已初見端倪。麻省理工學院、德克薩斯大學、加州大學等一批知名高校都已聘用專門的數據可視專家和工程師，為決策和研究提供支持。由日本文部省科學大臣認定的“跨學科大規模共享共用信息平臺研究基地（簡稱：JHPCN）”項目，于2010年正式啟動。該項目以東京大學信息平臺中心為核心，在北海道大學、東北大學、東京大學、東京工業大學、名古屋大學、京都大學、大阪大學、九州大學等八所院校的研究基地配備了超級計算機，形成了“網絡式”共享研究基地。項目希望通過超大容量數據平臺，解決地球環境、能源、材料、基因組信息、網絡數據等大型挑戰性課題，為日本學術研究基礎的進一步高度化和常態化做出貢獻。目前項目組已舉辦了10界論壇，取得了一些階段性成果，并于2016年新增了國際共同研究課題、企業共同研究課題、萌芽型共同研究課題，意在強化全球化、產學結合、孵化風險企業的功能[22]。大數據分析已經將觸角伸向了高等教育教學、科研、管理等各個層面。不久的將來，用數據驅動的學科建設也定將展現其前所未有的優勢。但是技術的進步也對使用技術的人提出了更高挑戰，用好數據，不等于一切依賴數據，對學科建設做出科學決策，還要不斷提高對數據的甄別、思考和駕馭能力。

參考文獻：

[1]http：//www.gov.cn/zhengce/content/2015-11/05/content_10269.htm.

[2]梁傳杰.論學科建設績效評價[J].北京科技大學學報（社會科學版），2010（1）：160.

[3]謝桂華.關于學科建設的若干問題[J].高等教育研究，2002（5）：49.

[4]http：//www.asahi.com/articles/ASK7Z5F06K7ZUTIL01K.html.

[5]梁傳杰.論學科建設績效評價[J].北京科技大學學報（社會科學版），2010（1）：159-160.

[6]薛玉香，黃文浩.以投入產出比重新審視高校重點學科建設績效評估[J].中國高教研究，2010（4）：39.

[7]朱路甲，劉迪，王寶軍.新時期產學研用合作機制創新中存在的問題及相關對策[J].河北大學學報，2011（2）.

[8]陳冬梅.基于“產學研用”協同創新的高校人才隊伍建設探析[J].高教探索，2013（2）.

[9]http：//www.gov.cn/zhengce/content/2015-11/05/content_10269.htm.

[10]李金昌.從政治算數到大數據分析[J].統計研究，2014（11）：10.

[11]Phil Simon.大數據可視化重構智慧社會[M].人民郵電出版社，2018：110.

[12]龔放.把握學科特性 選準研究方法——高等教育學科建設必須解決的兩個問題[J].中國高教研究，2016（9）：5.

[13]吳忭，顧小清.教育大數據的深度認知、實踐案例與趨勢展望——2017年“教育大數據應用技術”國際學術研討會評述[J].現代遠程教育研究，2017（3）：11.

[14]趙慧瓊，姜強，趙蔚，等.基于大數據學習分析的在線學習績效預警因素及干預對策的實證研究[J].電化教育研究，2017（1）.

[15]陳明.大數據基礎與應用[M].北京師范大學出版社，2016：228.

[16]陳明.大數據基礎與應用[M].北京師范大學出版社，2016：286.

[17]陳明.大數據基礎與應用[M].北京師范大學出版社，2016：209.

[18]王紋，毛彥.數據驅動的管理[M].清華大學出版社，2016：263.

[19]Phil Simon.大數據可視化重構智慧社會[M].人民郵電出版社，2018：112-113.

[20]Phil Simon.大數據可視化重構智慧社會[M].人民郵電出版社，2018：113.

[21]孟小峰，杜治娟.大數據融合研究：問題與挑戰[J].計算機研究與發展，2016（2）：240.

[22]https：//jhpcn-kyoten.itc.u-tokyo.ac.jp/ja/.