基于大數據的高職院校學生綜合素質評價研究

周永塔 謝曼

摘要：該研究將探索建立高等職業院校學生綜合素質評價體系及建立學生數字畫像。與傳統學生綜合測評模型相比，它的數據是自動采集的，全方位的（包括學業、生活、行為），具有過程性與結果相結合的特點。通過大數據手段能完整的展現學生在校期間的各種數據，分析挖掘并提供詳盡的分析報告，為學生自我認知提供依據并優化職業發展規劃，為社會企業提供優質對口學生，實現精準就業，為職院校教學管理、完善人才培養質量方案提供參考。

關鍵詞：高等職業院校;綜合素質評價體系;學生數字畫像

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）10-0177-02

1概述

高等職業院校的根本任務在于人才培養，在于服務建設現代化經濟，然而在實踐過程中，人才培養漸漸與經濟發展脫節，偏離了人才培養目標。與人才培養息息相關的評價體系一直是困擾教育教學改革的老大難問題，一般情況下，學校還是以課程為目標對學生進行評價分類，除了課程評價的方式以外，關鍵是在素質評價的機制中把評優作為其主要的標準。傳統的評價體系不能及時、全面、科學地評價學生在學校的各種表現，忽視了學生能力的培養，抑制了學生自主發展意識的培養。且評價方式單一，未能真正反映學生綜合素質，更不能引導學生作合理職業規劃。大數據時代的到來，為綜合素質評價提供了嶄新的視覺和寬廣的思路。通過大數據技術將采集范圍擴大到課堂內外、正式的和非正式的學習環境、學習活動和生活表現，能夠客觀地映射學生綜合素質。

通過基于大數據采集與分析的大學生綜合素質評價，有助于學校、教師、家庭、社會更全面、更精準地了解學生的優點與不足，而且還能通過數據反映教學的效果及學生的培養質量，使學校管理者形成并優化個性化培養方案。面對海量信息，如何將大數據資源優勢有效擴大，快速有效地獲取具有時效性的信息并加以甄別、分析、管理、利用，以達到解決問題、提升能力的目的，是對高職學生提出的新的信息素養要求。高職學生的信息素養已成為制約高職學生未來發展的關鍵因素之一，本課題研究將校園大數據納人學生的學習與生活中，使學生在不知不覺中具備信息素養。

2學生綜合素質畫像構建

2.1構建類別

目前，各高校的大學生綜合素質評價體系主要還是由學生的課業成績、輔導員及班委的主觀判斷和個人經驗為主導的方式構成的，在評價理念、評價方法及評價的時效性、操作性方面都存在一定的不足，在實施過程中會導致評價的不公平、不科學、不全面等問題，使綜合素質評價的各方面優勢都無法得到充分體現嘲。本研究探討收集學生在校期間各項活動的數據，創建基于大數據的各種畫像，包括學生基礎畫像、學業畫像、信息素養畫像、學習能力畫像、交流合作與實踐創新畫像、運動與健康畫像等。當今社會，常見的綜合素質指標包含“道德品質”“信息素養”“學習能力”“交流合作與實踐創新”“運動與健康”“審美”“表現能力”等方面等內容，這些素質可以歸結為人的綜合素質。除了成績能夠有效準確測量外。道德素質、表現能力等方面在原有評價里缺乏有效的測量方法與手段。實際操作性不強。而隨著云計算、大數據、物聯網、5G等技術的普及，它給教育實踐領域的探索帶來了新技術、新方法，使之前難于測量的評價通過行為采集、過程采集等進行收集。使學生通過數據更了解自己，為就業儲備更多技能與素質，實現高質量就業。

2.2構建方法

傳統數字化校園缺少統一規劃，各自為政，無統一信息標準，信息孤島問題嚴重，面對龐大的數據也是無能為力。而隨數據倉庫技術與非結構化采集技術的日益成熟，以及國家對大數據應用日益重視，使基于學生日常行為的數據應得以開展。

首先以《智慧校園總體框架（GBT36342-2018）》《教育信息化2.0行動計劃》《教育管理信息教育管理基礎代碼》等標準并整合校內實事標準建立信息標準，通過數據治理實現數據的一致性后存人數據倉庫。統一校內計算資源，建設高性能且容災的私有云平臺，依托ETL技術將一卡通數據、教務數據、圖書數據、上網數據、物聯數據、互聯網數據等采集到數據中心。根據不同數據類型，可充分利用數據流采集工具flume、數據傳輸工具sqoop、爬蟲工具python等，再通過可視化BI工具進行分析與展示。總體上分為數據提取、數據分析、結果輸出三步。構建綜合素質評價的體系指標，主要指標包括思想道德、專業技能、創新素養、文化素養、身心素質。通過文本挖掘算法得到標簽元數據和標簽數據集并使之標準化，基于前述畫像維度進行用戶建模，并通過聚類算法對學生畫像分類。最后構建學生綜合素質數字畫像系統，使用可視化雷達圖等工具建立崗位與綜合素質匹配度。

將研究內容標準化，并對算法、收集范圍、可視化工具等進行反復迭代，使基于大數據的學生綜合素質評價更加精準和科學。

3關鍵技術實現

3.1數據處理

本研究將采集課堂內外、正式和非正式學習環境、學習活動和生活表現等數據，覆蓋80%以上在校學生的關鍵數據。利用校內基于超融合的私有云平臺，為本項目提供計算能力，提供5個計算節點，約30T的分布式存儲。

在數據源方面，建設智慧校園數據中心，依托ETL技術將一卡通數據、教務數據、圖書數據、上網數據、物聯數據、互聯網數據等采集到數據中心。數據流采集工具flume、爬蟲工具py-thon等。歸類如下表。

根據前面的數據源進行數據建模，針對數據來源異構情況通過數據清洗的方式進行數據格式和內容的規范，使得數據具有良好的通用性和可讀性。在數據進行清洗過程中，可以調用Pvthon中的Skleam和Pandas工具實現對數據進行常量替換、均值填充、回歸預測，大大降低了數據的噪音，使得數據經過編碼和轉換具有良好的歸一性，使得數據表示一致，能夠實現數據的正則化。

3.2用戶建模

在進行數據建模過程中，需要對時間、地址、人物、內容四要素進行數據化描述，對學生的行為數據進行及時有效處理，可以采取如下的方式進行處理：學生標識+時間+行為類型+應用系統+內容。通過定義各類行為的時間衰減因子和系統以及內容權重，就可以對學生的全部行為建模。

3.3標簽挖掘

標簽元數據是用于描述標簽分類的數據，我們將標簽元數據劃分為基本標簽、經濟標簽、成績標簽、知識標簽、體育標簽、消費標簽、飲食標簽、社交標簽、性格標簽、心理標簽、學習標簽、思想標簽等。在實踐中，通過抓取訪問URL日志挖掘思想動態標簽，抓取微博等數據挖掘社交標簽，分析教學平臺與教務系統設置成績標簽，分析圖書借閱數據設置知識標簽，分析一卡通消費行為和消費水平設置消費標簽、飲食標簽等。這種多維標簽體系有效整合了教務系統、學習平臺、圖書館信息檢索系統、文獻數據庫以及互聯網搜索引擎記錄的學習者行為數據。同時通過建立多維度的畫像標簽展示體系，為更精準的學習支持服務設計提供數據支撐。

通過挖掘標簽以及設定權重，我們就可以用模型完整的表示一個大學生。

3.4畫像聚類

最后構建學生綜合素質數字畫像系統，使用可視化雷達圖等工具建立崗位與綜合素質匹配度。評價系統的數據既有結果數據，也有過程數據，更能全面精準的反映學生實際情況。

4總結

針對高校智慧校園系統產生的海量數據，探究大學生畫像的應用具有重要的現實意義。本文通過描述數據采集、用戶建模、標簽挖掘、畫像聚類等一系列流程構建大學生畫像集合，構建學生綜合素質數字畫像系統，使用可視化雷達圖等工具建立崗位與綜合素質匹配度，為學生自我認知提供依據并優化職業發展規劃，為社會企業提供優質對口學生，實現精準就業，為職院校教學管理、完善人才培養質量方案提供參考。