浅谈大数据技术对高校教学改革的启示

浅谈大数据技术对高校教学改革的启示（精选4篇）

浅谈大数据技术对高校教学改革的启示 篇1

摘要：信息社会大数据技术对人们的生活和社会的发展产生了巨大的影响，高等教育结合大数据技术适时改革是未来发展趋势。本文分析了大数据在国内外高校教学中的应用探索，以及大数据技术对高校教学模式的影响，提出了在高校大四学生中应用大数据技术进行教学改革探索的方案和措施。

关键词：大数据;大数据技术;教学改革;教学模式

大数据诞生于人们对数据搜集能力、传输能力、存储能力和处理分析能力的发展和跨越基础上，已在各行业掀起了变革的巨浪，发展潜力巨大[1]。著名管理咨询公司麦肯锡认为大数据是大小超出了常规数据库软件工具获取、存储、管理和分析能力的海量复杂数据集。亚马孙认为大数据是任何超过了一台计算机处理能力的数据量。从宏观角度来讲，大数据是融合物理世界、信息空间和人类社会三元世界的纽带。谷歌借助云计算搜索引擎推动了大数据的应用和发展。在教育领域，在教与学的过程中，也蕴藏着有价值的海量大数据，怎么有效挖掘、分析和利用这些海量数据来促进教学，是当今教育界研究的热点内容。

未来十年将是一个“大数据”引领的智慧科技时代。随着QQ、微信等社交网络的逐渐成熟普及，移动带宽迅速提升，云计算、物联网应用更加丰富，更多的传感设备、移动终端接入网络，由此产生的数据急剧增长，速度比历史上的任何时期都要多都要快。IDC在《数字宇宙膨胀：到2020年全球信息增长预测》指出，数字信息每年按几何级数递增，到2020年，数据量将超出人们想象，达到40ZB。据麦肯锡数据显示，2009年美国教育部某信息系统数据库存储的数据达到近270PB，入选2009全美十大数据生产贡献排名，教育已成为大数据重要源泉之一[2]。

教育意味着未来，抓好了教育，就预示着掌握了未来，所以教育始终是民生之本，是国家和政府高度重视的领域，教育改革始终是一个不断探索的课题。在大数据时代快速推进之际，探索新形势下的教育体制、模式和方法，对促进我国教育发展具有长远意义。国内外对大数据在高校教学中的初步探索

1.1 国外高校对大数据应用的探索

大数据技术必将改变我们的生活，也必将推动教育模式产生巨大的变革。2011年秋天，斯坦福大学一门人工智能网上课程受到热烈欢迎，190多个国家约16万学生参加学习，2万多人通过了考试，获得认证。课程讲授者Thrun教授，创办了在线教育平台Udacity。斯坦福大学的Ng教授，把自己的课程放到了互联网上，全球有十几万人注册，在网上听他的实时讲授，同时还和斯坦福大学在校生做同样的作业、接受同样的考核。Ng教授2012年4月成立了Coursera，和普林斯顿、斯坦福、密歇根大学和宾夕法尼亚大学等大学结盟，提供社会科学、物理、工程学等课程。2012年11月福布斯发表文章《一个人，一台电脑，1千万学生，可汗学院如何重塑了教育》。因为“大数据”的技术背景，哈佛和麻省理工也把课程免费上网，收集最多的学生学习行为数据，研究开发更好的在线教育平台，强化学校品牌效应。

1.2 国内高校对大数据应用的探索

硬件的高速革新和软件的高度智能，国内也掀起了新一轮教育信息化的浪潮。清华大学、北京大学、上海交通大学和复旦大学等，也都开始提供免费网络课程。国内多个省市先后实施了建设教育信息化公共服务平台，推进数字校园实验工作，建立 “数字化学习”试点学校，开发“微课程”，试点“微学位”，开展“翻转课堂”活动、推进1对1“E课堂”教学实践等一系列教育改革新举措。

1.3 研究趋势

现代信息世界已经发酵出第三次工业革命，具体到教育和高等教育领域，云、物联网和基于云和物联发展所带来的大数据趋势，是变革的技术因素，向大数据时代、知识时代跨越。目前仅就知识而言，教育资源所经历的平台开放时代、内容开放时代、校园开放时代是前所未有的。教育发展的未来模式将是：视频成为主要载体，教育资源极其丰富;翻转课堂;按需学习;终生学习;不以年龄划线;距离不再是问题，在学校之外在异地发生等等。

千百年来，知识载体的变化，决定了知识本身的价值。简牍时代，知识被教师垄断，师生的等级观念由此诞生;印刷时代，知识变得廉价，教师的作用变成讲授服务;信息时代，知识更容易获取，教师成为学生的朋友和教学过程信息服务的组织者、主持人和教练。数据挖掘和数据分析软件可以阶段测验学生表现，帮助教育者研究能够预测其效果的学习模式。面向服务、面向创新和面向过程成为教育的重点，云和大数据为基础的教育资源共享、教育模式语言与教育空间设计、学生个性和天性培养成为教育发展趋势。信息时代大量的知识创造和服务业的兴起，行业技能专能和社区教育，将不断壮大发展。高等院校的教学模式、教学定位等都将有很大的变化，推动高校不断创新，成为新知识的生产中心，而不是旧知识的传播中心，催生良好的管理和其他增值服务。大数据对高校教学模式和教学实施的影响

2.1 大数据的4V特性在教育变革中的体现

大数据的4V特性是，Volume(海量的数据规模)、Velocity(快速的数据流转和动态的数据体系)、Variety(多样的数据类型)、Value(巨大的数据价值)。现代教育过程将产生大量的教育数据，海量的知识数据，随着信息技术和通信技术的飞速发展，各种计算机和终端设备实现了前所未有的互联互通，教育内容实现了跨越时空的自由流通。大数据的实时分析与处理，Hadoop(MapReduce技术的基于Java的开源实现)等非关系型数据管理和分析技术和HadoopDB(MapReduce技术和RDBMS的集成)，能加速数据查询和分析，具有较好的扩展性和容错性，智慧软件实时诱导跟进评价学生的在线学习。关系型数据库处理结构化数据，而现在非结构化数据(用户评论、应用、位置信息、图片、音乐、视频等)占很大比重(约为85%)，产生智慧的大数据往往是这些非结构化数据[3]。视频教学和师生间的网络互动交流将成为未来教育的重要方式，对学生学习过程的记录数据，将对学生的教育规划进行智能化的指导和评价。通过对数据的分析和利用，预测未来发展趋势，开发有吸引力的应用，将产生巨大的价值，为未来教育带来创新模式。

2.2 大数据支撑的未来教育将成为一门实证科学(教育的数据化)

与医疗技术比较，原来的医疗靠望闻问切和经验为病人诊治，现代医学更多的依靠各种检验化验和先进的医疗设备器械，通过报告单、可视化的影像、X光片等精确数据，为疾病的判断和诊治提供科学的依据和证据。尽管病人会抱怨，住院后让做各种检查，该做不该做的都做，但也无可否认，在大量诊查数据的支撑下，现代医疗技术确实提高了很多，治愈率越来越高，人的寿命不断延长。

类似的，教育也将不再是单纯靠理念经验的积累和传承，道德良心自律的学科，而将变成一门实实在在的实证科学[4]。把学生从入校后的所有相关教育信息行为表现，都记录下来，根据这些数据，分析学生的学习过程和个性特质，将为学生的个性化学习和个人成功提供有力的科学依据。

大数据使得查探学生表现和学习途径信息成为可能，学生通过在线学习的平台进行学习，其学习行为数据将被记录，系统后台根据不断积累的行为数据对学生进行评估，分析学生的思考习惯和思维模式，创建心理测量图，根据学生的学习进展调整之后的学习内容和重点。实时记录学生的量化学习过程(上课、读书、记笔记、作业、讨论、考试、考评等)和实验的过程结果等，这些数据将作为课程最后考评的重要参考依据。通过聚焦于数据分析，教师可以用更有效的方式研究学生学习状况和学习效果[5]。

2.3 未来教育在技术上的演进

2.3.1 教育技术的演进

教育经历了PC时代的数字化教育(传统的板书变成了PPT投影)、互联网时代的社会化教育(知识的获取更加便利和普及，知识传播更加迅捷)、移动互联网时代的范在化教育(教育不再受时间和空间的限制)，现在进入了大数据时代的个性化教育(视频将作为知识传播的主要载体)。传统网络教育、远程教育、网上学堂只是把教育教学转换为视频，通过网络传播，使学生异地学习，只是学习内容的网络化跨地域化。

大数据教育依托网络技术和大数据分析，将有更多的教育手段、要求、方式和内涵等，更注重学生的因材施教、个性化培养、突出个体差异化发展和成功。哈佛、MIT、斯坦福、耶鲁、普林斯顿、伯克利、宾夕法尼亚大学等纷纷把自己的课程免费上网。新一代的在线学习的平台和过去的重要区别，在于增加了行为评价和学习诱导的成分，向全世界开放，让最多的学习者在上面学习、使用，同时可以收集最多的数据，使用、研究、分析学习者的行为模式。

未来大部分的老师，是课堂的组织者、学习的引导者、学生学习行为的分析者，而不是知识的讲授者。网络、视频和智能软件，为每一个学习者搭建起一个学习情境，对学习者的学习过程和行为提供持续性的诱导、评价和支持，帮助其培养科学有效的学习方法和习惯等。数据在网上自动整合和跳转，向学生推送学校信息和建议。学生可以和其他学习者交流互动，寻求有效帮助。普适计算的浪潮，网络终端将无处不在，学生可以在任何可以联网的地方学习，而到学校去，则主要是做作业、答疑、讨论、考评等。

2.3.2 大数据教育技术

1)大数据处理模式大数据的主要处理模式有两种：直接处理的流数据处理(Stream Processing)模式和先存储后处理的批处理(Batch Processing)模式。数据流的研究与技术应用已经有十几年的历史了，目前开发和得到广泛应用的代表性开源系统有Twitter的Storm、Yahoo的S4、Linkedin的Kafka和Apache 的Nutch等[3] [6]。批处理模式的典型代表是Google的MapReduce模型。

2)教育大数据分析技术教育分析技术来源于大数据在商业领域的应用，如淘宝网根据用户的浏览轨迹推断用户对产品类别的偏好。教育分析技术以学生群体为主体，借助于网络在线平台和移动终端软件，跟踪采集挖掘分析学生学习的整个过程，以提高学生学习质量和学习效率，并对学生未来需求趋势进行分析和预测，拓展发展空间，提高竞争力[7]。深度学习和知识计算是教育大数据分析的基础，可视化是数据分析的关键技术和数据分析结果呈现的关键技术。

深度学习深度学习的起源可以追溯到神经网络和后向传播(BP)算法，2006年多伦多大学的Hinton等人提出无监督的逐层贪婪的预训练(greedy layer-wise pre-train)方法，掀起了深度学习的浪潮。近几年，深度学习在自然语言理解、语音识别、人脸识别、图像搜索等应用领域取得了一系列重大进展[8]。而在教育领域，深度学习研究集中在学生线上视频学习时间分析、学生参加网络活动的行为分析等方面。

知识计算对大数据进行高端分析，需要从大数据中抽取有价值的知识，构建成支持查询、分析和计算的知识库。目前，世界各国建立的知识库达50多种，知识应用系统达100多种。知识计算的基础是构建知识库，包括知识库的构建、多源知识的融合、知识库的更新等。教育领域，基于机器学习、信息检索和数据挖掘的智慧软件构建了一个高度个性化的智能网络平台，实时反馈学习过程信息，可以帮助对学生做出评价、对教育做出决策。

可视化技术可视化技术在大数据领域的应用主要表现在数据分析工具的可视化和数据分析结果的可视化[9]。对大规模、高维度、多来源、动态演化的大数据信息，开发可视化分析工具，使普通人员也可以轻松上手操作实现自动分析。对大数据分析结果应用有效的可视化技术(交互式展示、超大图动态化展示)，有助于用户理解和辅助做出实时反馈和决策。教育领域，教师可以使用数据可视化工具来研究学生的学习模式，修正课程以引导学生进行有效学习和满足学生个性化学习需求。

2.3.3 大数据处理平台和工具

在原有的关系型数据库RDBMS，很难处理大数据时代产生的大量非结构化数据的背景下，基于Google三大核心技术GFS、MapReduce、BigTable的Hadoop和NoSQL数据库技术应运而生，为海量大数据的处理提供了强大的技术支撑。国内的教育大数据平台，也已经起步并开始应用，如超星公司的超星尔雅和泛雅，已经和国内多所高校合作，用于这些高校的教学，其SPOCs和混合学习的模式，正在渐渐被接受和付诸实施。

2.3.4 未来教育将是一项以支持和服务为核心的系统工程

源于网络和大数据提供的爆炸式的知识，未来教育不再是标准化、归一化、规范化的教育，而是按需学习、终生学习，充分发掘学生自身原有的积极性和天分，实现自组织学习[10]。

大数据时代使人们接收知识更加方便了，但是就和印刷术的发明和普及，使人们接触知识的机会增多了，但教师的数量并没有下降，反而升高了一样。大数据时代，对于爆炸的信息，需要很好的甄别、引导和指导，去除无用的垃圾信息，所以对于学校和教师的需求不降反升。此时的教育，主要是根据学生的兴趣和个性特质，建立“以学生为中心”的智慧教学模式，规划指导跟进学生的培养，与学生有更多的互动和交流，以支持和服务为核心贯穿学生培养的整个过程。大数据在高校教学改革中的应用实施

3.1 我院现状

大数据改变了高校教与学的模式，但这个过程是循序渐进的。我们学院首先在大四学生中进行试点。

大四学生第七学期的学习有这样一些特点，学生基本分为三个阵营：(1)外出培训工作;(2)考研考证照考公务员考选调生;(3)在校内继续学习。基于以上情况，大四第七学期的课堂到课率普遍不高，对大四学生的课程考核也相对宽松，这就造成大四第七学期的课程形同虚设，根本没有达到本专业的人才培养目的和预期，而大四第七学期的课程又基本都是比较重要的专业课、实践课，是专业人才培养方案中比较重要的部分，并对学生未来就业影响颇深。

3.2 改革措施

基于以上情况，我们实施了以下改革措施。

1)个性化差异化教学：大四第七学期的课程全部作为选修课，设置的门数和种类更加多样化，学生根据自己的兴趣和职业发展规划，自由选择其中的4-5门课，选修够最低学分要求，对最高学分不进行限制，鼓励多选。

2)化解学生学习时间和地域限制的矛盾：学习方式改革，利用大数据技术，借助网络，将课程教学视频根据教学安排，上传网络，使学生可以在任何地点自由安排学习时间，这对于在外培训工作的学生，十分方便。对于校内考研和学习的学生，也可以自由安排学习时间，提高学习效率。

3)重视学生学习的过程性评价：学生必须要完成规定的课程学习学时，每次课安排有课前测试，课后测试及作业。课前测试，课后测试，学生能够实时查看到测试成绩，课后作业要求学生在规定的时间内提交，课程教师要在规定的时间内批改完毕，并将成绩发布到网上，供学生查看，对不合格的作业，要告知学生重做。学生的课程成绩由学习的所有各阶段的所有成绩汇总而成，所以学生必须重视和认真对待每次的学习、测试和作业。

4)师生互动交流：教师和学生间的互动交流方式多样，可以通过线上论坛讨论答疑，也可以利用移动终端的便捷，建立课程QQ群或微信群，进行交流。教师将作业、要求、提醒等信息及时发布网络和交流群中，引导督促帮助学生完成课程学习。

5)对学生学习的过程性大数据进行分析：学习的过程性数据分析技术，改变了传统教学的经验式模式，为学生提供高质量个性化的学习体验，辅助教师根据数据分析结果，改进教学方式完善教学过程。将学生从选课、学习、考试结课等所有阶段过程中，产生的数据进行汇总分析。根据学生的选课情况数据分析，综合考虑调整专业课程设置，同时对学生选修课程行为进行适当宣传引导。对学生学习的过程性数据进行分析，掌握学生学习情况，挖掘学生学习习惯和特点，以实时调整课程难易度，根据学生特点突出个性化差异化人才培养。

6)教师角色的转变：在新的学习方式中，教师的角色也将发生改变，由原来单一的知识讲授传授者，变为学生学习的知识传授者和学习引导者、督促者、帮助者、考评者。教师将课程内容录制上传后，将不再为每个班一遍遍的重复讲授，大量的时间将花费在教学的组织实施、答疑解惑和对学生学习的引导督促激励监管考核上。学生将有更多的时间得到一对一的辅导和帮助。结论

大数据时代已经到来，未来十年，大数据在高校中有着广阔的应用前景，将成为下一个创新、竞争和效率提高的前沿，我们应抓住机遇，适时改革，使信息时代下的高校教育与时俱进，培养出更多的适应信息社会发展的高素质人才。

参考文献：

[1] 罗军锋，徐菲.大数据时代的高校信息化框架[J].中国教育信息化，2014(3)：11-13，22.[2] 朱建平，李秋雅.大数据对大学教学的影响[J].中国大学教学，2014(9)：41-44.[3] 程学旗，靳小龙，王元卓，等.大数据系统和分析技术综述[J].软件学报，2014，25(9)：1889-1908.[4] 张羽，李越.基于MOOCs大数据的学习分析和教育测量介绍[J].清华大学教育研究，2013，34(4)：22-26.[5] [英]Viktor Mayer-Sch?nberger，Kenneth Cukier.Big Data：A Revolution That Will Transform How We Live，Work，and Think[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013：148.[6] 张引，陈敏，廖小飞.大数据应用的现状与展望[J].计算机研究与发展，2013，50(增刊)：216-232.[7] 冯翔，余明华，马晓玲，等.基于大数据技术的学习分析系统架构[J].华东师范大学学报，2014(2)：20-29.[8] 陈律.大数据背景下学习分析技术对教学模式的变革[J].中国教育信息化，2013(24)：15-17.[9] 任磊，杜一，马帅，等.大数据可视分析综述[J].软件学报，2014，25(9)：1909-1936.[10] 姜双林.大数据时代下高职通识教育实践探索[J].教育与职业，2014(30)：165-166.

浅谈大数据技术对高校教学改革的启示 篇2

1 大数据挖掘技术的概念分析

大数据挖掘及时是KDD的一个重要的过程, 这种技术是从许多数据中还有一些不完整的应用中, 以及一些比较纯净的应用或者是模糊不清的应用中随机抽取出来的。这些抽取出来的数据都是潜在存在的, 但是不为人所发现的信息内容。那么什么叫做KDD (Knowledge Discovery In Database) 呢?KDD是发现知识的一个过程。

通常情况下, 大数据挖掘系统主要包含七方面的内容:用户图形界面接口、模式评估、数据挖掘引擎、数据库或数据仓库服务器、数据基地、数据仓库以及知识储备库 (如图1所示) 。由图1可知, 数据库还有数据仓库服务器有大量的信息和数据, 这些数据对很多用户都有着吸引力。图1中的知识储存库是一个简单的应用, 用这个知识储存库来进行知识的探索和评价, 从而确定总体的模式是不是有意义。数据挖掘引擎是整个大数据挖掘系统中十分重要的组成内容。它能够对数据的特征、关联、类别、价值等进行分类。模式评估的主要功能是在对数据进行评价的同时还要和大数据挖掘技术相互联系, 从而把大数据挖掘的技术全面的应用到系统中。模型的进口是用户图形界面的接口。能够方便使用者使用这一模型。并且利用大数据挖掘技术进行信息的查询和分析。

2 大数据挖掘技术的应用与挑战

2.1 挖掘对象

大数据的挖掘技术面对的主要对象为大的数据库。这样一来能够有效的进行信息的搜索和查询。

2.2 大数据挖掘技术体现形式局限性

当前, 大数据挖掘技术在处理数据以及信息的时候所使用的方法比较有限, 具有一定的局限性。通常情况下, 这种技术能够分析数值型的数据, 数据内容比较简单, 可是仍然不能够对文本文件、公式、图片等这种没有结构或者是无结构的数据形式开展数据挖掘的工作。

2.3 使用人员参加的过程和相关领域的信息

通常情况下, 大数据挖掘技术的过程常常要进行信息和数据的交流。当前, 所实用的数据挖掘系统很难让使用者参与到信息以及数据的筛选过程中。使用人员自身的知识能力以及经验对挖掘的开展速度有着直接的影响。而且能够顺利的获取大量的利用度十分高的数据信息等。

2.4 进行知识的表现和内容的解析

很多应用程序中主要的内容都是用户自己发现并分析出来的知识。这就需要大数据技术在挖掘信息的时候不但要有分析数字还有符号的能力还需要对图片、语言等理解分析的技术。

2.5 帮助保护知识内容和信息的更新换代

伴随着知识量的增多, 以往旧的知识会逐渐的失去自己的作用, 被新的知识内容所取代。所以知识需要不断的保护和进行及时的更新换代。当前采取的主要更新知识的方法包括维护关联规则的增量算法等。

2.6 支持局限性的系统发展

当前的大数据挖掘系统还不能够在广大的系统平台上进行推广使用。一些应用程序是应用在PC上面的, 还有一些应用是针对大型的主机系统中的。除此之外, 还有一些是专门针对用户的。

3 结语

数据挖掘技术是近几年新产生的网络技术, 可是它的广泛应用性受到了很多公司以及研究人员的喜爱。这些年来, 伴随着时间的推移以及网络技术的不断发展大数据挖掘技术不断的被更新, 开发, 而且在金融、管理、教学等行业中都得到了广泛的应用。我相信随着网络技术的不断发展, 大数据挖掘技术的应用面将会越来越广。

摘要：数据挖掘技术是近几年新产生的网络技术, 可是它的广泛应用性受到了很多公司以及研究人员的喜爱。大数据挖掘技术是网络技术发展的重要产物, 大数据挖掘技术是目前信息网络技术发展的重要体现, 这一技术的提出是信息策略发展的重要方向。这篇文章主要介绍了大数据挖掘的基本理论与内容, 并且对大数据挖掘技术的应用和挑战进行了分析。为大数据挖掘技术的发展奠定理论基础。

关键词：大数据,数据挖掘,数据分析

参考文献

[1]吕竹筠, 张兴旺, 李晨晖, 等.信息资源管理与云服务融合的内涵即共性技术体系研究[J].情报理论与实践, 2012, 35 (09) :26-32.

[2]《中国电子科学研究院学报》编辑部.大数据时代[J].中国电子科技研究院学报, 2013 (01) :41-43.

[3]淮晓永, 熊范伦, 赵星.一种基于粗集理论的增量式分类规则知识挖掘方法.南京大学学报 (自然科学版, 计算机专辑) , 2000, (11) :203~209.

[4]方开泰.实用多元统计分析[M].上海:华东师范大学出版社, 1992:189-193.

[5]史东辉, 蔡庆生, 倪志伟.等.基于规则的分类数据离群挖掘方法研究.计算机研究与发展[J].2000, 37 (9) :1094-1100.

浅谈大数据技术对高校教学改革的启示 篇3

【摘要】当前，计算机技术迅猛发展，已经影响到了国民社会生活的每一个角落。在这种情况下，出现了一个新的名词——Big Data。这个词组被翻译为海量的资料，有的地方也称之为大数据，这个词组指的就是很直白的字面意思，用非常多的数据来支持某项工作的进行。当前大数据已经应用到了高校的学生管理工作中去，并且因为其准确、海量的信息给学生管理工作带来很多便捷。

【关键词】大数据 高校学生管理 具体应用

【项目名称】南京邮电大学教学改革项目（JG03212JX07）。

【中图分类号】G64【文献标识码】A 【文章编号】2095-3089（2015）06-0034-01

在很多领域，工作的顺利进行都依赖于准确的数据，例如统计行业、审计行业等。目前，随着大数据技术的不断发展和成熟，大数据被应用到了更多其他的领域，高校管理工作中的大数据应用就是一项创新性的尝试。

一、高校学生管理工作的特点

高校的学生管理工作具有下面的一些特点：

1.工作涉及面广，较为琐碎。高校的学生管理绝不仅仅是对学生日常的学习和日常生活的基本管理，还包括了学生的就业安排、贫困救助、活动的组织、共青团与共产党的考核与加入等等。不仅包括了上述实在的具体的工作，学生的信仰教育和心理辅导严格意义上也是学生管理工作的一部分。可以说，只要在学校内发生的一切事务，都属于学生管理工作的范畴。

2.很多管理工作都是靠经验，制度的制定也是不断摸索和借鉴，具有一定的滞后性。高校的管理工作并没有一个特别权威的科学的评价标准，所以高校的管理者只能凭着日常管理的经验、其他院校成功的管理经验、学校内出现的新事物共同补充完善学校的制度，管理工作其实并不具备一定的科学性。

二、大数据在高校学生管理工作中起到的作用

大数据在高校学生管理工作的方方面面都能够起到促进作用，具体表现如下：

首先，利用大数据能够对学生的主业，也就是学生的学业进行较为科学的多元化的评价。在高校中，奖学金的评定和优秀奖项的选定一直都是备受学生争议的两项，按成绩选学生会说不全面、不科学，不按成绩选学生会说不公正。大数据的介入能够用各项微观的数据共同组成一个完善的评价体系，并且这个评价体系直接依附于数据，非常科学也非常公平。同样，在团和党的考核上，也可以借助于大数据。

其次，利用大数据能够对学生的学习和生活进行必要的关注和管理。在大数据的帮助下，学生逃课成为不可能，计算机将记录所有学生的上课记录，作为期末考核和的标准。甚至某些情况下，大数据可以借助学生的一卡通记录学生的饮食记录，并给学生提出科学的配餐建议。另外，大数据也能关注学生的消费情况，对贫困学生的认定和帮助进行动态的管理。

三、学生管理工作中大数据应用的改进策略

1.学校应当充分重视大数据的作用，积极扩大大数据在学生管理中起到的作用。当前虽然大数据对学生管理起到了十分重要的作用，但是毕竟是新生事物，并没有在全国的高校中普及开来。学校管理者应当对大数据下学生管理的先进经验进行必要的考察，结合自身院校的特点和学生的特点，积极地建立大数据体系。

2.利用大数据的重点应当放在学生的评价和生活的关怀，尤其是后者。的确大数据在学生评价方面起到的作用十分大，但是作为管理者，应当将重点放在关注学生的生活、关注学生的心理健康，从而保证学生能够全面地发展，但是前提是应当充分保护学生的隐私。

3.大数据的操作和分析是需要专业的人才的，所以高校应当积极地进行管理体制的改革，设置专门的机构，聘请专业的人才进行该工作的进行。大数据时代的到来，大数据人才在市场是紧缺的，所以一定要未雨绸缪，提前做好人才储备。

4.学校应当加强对外合作。公办高校资金问题还不是很大，因为有国家的拨款，民办高校想要追赶公办大学的脚步，必须要加强对外合作。这是因为民办高校资金来源本身就没有国家拨款的支持，而民办高校的学生管理比公办学校更为混乱，更需要大数据的支持。民办高校应当加强校企合作，不断地进行技术的研发和更新，使学校和企业共同发展，共同进步。

四、结语

高校的学生管理本来就是一项庞大、抽象、无法用具体的指标去衡量效果的工作。信息时代赋予了高校学生管理工作很多新的方法和手段。运用大数据进行学生管理工作，不仅能够节省大量的人力和物力，还能够对管理工作的成效、管理工作的问题与不足有较为精确和科学的评价，能够使管理者做出更为科学的正确的决策。当时目前高校在学生管理工作中结合大数据并没有成为常态，这种方式也只是在摸索的阶段。高校的管理者应当积极创新，充分发挥大数据和其他先进的科学技术在学生管理方面起到的重要作用，使学生的管理变得既科学，又能有利于学生的发展，真正为国家培养出更多优秀的人才。

参考文献：

[1]维克托迈尔—舍恩伯格等著，盛杨燕等译.大数据时代[M].杭州：浙江人民出版社，2013.

作者简介：

韦伟（1980.11-），女，安徽芜湖人，讲师，硕士，主要研究方向：思想政治教育，教育管理。

浅谈大数据技术对高校教学改革的启示 篇4

所谓大数据，又称“巨量资料”、“海量资料”，指的是所涉及的资料量规模巨大到无法通过目前的主流软件工具，在合理的时间内达到撷取、管理、处理，并整理成为帮助用户筛选决策的积极资讯。“大数据”是由数量巨大、结构复杂、类型众多的数据构成的数据集合，是基于云计算的数据处理与应用模式，通过数据的整合共享、交叉复用形成的智力资源和知识服务能力。当审计档案尚在适应信息化时代的高速变革步伐时，大数据信息化时代又呼啸而来，而审计档案向来以专业性、形式规范性等特点而著称，所以，在大数据时代这一新形势下，如何开展审计档案信息化管理工作成为我们亟待解决的问题。

一、审计档案信息化管理的现状

所谓审计档案，是指审计机关在项目审计或者专项审计调查活动中直接形成的，具有保存价值的，以纸质、磁质、光盘和其他介质形式存在的历史记录，是国家档案的重要组成部分。

（一）审计档案信息化管理缺乏合理规划和统一的规范、标准。从当前我国档案管理的现状来看，各地的档案管理工作相对分离，存在各自为政、各自管理的现象，全国的审计档案信息化管理也没有形成一个全面协调发展的局面，许多地方审计机关的档案管理没有对未来的发展进行长远规划，甚至近期目标尚不明确。

此外，审计机关档案信息化管理工作在各地没有形成统一的规范和标准。现行审计档案信息化工作中，由于归档范围与保管期限的分割效应，一定空间与时间范围内的档案往往保存在不同的物理空间中，这使得数据相对分散，虽然其数量可能非常大，但难以成为内容全面的档案。此外，在我国的审计档案信息化管理过程中，往往更多的是对信息化、电子化的关注，对审计档案信息化管理的重视度却不够，没有意识到审计档案信息化管理的核心应该是对档案管理流程的优化和重组。

（二）审计档案信息化管理缺乏专业的技术人才。在审计档案信息化管理工作中，需要使用到的各类应用软件都需要专业工作人员才能够充分地发挥其作用。目前我们的审计队伍中，虽然拥有一大批档案专业人才，也有一批力量较强的计算机人才，但是在很大程度上还是贴合度不高的两套人马，融合度不强，对于大数据时代下如何进行审计档案信息化管理仍然处于摸索阶段，发展滞后。

（三）审计档案信息化管理的安全性存在隐患。首先，相对于以往的审计档案管理，大数据时代下的审计档案的信息化管理使得权限问题、保密问题异常突出。以往，在空间上，所有的档案资料都集中存放于档案室中，而大数据时代下的审计档案信息化管理则可允许部分用户跨地域访问数据库，这在客观上造成了数据库系统有被不法分子远程非法侵入的风险。

其次，以往只有工作人员在工作时间、在档案室这一特殊场合才能存取档案资料，其他人员未经许可根本没有接触档案的权限，甚至不允许进入档案室，这为档案安全提供了时间上、人员上和空间上的多重保障。而大数据时代下的审计档案信息化管理模式下，对档案资源的访问权限原则上掌握在拥有用户名和密码的管理人员手中，但也使得用户名和密码被非

法窃取而造成数据泄密，使得档案资源被非法访问的可能性大大增加。

但目前的审计档案信息化管理中，应对危险的手段比较单一，大多依靠密码保护或断网隔绝，不能从根本上杜绝数据被盗取的风险，行业内除拥有档案专业人员外，也没有引入专业数据安保人员，不能在快速变化的数据环境下，从硬件和软件上、从技术和设备上增加数据库的防御能力，使得档案得到信息化发展后，增加了数据安全性方面的风险。

二、大数据时代下审计档案信息化管理面临的挑战

大数据时代对审计档案信息化管理提出了更专业的要求和更精深的标准，需要用发展的眼光去重新认识审计档案，用创新的思路去开展审计档案管理，用变革的理念去适应审计档案未来的发展。

（一）档案管理理论的变化向审计档案信息化管理提出挑战。档案管理理论从传统的以文书档案为主转变以核心业务文件为主。大数据时代下，审计档案将呈现“两全”的趋势：一是“全”档案，正逐步将一切具有保存价值的文件、数据、视频、实物都视为档案；二是“全”服务，大数据时代档案服务将朝着社会化、多元化、开放性和先进性发展，档案服务要以使用人的需求为导向，提供网络化、智慧型的服务。

于是，在审计档案信息化管理中，面对大而全的海量数据，如何向审计档案使用者提供“广、快、精、准”的服务，完成大数据的筛选、挖掘过程成为审计档案信息化管理面临的一个挑战。

（二）档案管理技术手段的变化向审计档案信息化管理提出挑战。在传统的管理手段下，档案管理主要基于手工整理、编目，馆藏档案主要是纸质。在计算机管理时代，在计算机辅助下进行档案管理，主要是纸质文件与电子档案管理并存；归档的电子文件主要是与纸质相对应的收发文、合同等。在大数据时代，档案管理将在云平台上建设云档案系统，实现云存储。于是，在审计档案信息化管理中，如何将各类有价值的审计信息资源整合、分析、挖掘，形成审计档案的智慧分析库，更精确、更有效率地完成“提纯”过程，为领导决策提供服务，为审计人员查询借鉴提供服务，为审计事业创造价值，成为大数据时代向审计档案信息化管理提出的又一个挑战。

（三）档案业务环节的变化向审计档案信息化管理提出挑战。档案业务环节的变化要从档案的收集、整理、利用三个环节来看：在传统管理方式下，“收”是各部门移交；“管”是手工管理，手工查询；“用”是提供被动的查阅服务。在信息化时代，“收”主要是部门移交与系统推送部分电子文件相结合，“管”主要是电脑代替手工劳动，“用”是利用现代信息技术进行制作、加工、传播、转换和二次开发。在大数据时代下，“收”将是数据实时的、自动归集；“管”将采用云平台存储、计算、分析；“用”则是分析、发现与预测；“收”则要做到全流程控制。于是，在审计档案信息化管理中，如何在保证数据安全的基础上，妥善地应对新形势下的收集、整理、利用，以安全有效地实现审计档案信息化管理也是亟待解决的一个问题。

三、对策与建议

随着大数据时代审计机关信息化管理步伐的加快，审计档案信息化应用和管理在某种意义上来说已经有着里程碑的意义。因此，大数据时代下发展审计档案信息化管理势在必行。

面对机遇与挑战，目前审计档案信息化管理的对策与建议如下：

（一）提高思想重视、全局规划组织、统一标准和规范。首先，我们必须充分认识到大数据时代的审计档案信息化管理是一个功在当代、利在千秋的庞大的系统工程。应将审计档案信息化应用与管理纳入新时期“金审工程”的大格局中，电子文件的管理、数字档案建设、纸质档案的数字化、电子档案的应用等审计档案信息化应用与管理的内容应由国家审计署统一组织和规划。审计档案信息化应用与管理，是一项关系审计档案事业发展全局的战略举措，必须纳入国家审计信息化建设的总格局中，同步进行，协调发展，以实现审计档案资源共享，更好地在审计工作中发挥其作用，并为社会和人民服好务。

其次，大数据时代下的审计档案信息化管理是建立在先进的技术、严密的分工和广泛协作的基础上的，审计档案标准化是审计档案信息化建设的重要基础。审计档案标准化通过制定和贯彻各种标准、规范，使技术应用和分工协作有了统一的科学准则和依据，保证了档案各项工作能够有机地联系起来，并且在档案管理中取得最佳的效果。在信息化管理中，信息的共享和网络的沟通更依赖于统一的标准和规范，避免各级审计机关各自为政，不规范、不标准的现象出现。大数据时代审计档案信息化管理应遵循的基本原则，如双套制管理原则，文档一体化管理原则，信息网络安全原则等，应由国家审计署来宏观管理，统一认识，统一组织。如此，才能顺应大数据时代的“两全”的趋势，实现审计档案数据和服务的全面化和全方位化。

（二）强化人才意识，大力全面培养，打造复合型人才。大数据时代下，要加快审计档案信息化管理，需要着重培养造就一大批既懂档案业务，又懂信息技术的复合型人才。

1．加强审计档案工作人员的计算机能力培训。作为审计档案工作人员，对计算机业务的掌握程度直接决定着审计档案信息化发展的程度。审计档案人员不仅要在过硬的档案专业知识，还要提高计算机操作技术能力和信息化管理素养，只有精通计算机操作和档案业务知识的档案人员，才能够应对大数据时代下审计档案信息化的骇浪。

2．加强计算机专业技术人员的档案业务培训。作为计算机专业技术人员，对各种审计档案业务的熟悉程度直接决定着档案软件开发和应用质量的高低。当计算机应用发展到网络化和信息决策辅助阶段时，怎样使档案管理科学化、调度有序化、传递信息规范化、提供检索快捷化、操作手续简单化，将取决于程序开发者对档案业务的了解程度。

3．培训的方式与机制。可以采取长期与短期、远程与面授相结合的方式，培训应注重效果性与效率性、系统性与实用性相结合，通过继续教育、专题讲座、业务研讨会、学术交流及信息技术培训班的方式，提高审计档案信息管理队伍的素质，建立长效培训机制，培养审计档案人员将各类有价值的审计信息资源整合、分析、挖掘的能力，使审计档案人员由传统的“审计档案保管者”变为“审计档案信息资源的管理者和传播者”，从而为大数据时代下的审计档案信息化发展奠定坚实的人才基础。

（三）强化安全意识，加强权限管理，增强防御能力。大数据时代下审计档案信息化管理存在两方面的安全隐患，一个是审计档案质量控制方面的，另一个是审计档案安全控制方面的。

1．审计档案质量控制方面。

（1）审计档案的收集。前移关口。即从前端进行控制，确保档案管理的规范，将审计档案管理融入到财政审计、金融审计、社保审计、投资审计、外资审计、环保审计等系统中，将文件、数据归档流程写入审前调查了解环节、审中查实取证环节、审后自我检查环节等各个环节，改变以往的只注重“审后统一归档”的模式，抓好文档的前端控制。

（2）审计档案的整理。审计档案的整理要做到全技术支持。首先，传统纸质档案以“卷”为单位，在大数据时代，海量数据决定无法进行组卷，可以以“件”、“数据库”为管理对象；其次，由于档案数据的快速增长，因此对其中每份档案“逐份鉴定”不符合效率性的要求，可以对某个项目、事件采取“宏观鉴定”；再次，在档案统计方面，从原来的以“页”、“米”为统计单位改为以“GB”为统计单位。

（3）审计档案的利用。档案的利用要做到全智能服务。传统的档案管理以文档管理为主，档案基本处于被动利用，沉淀的档案没有人去分析利用。在大数据时代，我们要主动调查业务部门的需求，建立各种数据模型，对海量数据进行聚类、分类、相关性分析，找到数据之间的关系，进而为业务审计、计算机系统优化服务，提高领导决策水平和审计档案工作效率，提高审计数据的利用效果。

2．审计档案安全控制方面。

（1）设置访问权限。不仅要设置用户名和密码，还要根据档案资料的重要性为不同的人员设置不同的权限，为不同权限的人员设置档案资料的访问范围，并为不同人员设置不同的数据载体权限，不同的级别的人员必须使用规定的载体拷贝相关资料。

（2）加强安全教育。加强管理人员防范意识，定期进行安全宣传和安全检查。

（3）高端控制。限制专门服务器，专用网络，并安排特定人员通过特定计算机访问，配备专业数据安保人员来监控，不可随意将其放到公网或局域网中。