大數據時代高職院校學困生成因分析及轉化策略探究

陳斌

摘 要：目前高職院校正處于新一輪的擴招變革中，招生人數在擴大，招生類型呈現多樣化，招生質量顯著下降。教育管理者應尊重學困生的個體差異，幫助學困生成長和發展。大數據提供了全新的教育思路，從大數據的角度對學困成因進行分析，對高職院校學困生的轉化具有實際意義。

關鍵詞：大數據; 學困生

中圖分類號：G715.1? ? ? ? ? ?文獻標識碼：A? ? ? 文章編號：1006-3315（2020）1-158-001

當前高等職業院校教育正在迎來一輪新的變革，2019年3月國務院總理李克強所作政府工作報告中明確提出，改革完善高職院?？荚囌猩k法，鼓勵更多應屆高中畢業生和退役軍人、下崗職工、農民工等報考，2019年大規模擴招100萬人。隨后，教育部發布了《高職擴招專項工作實施方案》，按照國務院統一要求，從擴招重點領域、生源組織、經費保障等方面做了精細部署，并向全社會承諾2019年高職招生計劃將增量114萬。

國家大幅增加對高職院校的財政投入，擴大高職院校獎助學金覆蓋面，提高補助標準，不難看出國家對高職教育的重視程度。改革高職院校辦學體制，提高辦學質量，加快培養國家發展急需的各類技術技能人才，為實現中華民族偉大復興貢獻力量。

一、當前高職院校學困生的現狀

（一）招生類型多樣化，招生質量下降

在國家政策的推動下，高職院校招生類型多樣化、復雜化，由以前單一的普通高考招生轉變為學校自主招生、中高職銜接三二分段、學業水平考試、3+證書考試、普通高考等多種形式招生，并且普通高考招生占整體招生比例在逐年遞減，可見高職院校的招生質量在不斷下降。

（二）學困生群體逐年上升，學情相當嚴峻

學習基礎普遍較差是高職院校學生群體的特性。根據對廣東職業技術學院2017、2018級在2018-2019學年第二學期學業預警人數進行統計分析，2017級4446名學生，其中普通高考招生比例占43.3%，2017級學業預警人數達464人;2018級4753名學生，其中普通高考招生比例占36.2%，2018級學業預警人數高達904人。隨著高職院校招生類型和所占比例的改變，學困生群體人數逐漸在攀升，學困生的學習現狀令人擔憂，不少學困生已達到III預警、留級預警，甚至退學預警，嚴重影響了人才培養質量。

二、大數據為高職院校學困生轉化提供了新思路

目前大部分高職院校只單純依靠學習成績來衡量學生的學習狀況，通知學生學業預警級別，督促學困生靠自身自覺學習解決問題。這種管理方式沒法深入探知學困生學困的原因，無法有效地轉化，結果的好與壞全靠學困生自身發展。

將大數據應用到學生困轉化工作當中，可減少教育者在實施轉化策略時的盲目性。大數據時代下，學困生形成的數據已不局限于顯性的學習成績數據，還包括學困生在日常教育活動中的隱性數據，如心理健康普查結果、借閱圖書類型和次數、參加社團活動類型和時間長短等。經過數據手段分析，呈現出學困生群體發展背后的屬性、規律、趨勢，凸顯學困生不同行為之間的內在聯系，從而精準分析出學困的原因，并有針對性制定轉化策略。

三、采集學困生數據形成數據庫，多維度分析學困成因

從學困生日常教育活動的海量數據中，初步挑選可能會分析出學困成因的數據因素。以學號為唯一身份標識，針對學生困群體建立數據庫，把不同管理部門之間有關學困生的數據串聯在一起，覆蓋日常課堂考勤、學習成績、選修類型、心理健康狀況、借閱圖書類型和次數、第二課堂活動類型和時長、晚歸次數等。形成大量的數據后，從多個維度分析導致學困的影響因素及各因素之間的潛在關聯性。如某學困生的專業成績不佳，但在挑選選修課類型、參加第二課堂活動種類明顯偏愛非所學專業的其他事物，可以分析出該生可能是對所學專業的興趣愛好、積極性不高導致學困;某學困生參加第二課堂活動的時長持續遠超群體正常平均數，可以分析出該生可能是沒處理好社團工作與學習之間的時間分配問題所導致學困;某學困生心理健康狀態多次異常，可以分析出該生可能是受到心理問題困惑導致學困等。通過海量數據探索出學困生日常教育活動中各因素數據之間的關聯規律，運用大數據手段建立學困生學困量化分析體系。

四、轉變工作思路，精準制定轉化策略

（一）教育管理者轉變工作思路

在大數據時代下，教育管理者應與時俱進，改變傳統模式的工作思路，由只能通過與學困生本人交談探知學困原因轉變為從學困生日常行為產生的數據當中發現和分析出學困原因，學會使用數據手段動態監控分析學困生，學困生在日常教育活動中產生的碎片式數據是學困生行為最真實、最客觀的反映，分析出的學困成因可靠性高，學困生通過數據故意欺騙教育管理者的概率是微乎其微的。

（二）精準定制私人式的轉化策略

根據大數據分析，讓教育管理者可以及時了解到每位學困生在日常教育活動中產生的微觀表現，了解學困生最真實、最客觀的行為，從而精準找出學困成因。根據學困生自身具體情況，有機聯動學校教學部門和管理部門，以學困的客觀數據為導向，建立精準幫扶機制，制定科學性而個性化的轉化策略，最大限度發揮家長、專任教師、輔導員、班主任、學長等多方的幫扶力量，激發學習活力，有效轉化。并通過大數據手段可以實現轉化過程的動態跟蹤管理，實時監控學困生在轉化過程中的狀態，對學習狀態的發展趨勢進行預測，發現問題及時調控與干預。

在大數據時代發展潮流中，教育管理者應主動轉變工作思路，傳統學困生轉化工作不僅要付出大量工作時間和精力，還要與學困生“斗智斗勇”消耗積極性，轉化效果卻事倍功半。通過分析學困生日常教育活動產生的真實、客觀、有效的數據，借助大數據手段可以有效判斷出學困成因，從而制定精準式幫扶轉化措施，從根源上解決轉化問題。

【課題項目】大數據視角下高職院校學困生精準幫扶體系研究與實踐，項目編號：KRW201827

參考文獻：

[1]周馨.大數據時代教育數據價值挖掘[J]信息與電腦，2013（8）：124-125

[2]王婧.大數據時代高校學生管理工作的挑戰和對策分析[M]思想政治教育研究，2014，30（2）：128-130