丁國勇 王雪 秦新國

摘 ? 要：大數(shù)據(jù)時(shí)代，培養(yǎng)高校管理人員教育數(shù)據(jù)挖掘能力，提高數(shù)據(jù)使用與數(shù)據(jù)挖掘的素養(yǎng)，不僅相當(dāng)必要，而且已經(jīng)變得特別迫切。高?？梢酝ㄟ^教育數(shù)據(jù)挖掘來處理課程、案例、實(shí)習(xí)問題，培養(yǎng)管理人員的數(shù)據(jù)理解能力、數(shù)據(jù)處理能力、數(shù)據(jù)建模能力。豐富的數(shù)據(jù)化的課程資源、共享案例庫和高素質(zhì)的師資是高校管理人員教育數(shù)據(jù)挖掘能力培養(yǎng)的關(guān)鍵。

關(guān)鍵詞：大數(shù)據(jù);教育數(shù)據(jù)挖掘;高校管理人員

中圖分類號(hào)：G647 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-8454（2020）07-0051-04

進(jìn)入21世紀(jì)，信息、網(wǎng)絡(luò)、存儲(chǔ)等技術(shù)的快速發(fā)展以及“互聯(lián)網(wǎng)+”、云計(jì)算、物聯(lián)網(wǎng)、人工智能、機(jī)器學(xué)習(xí)等技術(shù)的大規(guī)模應(yīng)用，在社會(huì)生活的許多方面產(chǎn)生了深刻變革，我們已經(jīng)進(jìn)入“大數(shù)據(jù)時(shí)代”。大數(shù)據(jù)時(shí)代給高等教育帶來了一次教學(xué)模式、管理手段、思維方式的全方位變革，這次變革對高校管理人員的數(shù)據(jù)能力和數(shù)據(jù)素養(yǎng)提出了新的挑戰(zhàn)，培養(yǎng)高校管理人員教育數(shù)據(jù)挖掘能力是應(yīng)對大數(shù)據(jù)挑戰(zhàn)、進(jìn)行教育管理模式改革與創(chuàng)新的必然選擇。

一、教育數(shù)據(jù)挖掘的緣起及其與教育統(tǒng)計(jì)學(xué)的關(guān)系

1.教育數(shù)據(jù)挖掘的起源與發(fā)展

教育數(shù)據(jù)挖掘起源于Corbett和Anderson于1995年提出的貝葉斯知識(shí)跟蹤（Bayesian Knowledge Tracing）模型。2000年成立了第一個(gè)與教育數(shù)據(jù)挖掘相關(guān)的工作組。2005年第一次提出教育數(shù)據(jù)挖掘的概念。2006年Romero等人出版了關(guān)于教育數(shù)據(jù)挖掘的第一本專著《數(shù)字化學(xué)習(xí)中的數(shù)據(jù)挖掘》。2008年召開了第一屆教育數(shù)據(jù)挖掘國際會(huì)議，之后，該國際會(huì)議每年舉辦一次，目前已舉辦十屆。2009年出版第一本有關(guān)教育數(shù)據(jù)挖掘的期刊。2010年，Romero、Baker 等人出版了第一本關(guān)于教育數(shù)據(jù)挖掘的工作手冊。2011年成立第一個(gè)國際學(xué)術(shù)組織“國際教育數(shù)據(jù)挖掘?qū)W會(huì)”。相關(guān)學(xué)術(shù)組織和學(xué)術(shù)研究活動(dòng)的推動(dòng)使教育數(shù)據(jù)挖掘逐漸成為獨(dú)立的研究領(lǐng)域。

相對于教育學(xué)的其他分支領(lǐng)域，教育數(shù)據(jù)挖掘還屬于發(fā)展中的研究領(lǐng)域，也沒有統(tǒng)一規(guī)范的定義。Romero等（2006）對1995-2005年間有關(guān)教育數(shù)據(jù)挖掘的文獻(xiàn)進(jìn)行研究后認(rèn)為“教育數(shù)據(jù)挖掘是一個(gè)與數(shù)字化學(xué)習(xí)、自適應(yīng)超媒體、智能導(dǎo)師系統(tǒng)、Web挖掘、數(shù)據(jù)挖掘等成熟領(lǐng)域相關(guān)的即將到來的研究領(lǐng)域，其應(yīng)用更多地關(guān)注學(xué)習(xí)者和教育系統(tǒng)的教育方面”。[1] Baker（2009）認(rèn)為教育數(shù)據(jù)挖掘是一個(gè)“開發(fā)方法、探究教育環(huán)境中獨(dú)特類型數(shù)據(jù)的新興學(xué)科，通過這些方法來更好地理解學(xué)生和他們的學(xué)習(xí)環(huán)境”。[2]國際教育數(shù)據(jù)挖掘?qū)W會(huì)對教育數(shù)據(jù)挖掘的定義與Baker的定義相近，將其定義為“通過開發(fā)方法分析教育環(huán)境中獨(dú)特且不斷增長的大規(guī)模數(shù)據(jù)的新興學(xué)科”。

國外學(xué)者對教育數(shù)據(jù)挖掘的定義也是多樣化的。有的學(xué)者側(cè)重于工具和技術(shù)的應(yīng)用，如Richard（2013）認(rèn)為教育數(shù)據(jù)挖掘是“聚焦數(shù)據(jù)挖掘工具和技術(shù)并應(yīng)用于教育相關(guān)數(shù)據(jù)的領(lǐng)域”[3]，Muna Al-Razgan等（2014）認(rèn)為教育數(shù)據(jù)挖掘是“應(yīng)用數(shù)據(jù)挖掘技術(shù)分析教育數(shù)據(jù)的跨學(xué)科研究領(lǐng)域”;[4]有的學(xué)者強(qiáng)調(diào)方法的開發(fā)，如Alejandro Pe？觡a-Ayala（2013）強(qiáng)調(diào)教育數(shù)據(jù)挖掘是“開發(fā)模型、任務(wù)、方法、算法并探究來自教育環(huán)境中的數(shù)據(jù)”;[5]有的則強(qiáng)調(diào)教育數(shù)據(jù)挖掘的功能，如S. Hari Ganesh等（2015）認(rèn)為教育數(shù)據(jù)挖掘“ 解釋教育事實(shí)，為教育者向?qū)W生提供高質(zhì)量教育提供保障……可能對教育研究和實(shí)踐產(chǎn)生巨大的影響 ”。[6]教育數(shù)據(jù)挖掘不僅適用于改進(jìn)教師和學(xué)生的教與學(xué)體驗(yàn)，還可以在支持管理決策科學(xué)化、提升學(xué)校治理能力上大有作為。教育數(shù)據(jù)挖掘適應(yīng)了大數(shù)據(jù)時(shí)代挖掘教育數(shù)據(jù)的價(jià)值、發(fā)現(xiàn)教育數(shù)據(jù)蘊(yùn)涵規(guī)律的現(xiàn)實(shí)需要。

2.教育數(shù)據(jù)挖掘與教育統(tǒng)計(jì)學(xué)的關(guān)系

教育數(shù)據(jù)挖掘融合了計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、教育學(xué)、機(jī)器學(xué)習(xí)等多個(gè)學(xué)科的知識(shí)，與多個(gè)學(xué)科之間都具有交叉關(guān)系，是一個(gè)復(fù)合交叉研究領(lǐng)域，如圖1所示。教育數(shù)據(jù)挖掘的學(xué)科屬性與教育統(tǒng)計(jì)學(xué)有較大的相似性，其研究方法限定在數(shù)據(jù)挖掘，其研究對象限定在教育領(lǐng)域。[7]從廣義上來說，教育數(shù)據(jù)挖掘的研究領(lǐng)域更為寬泛;運(yùn)用數(shù)據(jù)挖掘的專有算法對教育數(shù)據(jù)進(jìn)行分析必然是教育數(shù)據(jù)挖掘;對教育對象進(jìn)行調(diào)查，教育數(shù)據(jù)進(jìn)行采集、處理、描述統(tǒng)計(jì)、分析等也可以納入教育數(shù)據(jù)挖掘范疇;專門為教育領(lǐng)域設(shè)計(jì)算法、開發(fā)工具軟件的研究可以納入教育數(shù)據(jù)挖掘領(lǐng)域;教育統(tǒng)計(jì)學(xué)重在抽樣，而教育數(shù)據(jù)挖掘重在全樣本，因此在某種意義上教育統(tǒng)計(jì)學(xué)也可以納入教育數(shù)據(jù)挖掘或與教育數(shù)據(jù)挖掘進(jìn)行學(xué)科融合。

二、高校管理人員教育數(shù)據(jù)挖掘能力培養(yǎng)的實(shí)踐價(jià)值

1.呼應(yīng)大數(shù)據(jù)時(shí)代對高等教育管理模式變革的需求

大數(shù)據(jù)時(shí)代高等教育變革體現(xiàn)在兩方面，一方面通過MOOC等催生了高校教學(xué)模式的變革，以Coursera、edX、愛課程網(wǎng)等為代表的國內(nèi)外在線課程平臺(tái)得到全面應(yīng)用，這些在線課程平臺(tái)存儲(chǔ)了包括學(xué)生特征、學(xué)習(xí)行為過程等相關(guān)的海量教學(xué)大數(shù)據(jù);[8]另一方面通過智慧校園建設(shè)以及各類教育教學(xué)管理信息系統(tǒng)的應(yīng)用，推動(dòng)了高校管理方式變革，產(chǎn)生了內(nèi)容豐富、類型多樣、容量巨大的教育管理大數(shù)據(jù)，在高校治理的背景下，從產(chǎn)生的海量教育管理大數(shù)據(jù)中挖掘出有價(jià)值的信息并使之促進(jìn)高校決策科學(xué)化成為必然要求。面對這樣的教學(xué)大數(shù)據(jù)和教學(xué)管理大數(shù)據(jù)的“金礦”，需要大量、高水平的既有堅(jiān)實(shí)高等教育理論基礎(chǔ)又有教育數(shù)據(jù)挖掘能力的“礦工”來進(jìn)行挖掘。

一項(xiàng)研究表明，國內(nèi)教育數(shù)據(jù)挖掘研究者中有78%來自于計(jì)算機(jī)或數(shù)學(xué)學(xué)科，來自教育學(xué)科背景的僅占4%。計(jì)算機(jī)或數(shù)學(xué)背景的研究者能熟練運(yùn)用數(shù)據(jù)挖掘技術(shù)，但缺乏對教育問題的剖析能力;而教育學(xué)科背景的研究者擁有堅(jiān)實(shí)的教育理論基礎(chǔ)，但缺乏對數(shù)據(jù)挖掘和分析的能力，結(jié)果是國內(nèi)實(shí)證研究能力和數(shù)量與國外相比都存在一定的差距。[9]相比教育數(shù)據(jù)挖掘的研究者而言，高校中的管理人員擁有更加豐富的教育管理實(shí)踐經(jīng)驗(yàn)，是教育數(shù)據(jù)的直接生產(chǎn)者、管理者和消費(fèi)者，通過培養(yǎng)他們的教育數(shù)據(jù)挖掘能力，提升他們對教育數(shù)據(jù)的使用效率和從教育數(shù)據(jù)中挖掘教育規(guī)律、解釋教育現(xiàn)象、制定教育政策的能力，呼應(yīng)了大數(shù)據(jù)時(shí)代對高校教育管理模式變革的需求。

2.滿足高校對管理人員綜合素質(zhì)的要求

由于歷史原因，現(xiàn)在部分高校中還存在著管理工作相對簡單機(jī)械，管理隊(duì)伍知識(shí)結(jié)構(gòu)不合理、學(xué)歷層次不高，管理人員現(xiàn)代管理意識(shí)缺乏、管理效率低、職業(yè)意識(shí)不強(qiáng)等一些問題，“什么專業(yè)畢業(yè)都可以搞高校管理”。高校管理隊(duì)伍面臨著總體素質(zhì)不高、水平參差不齊的普遍問題，所以經(jīng)常說高校是“一流的設(shè)施、二流的生源、三流的管理”。

隨著高等教育的進(jìn)一步發(fā)展，高校規(guī)模不斷增大，外部環(huán)境從單一穩(wěn)定向多元?jiǎng)討B(tài)發(fā)展，管理工作日趨復(fù)雜，內(nèi)部職責(zé)分工將更為明晰，管理工作則必須由專業(yè)化管理人員來承擔(dān)，高校對管理人員的專業(yè)素質(zhì)將會(huì)有更高的要求。如同文字處理、表格處理等辦公軟件的熟練使用早成為管理人員的必備技能，在大數(shù)據(jù)時(shí)代，對數(shù)據(jù)的理解、采集、處理、分析能力，利用數(shù)據(jù)提高管理效率、提升問題解決能力和科學(xué)決策能力也將會(huì)成為每一位管理人員的專業(yè)素質(zhì)的基本組成部分。因此，只有通過培養(yǎng)管理人員的教育數(shù)據(jù)挖掘能力才能滿足高校對管理人員綜合素質(zhì)的要求。

3.達(dá)成高校管理人員對個(gè)人職業(yè)能力提升的追求

高校管理人員中，學(xué)科背景存在著文科生居多、理工科偏少的問題，這種分布特征在某種意義上導(dǎo)致管理人員數(shù)學(xué)和信息處理能力相對較弱，對方程、統(tǒng)計(jì)、建模等偏理科內(nèi)容的掌握不足，甚至存在某種“懼怕感”。教育數(shù)據(jù)挖掘與教育統(tǒng)計(jì)相比更加容易理解與操作，不需要去學(xué)習(xí)過于繁瑣的數(shù)學(xué)公式方程和編程代碼，使用現(xiàn)有的成熟的教育數(shù)據(jù)挖掘軟件，完全可以進(jìn)行全程可視化的無代碼操作，簡而言之就是“容易學(xué)、上手快”。

高校管理人員通過教育數(shù)據(jù)挖掘來進(jìn)行相關(guān)課程的學(xué)習(xí)，不僅提升數(shù)據(jù)分析與處理能力，同時(shí)在課題研究和問題解決過程中，還可以提升協(xié)調(diào)與合作能力、溝通與交流能力以及對高校教育資源與環(huán)境的熟悉程度。對這些教育數(shù)據(jù)進(jìn)行挖掘和分析后，高校管理人員可以撰寫研究報(bào)告、申報(bào)課題、發(fā)表相關(guān)研究論文，從而提升職業(yè)能力。

三、高校管理人員教育數(shù)據(jù)挖掘能力培養(yǎng)的實(shí)施路徑

1.高校管理人員教育數(shù)據(jù)挖掘能力的構(gòu)成要素

（1）教育數(shù)據(jù)理解能力。教育數(shù)據(jù)理解能力是指教育數(shù)據(jù)及其存在樣態(tài)的認(rèn)知能力。教育數(shù)據(jù)的類型及存在形式是多種多樣的：從類型來看，可以分為基礎(chǔ)數(shù)據(jù)、狀態(tài)數(shù)據(jù)、資源數(shù)據(jù)和行為數(shù)據(jù)。基礎(chǔ)數(shù)據(jù)包括保障教育活動(dòng)的各類基礎(chǔ)信息，狀態(tài)數(shù)據(jù)包括教育裝備、教育環(huán)境、教育業(yè)務(wù)的運(yùn)行狀態(tài)，資源數(shù)據(jù)包括教育過程中建設(shè)生成的教學(xué)資源，行為數(shù)據(jù)包括教學(xué)活動(dòng)中教師的教學(xué)行為數(shù)據(jù)和學(xué)生的學(xué)習(xí)行為數(shù)據(jù)等。[10]從存在樣態(tài)來看，包括結(jié)構(gòu)化的關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)和非結(jié)構(gòu)化的音頻、視頻、文字、社交媒體等方面的數(shù)據(jù)。教育數(shù)據(jù)理解能力是教育數(shù)據(jù)挖掘能力中最基礎(chǔ)的一項(xiàng)構(gòu)成要素，在對需要被研究的教育問題進(jìn)行充分調(diào)研后，要能夠從繁雜多樣的教育數(shù)據(jù)中界定出與教育問題可能相關(guān)的數(shù)據(jù)，并為后續(xù)的采集處理做好準(zhǔn)備。

（2）教育數(shù)據(jù)處理能力。教育數(shù)據(jù)處理能力是指對教育數(shù)據(jù)進(jìn)行采集、清洗以及初步描述的統(tǒng)計(jì)分析能力。教育數(shù)據(jù)處理是進(jìn)行教育數(shù)據(jù)挖掘的基礎(chǔ)，在一個(gè)完整的教育數(shù)據(jù)挖掘流程中，教育數(shù)據(jù)理解和教育數(shù)據(jù)處理可能要占到總時(shí)間的30%～75%，經(jīng)過處理的教育數(shù)據(jù)的質(zhì)量是教育數(shù)據(jù)挖掘能否成功的關(guān)鍵。[11]教育數(shù)據(jù)處理過程中需要應(yīng)用到不同的工具，主要包括數(shù)據(jù)庫、數(shù)據(jù)倉庫及相關(guān)工具軟件。如處理結(jié)構(gòu)化的教育數(shù)據(jù)，則操作關(guān)系數(shù)據(jù)庫是必備的技能，特別要熟悉結(jié)構(gòu)化查詢語言（Structured Query Language，SQL）;而對教育數(shù)據(jù)進(jìn)行描述統(tǒng)計(jì)，則可以采用SPSS 或Tableau等數(shù)據(jù)可視化分析工具。教育數(shù)據(jù)處理能力實(shí)際是在對教育數(shù)據(jù)充分理解的基礎(chǔ)上，操作系列相關(guān)工具軟件的能力。

（3）教育數(shù)據(jù)建模能力。教育數(shù)據(jù)建模能力是指選擇合適的教育數(shù)據(jù)挖掘工具及算法，對經(jīng)過處理的數(shù)據(jù)進(jìn)行挖掘，抽象出一定的規(guī)則表達(dá)或數(shù)學(xué)表達(dá)的能力。教育數(shù)據(jù)挖掘的建模方法包括統(tǒng)計(jì)學(xué)建模、聚類建模、分類建模和關(guān)聯(lián)規(guī)則建模等，其操作也是依靠相關(guān)的工具軟件。依據(jù)功能不同，將教育數(shù)據(jù)挖掘工具軟件分為通用工具軟件與專用工具軟件兩種。通用的工具軟件包括SPSS Modeler、RapidMiner和Weka等，專用工具軟件包括用于文本挖掘的LIWC、WMatrix、Coh-Metrix等，用于社會(huì)網(wǎng)絡(luò)分析的Gephi、EgoNet、NodeXL、Pajek、SNAPP等，用于貝葉斯知識(shí)跟蹤的BKT-BF、BKT-SM等，這些通用和專用分析工具提供的算法和建?？蚣埽梢杂糜诮＜巴诰蝾A(yù)測教育數(shù)據(jù)中的關(guān)系。[12]教育數(shù)據(jù)建模能力中還包括對所建立的模型進(jìn)行評價(jià)、優(yōu)化，以及結(jié)合模型解釋教育問題、提出政策建議的能力。

2.高校管理人員教育數(shù)據(jù)挖掘能力培養(yǎng)的主要介質(zhì)

（1）基礎(chǔ)課程。教育數(shù)據(jù)挖掘能力的培養(yǎng)介質(zhì)之一是開設(shè)相關(guān)的在職培訓(xùn)課程，主要內(nèi)容應(yīng)該包括但不限于數(shù)據(jù)科學(xué)、數(shù)據(jù)庫、數(shù)據(jù)挖掘等，該課程學(xué)分一般可設(shè)為3學(xué)分，采用必修方式，具體教法應(yīng)該側(cè)重于基本理論、原理和算法思想，不必過度聚焦于具體技術(shù)細(xì)節(jié)，主要培養(yǎng)管理人員的教育數(shù)據(jù)理解能力。

（2）案例教學(xué)。教育數(shù)據(jù)挖掘能力培養(yǎng)的是應(yīng)用能力，其培養(yǎng)介質(zhì)之二是增加豐富的案例教學(xué)，在案例中學(xué)會(huì)相關(guān)工具軟件的使用。常用的工具軟件可以包括數(shù)據(jù)庫工具如SQL Server、Access等關(guān)系數(shù)據(jù)庫，SPSS等常用的統(tǒng)計(jì)分析軟件，SPSS Modeler、RapidMiner等常用數(shù)據(jù)挖掘軟件。[13]案例教學(xué)采用問題導(dǎo)向形式，每一個(gè)案例選定教育領(lǐng)域的一個(gè)專門問題，從問題理解、數(shù)據(jù)理解、數(shù)據(jù)處理、數(shù)據(jù)建模、模型評價(jià)等，完成教育數(shù)據(jù)挖掘的一次執(zhí)行過程。一個(gè)案例教學(xué)可以設(shè)置為1～2學(xué)分，采用選修的方式，通過案例教學(xué)培養(yǎng)管理人員的教育數(shù)據(jù)處理與教育數(shù)據(jù)建模能力。

（3）實(shí)踐演練。實(shí)踐演練是管理人員教育數(shù)據(jù)挖掘能力培養(yǎng)的最有效介質(zhì)。在掌握一定的理論基礎(chǔ)與操作能力后，基于本?；蚱渌咝＃徒虒W(xué)管理、學(xué)生管理、科研、資產(chǎn)等某一方面具體的問題，在教師和相關(guān)實(shí)務(wù)人員的指導(dǎo)下，進(jìn)行教育數(shù)據(jù)挖掘的實(shí)際操作。實(shí)踐演練處理的是實(shí)體環(huán)境下的真實(shí)案例，在檢驗(yàn)并提升管理人員教育數(shù)據(jù)挖掘能力的同時(shí)，培養(yǎng)其環(huán)境適應(yīng)能力、溝通交流能力等綜合能力。

3.高校管理人員教育數(shù)據(jù)挖掘能力培養(yǎng)的保障因素

（1）充分的課程資源。教育數(shù)據(jù)挖掘能力培養(yǎng)需要豐富的課程資源支持，但目前國內(nèi)教育數(shù)據(jù)挖掘方面相關(guān)資源并不豐富。一是專著較少，只有葛道凱編寫的《教育數(shù)據(jù)挖掘：方法與應(yīng)用》（教育科學(xué)出版社2012年版）等少數(shù)幾本，專門教材幾乎沒有;[14]二是與利用教育數(shù)據(jù)挖掘方法進(jìn)行研究的學(xué)術(shù)、學(xué)位論文也不多;三是在線課程資源也不多，相關(guān)的課程只有在中國大學(xué)MOOC上由上海大學(xué)葉志明教授開設(shè)的《大數(shù)據(jù)與高等教育》（2018年10月第一次開課）和浙江工業(yè)大學(xué)江波副教授等開設(shè)的《教育數(shù)據(jù)挖掘技術(shù)與應(yīng)用案例》（2017年9月第一次開課，16課時(shí)），在教育數(shù)據(jù)挖掘課程資源建設(shè)上還有許多工作要做。

（2）完善的案例庫。豐富的教學(xué)案例庫是教育數(shù)據(jù)挖掘能力培養(yǎng)的有力保障。教育數(shù)據(jù)挖掘案例應(yīng)該主要來源于高校的實(shí)務(wù)部門，案例主題應(yīng)該涵蓋高校教學(xué)、管理的每一個(gè)環(huán)節(jié)，每一個(gè)教育數(shù)據(jù)挖掘教學(xué)案例包括業(yè)務(wù)理解、數(shù)據(jù)理解、數(shù)據(jù)處理、數(shù)據(jù)建模等主要模塊，并提供經(jīng)過去隱私化處理的完整數(shù)據(jù)。同時(shí)建立案例共享機(jī)制，利用“中國專業(yè)學(xué)位教學(xué)案例中心”等平臺(tái)進(jìn)行案例分享或校際共享。

（3）優(yōu)質(zhì)的師資隊(duì)伍。教育數(shù)據(jù)挖掘的課程資源、案例開發(fā)和教學(xué)應(yīng)該由三支隊(duì)伍共同完成：具有深厚高等教育學(xué)理論功底的導(dǎo)師，具有數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)、教育技術(shù)背景的導(dǎo)師以及來自高校實(shí)務(wù)部門的教師或管理干部。三支隊(duì)伍在理論、技術(shù)和實(shí)踐上各自發(fā)揮優(yōu)勢，互助互補(bǔ)，以具體問題的解決為導(dǎo)向，不斷開發(fā)課程資源、更新教學(xué)案例。

總之，當(dāng)高校面臨新技術(shù)革命特別是現(xiàn)代信息技術(shù)革命的挑戰(zhàn)時(shí)，我們需要來一場邁克爾·富蘭所說的“突破”。[15] 在《國家大數(shù)據(jù)戰(zhàn)略》和《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》的指引下，大數(shù)據(jù)、人工智能將與教育更加深度融合，高校教育教學(xué)管理模式必須再來一場真正的“突破”，否則，“時(shí)代拋棄你時(shí)，連招呼都不會(huì)跟你打”。高校管理人員教育數(shù)據(jù)挖掘能力的培養(yǎng)只是這場“突破”的試水性探討。

參考文獻(xiàn)：

[1]C Romero，S Ventura.Educational data mining： A survey from 1995 to 2005[J]. Expert Systems with Applications，2007，33（1）：135-146.

[2]RYAN S.J.D. BAKER.The State of Educational Data Mining in 2009： A Review and Future Visions[J].Journal of Educational Data Mining，2009，1（1）：1-16.

[3]RA Huebner.A Survey of Educational Data-Mining Research[J].Research in Higher Education Journal，2013（19）：13.

[4]Muna Al-Razgan.etc. Educational Data Mining： A Systematic Review of the Published Literature 2006-2013 [C].Proceedings of the First International Conference on Advanced Data and Information Engineering（DaEng-2013），2013：711-719.

[5]A Pe？觡a-Ayala.Educational data mining： A survey and a data mining-based analysis of recent works[J].Expert Systems with Applications，2014，41（4）：1432-1462.

[6]S Hari Ganesh，AJ Christy.Applications of Educational Data Mining： A survey[J]. International Conference on Innovations in Information，2015：1-6.

[7]任訓(xùn)學(xué).論教育統(tǒng)計(jì)學(xué)的學(xué)科性質(zhì)——兼談教育統(tǒng)計(jì)學(xué)教學(xué)與發(fā)展的若干問題[J].湖北大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），1997（2）：83-86.

[8]新華網(wǎng).教育部推出首批490門國家精品在線開放課程[EB/OL]. http：//www.xinhuanet.com/politics/2018-01/15/c_1122261678.htm.

[9]李婷，傅鋼善.國內(nèi)外教育數(shù)據(jù)挖掘研究現(xiàn)狀及趨勢分析[J].現(xiàn)代教育技術(shù)，2010（10）：21-25.

[10]楊現(xiàn)民，唐斯斯，李冀紅.發(fā)展教育大數(shù)據(jù)：內(nèi)涵、價(jià)值和挑戰(zhàn)[J].現(xiàn)代遠(yuǎn)程教育研究，2016（1）：50-61.

[11]Jing Luan.Data Mining and Its Applications in Higher Education[J].New Directions for Institutional Research，2002（113）：17-36.

[12]Slater， S.，Joksimovic，S.，Kovanovic， V.Baker，Ryan S.，Gasevic，D.Tools for Educational Data Mining： A Review[J].Journal of Educational & Behavioral Statistics， 2016，42（1）：85-106.

[13]薛薇.基于SPSS Modeler的數(shù)據(jù)挖掘（第二版）[M].北京：中國人民大學(xué)出版社，2014：23-25.

[14]葛道凱，張少剛，魏順平.教育數(shù)據(jù)挖掘：方法與應(yīng)用[M].北京：教育科學(xué)出版社，2012.

[15]邁克爾·富蘭等.突破[M].北京：教育科學(xué)出版社，2009.

（編輯：王天鵬）