大数据在军队院校教学管理中的应用

摘要摘要：大数据在社会经济各领域深入、广泛应用。在简述大数据特征与大数据思维基本概念的基础上，分析军队院校教学管理中大数据应用的可行性和必要性，并构建了以数据为中心的教学管理大数据应用模型，探讨军队高校教学管理中大数据应用领域，为提高教学质量提供参考借鉴。

关键词关键词：大数据；教学管理；应用模型；数据挖掘

DOIDOI：10.11907/rjdk.171063

中图分类号：G434

文献标识码：A文章编号文章编号：16727800（2017）005021903

0引言

随着信息化的不断发展，以大数据技术为代表的新兴计算机信息技术在各行业得到广泛应用。大数据时代，原有的信息系统由以业务为中心向数据为中心转变，需对数据进行智能采集、高效集中、科学分析，充分挖掘大数据价值。军队院校教学训练信息化水平不断提升，在线教学平台、教学管理信息系统等广泛运用于教学训练管理过程中，形成了大量的教学管理数据。大数据时代，探讨军队院校在教学管理中如何有效运用大数据具有重要意义。

在大数据时代，军队院校需围绕军事人才培养的中心目标，充分利用大数据提升教学质量，完善教学管理，优化教学制度。本文主要分析利用大数据技术及思维推动信息化教学管理的应用条件，并构建教学管理大数据应用模型，探讨军队高校教学管理中的大数据应用领域，从而对提升军队院校信息化管理水平，推动军队院校教学管理资源高效利用提供借鉴。

1大数据及大数据思维

大数据是一种使用目前现有数据库管理工具或传统数据处理应用很难处理的大型而复杂的数据集，其包括采集、管理、存储、搜索、共享、分析和可视化等。

2011年，全球著名战略咨询公司麦肯锡的全球研究院（MGI）的《大数据：创新、竞争和生产力的下一代新领域》研究报告首次提出了大数据的概念，分析了当前数字数据和文档数据飞速发展的形势和数据中隐藏的价值，提出了其在经济活动中的业务价值链。

大数据具有“4V”基本特点，即大量化（Volume）、多样化（Variety）、快速化（Velocity）、价值（Value）。其中，大量化是指数据体量巨大；多样化指非结构化数据结构不一；快速化指数据产生、变化速度快；价值体现在两个方面，一是数据源的价值密度低，二是能够提取新的价值。

维克托・迈尔-舍恩伯格在文献[1]中提出了大数据时代概念，指出伴随大数据在社会经济各领域的广泛应用，大数据时代已经来临，并已经深刻改变着人们工作、生活系统甚至思维方式。如利用大数据对网络公众平台群众情绪进行分析可预警群体社会事件、甚至挖掘苗头；通过用户的网络购物习惯分析可对用户进行购物推荐、归纳用户类型；企业可利用大数据开展精准营销，从而提高企业的市场竞争力。

我国工程院院士邬贺铨[2]提出“大数据思维”概念，认为大数据不仅是一种资源，也是一种方法，伴随大数据产生了数据密集型科学。这一新的科学研究思维的特点表现为不在意数据的杂乱，但强调数据的量；不要求数据精准，但看重其代表性；不刻意追求因果关系，但重视规律总结。这一思维模式不仅仅适用于科W研究，也能够运用于经济社会各领域，通过外部基本数据发现其内涵规律。

2大数据在军队院校教学管理中应用的可行性及必要性

（1） 教学管理信息系统产生了大量的教学管理相关数据。随着军队院校硬件环境发展，在教学管理过程中已运用大量教学管理信息系统，这些信息系统会产生大量与教学管理信息密切相关的数据。如海军工程大学已经运用教务管理系统、课表管理系统、学员外出管理系统、评教管理系统等各类信息系统。以课表管理系统为例，每学期将产生13 500多条本科学历教育数据，整个教学管理过程产生的数据体量更大。

（2） 现代新兴教育信息技术及训练信息手段催生了大量非结构化数据。

传统的数据管理系统（DBMS）主要基于关系数据模型，针对结构化的数据。随着在线教学等现代新兴基于信息技术以及运动手环等训练信息手段在教学管理中的运用，产生了大量的非结构化数据。典型的非结构化数据包括：在线学习时学员登录的地点、时间点，军事训练时的GPS位置、心率等数据。这些数据处理需依赖新的大数据工具。

（3） 当前教学训练管理不能很好地适应教学管理信息化发展。目前使用的教学训练管理信息系统存在以下3个方面问题：一是缺乏整体性。当前系统大多以独立业务信息系统为主，各系统间缺乏联系，没能将整个教学管理过程形成整体贯通；二是缺乏个性化。各系统对教学训练管理数据的分析只针对整体数据的基础统计分析，缺乏针对个体用户的预测指导；三是缺乏知识性。各系统虽然有一些大数据，但只进行了简单的统计分析，缺乏深入的数据挖掘，没有利用大数据形成知识（Smart Data）。

当前信息系统不能较好地完成教学管理全过程智能分析与科学决策，随着教学管理信息化水平的提升，缺少针对大批量、非结构化数据的行之有效的数据管理工具，因此需要从数据体量、类型和处理工具3个层面采用大数据技术或思维。

3大数据在教学管理中的应用模型

《2013NMC地平线报告（高教版）》认为“大数据和学习分析”将在未来成为主流技术。通过教学训练中产生的海量数据，可评估学员学习表现，科学评估成绩，并发现潜在的问题。

大数据在教学管理中的应用模型构建（见图1）应改变当前以某单一教学业务或管理工作为中心的形式，以教学管理形成的海量数据为中心，依托现有信息系统。

（1）数据采集层。主要用于对学员教学管理数据采集，既包括对当前已有数据源的采集，也包括通过物联网（IOT，Internet of Things）等其它新技术对教学管理数据的采集。

（2）数据处理层。包括数据集成和数据分析两个主要步骤，其中数据集成对采集的数据源通过数据清洗、筛选等步骤将非结构化数据等按照统一数据模式形成统一的数据源。数据分析是数据处理的核心功能，教学管理大数据主要包括学习分析（LA，Learning Analysis）和数据挖掘（DM，Data Mining）两大功能[3]。其中学习分析主要对学员学习环境进行监测分析，优化学习情境；学习数据挖掘则是通过分类树、机器学习等算法对综合的海量学习数据进行分析，发现知识。教育数据挖掘方法主要包括统计分析与可视化、聚类（聚类、离群点分析）、预测（决策树、回归分析、时序分析）、关系挖掘（关联规则挖掘、序列模式挖掘、相关挖掘）以及针对文档数据的文本挖掘和在线学习中的基于Web的日志分析等方法[4-6]。

由于数据体量巨大化、来源分散化的特点，可以采用云计算（CC，Cloud Computing）技术进行具体应用。

（3）数据应用层。包括与具体业务密切相关的数据应用，不同的业务对数据关注的属性面不一样。与用户密切相关，不同层级用户需求的数据结果的维度不一样。目前，对于学员学习习惯分析、课程管理分析等具体应用在地方高校已经有部分实践。

4大数据在军队院校教学管理中的应用

4.1学习习惯分析：借鉴MOOC选修课的学习干预管理

以MOOC（Massive Open Online Course）为代表的在线学习方法在军队高校中已有广泛应用，海洋工程大学在国防科大“梦课”平台开设了MOOC课程，并利用MOOC开设选修课。但是，MOOC高退出率和低完成率是困扰国内外MOOC平台和在线教学工作者的难题之一，据统计，“梦课”平台的平均完成率仅有15%左右。

通过分析MOOC在线平台的Web数据挖掘，分析其日志文件，研究每一名学员的MOOC学习信息，通过时间序列分析各时间段学员登录MOOC平台进行学习的时长以及IP地址，从而得到学员参加MOOC学习的学习习惯，发现MOOC学习周期中的懈怠点，通过加入面对面的线下研讨交流，帮助学员调整学习状态，提高MOOC学习效率[7]。

4.2课程关联分析：帮助学员进行课程学习预警

大数据分析的特点是注重关联关系，因此可以更多地在过程中进行干预。学员某门课程没有学好，后续课程往往比较吃力，对课程知识预见不强，借助大数据技术能够对学员课程学习进行及时预警。

通过对历年学员各科考试成绩以及选修课程情况进行大数据挖掘，分析课程间的关联关系，特别是前置课程成绩与后续课程成绩间的强关联关系，当某前置课程出现低分情况时，给出相应的学习辅导。西安电子科技大学贾文在文献[8]中提出了课程间相关性数据挖掘算法。

4.3数据体系分析：科学指导学员进行体能训练

大数据分析注重全数据，而不是样本数据，其中全数据体现在两个方面：一是数据样本是整个数据对象集合；二是数据采集面不应人为进行裁剪，所有相关数据都可参与分析，但要避免“全息”数据，导致数据维度过高不能高效分析。

通过集成学员教学数据、外出数据以及通过运动手环记录的GPS等非结构化数据形成的运动数据，研究运动效果、各时期运动量、科目学习任务量、外出情况等之间的关系，分析学员体能情况，从而提出合理科学训练计划，使得训练计划人性化、科学化，训练任务安排精准化、智能化。

5结语

大数据已经深入广泛应用于社会经济诸多领域，并发挥了重要作用。在军队院校中应用大数据势在必行，通过集成教学业务信息数据源，构建基于教学数据为中心的大数据应用模型。

随着物联网、云计算等新技术发展，大数据可运用于军队院校教学管理更多层面，成为提高教学训练管理质量的倍增器，推动教学训练管理改革，对军队教学质量提升具有重要意义。

参考文献参考文献：

[1]维克托・迈尔-舍恩伯格.大数据时代：生活、工作与思维的大变革[J].浙江：浙江人民出版社，2013.

[2]邬贺铨.大数据思维[J].科学与社会，2014，4（1）：113.

[3]魏顺平.Moodle平台数据挖掘研究――以一门在线培训课程学习过程分析为例[J].中国远程教育，2011（1）：2430.

[4]贾文，臧明相，周鸿.基于数据挖掘的课程相关性研究与分析[J].计算机技术与发展，2006，16（12）：178180.

[5]伊恩・艾瑞斯.大数据思维与决定[M].北京：人民邮电出版社，2014.

[6]阮绍萍.大数据背景下高等学校教学管理的新思路[J].科技视界，2015（9）：111112.

[7]云帆，张铭.MOOC课程学生流失现象分析与预警[J].工业和信息化教育，2014（9）：3336.

[8]葛道凯，张少刚，魏顺平.教育数据挖掘：方法与应用[M].北京：教育科学出版社，2012.