论文部分内容阅读
摘 要：本文阐述了大数据的概念、内涵，并结合大数据管理优势和当前高校管理工作瓶颈，指出了运用大数据思维服务于高校管理创新是大势所趋，同时开发了一款基于大数据分析的“学生日常消费预警和贫困生身份认定模型”，旨在为学校贫困生的个性化、精准化管理提供更有效的工具。
关键词： 大数据 高校学生管理 贫困生
一、“大数据”的含义和特点
“大数据”英文译为“Big Data”，指容量巨大、涉及面广、种类丰富、更新速度极快、可从中挖掘潜在价值的数据库。大数据具有海量、多样、高速、价值四大特点。大数据的基础是“量大”，而核心在于“有潜在价值”，挖掘现有数据背后蕴含的信息和价值比数据本身更重要。大数据技术的意义不在于掌握庞大的数据信息资源，而在于通过对这些具有潜在意义的数据进行系统化、专业化的处理与分析，跟踪与这些数据相关联用户的行为偏好和习惯特征，从而有利于做出科学准确的决策。基于大数据分析的决策行为将不再是凭借随即分析法（抽样调查）、经验和直觉。
二、高校应用大数据思维管理的现状和存在问题
1.数据信息庞大复杂
高校部门繁多，每个部门均有海量的数量资料，以人事、教务、财务、科研信息最为庞大和复杂；随着生源的断扩张及信息的不断累积，各类信息不断进入共享数据库，长此以往，使得数据库中的信息不断增加。部分高校前期建立的共享数据库由于涵盖系统多，数据来源多元化，且系统之间缺乏兼容性，导致数据挖掘、分析和应用遇到困难和挑战。
2.数据采集标准混乱
高校中可以采集信息的渠道有很多，但各个渠道缺少统一的标准和管理，缺乏系统性的整合和处理，使得某些数据重复录入和出现，各个渠道和系统之间由于格式、编码、录入方式等不一致，出现重复性工作，直接降低共享数据的应用效率，造成人力、物力和财力的浪费。
3.数据价值利用率低
首先，某些高校对学生在校园生活信息的利用仍然停留在收集和累计阶段。尽管移动终端系统和“互联网 ”的普及，为信息采集带来了极大的便利，但采集后的数据停留在查询阶段，缺乏对数据的梳理、整合、分析和挖掘，使得信息背后的有用价值未能被管理者采用；其次，某些高校的部门信息共享程度低。由于信息没有及时整合和共享，使得某些部门系统的数据不兼容，不同部门的用户需要进入不同的界面才能查询到相应的信息，大大降低了工作效率，为数据深入分析和挖掘带来了不便；最后，历史数据应用少，数据囤聚，不能为高校管理和发展提供参考与依据，造成资源浪费。
三、大数据在学生管理方面的创新应用
1.判断学生经济情况
目前，几乎所有高校都开通了“校园一卡通”。通过“一卡通”的使用和消费数据，如饭卡信息、购物记录、勤工俭学等信息，更准确地帮助经济上有困难的学生。
2.判断学生心理情况
通过学习成绩、登录数据库记录等数据实时监测大学生心理情感动态，及时采取相应的措施，疏通心理失衡的学生。
3.科学化评价体系
监控学生在校园内的上课出勤情况、发言质量、作业完成情况、课堂互动情况、社团活动、课外竞赛参与情况等信息，将其转化成可视化数据，更有利于教师了解学生的学习态度、、情感世界、实践能力、人际关系等，借助数据分析有针对性地采取个性化手段，挖掘学生潜能，改进教学方式，更好地促进学生成长成才。
4.个性化就业
利用大数据技术，通过收集分析学生成绩、专业、兴趣、爱好、技能等相关信息，引导其了解自己的职业兴趣和职业发展方向，帮助其制定符合自身特点的职业生涯规划，并提供就业咨询、政策咨询、技术咨询等多方面的服务，帮助学生了解就业前景、就业形势、就业方法与技巧，从而使学生顺利地、高质量地就业。
四、大数据思维在高校贫困生管理中的实证分析
以贫困生管理为例，拟开发一款“校园一卡通”日常监控与消费预警系统，将大数据思维和学校教育实际管理相结合，融合學校的管理、学工、研究、教务、财务、图书等系统，通过对数据进行分析、整合，把数据传输给学校各部门、管理者和师生，通过校园大数据的信息共享，力图使数据资源优势最大化，提高各部门之间的协作水平，提高学校高工作效率，从而为高校决策者提供参考，为全校师生提供更好的服务，推动高校的管理创新。
1.贫困生管理现状和瓶颈
对贫困生的资助和关心是各高校学生管理工作中的一项重要工作，代表了学校对贫困生的应尽责任和人文关怀，其工作是否公平、公正从细节体现出学生管理工作是否到位。通常贫困生的身份认定是根据学生的家庭收入情况，由该家庭所在街道（乡镇）或父母所在单位出具收入证明，如果该家庭收入低于规定的标准，则被认定为贫困生。
这种评定体系容易出现极端现象：一是影响学生的心理健康，部分真正的贫困生觉得开具低收入证明是一件“可耻”或者“丢人”的事情，从而放弃贫困生补助；二是存在监管漏洞，一些学生家庭收入并不低，学生日常在校消费水平并不低，但由于贫困生可以享受部分特殊的照顾政策，因此他们通过一些特殊途径拿到“低收入证明”，享受“贫困生待遇”。
2.运用“大数据”平台管理贫困生的可行性分析
目前，高校学生工作方式正朝着网络化信息化的方向转变，以计算机技术和现代通信技术为依托的新技术已在各高校得到了广泛应用，为现代教育提供了新思路、新方法。然而，某些高校只将网络化、信息化的技术运用于教育教学，而在学生管理工作中的应用相对较少。
利用适当的数据挖掘算法自动对学生消费行为中的海量数据进行分类、筛选、甄别，尽量减少人工干预，在数据挖掘基础上进行数据分析和结果预测；比如贫困生的认定，可在月度（或季度）学生日常消费行为的海量数据中运用分类分析方法，测算出学生具备贫困生的必要条件，以此做出认定依据。 3.运用“大数据”平台管理贫困生的实施步骤
利用学校财务处“校园一卡通”的日常消费数据，以及各学院学工委现有的贫困生名单，构建一个贫困生的身份认定、日常消费监控和预警系统。
该系统具有贫困生身份认定和日常消费预警两大主要功能。其中贫困生身份认定是指根据贫困生名单对该生的日常消费行为进行跟踪，判断他的日常消费行为是否与贫困生相符；而日常消费预警是指对所有学生的消费行为进行分析，如果发现某些学生消费过低，系统产生预警提醒，需进一步判断该生是否为“遗漏”的贫困生。上述系统的运行思路如图1所示，具体包括13个步骤：
（1）按月为单位，进行训练和测试；
（2）将男生和女生分别训练和测试；
（3）将贫困生申请表中的学生随机分成两等份：前一半作为训练集，后一半作为测试集；
（4）判断贫困生表中一半（训练集）的贫困生一个月六个维度的消费数据或者早中晚三者之一是否为空；
（5）如果为空则将该生从训练集排除；如果不为空则将其按照性别分类；
（6）将符合训练要求的贫困男生对应的消费矩阵加入到男生训练集，将符合训练要求的贫困女生对应的消费矩阵加入到女生训练集；
（7）在全体学生信息中，筛查“遗漏”的贫困生；
（8）判断非贫困学生一个月六个维度的消费数据或者早中晚三者之一是否为空；
（9）如果为空则排除；如果不为空，则再将其按照性别分类；
（10）将符合训练要求的非貧困男生对应的消费矩阵加入到男生训练集（若符合要求的非贫困男生的人数超过训练集中贫困男生的人数，则选择相同数量的非贫困男生对应的消费矩阵加入训练集）；将符合要求的非贫困女生对应的消费矩阵加入女生训练集（若符合要求的非贫困女生的人数超过训练集中贫困女生的人数，则选择相同数量的非贫困女生对应的消费矩阵加入训练集）；
（11）判断贫困生表中另一半（测试集）的贫困生一个月六个维度的消费数据或者早中晚三者之一是否为空；
（12）如果为空，则排除出测试集；如果不为空，再按照行性别进行分类，将这部分贫困男生对应的消费矩阵加入男生测试集，将这部分贫困女生对应的消费矩阵加入女生测试集；
（13）最终根据训练模型，对学生消费数据做出认定或预警。
基于上述设计思路，以某高校财务处、学工部所提供的大数据为依托，笔者利用支持向量机（SVM）技术初步构建了一个学生日常消费预警和贫困生身份认定模型，其界面如图2所示。
五、大数据时代下高校管理模式的困难与挑战
1.对思维方式的挑战
以往，以因果关系为基础的社会科学是我们认识、理解和解释世界的思维方式，学校管理中也同样重视对直接的因果关系的运用。然而，大数据的应用将思维从因果关系转变到了相关关系上；比如，学校可以挖掘数据，分析其潜在信息，从侧面了解学生对学业的倦怠现象与其家庭关系融洽程度的相关度。
2.对大数据分析的挑战
在大数据背景下，学校采集了海量且复杂的数据。第一，大数据背景下的数据规模是过去传统数据量的几万，甚至几百万倍；第二，在大数据背景下，数据类型由传统的单一的相对独立的类型，转变成非结构化、半结构化或结构化的数据类型；第三，海量的数据规模和复杂的数据类型决定了数据处理的思路存在差异，以及数据处理方式的复杂性。大数据思维的价值在于如何分析、利用这些数据，而这正是高校管理欠缺的。
3.对决策方式的改变
数据是对事实的客观、真实的反映。在学校管理中，管理者每天都面对诸如学习时长、课程成绩、日常消费等海量数据，而如何从海量数据中迅速高效地提取、挖掘所需信息的能力尚待研究。大数据时代的决策方式，是通过对数据的客观分析，学校管理者充分挖掘师生更深层次的行为和偏好，从而做出更加合理的决策。然而部分管理者在政策决策时仍习惯于凭借主观经验，很少采用大数据管理模式，这对于目前学校管理工作来说仍然是一大挑战。
参考文献：
[1]刘雨露.数据挖掘在高校学生管理决策中的应用模式分析[J].成都信息工程学院学报，2006（3）：373-377.
[2]李剑波.数据挖掘技术在高校贫困生综合评价中的应用[J].商业文化月刊，2009（7）：299-301.
[3]黄阿火.大数据促进高校管理创新的探索[J].贵州大学学报（社会科学版），2016（1）：76-80.
[4]尤慧，徐卿.大数据理论在高校学生工作管理创新中的应用[J].决策与信息旬刊，2015（10）：66-67.
[5]万辉.大数据在高校学生管理工作中的应用[J].高校辅导员学刊，2014（4）：48-51.
关键词： 大数据 高校学生管理 贫困生
一、“大数据”的含义和特点
“大数据”英文译为“Big Data”，指容量巨大、涉及面广、种类丰富、更新速度极快、可从中挖掘潜在价值的数据库。大数据具有海量、多样、高速、价值四大特点。大数据的基础是“量大”，而核心在于“有潜在价值”，挖掘现有数据背后蕴含的信息和价值比数据本身更重要。大数据技术的意义不在于掌握庞大的数据信息资源，而在于通过对这些具有潜在意义的数据进行系统化、专业化的处理与分析，跟踪与这些数据相关联用户的行为偏好和习惯特征，从而有利于做出科学准确的决策。基于大数据分析的决策行为将不再是凭借随即分析法（抽样调查）、经验和直觉。
二、高校应用大数据思维管理的现状和存在问题
1.数据信息庞大复杂
高校部门繁多，每个部门均有海量的数量资料，以人事、教务、财务、科研信息最为庞大和复杂；随着生源的断扩张及信息的不断累积，各类信息不断进入共享数据库，长此以往，使得数据库中的信息不断增加。部分高校前期建立的共享数据库由于涵盖系统多，数据来源多元化，且系统之间缺乏兼容性，导致数据挖掘、分析和应用遇到困难和挑战。
2.数据采集标准混乱
高校中可以采集信息的渠道有很多，但各个渠道缺少统一的标准和管理，缺乏系统性的整合和处理，使得某些数据重复录入和出现，各个渠道和系统之间由于格式、编码、录入方式等不一致，出现重复性工作，直接降低共享数据的应用效率，造成人力、物力和财力的浪费。
3.数据价值利用率低
首先，某些高校对学生在校园生活信息的利用仍然停留在收集和累计阶段。尽管移动终端系统和“互联网 ”的普及，为信息采集带来了极大的便利，但采集后的数据停留在查询阶段，缺乏对数据的梳理、整合、分析和挖掘，使得信息背后的有用价值未能被管理者采用；其次，某些高校的部门信息共享程度低。由于信息没有及时整合和共享，使得某些部门系统的数据不兼容，不同部门的用户需要进入不同的界面才能查询到相应的信息，大大降低了工作效率，为数据深入分析和挖掘带来了不便；最后，历史数据应用少，数据囤聚，不能为高校管理和发展提供参考与依据，造成资源浪费。
三、大数据在学生管理方面的创新应用
1.判断学生经济情况
目前，几乎所有高校都开通了“校园一卡通”。通过“一卡通”的使用和消费数据，如饭卡信息、购物记录、勤工俭学等信息，更准确地帮助经济上有困难的学生。
2.判断学生心理情况
通过学习成绩、登录数据库记录等数据实时监测大学生心理情感动态，及时采取相应的措施，疏通心理失衡的学生。
3.科学化评价体系
监控学生在校园内的上课出勤情况、发言质量、作业完成情况、课堂互动情况、社团活动、课外竞赛参与情况等信息，将其转化成可视化数据，更有利于教师了解学生的学习态度、、情感世界、实践能力、人际关系等，借助数据分析有针对性地采取个性化手段，挖掘学生潜能，改进教学方式，更好地促进学生成长成才。
4.个性化就业
利用大数据技术，通过收集分析学生成绩、专业、兴趣、爱好、技能等相关信息，引导其了解自己的职业兴趣和职业发展方向，帮助其制定符合自身特点的职业生涯规划，并提供就业咨询、政策咨询、技术咨询等多方面的服务，帮助学生了解就业前景、就业形势、就业方法与技巧，从而使学生顺利地、高质量地就业。
四、大数据思维在高校贫困生管理中的实证分析
以贫困生管理为例，拟开发一款“校园一卡通”日常监控与消费预警系统，将大数据思维和学校教育实际管理相结合，融合學校的管理、学工、研究、教务、财务、图书等系统，通过对数据进行分析、整合，把数据传输给学校各部门、管理者和师生，通过校园大数据的信息共享，力图使数据资源优势最大化，提高各部门之间的协作水平，提高学校高工作效率，从而为高校决策者提供参考，为全校师生提供更好的服务，推动高校的管理创新。
1.贫困生管理现状和瓶颈
对贫困生的资助和关心是各高校学生管理工作中的一项重要工作，代表了学校对贫困生的应尽责任和人文关怀，其工作是否公平、公正从细节体现出学生管理工作是否到位。通常贫困生的身份认定是根据学生的家庭收入情况，由该家庭所在街道（乡镇）或父母所在单位出具收入证明，如果该家庭收入低于规定的标准，则被认定为贫困生。
这种评定体系容易出现极端现象：一是影响学生的心理健康，部分真正的贫困生觉得开具低收入证明是一件“可耻”或者“丢人”的事情，从而放弃贫困生补助；二是存在监管漏洞，一些学生家庭收入并不低，学生日常在校消费水平并不低，但由于贫困生可以享受部分特殊的照顾政策，因此他们通过一些特殊途径拿到“低收入证明”，享受“贫困生待遇”。
2.运用“大数据”平台管理贫困生的可行性分析
目前，高校学生工作方式正朝着网络化信息化的方向转变，以计算机技术和现代通信技术为依托的新技术已在各高校得到了广泛应用，为现代教育提供了新思路、新方法。然而，某些高校只将网络化、信息化的技术运用于教育教学，而在学生管理工作中的应用相对较少。
利用适当的数据挖掘算法自动对学生消费行为中的海量数据进行分类、筛选、甄别，尽量减少人工干预，在数据挖掘基础上进行数据分析和结果预测；比如贫困生的认定，可在月度（或季度）学生日常消费行为的海量数据中运用分类分析方法，测算出学生具备贫困生的必要条件，以此做出认定依据。 3.运用“大数据”平台管理贫困生的实施步骤
利用学校财务处“校园一卡通”的日常消费数据，以及各学院学工委现有的贫困生名单，构建一个贫困生的身份认定、日常消费监控和预警系统。
该系统具有贫困生身份认定和日常消费预警两大主要功能。其中贫困生身份认定是指根据贫困生名单对该生的日常消费行为进行跟踪，判断他的日常消费行为是否与贫困生相符；而日常消费预警是指对所有学生的消费行为进行分析，如果发现某些学生消费过低，系统产生预警提醒，需进一步判断该生是否为“遗漏”的贫困生。上述系统的运行思路如图1所示，具体包括13个步骤：
（1）按月为单位，进行训练和测试；
（2）将男生和女生分别训练和测试；
（3）将贫困生申请表中的学生随机分成两等份：前一半作为训练集，后一半作为测试集；
（4）判断贫困生表中一半（训练集）的贫困生一个月六个维度的消费数据或者早中晚三者之一是否为空；
（5）如果为空则将该生从训练集排除；如果不为空则将其按照性别分类；
（6）将符合训练要求的贫困男生对应的消费矩阵加入到男生训练集，将符合训练要求的贫困女生对应的消费矩阵加入到女生训练集；
（7）在全体学生信息中，筛查“遗漏”的贫困生；
（8）判断非贫困学生一个月六个维度的消费数据或者早中晚三者之一是否为空；
（9）如果为空则排除；如果不为空，则再将其按照性别分类；
（10）将符合训练要求的非貧困男生对应的消费矩阵加入到男生训练集（若符合要求的非贫困男生的人数超过训练集中贫困男生的人数，则选择相同数量的非贫困男生对应的消费矩阵加入训练集）；将符合要求的非贫困女生对应的消费矩阵加入女生训练集（若符合要求的非贫困女生的人数超过训练集中贫困女生的人数，则选择相同数量的非贫困女生对应的消费矩阵加入训练集）；
（11）判断贫困生表中另一半（测试集）的贫困生一个月六个维度的消费数据或者早中晚三者之一是否为空；
（12）如果为空，则排除出测试集；如果不为空，再按照行性别进行分类，将这部分贫困男生对应的消费矩阵加入男生测试集，将这部分贫困女生对应的消费矩阵加入女生测试集；
（13）最终根据训练模型，对学生消费数据做出认定或预警。
基于上述设计思路，以某高校财务处、学工部所提供的大数据为依托，笔者利用支持向量机（SVM）技术初步构建了一个学生日常消费预警和贫困生身份认定模型，其界面如图2所示。
五、大数据时代下高校管理模式的困难与挑战
1.对思维方式的挑战
以往，以因果关系为基础的社会科学是我们认识、理解和解释世界的思维方式，学校管理中也同样重视对直接的因果关系的运用。然而，大数据的应用将思维从因果关系转变到了相关关系上；比如，学校可以挖掘数据，分析其潜在信息，从侧面了解学生对学业的倦怠现象与其家庭关系融洽程度的相关度。
2.对大数据分析的挑战
在大数据背景下，学校采集了海量且复杂的数据。第一，大数据背景下的数据规模是过去传统数据量的几万，甚至几百万倍；第二，在大数据背景下，数据类型由传统的单一的相对独立的类型，转变成非结构化、半结构化或结构化的数据类型；第三，海量的数据规模和复杂的数据类型决定了数据处理的思路存在差异，以及数据处理方式的复杂性。大数据思维的价值在于如何分析、利用这些数据，而这正是高校管理欠缺的。
3.对决策方式的改变
数据是对事实的客观、真实的反映。在学校管理中，管理者每天都面对诸如学习时长、课程成绩、日常消费等海量数据，而如何从海量数据中迅速高效地提取、挖掘所需信息的能力尚待研究。大数据时代的决策方式，是通过对数据的客观分析，学校管理者充分挖掘师生更深层次的行为和偏好，从而做出更加合理的决策。然而部分管理者在政策决策时仍习惯于凭借主观经验，很少采用大数据管理模式，这对于目前学校管理工作来说仍然是一大挑战。
参考文献：
[1]刘雨露.数据挖掘在高校学生管理决策中的应用模式分析[J].成都信息工程学院学报，2006（3）：373-377.
[2]李剑波.数据挖掘技术在高校贫困生综合评价中的应用[J].商业文化月刊，2009（7）：299-301.
[3]黄阿火.大数据促进高校管理创新的探索[J].贵州大学学报（社会科学版），2016（1）：76-80.
[4]尤慧，徐卿.大数据理论在高校学生工作管理创新中的应用[J].决策与信息旬刊，2015（10）：66-67.
[5]万辉.大数据在高校学生管理工作中的应用[J].高校辅导员学刊，2014（4）：48-51.