研究大数据背景下的高校教育数据分析与应用

研究大数据背景下的高校教育数据分析与应用

发表时间：2020-03-30T05:19:30.496Z 来源：《当代教育家》2020年1期作者：陆杰[导读] 现如今，紧跟着信息技术的高速发展，大数据运用的领域逐渐的扩张。并在大家平时生活、学习的过程中都能产生很庞大的数据，运用大数据可以帮助大家为生活、学习及其行为习惯产生精确的分析，同时大数据也赋予其应用价值。陆杰

广西工程职业学院广西百色市平果县 531400

摘要：现如今，紧跟着信息技术的高速发展，大数据运用的领域逐渐的扩张。并在大家平时生活、学习的过程中都能产生很庞大的数据，运用大数据可以帮助大家为生活、学习及其行为习惯产生精确的分析，同时大数据也赋予其应用价值。然而，针对当前高校教育管理工作来讲，借用大数据帮助高效负责人直接对高校教育管理工作成果做出有针对性的分析，并把传统的高校教育管理工作由繁入简，可以使高校与学生之间进行有针对性的对话，促进良好校园文化的形成。基于此，大数据导入高校教育管理工作成为当今时代的大势所趋，高校重新审查本身存在的教育管理形式不足，同时积极推进高校教育管理工作的革新，致使高校教育管理工作的实施上能够不断推陈出新，实现创新发展。

关键词：大数据；背景；高校教育数据；分析；应用

从大数据基本定义来讲指的就是在设置的特定时间范围内，经过互联网及其其他相关的设备实施全方位的数据信息的收集，最终实现终端用户的数据信息的大汇集，从而依据这些数据分解，达成用户活动特征等数据汇集。然而，切合大数据运用的状况，可以对其特点概括如下：较丰富的数据量汇总、较复杂的数据类别、较迅速的数据处置速度及其很低的价值比重。因此，从大数据背景下的数据价值来讲，高校教育通过大数据汇集的学校和学生的信息，经过清理和分解，对之后的高校教育管理工作做到细致化的预估，并促成其作出精准决定。然而随着当下大数据越来越受到大家的重视以及普及率越来越高，将来必定发挥出更大的光芒。

一、大数据背景下在高校教育管理中的影响

1.1掌握学生思维活动动静

当前的高校教育管理任务其中一部分就需要掌握学生思维活动动静，确保为学生提供平安健全的日常学习和活动处境。目前，在教育管理任务实践进程中，往往却忽视了学生思维活动动静专注度。多数教育管理职员缺少相关掌握学生思维活动动静的紧迫感和关键性的认知，从而把更多的热情集中在高效钻研教育当中，再或者没有实施更为高效的相应措施，从观念上面忽略了学生思维活动的任务，并且没有积极指导和缺少必要的关心。因此，在意识和相应措施上面的贫乏，然而在大数据及其有关技能高速进步的状态下现在面临的种种问题看到了转机。高效可以针对大数据及其有关技能大力的传播和培育，将进一步强化高校教育管理者的大数据观念，提升利用大数据及其有关技能掌握学生思维活动动静的办事技能和水准。

1.2发展特性化教育学习

将来都是建立在大数据影响下智能化高校，因此大学生很多生活和学习形式都在无声无息的改变着，之前在大学生群体里经常发生的事情就是许多学生逃课之后去上网购物，类似事件频繁出现高校教育管理者已经不觉得新奇，但是在传统高校教育管理中又很无奈。基于此，高校教育管理者可以积极尝试采用大数据及其有关技能，多方面汇集大学生数据，同时分解此数据之后来判断不一样的大学生在学习数据上的差别，发现数据呈现的规则，致使强化教育以及管理的对准性和精确性，为之后高校教育实现因势利导、特性化管理和多种样式培育学生的教育思维。

1.3促使教育和学习融合的更睿智高效

目前每所高校的在校大学生都突破万人的数字，因此，在高校平时生活和学习的过程中，自然会形成无法计算的大数据，例如：选课、姓名、成绩等，再有教育工作者的基本状况，教学课件和视频同样会形成难以估计的数据量，与此同时，像设施、计算机机房、书籍等数据消息，致使大学高校的信息体系本身就有非常巨大的体量，其实在长时期运转下，已将大量数据进行了汇集，也就作为高校信息体系中大数据的根源。与此同时，在高校汇总的大数据本身具备非常大的教育价值，足可以变革教育行业的传授形式和学习手段，反馈给整体教师队伍很重要的教学资产，利用大数据方便引领，教育工作者不但能够进行跨行业跨校区的传播优异的教学经验，也能够做到针对大学生精确的区分，从而依据大学生特性加以引导学习。

1.4精准分解和评价课堂品质

在传统高校教育中对于课堂效果的好与坏没有明确的标准，更加不会有大数据的辅助，最终导致教师和课堂品质的评价模棱两可。然而，在引入大数据对于课堂精准的分解，从教育实践上收集大量的范例，并且采用多种样式的收集形式，运用广泛性和分解技能的多角度化的方法，经过以上形式能够高效提升课堂教育的高品质。

二、大数据背景下的高校教育数据分析中的应用

2.1数据搜集

高校教育数据由来宽泛，触及高校多个校区和多数部门。一般情况下数据都分布储备在高校每个信息体系当中，比如：大学生数据储备在学生管理体系中，成绩数据储备在教务管理体系中，消耗数据和门口防御数据储备在校园卡管理体系中，图书借出与归还数据储备在图书借读管理体系中等。全面思考投入成本、平安视角以及可实施性等原由，想要大量收集数据的最优规划是优先依靠现阶段已经成型的信息体系收集平时数据，之后经过ETL数据分享和互换技能达成数据的总汇集。介于每个信息体系运用的不一样的数据储备技能，所以数据根源中的数据一般都是异构的，可包含：0racle、SQLServer、MySQL、文本文件等模式，ETL即Extract-Transform-Load的缩写，把分布的异构数据根源中的数据索取到暂时的中间层，之后遵照相同的数据规范经过变换，最终加载带目的数据库当中。

2.2数据预处置

数据搜集处理了数据根源的由来，然而在实践中收集上来的无效数据没有数据分解的价值，因此，需要在数据分解的初期对其做预处置。其中数据预处置的手段多种多样，包含数据冲洗、兼并、转换、归约等。数据冲洗就是在处置数据中呈现的缺少之和噪声数据，删除额外数据和冗余数据，以便提升数据品质；数据兼并就是依据数据分解的需求把原先收集到的数个数据汇总在一起实行数据融合，以便提升数据分解成效；数据转换就是经过离散化、规则化等手段把数据转换成适合运用的数据分解方式；数据归约就是利用数据归约技能获得原始数据集的归约表现，不但保证了原数据的整体性，也优化了数据分解时间。

2.3数据分解

泛义的数据分解手段一般有两个档次，第一是狭义的数据分解；第二是数据发掘。狭义的数据分解就是利用统计分解手段极其用具针对数据实行处置和分解。获取有用的信息。数据发掘就是利用人工智能、机械学习等计算方法，在庞大数据中发掘隐蔽、有用的信息。狭义的数据分解和数据发掘实质上就是从数据中间发掘有用的信息和规则，二者没有很明确的界定。从更深层次角度去思考，数据发掘是狭义数据分解的延伸手段，其要点就是发掘隐蔽的不被人们知晓的信息和规则。

2.4成果评估

成果评估的手段包含准确率、查全率、精确率、明显性等。准确率是计算方法判别无误的正面样本数与全部判别为正面样本数比例，便于权衡计算方法的精准度；查全率是即为召回率，指计算方式判别无误的正面样本数与样本中全部的真正正面样本数的比例，呈现计算方法的灵便度；精确率是计算方法判别无误的观点数与样本总数的比例，呈现计算方法的精确度；明显性是假定检查分解成果，经常以0.05或0.01为阅值，如明显性值小于阈值则中断原假定，大于阈值则接纳原假定。因此，在实践中选取那种目标实行成果评估，则要依据自身状况来决定结果。

总结：

大数据是将来高校教育发展的潮流，同时也是教育现代化新的发展趋向。现如今是大数据到来的阶段，对高校教育数据进行收集、分解和运用的前提已经全面具备。高校教育数据分解能够收获可教育数据中的隐蔽信息，在教育数据分解的支持下，高校教育教学和教育管理任务肯定提升精准度，也会带来理想的成果，把因势利导和特性化教育的理念逐步达成期望的结果。

参考文献：

[1]张峰硕，鲍文正.大数据视角下无量纲化方法在高校考核评价中的应用研究[J].教育进展，2019，9（05）：524-533.

[2]顾倩倩.大数据时代背景下教育数据隐私权保护研究[J].商情，2019，（8）：168，170.

[3]杜杨建，崔颖安.大数据背景下高校廉政文化教育研究大数据背景下高校廉政文化教育研究[J].西部素质教育，2019，5（1）：25-26.