基于教育大数据的高等教育预测分析与应用

　　摘 要：伴随着大数据时代的到来，智慧校园采集来的数据难以利用与分析，已经是高校智能化管理面临的新的挑战。文章研究了基于教育大数据的高等教育预测应用。采集大数据不是目的，合理的利用和有效的预测分析能够帮助教育大数据实现其真正的价值。高等教育预测分析可以更加准确地预测学生的行为，尤其是针对学习效果、就业和保持率等方面；同时，教育大数据还可以帮助高校分析微观、个体的学生与课堂状况，从而更加有效地提高学习效率，满足个性化教育的需求，提升高校的核心竞争力。
　　关键词：教育大数据；高等教育；预测分析；素质教育
　　大数据时代的到来，一方面促进了传统行业对创新路径的探索与发展，加速了市场经济的产业结构优化；另一方面，也使得市场对高素质人才的需求也愈发强烈[1]。目前，我国正处于信息高速发展的大数据时代，如何对教学资源信息、教育管理信息、教育学习行为信息与学习成果反馈加以利用分析，洞悉海量数据背后的学习行为关联与教学模式变化趋势，制定相应的计划以提高学生的学习效率，保证毕业率与就业率，从而提升高校的核心竞争力，是各大高等教育院校亟待解决的难题。
　　1 教育大数据分析的国内外发展趋势
　　近20年的教育实践研究表明，教育的主体逐渐从施教者过渡到受教育者；此外，基于现代信息技术、大数据以及数据挖掘等高新技术也不断应用于现代高等教育事业，使高等教育呈现出更加现代化、数据化、智能化的教育形式。目前，以学生个人主义的个性化学习和交互式学习的一种全新的学习方式，有望满足不同学生的差异化学习需求，提高学生自主学习的意识与能力，不断促进学习的发生，提高高等院校的教育生产率。
　　在国外，一家名为Blackboard网络学习平台创新性地提供了“学生预警中心”，根据教师提前设置的数据分析阈值对学生的学习状况向课程教师实时预警，以方便教师及时发现问题，避免问题的进一步恶化[2]。在国内，运用大数据分析评价学生的学习发展潜能的技术还不够成熟，目前只有少数机构能够利用大数据技术实现学生的个性化教学[3-4]。
　　综合分析国内外研究现状不难发现，伴随着大数据时代的到来，各大教育机构与高等院校逐渐开始应用大数据分析、数据挖掘等技术了解受教育者的个性化需求、评估讲师的教学质量与水平、调整学习知识方法与技巧。此外，基于大数据分析的个性化评估结果，各教育研究机构开始着手预测学生未来的学习态度与学习成效、检测学生的学习投入度、情感、学习策略等，从而让教师和教学研发人员能够根据学生评估结果进一步调整教学策略，改进教学课程，更好地达成有效教学的目的[5-6]。
　　2 高等教育预测分析提高对学生和教育手段的全面感知
　　2010年8月，现代信息之父比尔·盖茨大胆提出，“未来的学习者不必去大学接受高等教育，完全可以自学的方式选择线上优质的课程资源，以制定符合自身个性化发展需求的学习计划。”学生可根据个人的需求选择和学习，加强了学习的个性化、主动性和学习过程的互动性[7]。
　　从2012年开始，轰动教育界的MOOC教学出现了，让比尔·盖茨的预言正逐渐变为现实。在中国，上海交通大学于2014年成功自主研发的、中国最高水平的大学慕课联盟“中国大学MOOC”正式上線发布。目前已有北京大学、香港大学和台湾清华大学等一流高校的1 800多门精品公开资源共享课程上线，让学生自主选择高水平教育资源成为现实。在国外，斯坦福大学的人工智能课程，实体课堂的学生只有175人，然而，在线上却有着10万学生选择在线学习，教育资源的信息化与公开化令越来越多的学生拥有了学习的选择权。
　　现阶段，国内外的各大高等院校与信息化教学平台，大多是仅仅拥有海量教育资源与学生教育数据，却未能借此把握诸多现象背后隐藏的规律与逻辑关系。由此可见，如果没有对大数据进行深度挖掘分析，很难洞悉隐藏在这些现象背后的主要诱因[8]。
　　3 基于教育大数据的高等教育预测分析的核心价值
　　个性化教学模式的发展在诸多方面为学生的学习提供助力，尤其是在学习效果、毕业、就业等方面。可以使学生实现在学业中的成就，如顺利获得学位、从事心仪的职业等，甚至可以因此而受益一生。个性化教学模式的发展在提高学生的学习效率和保证学生顺利毕业甚至帮助就业上有着重要意义，主要表现在以下几个方面。
　　3.1 实现学生个性化、全面化评估
　　通过对学生课业学习质量等教育大数据资源的多尺度分析、数据集成、关联模式分析和数据深度挖掘分析，各高校能够透析学生的质量和学习行为之间的联系，对于学生作出具有个性化、全面化的综合分析报告、舆情分析、情感变化和能力分析，有助于学生的个性化学习方案制定与全方位能力评估。
　　3.2 提高学生的学习质量
　　教学过程的个体化教学督导和管理能够对学生的学习行为进行科学管理，如果学生的学习行为与过程数据分析表明该学生在学习中出现主观（如出勤频度下降，作业完成率降低等）或客观（如作业错误率上升等）的学习问题，教师可以提前根据学生个性化分析报告采取相应的教学干预，以避免学生问题的进一步恶化。
　　3.3 满足学生的个性化学习与发展需求
　　通过对云计算、大数据和人工智能等高新技术对学生个性化学习行为数据的分析，各高校能够真正实现学习的富媒体化。在分析学生的学习过程与结果的基础上，向学生推送个性化教学资源，为学生定制个性化的学习安排，以便更有效地进行因材施教。
　　3.4 改善高校教学计划，提高高校核心竞争力
　　通过对同一课堂上的所有学生进行全面而系统的学习行为、过程和学习成果的数据分析，能够发现传统教学计划中隐含的问题，从而改善传统的教学计划，进而提高高校核心竞争力。
　　4 结语
　　通过大数据分析技术让许多我们曾经不曾关注的一些问题，包括学生的情绪主流变化、学生的需求分析、学习现状和发展趋势都能够通过预测分析技术，实现挖掘现象背后的真正原因和发展趋势。除了个性化发展、丰富学习内容和提高学习效率以外，大数据技术的应用更有利于掌握学生的身心发展变化，更有利于真正素质教育的开展。
　　[参考文献]
　　[1]陈海军.大数据视野下的高校教育管理发展路径[J].中国成人教育，2018（3）：43-45.
　　[2]沈克正，马抗美.基于教育大数据的高校学生个性化管理模式[J].青岛科技大学学报（社会科学版），2017（4）：103-107.
　　[3]孙天才，罗来林.大数据环境下的教育管理模式改革研究[J].文学教育（下），2018（2）：180-181.
　　[4]李强.大数据在高校网络教育中的应用[J].信息与电脑（理论版），2018（3）：129-131.
　　[5]蔡剑桥.基于大数据的教育决策模式演进与趋势研究[J].教育科学研究，2018（2）：35-41.
　　[6]王鹏，王为正.大数据驱动高校创业教育：应用可能与风险规避[J].思想理论教育，2018（2）：81-85.
　　[7]王兴波.大数据时代高校思想政治教育改革探析[J].学校党建与思想教育，2018（3）：60-61.
　　[8]吴玉琳.浅析大数据在中国教育领域的应用现状[J].福建电脑，2018（1）：165，181.

相关热词搜索：高等教育 预测 分析 数据 教育