□李 燕 陳 偉 張淑林

[中國科學技術大學 合肥 230026]

引言

“大數據”（Big Data）是近年來的一個熱點名詞，隨著互聯(lián)網、云計算、移動設備和物聯(lián)網的迅猛發(fā)展，大數據技術已然運用到很多行業(yè)和領域，其價值不言而喻，前景愈發(fā)光明。2015年我國發(fā)布了《促進大數據發(fā)展行動綱要》，對10個大數據工程進行了規(guī)劃，并在“公共服務大數據工程”中明確提出要建設教育文化大數據。高等教育是一個國家教育水平的集中體現(xiàn)，在高等教育領域應用大數據技術無疑具有重要的現(xiàn)實意義。

一、高等教育大數據相關概念

大數據是以容量大、類型多、存取速度快、應用價值高為主要特征的數據集合[1]。它是數據對象、技術與應用三者的統(tǒng)一：從對象角度看，大數據是超過傳統(tǒng)數據庫系統(tǒng)采集、存儲、分發(fā)、管理和分析等處理能力的數據集。從技術角度看，大數據技術是從不同格式的數據中，經過高速傳輸、海量存儲、快速分析到可視化展示等的技術集成。從應用角度看，大數據是運用大數據技術，從大量數據的集合中獲得有價值信息，為人們提供決策依據的行為[2]。因此，大數據不僅是一種資源，一種技術，還是一個新領域，一種新思維。

（一）教育大數據

教育大數據是大數據的一個子集，特指教育領域的大數據。楊現(xiàn)民指出教育大數據是整個教育活動過程中產生的以及根據教育需要采集到的，一切用于教育發(fā)展并可創(chuàng)造巨大潛在價值的數據集合[3]。相較于一般大數據的特點，教育大數據具有：中等體量、非實時性、周期較長、非結構化、高復雜性等特性。它存在于各種教育實踐活動，既包括校園環(huán)境下的課堂活動、學生日常管理活動、科學研究活動以及校園生活，也包括宿舍、餐廳、運動場、家庭等非正式環(huán)境下的學習活動[4]。

（二）高等教育大數據

高等教育大數據是在高等教育領域產生的管理信息、科研信息、教與學信息、服務信息、部門信息等的集合，它存在于各類教學活動、日常工作、管理科研中，從管理信息看，包括師資信息、實驗設備等，從科研信息看包括論文著作、課題驗收等，從教學信息看包括課后作業(yè)、教學進度、成績等，從服務信息看包括講座、競賽、物業(yè)等，從部門信息看包括就業(yè)信息、圖書借閱信息、用餐消費信息等，還包括學校師生使用互聯(lián)網產生和接收到的信息，如QQ、微信、bbs等社交信息，訪問各類文獻數據庫、視頻、購物網站的信息等。綜上，筆者將高等教育大數據定義為：存在于高等教育領域，能夠影響教學活動的一切隱性數據和顯性數據的集合。它包括各類學生生源、圖書借閱、選修課程、獎學金評定、就業(yè)去向、資產信息等顯性信息，還包括論壇發(fā)帖、參與社團、課堂討論、網絡社交、位置定位等隱性信息。

（三）高等教育大數據特征

從以上高等教育大數據包含的內容可看出，高校中的教育數據存在碎片化、連續(xù)性、多維性、復雜性等特征。

碎片化反映了學生個體學習和生活的習慣，高校生源結構多樣化，而且教學活動等以自主學習、研究討論為主，集體學習為輔，集體行為少，伴隨其產生的數據都是零散的。同時在大數據時代移動互聯(lián)網的發(fā)展及新媒體和多元信息的環(huán)境下，如碎片化閱讀、碎片化學習、微課、慕課等的出現(xiàn)，學生在學習過程中獲取是比較零散、不系統(tǒng)、無序、互不關聯(lián)的知識碎片。碎片化學習已經成為學生學習的一種普遍方式，隨之產生的就是大量的碎片化數據。

連續(xù)性則體現(xiàn)了學生學習和生活的規(guī)律，例如學生一個學期用餐情況、校園網絡登錄情況、圖書借閱類型、考試成績等都反映了一個學生的生活習慣與學習成績的相關性，這些都要基于長期、連續(xù)的數據進行統(tǒng)計分析，僅靠短期數據分析不能獲得學生的整體情況，難免以偏概全。只有將連續(xù)的數據進行系統(tǒng)的分析，才能掌握學生學習和生活規(guī)律，更好的指導教學。

多維性能夠表征校園活動參與個體的完整狀態(tài)。如，對一位學生而言，學習成績、科研論文反映學習效果；借書種類、參與社團反映興趣愛好；一卡通消費情況反映經濟狀況、作息規(guī)律；上網軌跡、論壇評論反映思想動態(tài)、情感走向等。只有將多維度的數據進行綜合分析，才能清晰全面地反映學生個體特征。

復雜性體現(xiàn)了校園生活和學習方式的多樣性。如成績、就業(yè)率、出勤率、資產等結構化數據，教學軟件、學習游戲、多媒體教學資源等非結構化數據；用戶使用網絡產生的行為數據，物聯(lián)網、移動互聯(lián)網感知到的位置數據等。伴隨著教師和學生產生的多樣化數據，蘊含著巨大的價值，但并不是所有數據都是有用的，需要被收集的，只有將無用的數據過濾掉，全面識別、系統(tǒng)集成、高度融合各類原始數據，提高數據質量，才能挖掘有價值的信息。

二、大數據在高等教育領域應用的現(xiàn)狀分析

鑒于大數據在交通、醫(yī)療、商業(yè)等領域的成功應用，政府、高校、研究機構、企業(yè)等逐漸開始認識到大數據將帶來一場高等教育變革，于是紛紛投入大量的人力、物力、財力進行高等教育大數據的應用研究。

（一）國外高等教育大數據有關應用

國外開展大數據應用研究較早，關于大數據在高等教育領域的應用研究相對較多，如英國的“課程精靈”系統(tǒng)（Course Smart）、加拿大的“渴望學習”（Desire2Learn）[5]、澳大利亞的SNAPP（Social Networks Adapting Ped-agogical Practice）系統(tǒng)[6]、美國的“適應性學習（adaptive learning）”系統(tǒng)[7]等都較具有代表性。

1. 英國利用大數據的監(jiān)測功能跟蹤和分析學生的學習進展

英國培生集團（Pearson）與其他出版公司共同開發(fā)的“課程精靈”（Course Smart）系統(tǒng)，允許教師們根據學生利用電子教科書進行學習情況的跟蹤和分析他們的學習進展，并向助教們顯示學生的學習參與度和學習成績等大量的數據信息，以提高學習者的學習成就。但這一系統(tǒng)尚不具備預測的功能。

2. 加拿大利用學生過去的學習成績數據預測并改善其未來學習成績

在加拿大，名為“渴望學習”（Desire 2 Learn）的教育科技公司，已經推出面向高等教育學生的大數據服務項目—“學生成功系統(tǒng)”（Student Success System）。它通過監(jiān)控學生的學習過程、閱讀過程、作業(yè)過程、考試與測驗過程等獲得所需數據，經過程序持續(xù)的、系統(tǒng)的篩選、計算、分析，形成每個學生學習情況的詳細報告。這份報告不僅包括學生的成績及作業(yè)完成情況，還包括每個題目停留的時間、閱讀的次數及時間等更為精準的信息，這些信息便于老師及時找出問題所在，有針對性的給予學生指導或建議。同時也可以預測學生下次的考試成績。

3. 澳大利亞利用大數據技術進行學習過程預測

澳大利亞臥龍崗大學（University of Wol-longong）研發(fā)出社會網絡適應性教學實踐—SNAPP（Social Networks Adapting Ped-agogical Practice）系統(tǒng)。SNAPP本質上作為一個診斷工具, 它將用戶交互產生的網絡論壇帖子和回復以可視化的方式呈現(xiàn)。論壇交互的可視化形式為教師提供可快速識別的用戶行為模式。教師可以直觀看到學習者的網絡發(fā)帖和回復內容，通過跟蹤論壇交流內容，深入了解學習者的行為模式，進而調整教學方式或內容，最大化的為學習者提供適應的教學指導。

4. 美國利用適應性學習為學生提供個性化服務

“我的實驗室/高手掌握（My Lab/Mastering）”是一款由培生集團和紐頓公司共同發(fā)布的適應性學習產品。該產品通過分析學生在學習過程中產生的大量有價值數據，適應性地為其提供獨特的學習服務。學生通過接受個性化的學習支持服務，增長了有效的學習時間，提高了學習效率，最終改善了自己的考試成績。

由上可知，國外將大數據應用于高等教育領域的探索較早，也逐漸發(fā)展出一些成功的應用，特別是在學生學習分析方面已經比較成熟。有的應用已經推廣至很多學校，如“希維塔斯學習”已經與25所高校簽訂了合作協(xié)議，為他們提供大數據分析軟件、技術和指導[8]。許多高校已經可以通過大數據技術監(jiān)測學生的學習過程、預測學生的考試成績、評估學習質量等，為每一位學生創(chuàng)設一個量身定做的學習環(huán)境和個性化的課程，以提高他們的畢業(yè)率。

（二）國內高等教育大數據有關應用

由于大數據的概念在我國出現(xiàn)只是近年來的事，大數據在一些領域的應用也才逐漸興起，在高教領域的應用更是剛剛起步。當前，國內已有一些高校和科研機構開展了教育大數據的初步應用研究與實踐探索。

1. 中國科學技術大學對貧困學生的“隱形資助”

中國科學技術大學自2004年起，利用大數據技術監(jiān)測每個學生的校園一卡通在食堂的消費情況，如果其消費低于200元/月，系統(tǒng)就會自動給學生打生活補助。2005年之后，學校改進了數據統(tǒng)計方法：首先利用網絡對新生心理和家庭狀況進行詳細調查，綜合各院系平時掌握的學生生活情況，建立了每學期更新的貧困生數據庫。再通過多方面的情況統(tǒng)計和優(yōu)化的大數據分析，篩除不能反映真實情況的“壞數據”（如因減肥、外出用餐而導致的在校食堂消費減少等），為真正貧困的學生提供資助。這種方法不僅解決了學生的生活問題，同時也讓貧困生有尊嚴地接受資助。

2. 西安交通大學的教學質量監(jiān)測平臺

西安交通大學的教學質量監(jiān)測平臺，主要針對普通高校的課堂教學質量問題，從內因（教師、學生）和外因等角度開展深入、系統(tǒng)研究，研制出一套目標導向、過程可控，面向學生、督導、同行專家、管理人員甚至開放學習者等課堂教學質量大數據監(jiān)測與分析平臺；通過這個平臺可以檢測到教師在授課過程中全程錄制的課堂實況；以及學生在學習過程中產生的數據。通過大數據的關聯(lián)分析，進行教學質量的綜合性評價[9]。

3. 東華大學的智能實驗室

東華大學智能實驗室利用云平臺（東華云）通過服務器虛擬化對實驗教學資源進行管理，簡化了管理流程，節(jié)約了管理成本，提高了服務器資源申請的靈活性，實現(xiàn)了實驗資源管理的信息化和透明化。該智能實驗室還實現(xiàn)了24小時開放無人在場、跨學院使用等人工無法實現(xiàn)的功能。統(tǒng)計數據顯示，智能實驗室對學生學習自主性的提高有顯著影響，學生在實驗室的時間甚至超過了在教室的時間。

4. 同濟大學構建大數據平臺

為了滿足爆炸式增長的用戶及其多樣化的數據需求，同濟大學攜手中科曙光公司，構建了業(yè)內領先的大數據柔性處理平臺。該平臺可以根據不同用戶的需求，提供差異化服務，同時針對不同組件，采用分區(qū)管理，為學校信息學科及交叉學科研究領域提供高效靈活的應用流程服務。

綜上，我國已經開始了大數據在高等教育管理、服務、教學方面的初步探索，但真正融入高等教育教學實踐，在學校、區(qū)域或更大范圍內產生實質性影響的應用實踐少之又少。高等教育大數據在促進高校發(fā)展方面的價值還未體現(xiàn)出來，還有待進一步的探索。

（三）我國高教領域應用大數據存在的若干問題

高等教育大數據能夠促進高等教育教學模式、管理機制、服務質量的改革。但是從整體來看，我國目前高等教育大數據應用仍然比較零散，缺乏成熟的應用推廣模式。在探索新型教育模式的過程中，主要存在以下幾個方面的問題。

1. 數據采集及問題解決分析技術薄弱

大數據的教育應用中，數據采集和問題解決分析是核心環(huán)節(jié)，應用開發(fā)者要面對的就是數據采集技術和問題解決分析技術的挑戰(zhàn)[10]。由于我國大數據技術應用研究起步較晚，云計算、虛擬化等技術還不成熟，采集端和采用分析端的提供商數量仍比較少，缺少領軍型企業(yè)，這成為制約教育大數據行業(yè)整體發(fā)展的短板。

2. 高校各部門各自為戰(zhàn)，缺乏統(tǒng)一口徑管理

目前，許多學校使用的多個信息管理平臺和軟件應用工具產生了大量不同類型的數據，而當前的高校數據管理體制沒有對所積攢出的不同類型、零散的原始數據進行恰當地歸口管理，普遍存在各自為戰(zhàn)的情況，造成了存儲系統(tǒng)的利用率不均衡和存儲空間的浪費，大量的教育數據被鎖在各個數據孤島上，無法進行有效的整合和利用。

3. 大數據應用專業(yè)人才缺乏

相比于交通、醫(yī)療、商業(yè)、環(huán)境等行業(yè)，教育行業(yè)的數據挖掘起步較晚，且具有很強的獨特性和復雜性，它需要一批既懂教育又掌握大數據核心技術的專業(yè)人才。盡管國內部分高校已經開設大數據相關專業(yè)，但是在配套的課程體系建設、人才培養(yǎng)模式等方面仍處于摸索階段，短期內難以培養(yǎng)大批合格的教育大數據從業(yè)者。專業(yè)人才的缺乏是制約我國教育大數據發(fā)展的重要因素。

4. 數據安全等相關法規(guī)制度缺失

當前，我國尚未建立明確的教育數據管理運營的機制與制度規(guī)定，數據的歸屬權、開放范圍、開放方式、隱私保護等還沒有清晰的界定。企業(yè)在提供教育數據產品與服務中，往往存在極大的知識產權、應用授權等風險，這在一定程度上制約了教育大數據行業(yè)力量的壯大和發(fā)展。

三、高等教育大數據應用模型的架構

如何有效地應用大數據? 從數據到可視化的教育信息需要經過哪些環(huán)節(jié)才能真正發(fā)揮數據的價值并進行科學的預測，促進學習者個性化學習的實現(xiàn)? 筆者在大數據分析必要環(huán)節(jié)數據采集、數據預處理、數據存儲、數據分析、數據解釋基礎上，構建了高等教育大數據應用模型框架如圖1。

圖1　高等教育大數據應用模型框架

（一）數據采集

高等教育大數據包括管理數據、研究數據、部門數據、課程數據、學生數據、教與學數據等[11]。數據的采集需要綜合應用多種技術，每種技術采集的數據范圍和重點都有所不同。主要包括物聯(lián)感知類技術、視頻錄制類技術、圖像識別類技術、平臺采集類技術四大類[12]。

（二）數據預處理

對大數據來講，高等教育大數據是凌亂的、動態(tài)的、復雜的，為了保證大數據的可用性，首先必須在數據的源頭上把好質量關，做好從原始數據到高質量信息的預處理。教育數據預處理環(huán)節(jié)必須規(guī)范數據格式進行初步整合和分析，以便于后續(xù)數據的存儲、管理與應用。該環(huán)節(jié)涉及的關鍵技術包括：數據清洗、數據集成、數據變換、數據規(guī)約等方法。

（三）數據存儲

數據存儲是指所有數據的集中存放。主要包括各種結構化、半結構化和非結構化的歷史數據、預測數據、匯總數據以及需要共享的數據等。高等教育大數據以非結構化數據為主，特別是音視頻數據占很大比重，這些數據大多來自課堂錄像、教學資源等，具有一定的分析復雜性。因此，教育存儲系統(tǒng)不僅需要以極低的成本存儲海量數據，還要適應多樣化的非結構化數據管理需求，具備數據格式上的可擴展性。

（四）數據分析

大數據在高等教育領域應用主要依賴三種數據模型即描述性分析、預測性分析和規(guī)范性分析[13]。

1. 描述性分析

描述性分析是為了識別目標樣本，而對數據（如生源情況、考試成績、教師職稱等）特征的描述和分析。描述性分析可以為高校提供互動數據，為更好的教學和科研提供政策指導。如教師可以通過學習管理系統(tǒng)監(jiān)測學生登錄次數、頁面視圖、訪問次數、瀏覽時長、作業(yè)情況、測驗成績、論壇發(fā)貼等，了解學習者的學習狀態(tài)（學習需求、學習困難、個人學習風格等），從而調整教學內容，實施干預式教學，增強學習效率。大數據可完善質量監(jiān)控體系，為實時、全面、動態(tài)的質量管理奠定基礎[14]。但是教育機構不僅需要監(jiān)測學生們現(xiàn)在的表現(xiàn)還需要預測他們未來可能的結果。

2. 預測分析

預測分析是利用各種統(tǒng)計、建模、數據挖掘和機器學習最近的研究和歷史數據，尋找趨勢和確定相關問題的關聯(lián)，對事物發(fā)展的未來趨勢和水平進行判斷和推測的一種活動。它可以揭示描述性模型中隱藏的數據關系，把復雜的數據變得直觀、簡明，為高校提供更好的教育教學決策，減少決策的盲目性。

3. 規(guī)范性分析

規(guī)范性分析是可執(zhí)行的工具，建立在描述性分析和預測分析的基礎上。規(guī)范性分析使決策者了解未來關鍵任務流程，發(fā)現(xiàn)機會（問題）以及提出好的行動路線。有助于高等教育機構評估現(xiàn)狀，在有效和一致的預測基礎上做出明智的選擇。如高校評估可以通過動態(tài)監(jiān)測、行為矯正、預警預測、群體或個人行為分析等，促進評估的即時性和精準性，進一步了解高等教育的實然狀態(tài)，制定科學的決策。

Wu認為規(guī)定性分析是預測分析的一種類型，規(guī)范的分析需要一個預測模型與兩個額外的組件：可操作的數據和一個反饋系統(tǒng)，跟蹤行動所產生的結果[15]。簡單說來，描述性分析是描述過去，預測性分析是預測未來可能會發(fā)生什么，規(guī)范性分析是告訴你怎么做才能得到你想要的。

（五）數據解釋

數據解釋的過程包括檢驗所有的假設和重新回顧分析過程，通過數據挖掘技術、數據可視化、描述性和推論性方法，比如相關分析、回歸分析、方差分析、多元統(tǒng)計分析、圖表分析等技術模型，將數據以圖表、視頻、報告等方式呈現(xiàn)出來。數據解釋的目的是為了輔助教師更好地調整和改進教學策略，促進學生個性化成長，幫助管理者做出科學決策。使高校實現(xiàn)管理科學化、科研深入化、教學模式智能化、學習個性化、評估綜合化。

四、促進高等教育大數據應用的有關舉措建議

高等教育已經從IT進入到DT時代，我國高等教育將迎來新一輪的變革。針對目前我國高等教育大數據應用存在的技術薄弱、數據孤島、專業(yè)人才缺乏、法規(guī)制度不完善等問題，筆者認為促進高等教育大數據應用需要從以下幾方面著手：

（一）擁抱大數據，加強數據文化建設

數據文化是指一個組織或系統(tǒng)內部對其各個層面決策過程的重要性認識，它包括相應的價值觀、態(tài)度和行為準則。換言之，就是要將用戶、技術與開發(fā)者匯聚在一起，促成與系統(tǒng)和基礎設施升級同等重要的數據認同和文化創(chuàng)新[16]。高等教育領域倡導和加強數據文化建設，首先要正確認識大數據，擁抱大數據。大數據是一種思維方法、是一種技術、更是一種理念。第二要形成“用數據說話、用數據管理、用數據決策、用數據創(chuàng)新”的文化氛圍，助推教學管理從經驗型、粗放型、封閉型向精細型、智能化、可視化轉型。良好的數據文化，是奠定高等教育認可度和支持大數據發(fā)展的基礎。

（二）統(tǒng)一數據口徑，搭建大數據平臺

不少高校在信息化建設過程中產生了大量零散的、孤立的數據，這些被遺忘或者是交叉重復的冗余數據被視為“歷史資料”，分別歸屬于不同的部門。高校需要搭建統(tǒng)一的大數據平臺（云端），并對數據進行恰當地歸口管理，對數據的采集、存放、使用、維護及應用進行統(tǒng)一的指導和規(guī)劃。建立大數據平臺可以更好地挖掘大量的、多類型的數據，為整合、分析和共享大數據打下基礎。高校大數據平臺，需在整合原有各自為政信息系統(tǒng)的基礎上，集成高校辦公自動化、教學管理、科研管理、財務管理等重要校務管理信息應用系統(tǒng)數據，升級、建設數據釆集設備、數據傳輸網絡、數據儲存和分析系統(tǒng)，將簡單堆砌的數據轉化為輔助高校決策的有力支撐例證，提高數據管理質量和效率，促進資源共享，推動高校資源配置的優(yōu)化。

（三）重視專業(yè)人才培養(yǎng)，提升數據服務質量

目前，國內部分高校（如北京大學、中國人民大學、首都師范大學等）紛紛開設了大數據相關專業(yè)及課程，有針對性地培養(yǎng)高質量的大數據專門人才。專業(yè)人才的來源，首先，高校可以自我培養(yǎng)，通過對本校教師進行專業(yè)培訓，提升其數據素養(yǎng)。另外，可以引進人才。在高等教育信息化進程中，高校應該調整教學和管理隊伍結構，完善崗位設置，積極引進大數據應用人才和管理人才。通過大數據人才的引進和培養(yǎng)，為大數據研究和應用提供智力支撐，促進大數據和高等教育的有機結合。

（四）加強政策引導，促進高等教育大數據的良性發(fā)展

2016年4月8日，我國公布了高等教育質量系列研究報告，即1本總報告《中國高等教育質量報告》和3本專題報告，分別是《中國工程教育質量報告》《全國新建本科院校教學質量監(jiān)測報告》《新型大學新成就—百所新建院校合格評估績效報告》[17]。其中總報告《中國高等教育質量報告》是世界上首次發(fā)布的高等教育質量“國家報告”，這也標志著我國高等教育數據開放程度的提升。在這一背景下，全國各地都紛紛成立了教育大數據研究機構，很多企業(yè)和社會力量也都加入了高等教育大數據開放和應用的行列。高等教育大數據也在促進教育公平、精準教學、個性化學習、輔助管理等方面，取得了一些成就。當然，伴隨而來的還有諸多問題，如數據的所有權、數據隱私與安全等。因此，從國家層面對教育大數據的應用進行相應的政策引導顯得尤為重要，如成立國家教育大數據研究機構、治理機構、頒發(fā)“教育數據運營商”牌照、加快建設教育大數據產業(yè)基地、出臺《教育大數據應用發(fā)展指導意見》、制定《教育大數據安全管理辦法》等[18]。政策的引導，將進一步明確教育數據標準、歸屬權、使用權等問題，帶動高校和社會各方的參與和合作，促進高等教育大數據應用的快速發(fā)展。

總之，高等教育大數據應用是一個不斷漸進的過程，數據文化可以提高管理者、教師、學生的數據素養(yǎng)、數據意識，轉變傳統(tǒng)的思維模式，為大數據應用提供一個良好的氛圍，是高等教育大數據應用的基礎；高校大數據應用平臺擁有強大的數據收集和分析能力，可以有效地提高數據管理質量和效率，促進資源共享，是高等教育大數據應用的動力；專業(yè)人才（具有相關學科背景的大數據專業(yè)人才）是大數據和高等教育結合的關鍵；數據安全制度或者法規(guī)的建立可以為數據提供合理使用的保障?？梢哉f，大數據在高等教育領域應用的過程中，文化是基礎，平臺是動力，人才是關鍵，政策是保障，四者缺一不可。

五、總結與展望

在高等教育領域，大數據正在引領教學、科研和管理的不斷創(chuàng)新與變革。在教學方面，大數據正在引領教學模式變革。在科學研究方面，大數據正在開創(chuàng)新的科研范式。在管理方面，大數據助力大學管理智能化。大數據技術的運用有助于引領高等教育創(chuàng)新變革，提升教學、科研、管理服務水平和質量。

綜上所述，我國的高等教育大數據蓬勃發(fā)展的時代已經來臨，高校已經在智能管理、教學質量監(jiān)測等方面已經進行了大數據應用的初步探索，并取得了顯著的成效。隨著數據采集、處理、傳輸和存儲能力的進步，未來的高等教育大數據應用將會在教育質量監(jiān)測和評估、學生適應性學習、管理決策和預測等方面進行更深入的探索。雖然在此過程中，仍然面臨著數據處理技術薄弱、人才缺乏、制度缺失方面的挑戰(zhàn)，筆者相信在國家大數據戰(zhàn)略的背景下，隨著教育工作者數據意識的提高，大數據、云計算、數據挖掘、機器學習等技術的不斷發(fā)展，高校、研究機構、企業(yè)將會投入更多的精力進行高等教育大數據應用研究，推動大數據與高等教育的深度融合發(fā)展。同時，大數據時代數據信息的精細化程度的提升、數據價值密度的增加、教學科研效率的巨大提高和學生學習行為分析能力的增強，將促使高校更好地讀懂千差萬別的學生，有機會了解每一個學生的真實學習情況，為每一個學生提供更加優(yōu)質、個性化的教育資源。

[1] 國務院. 促進大數據發(fā)展行動綱要的通知[Z]. 國發(fā)〔2015〕50號, 2015-08-31.

[2] 趙姍. 大數據時代來臨, 中國準備好了嗎[N]. 中國經濟時報, 2013-07-01(A11).

[3] 楊現(xiàn)民, 唐斯斯, 李冀紅. 發(fā)展教育大數據：內涵、價值和挑戰(zhàn)[J]. 現(xiàn)代遠程教育研究, 2016(1): 50-61.

[4] 邢蓓蓓, 楊現(xiàn)民, 李勤生. 教育大數據的來源與采集技術[J]. 現(xiàn)代教育技術, 2016(8): 14-21.

[5] FAHRNI P, RUDOLPH J, SCHUTTER A D. Vendor-Assisted evaluation of a learning management system[J]. The International Review of Research in Open and Distance Learning, 2004, 5(1): 4.

[6] MACFADYEN L P, DAWSON S. Mining LMS data to develop an “Early Warning System” foreducators: A proof of concept[J]. Computers & Education, 2010, 54(2): 588-599.

[7] My Lab & Mastering10 Best Practices[EB/OL].[2014-08-09]. http://www.pearsonmylabandmasting.com/global/northamerica/results/files/MyLab_and_Mastering_1 0_Best_Practices_2013.pdf.

[8] 美國高等教育大數據時代來臨[EB/OL].[2015-10-31].http://www.360doc.om/content/15/1031/10/1968278150960723 5.shtml.

[9] 鄭慶華. 高校教育大數據的分析挖掘與利用[J]. 中國教育信息化, 2016(13): 28-31.

[10] 徐鵬, 王以寧, 劉艷華, 等. 大數據視角分析學習變革—美國《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J]. 遠程教育雜志, 2013(6): 11-17.

[11] DANIEL B. Big data and analytics in higher education: Opportunities and challenges[J]. British Journal of Educational Technology, 2015, 46(5): 904-920.

[12] 孫洪濤, 鄭勤華. 教育大數據的核心技術、應用現(xiàn)狀與發(fā)展趨勢[J]. 遠程教育雜志, 2016, 34(5): 41-49.

[13] DANIEL B K. Big data and learning analytics in higher education: Current theory and practice[M]. Belin:Spinger, 2016.

[14] 胡弼成, 王祖霖.“大數據”對教育的作用、挑戰(zhàn)及教育變革趨勢—大數據時代教育變革的最新研究進展綜述[J]. 現(xiàn)代大學教育, 2015(4): 98-104.

[15] MIKE W. What is Presccriptive Analyt -icsReally?[EB/OL]. [2016-08-19]. http://community.lihium.com/t5/Science-of-Social-blog/What-is-Prescriptive-Analytics-Really/bc-p/253213#M1480.

[16] 李燕, 張淑林, 陳偉. 英國政府數據開放實踐、經驗與啟示[J]. 情報科學, 2016(8): 148-152.

[17] 教育部發(fā)布首份高等教育質量報告[EB/OL]. [2016-04-08]. http://news.xinhuantcom/legal/2016-04/08/c_1288 74181.htm.

[18] 楊現(xiàn)民, 王榴卉, 唐斯斯. 教育大數據的應用模式與政策建議[J]. 電化教育研究, 2015(9): 54-61.