高等教育人才培养策略与思考

摘要:大数据技术作为一种新工具，在高等教育人才培养中发挥越来越重要的作用。文章研究大数据在高等教育人才培养过程中的困惑与挑战，基于大数据的高等教育要为人才培养、发现、使用和发展服务，要特别重视从高等教育的人才培养历史数据中预测未来的人才发展趋势，使高等教育人才培养目标可事前预知，并在培养过程中对偏差进行校正。作为一种高等教育人才培养的数据驱动，该技术为实现高等教育人才培养的“实时”和“未来式”的教育管理方法提供一种借鉴和参考。

关键词:大数据;高等教育;人才培养;基础设施;可视化

高等教育管理实践重要的任务是培养和发现人才，随着现代信息技术的迅猛发展，高校学生在网络社会的活动轨迹以文字、图片、音频、视频等形式记录下来，通过对这些海量数据的科学建模与深度挖掘分析，可以预测判断某个个体或群体的思维动态、学习状态、生活状态和行为特征，从而对高校学生进行全方位、立体化培养方案的制订提供精确的依据和参考［1］［2］。

一、大数据对高等教育人才培养的影响

1．依据未来趋势分析社会需求现代高等教育管理区别于传统意义中高等教育管理的最核心之一是高校学生的职业规划［3］［4］，高校在针对学生培养计划和培养方案的制订过程中需要能够高度匹配社会需求，社会需求随着政策和市场环境而发生变化，高校的培养计划更需要基于社会需求进行规划，更好地模拟和预测社会未来的的发展。现在高校培养计划的制订是基于既定的目标、结合学校的资源配置，进行学生未来的职业发展规划;而基于大数据的学生职业发展规划，则需要更广泛地分析历史、行业、全球、地区的数据，并结合政策信息、人口信息、环境信息等各种数据，模拟未来的社会需求、发展、演变以及与之配套人员结构、数量、能力要求、人才储备、发展计划等。因此，高等教育的培养方案不再是单纯的计划，而更多的是立足于长远的规划和演进，进而避免高校教育与社会需求的脱节，对学生的未来做出精准规划。当然，也需要清醒地看到，囿于高校中的大数据规模效应尚未形成，社会发展及需求分析的大数据仍然需要更广泛的数据源补充。2．深入了解个人能力和社会需求的匹配程度现代高等教育的人才培养方案中习惯性认为，学生完成培养计划中的任务便已经具备胜任某种工作的能力，同样习惯性认为已经为学生制定比较正确的职业规划，其实不尽然，事实上，社会环境及商业环境的变化、知识更新换代的加速，决定在能力评估方面的严重误判风险，以及高校和学生对发展方向的盲目乐观，以大学四年的学习为例，新兴岗位培养体系的无法借鉴性，加之知识更新换代频率的加速，决定传统的培养方式、培养内容、学习目标、学习动因都在发生颠覆性的变化，如何更好地、更有针对性地、更合理地安排高校学生的学习成长目标、学习发展方式、职业生涯规划、毕业后的终身学习及适应发展的能力，成为大数据时代高等教育管理的巨大挑战和重大契机。3．通过考核提高学生综合素质高等教育管理中考核的核心价值在于将高校培养计划和培养目标高效、准确地传递给每名学生，完善的考核体系能够帮助高校有效地执行培养计划，实现培养目标。而大数据时代的考核体系，则进一步需要对一系列高素质学生“画像”，并以此“画像”培养学生、发掘学生、塑造学生，通俗而言，即是透过大数据分析，将各种高素质学生的特征进行量化描述，进而基于此可视化描述形成学生的培养标准和培养目标，帮助高校建立完善的、符合社会需求的培养方案和培养目标，以高素质学生的特征为基准，全面提高学生的综合素质。4．通过洞察微末盘点社会人才需求在高校所设置的各个专业中，未来分别有哪些专业的需求较高，主要原因是什么?在目前各专业所设置的理论教学与实践教学中，哪些知识或技能对学生未来的成长帮助更大［5］?对于这些问题，高等教育管理者一般无从回答或仅能凭感觉回应。以大数据的人才盘点为基础，可以将基于样本的分析模型，应用于足够丰富的大数据，进而更清晰地盘点隐藏在社会需求人才结构下的能力和潜质分析，同时，反过来优化分析模型，可更好地对社会未来的人才进行盘点，包括人才结构的盘点、发展趋势的盘点，这是对传统的智能分析“以结构和因果为主进而发现问题为原则”的跨越式升级，形成洞察微末，进而形成更加完善的人才培养方案和培养目标。

二、大数据对高等教育人才培养的挑战

1．由传统的随机样本预测到全体数据预测的转变随着数据处理技术的快速发展，大数据时代进行抽样分析所需要的数据是全体数据，即“样本=全体”［6］［7］。在当前的高等教育人才培养方案与社会需求契合度是通过“样本”数据基于传统的统计学进行预测，而在大数据的思维中，既然是“样本”数据，那一定会存在误差，并会对预测结果产生影响，这种影响也许对整体的偏差不大，但就个体而言，会产生很大的影响，甚至有可能对个别学生的一生产生误导。大数据是指不再采用随机分析法，而是采用所有数据的方法。其实，这样的处理方法，在具体实现的过程中也会遇到一些问题，但相比于随机抽取“样本”数据，准确率已不可同日而语。2．由传统的结构化数据到非结构化数据的转变现在的高校数字化管理系统所采用的都是关系型数据库，即结构化数据存储方法，并只能对结构化数据进行处理［8］－［11］。而在大数据思维中，处理结构化数据是信息缺乏和模拟时代的标志，在现在所获得的信息中，仅有5%的数据是结构化数据，只有接受其余95%的混乱的、非结构化的数据，才能全面地、完整地、立体地对事物进行观察。但现在，当我们试图扩大数据规模的时候，要学会兼容混乱，数据的混杂必然会牵扯到混杂数据的存储。大数据思维要求必须能够接受数据的混乱和非结构化。3．由传统的因果关系到相关关系的转变在传统观念中找到一切事情发生背后的原因往往被认为是社会建立的基础。然而在大数据思维中，知道“是什么”就够了，没必要知道“为什么”，即不必非得知道现象背后的原因，而是通过数据来说明，其实上述前两个重大转变而导致第三个转变，这个转变可能会颠覆传统观念。而在更多的时候，寻找数据间的关联并利用这种关联就足够了。这种关联是决定预测的关键因素。相关关系的核心是量化两个数据值之间的数理关系。相关关系强调的是指当一个数据值变化时，另一个数据值很有可能随之变化。建立在相关关系分析法基础上的预测是大数据的核心，使高等教育管理者通过大数据来关注什么因素影响学生的综合素质，而不再关注为什么是这些因素影响学生的综合素质，跳开追本溯源的探究，不再纠结于因果的论断，从而颠覆传统的理念，从关系入手，开启数据大数据的探索。

三、大数据时代高等教育人才培养的方法

1．高校的一切教学和管理流程都需要数据化将高校的一切教学和管理流程数据化，是高等教育能够通过深入数据分析，实现自身优化的基础。在高等教育的教学和管理中，记录学生成长过程中的所有数据，甚至包括学生日常生活中的轨迹、消费、爱好、娱乐等信息，通过这些信息与学生综合素质进行关联分析，得到影响学生综合素质的关键因素，从而通过管理手段或培养方案的微调来进行控制，进而提高人才培养的质量。2．高校需要建立基于海量数据的深入分析能力在大数据时代，数据分析能力的强弱直接影响到能否对海量数据的充分利用。利用基于海量数据的深入分析能力所得出的结论，可以为不同的用户提供多样的服务，但是大部分的服务所要解决的核心问题都是基于用户的实时浏览、查询感兴趣的信息，高校充分地利用大数据，需要有意识地建立数据挖掘、机器学习等方面的技术，并具有高效地完成分类、聚类、预测、推荐等较复杂数据的深入分析能力。3．高校需要制订相应的数据储备计划高校无论是否用数据做决策，数据都真实地产生并存在，只是分析的意识不够，数据里面有很多噪音，并不是所有数据都有价值，每所高校不管多大规模，都能够或多或少地掌握学生信息，如果不能全面地获得学生的信息，就无法挖掘数据潜力，高校中的每个专业都有相应的指标来衡量专业的发展水平，这些指标是实现提升专业水平和学生素质最核心的因素，不能通过数据有效地抓住核心指标会浪费资源和时间。因此，高校必须对海量数据制订完整的存储更新计划。

四、大数据时代高等教育人才培养的实现

1．高等教育人才培养数据的基础架构高等教育人才培养需要使人才培养方案具有客观性和可操作性，而评判标准是价值观和社会认同度的反应，通过特定的技术形式和规则来量化评判标准，并由此形成政策来规范执行者的行为，并及时地反映出问题的症结所在，即评判标准决定执行的能力、过程和结果。高等教育人才培养数据的基础架构是在技术要素框架下，学生与企业、经济和政治背景的数据融合，这些数据通过算法描述并实现其功能，因此，高等教育人才培养逐渐成为数据采集和数据分析的实践领域。2．高等教育人才培养数据的虚拟世界随着高等教育人才培养过程中所产生的数据呈几何级增长，以及硬件技术不断提高，使数据变得更具可视性、重现性和说服力。虚拟教育场景是数据表达的镜像及图形化的场景，在这些场景中，数据由图标、图形、表格或其他易于理解的形式表达，虚拟教育场景能够使高等教育人才培养变得更加物化和可操作，这种虚拟教育场景将高校学生的考试成绩、进步率、出勤率及其他相关因素形成数据仪表板，使高等教育人才培养变成对不同用户易查询、易展现、易理解的表现方式，将其转换成可公开访问的形式，让更多的决策者、媒体和公众充分地了解，引导高等教育管理者和用户做出合理、有依据的决策，并可扩展到常规的高等教育管理和检查中。3．高等教育人才培养的可视化高等教育人才培养数据管理的一个关键技术是数据可视化，数据可视化是对高等教育人才培养过程的数据展示和动态变化趋势的展示，高等教育人才培养过程数据的可视化无论是在其展现能力上，还是在其表达方式上都如实反映数据，并放大数据的丰富程度和说服力，由此可以用来创建指标参数和对培养方案和培养目标进行解释，高等教育人才培养过程的可视化是界面，由各种软硬件创建，包含大量的程序代码和不同信息粒度的数据。这个可视化、图形化的描述构成一个复杂的高等教育人才培养过程，涉及各种政策、操作者、执行者和影响因素，具有很强的说服力来使高等教育管理者和学生明确人才培养方案的执行过程，以及最终实现的培养目标。

五、结论

一旦高等教育被数据化，并拥有数据分析工具以及必需的设备，就可以对高等教育人才培养领域更快、更大规模地进行数据处理，去揭示隐藏在数据中的价值，从一个从未有过的视角来审视高等教育人才培养过程中的每一个细节。抛开传统的思维模式，利用大数据的思维把未来一些不确定性、风险性准确地预测出来，帮助高等教育管理者合理地制订人才培养方案和培养目标，提升高等教育人才培养的整体水平，解决现阶段高等教育人才培养与社会需求脱节的矛盾。

参考文献:

［1］张燕南，赵中建．大数据时代思维方式对教育的启示［J］．教育发展研究，2013(21):1．

［2］葛琳琳，张威．数字化档案IP网网络设计方法的研究与应用［J］．辽宁石油化工大学学报，2015(1):65．

［3］周湘林．大数据时代的教育管理变革［J］．中国教育学刊，2014(10):25．

［4］魏忠．教育正悄悄发生一场革命［M］．上海:华东师范大学出版社，2014:52．

［5］喻长志．大数据时代教育的可能转向［J］．江淮论坛，2013(4):189．

［6］葛琳琳，等．高校党校数字化档案安全等级保护策略［J］．兰台世界，2015(4):87．

［7］杨现民．信息时代智慧教育的内涵与特征［J］．中国电化教育，2014(1):32．

［8］金陵．大数据与信息化教学变革［J］．中国电化教育，2013(10):13．

［9］葛琳琳，钟俊生．美国高校学生事务管理框架、特征及启示［J］．现代教育管理，2016(1):124．

［10］葛琳琳，张威．高校学生数字化档案的渗透入侵测试研究［J］．兰台世界，2015(12):46．

［11］张威，葛琳琳．一种抗几何失真的非对称图像水印算法的设计［J］．辽宁石油化工大学学报，2014(6):71．

作者：葛琳琳 贾银山 单位：辽宁石油化工大学 计算机与通信工程学院