片錦香 浦春鈺 孫煥良 侯靜

摘要：研究生教育數(shù)據(jù)每年在成倍地增長，信息的復(fù)雜性也在逐年提升，想獲得微觀、個體的研究生教育情況，需要將大數(shù)據(jù)技術(shù)應(yīng)用到研究生教育質(zhì)量評價體系中。應(yīng)用大數(shù)據(jù)技術(shù)可以實現(xiàn)對每個學(xué)生的教育質(zhì)量的微觀、個體化跟蹤和未來發(fā)展的預(yù)測，對于可能出現(xiàn)問題的學(xué)生起到了及時的警告作用。

關(guān)鍵詞：大數(shù)據(jù)；研究生；質(zhì)量評價體系

中圖分類號：G643 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-9324（2016）26-0075-02

一、引言

隨著研究生數(shù)量大幅增長，研究生教育質(zhì)量信息數(shù)據(jù)也越來越龐大。如何處理這些海量的研究生質(zhì)量信息也成為教育管理者難以解決的問題。傳統(tǒng)的研究生教育質(zhì)量評價體系只能宏觀地描述研究生的教育情況，這種描述不能將研究生教育質(zhì)量數(shù)據(jù)的動態(tài)特性呈現(xiàn)出來。華東師范大學(xué)校長俞立中教授在接受采訪時說：“信息化不是一個技術(shù)，也不是一個技術(shù)的推廣，而是一種管理理念[1]?！边@句話啟示我們信息時代下，可以將信息技術(shù)與教育管理理念相結(jié)合，提出更好的學(xué)生教育質(zhì)量評價體系。大數(shù)據(jù)技術(shù)就是這些信息技術(shù)其中之一。大數(shù)據(jù)即一般軟件工具難以捕捉、管理和分析的海量數(shù)據(jù)，通過對海量數(shù)據(jù)的交換、整合、分析，發(fā)現(xiàn)新的知識、創(chuàng)造新的價值，帶來“大知識”、“大科技”、“大利潤”和“大發(fā)展”[2]。在大數(shù)據(jù)時代下，應(yīng)用于商業(yè)領(lǐng)域的大數(shù)據(jù)技術(shù)給了我們啟發(fā)，如果將大數(shù)據(jù)技術(shù)應(yīng)用于研究生教育質(zhì)量評價體系，可動態(tài)地跟蹤研究生教育的相關(guān)信息，對信息進(jìn)行分析綜合，預(yù)測學(xué)生在培養(yǎng)過程中不同方面的發(fā)展趨勢。

二、研究生教育信息管理數(shù)據(jù)

研究生教育數(shù)據(jù)主要包含教學(xué)運行數(shù)據(jù)、社交活動記錄數(shù)據(jù)、基礎(chǔ)條件數(shù)據(jù)、畢業(yè)生質(zhì)量數(shù)據(jù)等。這些數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)相比具有動態(tài)、實時、量大的特點，對于如何處理海量數(shù)據(jù)查詢效率的問題已經(jīng)迫在眉睫[3]。隨著研究生人數(shù)的大幅度增加，管理這些教育數(shù)據(jù)的過程也越來越復(fù)雜，學(xué)生的發(fā)展趨勢也變得難以預(yù)測。為了解決這些問題，我們可以通過利用數(shù)據(jù)挖掘技術(shù)挖掘出研究生教育的相關(guān)信息，及時、全面、更加細(xì)粒化地關(guān)注學(xué)生教育質(zhì)量，并對未來可能發(fā)生的情況做出預(yù)警。

隨著計算機技術(shù)的飛速發(fā)展，利用數(shù)據(jù)挖掘技術(shù)[4]，可以將學(xué)生的教育信息更加及時地反映出來，并利用數(shù)據(jù)的動態(tài)變化可以預(yù)測出數(shù)據(jù)的未來發(fā)展趨勢。大數(shù)據(jù)時代的到來，讓所有社會科學(xué)領(lǐng)域能夠借由前沿技術(shù)的發(fā)展從宏觀群體走向微觀個體，讓跟蹤每一個人的數(shù)據(jù)成為了可能，從而讓研究“人性”成為了可能。而對于教育研究者來說，我們將比任何時候都更接近發(fā)現(xiàn)真正的學(xué)生[5]。這將使教育研究領(lǐng)域從宏觀整體走向微觀個體，實現(xiàn)“個性化”教育。

例如，我們可以通過采集學(xué)生進(jìn)出門禁系統(tǒng)的數(shù)據(jù)進(jìn)行研究生行為模式挖掘，判斷學(xué)生是否在校內(nèi)、是否按時進(jìn)出教學(xué)樓、食堂消費消息提示是否經(jīng)常吃早餐、及時判斷學(xué)生的學(xué)習(xí)狀態(tài)等；另外，通過采集研究生學(xué)業(yè)數(shù)據(jù)的分析，可以進(jìn)行學(xué)術(shù)成績的預(yù)警和判斷，根據(jù)不同課程的成績及階段性的成果，預(yù)測學(xué)生在研究期間能獲得的學(xué)術(shù)成果，有針對性地進(jìn)行科研計劃的調(diào)整；在研究生就業(yè)階段的數(shù)據(jù)分析也可以對學(xué)生的就業(yè)情況進(jìn)行跟蹤和分析，通過在研究生階段的學(xué)習(xí)數(shù)據(jù)及學(xué)生就業(yè)情況數(shù)據(jù)，挖掘出研究階段的成績與就業(yè)發(fā)展情況之間的聯(lián)系，有利于預(yù)測在校學(xué)生的就業(yè)發(fā)展情況，便于給出更為適合的就業(yè)指導(dǎo)。

三、大數(shù)據(jù)時代下的研究生教育質(zhì)量評價體系內(nèi)容

傳統(tǒng)的研究生測評體系只能宏觀地整體地詮釋研究生教育情況，用于教育政策決策。然而想獲得微觀、個體的研究生教育情況則需要將大數(shù)據(jù)技術(shù)應(yīng)用到研究生教育質(zhì)量評價體系中。在大數(shù)據(jù)時代下，研究生教育質(zhì)量體系應(yīng)當(dāng)增添其他方面內(nèi)容。

研究生的教育信息數(shù)據(jù)是動態(tài)的，利用大數(shù)據(jù)技術(shù)可以將這種動態(tài)表現(xiàn)出來。如跟蹤學(xué)生的學(xué)業(yè)情況，將學(xué)生每一時刻的學(xué)習(xí)及科研成果和該學(xué)生的行為模式結(jié)合起來，描述出該學(xué)生學(xué)業(yè)方面的動態(tài)過程和最后畢業(yè)時可能產(chǎn)生的結(jié)果。將這二者的聯(lián)系用于與現(xiàn)在校學(xué)生作對比，預(yù)測現(xiàn)在校學(xué)生未來學(xué)業(yè)情況。

具體地說，比如現(xiàn)在有一個學(xué)生平時不總?cè)嶒炇?、圖書館，考試成績不理想，他現(xiàn)階段的學(xué)業(yè)情況剛好跟一個完不成科研任務(wù)而影響畢業(yè)的學(xué)生的學(xué)業(yè)情況很相似，那么就可以預(yù)測出這個學(xué)生也很有可能不能畢業(yè)。這樣就可以及時地提醒該學(xué)生要抓緊學(xué)習(xí)，以免影響畢業(yè)。利用大數(shù)據(jù)技術(shù)跟蹤學(xué)生的學(xué)業(yè)情況可以及時有效地在未發(fā)生錯誤的情況下對學(xué)生進(jìn)行提醒或警告。

學(xué)生畢業(yè)之后，跟蹤學(xué)生職業(yè)的發(fā)展數(shù)據(jù)，不僅僅跟蹤學(xué)生到哪里就業(yè)，還要跟蹤學(xué)生畢業(yè)后十年或是二十年的職業(yè)發(fā)展數(shù)據(jù)。這些職業(yè)發(fā)展數(shù)據(jù)要包括學(xué)生職場生涯中的每一次升職、每一次提薪和每一次跳槽。同樣，數(shù)據(jù)中還應(yīng)包括學(xué)生在職場中遇到的失敗，比如降職或是被解雇。將描述出的學(xué)生職業(yè)發(fā)展的動態(tài)信息與學(xué)生從入學(xué)以來整個研究生期間的教育信息聯(lián)系起來，分析這兩者的關(guān)系，以此為依據(jù)找到在校學(xué)生中和就業(yè)相掛鉤的學(xué)生，可以提前有意識地培養(yǎng)這些學(xué)生，提高就業(yè)質(zhì)量。對于其他學(xué)生可以起到預(yù)警的作用，使學(xué)生提前了解到自己現(xiàn)階段的學(xué)習(xí)和工作方式對今后的就業(yè)可能會產(chǎn)生不利的影響，并給予及時的糾正或完善，提高就業(yè)率。

四、大數(shù)據(jù)挖掘技術(shù)在學(xué)生質(zhì)量評估體系中的應(yīng)用

數(shù)據(jù)挖掘是一個利用各種分析工具在海量數(shù)據(jù)中發(fā)現(xiàn)模型和數(shù)據(jù)之間關(guān)系的過程，這些模型和關(guān)系可以被企業(yè)用來分析風(fēng)險、進(jìn)行預(yù)測[6]。數(shù)據(jù)挖掘是一門交叉性學(xué)科。數(shù)據(jù)挖掘過程經(jīng)過數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)變換、數(shù)據(jù)挖掘、模式評估、知識表示一系列的過程。該過程不是一次完成的，其中的一些步驟或整個過程都是經(jīng)過數(shù)次數(shù)次或反復(fù)進(jìn)行的。采用的算法非常多，比較常見的有：關(guān)聯(lián)規(guī)則方式、決策樹方法方式、神經(jīng)網(wǎng)絡(luò)方法方式、粗糙集方式、遺傳算法、模糊論方法、可視化技術(shù)等[7-8]。

1.關(guān)聯(lián)規(guī)則算法在研究生教育質(zhì)量測評體系中

的應(yīng)用。關(guān)聯(lián)規(guī)則算法可以運用在研究生的學(xué)業(yè)數(shù)據(jù)挖掘中。關(guān)聯(lián)規(guī)則算法可以分析出不及格課程之間存在的緊密的相關(guān)性。具體表現(xiàn)為某幾科課程成績同時不及格的情況下，其他一些課程成績不及格的機率很大。關(guān)聯(lián)規(guī)則算法還可以分析出一些較為基礎(chǔ)的課程對其他課程的學(xué)習(xí)影響很大，學(xué)習(xí)好這幾門課程對于學(xué)習(xí)好其余課程有很大的幫助。這種分析課程之間的相關(guān)性的算法對于降低學(xué)生的掛科機率，提高學(xué)生的課程成績有很大幫助。

2.決策樹分類算法在研究生教育質(zhì)量測評體系

中的應(yīng)用。利用決策樹分類理論構(gòu)建研究生教育質(zhì)量測評決策樹，實現(xiàn)教育質(zhì)量測評定性分析。從決策樹中可以看出，在具有某種優(yōu)勢的群體中，具有另一種優(yōu)勢的人占很大比例。這樣可以推斷出具有前一種優(yōu)勢的人一般都具有后一種優(yōu)勢。利用決策樹分類算法可以分析出不同性質(zhì)的就業(yè)方向的研究生一般具有的優(yōu)勢，以及讀博深造的研究生一般具有的優(yōu)勢。這樣可以根據(jù)分析結(jié)果提前對現(xiàn)在校研究生的就業(yè)和讀博的適合度進(jìn)行大體上的判斷。決策樹分類算法為學(xué)生規(guī)劃畢業(yè)后的發(fā)展方向提供有力的輔助決策作用。

3.采用k-means算法的聚類挖掘在研究生教育質(zhì)

量測評體系中的應(yīng)用。采用k-means算法的聚類挖掘能分析出某一群體的特征行為。應(yīng)用在研究生教育質(zhì)量測評體系中，可以分析出現(xiàn)學(xué)業(yè)警告或是就業(yè)困難的學(xué)生群體的行為特征，以及科研方面有較大成果或是就業(yè)質(zhì)量較好的學(xué)生群體的行為特征。利用這些行為特征能夠預(yù)測現(xiàn)在校學(xué)生的未來發(fā)展趨勢，對于可能會出現(xiàn)學(xué)業(yè)警告或是就業(yè)困難的學(xué)生可以起到預(yù)警作用，而對于未來發(fā)展可能比較好的學(xué)生，學(xué)?？梢蕴崆坝幸庾R地培養(yǎng)。

五、結(jié)束語

本文探討了大數(shù)據(jù)技術(shù)在研究生教育質(zhì)量評價體系中的應(yīng)用，以此實現(xiàn)對研究生教育信息的動態(tài)化、細(xì)?；枋觥Ｑ芯可逃龜?shù)據(jù)每年在成倍地增長，信息的復(fù)雜性也在逐年提升，應(yīng)用大數(shù)據(jù)技術(shù)在這些繁雜的數(shù)據(jù)信息中提取有價值的信息并對數(shù)據(jù)信息分析綜合得到衍生信息是研究生教育質(zhì)量評價體系很有前景的一個發(fā)展方向。應(yīng)用大數(shù)據(jù)技術(shù)可以實現(xiàn)對每個學(xué)生的教育質(zhì)量的微觀、個體化跟蹤和未來發(fā)展的預(yù)測，對于可能出現(xiàn)問題的學(xué)生起到了及時的警告作用。大數(shù)據(jù)技術(shù)為研究生的學(xué)業(yè)培養(yǎng)及就業(yè)指導(dǎo)提供了有力的依據(jù)，已成為研究生教育質(zhì)量評價體系中不可或缺的一部分。

參考文獻(xiàn)：

[1]榮碧蘭.基于高校復(fù)雜科研信息的數(shù)據(jù)倉庫與知識發(fā)現(xiàn)應(yīng)用研究[D].大連：大連海事大學(xué)，2010.

[2]涂子沛.大數(shù)據(jù)：正在到來的數(shù)據(jù)革命，以及它如何改變政府、商業(yè)與我們的生活[M].桂林：廣西師范大學(xué)出版社，2012.

[3]孫勝耀，聶利穎.基于數(shù)據(jù)挖掘的高校學(xué)生信息海量數(shù)據(jù)處理[J].電腦知識與技術(shù)，2011，（8）：5823.

[4]張明.基于數(shù)據(jù)挖掘的（預(yù)警）學(xué)生狀況分析[D].武漢：武漢科技大學(xué)，2008.

[5]張韞.大數(shù)據(jù)改變教育[J].SHANGHAI EDUCATION，2013，（4）：11.

[6]牛祥春.基于數(shù)據(jù)挖掘的學(xué)生綜合測評系統(tǒng)應(yīng)用研究[D].山東：山東科技大學(xué)，2006.

[7]王欣.基于數(shù)據(jù)挖掘的高校學(xué)生培養(yǎng)及就業(yè)指導(dǎo)研究[D].成都：西南交通大學(xué)，2006.

[8]Janwei Han and Micheline Kamber.數(shù)據(jù)挖掘概念與技術(shù)[M].范明，孟小峰，譯.北京：機械工業(yè)出版社，2007.