基于大數據的高校學生學業預警應用問題及優化策略研究

安哲鋒 馮 源

（[1]教育部戰略研究基地—地方高水平大學發展戰略研究中心 北京 100124；[2]北京工業大學文法學部高等教育研究院 北京 100124）

0 引言

近年來，一些高校在網上公布了退學學生名單，引起社會熱議，學生如何順利完成學業成為廣泛關注的焦點，眾多高等院校通過健全學業預警評價指標體系，完善學業預警機制，對學生實施有效的學業幫扶，幫助在學業上有困難的學生順利完成學業，這也是推動高等教育內涵式發展的必由之路。學生生活和學習在校園中，從入學到畢業，每天都會產生大量數據，這些數據具有海量性、多樣性等特點，可以為學業預警提供支持，提前預測學業存在風險的學生，及時采取有效的幫扶措施。同時，對于學生自身行為的管理，以及學業安排也有很大的益處。

一些高校已經將大數據應用于學生管理或服務中，甚至學業預警應用中，但是還未形成典型的應用范式，而且相應的研究也比較少。本研究目的在于分析大數據在高校學生學業預警中應用的問題，提出應用策略，希望為大數據在學業領域中深入應用提供借鑒。

1 大數據在高校學生學業預警應用的研究現狀

本研究首先在中國知網上以“高校學生學業預警”為主題詞進行期刊搜索，搜索發現共有138 篇中文文獻，其中基于“大數據時代”“大數據”等大數據核心詞相關文獻12 篇，說明基于大數據的高校學生學業預警的交叉研究相對較少。其中，比較典型的研究為：袁安府（2014）等人運用德爾菲法確定了學業預警指標要素，在此基礎上構建了大學生學業預警評價指標體系；[1]尹茂竹（2018）運用主成分分析、多元回歸分析法分析了2017 年某高校全年的學生行為數據，在此基礎上構建了大學生學業預警模型；[2]趙雪梅等人（2018）以農村留守兒童學業預警為例，將大數據應用于學業預警研究，設計了基于教育大數據的學業預警系統；[3]周慶（2018）等人采用多種數據挖掘方法，利用大數據處理技術整合學生數據，進行客觀、科學的分析和決策。[4]

通過對國外文獻資料的梳理發現，學業傾向調查（SAO）的分數可以預測第一學期新生的成績，確定那些最有可能受到不良成績影響的本科生；根據預警內容不同可分為課程成績預警、努力程度預警、知識點預警、學習路徑預警四類；預警方式主要包括電子郵件、短信、學習管理系統消息、學習儀表盤及可視化圖形等；實現形式有學校自主研發、企業機構研發、學習管理系統結合可視化工具、系統嵌入個性化工具、學習平臺中的預警系統模塊等。

從國內外文獻綜合來說，大數據在高校學生學業預警中的應用形成了一定的雛形，研究者主要圍繞學業預警模型、技術方法、系統建設、評價體系等進行了探討，相對來說，針對各個主體的作用、反饋機制及其解決策略的研究相對較少，這為本研究奠定了基礎。

2 大數據在高校學生學業預警應用中存在的問題

（1）學業預警機制有待完善。雖然各大高校學業預警機制已經形成，并且開始初步應用，但一般僅應用于在評獎學金、轉專業時以及每個學年后對學生一學年的學業情況的評估，并未將其融入到學校的日常教育教學活動管理中。由此可見，高校的學生學業預警的應用范圍較窄，體系還有待完善，其發揮的作用也較為薄弱，預警相關主體對預警機制的重視程度和執行力也有待提高。

（2）學業預警方式相對滯后。從預警時間上來分，學業預警方式可以分為事前預警與事后預警。當前，多數高校的學業預警以事后預警為主，也就是當學生學業出現問題后針對這一結果及時進行警示，雖然能夠讓學生有時間彌補之前的學業空缺，但沒有起到防范的作用，具有一定的滯后性。

（3）學業預警內容較為單一。目前高校的學業預警一般只對影響學生升級、畢業以及評獎的情況進行學業預警，例如多數是以學生各科成績、加權平均分、績點等學業成績作為衡量標準，將學生掛科數目或未取得的學分數與學校或學院的制度中規定的標準相比較，來確定該學生是否需要預警。

（4）學業預警數據共享不暢。由于學業預警內容的數據來源系統比較多，各個系統之間的數據無法自動連接，相互不能聯系起來，缺乏一個相對專業的能夠將各大系統數據統合起來的學業預警管理平臺，數據還主要靠手動傳輸來銜接工作，數據更新也不及時，這樣非常不利于數據的整合、歸納與分析，難以及時發現學生學業出現的問題，也就更難以對癥下藥，找到相應的解決對策。

（5）學業預警幫扶策略較弱。多數高校在學業預警中，更多關注如何確定學業預警流程的條件，如何整理、分析數據等技術層面上的事情，缺少個性化的或者有針對性的解決措施和跟蹤反饋機制。很多有學業問題的學生在收到警示后，其只是憑借自身的力量而不借助外部力量去解決學業問題，很可能會難以調整到更好的學習狀態，導致學業狀況進一步惡化，從而失去了警示的真正效果。

3 大數據在高校學生學業預警應用中的優化策略

（1）完善學業預警技術。首先，建立一個關于學生數據的數據庫，包括對學生生活數據、學生成績數據、學生學習行為數據等等；其次，選擇合適的數據分析方法，從而建立學生學業預測模型，預測在讀學生未來的績點表現，及時發現可能出現學業問題的學生；最后，加強反饋技術改進，采用新媒體技術，將結果反饋給學生和教師，使得每個學生都能夠了解自己的未來績點可能的表現，教師根據系統的提示給出各學生以后的學習建議或開展幫扶。

（2）豐富學業預警內容。學業預警內容的豐富可以從以下三個方面入手：1）學業預警內容與日常學習行為結合，例如可以增加未上課頻次、上課遲到早退頻次、未完成作業頻次等等；2）學業預警內容與學習成績結合，例如增加掛科門數及比率、退學標準差值、學習退步值等；3）學業預警內容與評獎評優結合，例如獎助學金標準差值等。

（3）優化學業預警方式。一方面，由原來的以事后預警為主，轉變為事前與事后預警相結合。運用大數據方法，加強對學業預警的預測功能建設，真正達到預防的效果。另一方面，由原來的結果性預警為主，轉變為結果性與過程性預警相結合。原來預警的掛科門數等，都是已經發生了，預警的都是學業的結果，后續可以加強對學習過程學業預警指標的研究，實現在學習過程中就及時預警，防止學業不良后果出現。

（4）增強學業幫扶力度。現階段，調動預警主體對預警機制的重視程度和執行的力度非常薄弱，但對老師而言，獲得所有學生的學業數據和預測表現，則可以對學生進行更精準、全面的把握，而對于那些在學業上出現問題的學生，也能夠及時調整，促進學業成功。無論是教師還是學生本人，都應該充分重視學業預警結果，充分運用這個結果，開展精準化、個性化幫扶。