基于大数据的自学考试现状、困境与破解途径

    李骐 李全龙 李国成

    

    

    

    摘要：高等教育自学考试是一种个人自学、社会助学和国家考试相结合的高等开放教育形式。自1981年创立以来，自学考试不仅为实现教育公平、提高国民素质做出了重要的历史贡献，而且也积累了丰富的考试数据资产，如何从数据挖掘的视角来分析自学考试面临的问题并促使其改革转型，是大数据时代自学考试研究的重要命题。通过对2003-2017年全国自学考试积累的海量考试大数据进行分析发现，当前我国自学考试正面临报考规模大幅下滑、地域发展不够平衡、专业设置脱离社会需求、课程设置不够科学、助学手段相对单一、考试与毕业难度大等诸多困境。为了更好地实现自学考试的改革转型，自学考试的决策者应鼓励和引导优质民办高校力量参与办学，推进自学考试课程与优质慕课的相互融合，加强自学考试大数据的建设和应用。这些基于大数据支持的实践措施，有助于转变自学考试的培养目标，补强自学考试的教育功能，满足社会发展对高素质劳动者的需求，同时也有助于自学考试与普通高校及其他高等教育形式形成错位竞争、优势互补的教育生态环境。

    关键词：自学考试;大数据;数据挖掘;现实困境;破解途径

    中图分类号：G434 ? 文献标识码：A ? ?文章编号：1009-5195（2019）03-0086-10 ?doi10.3969/j.issn.1009-5195.2019.03.010

    大数据及其处理技术对人类社会发展的革命性作用越来越得到全社会的普遍认可，大数据已经成为观察人类自身行为的“显微镜”，正在扩大人类科学的范围，推动人类知识的增长，引领新的经济繁荣。党的十九大报告明确指出要推动大数据和实体经济的深度融合（习近平，2017），大数据已然成为新时代我国国家发展核心战略的重要组成部分。考试作为教育的重要环节，担负着评价学生、选拔人才和引导教学等诸多任务，尤其像我国这样的考试大国，考试更是与千家万户的切身利益息息相关。在我国，几乎每天都有各种内容、各种层次和各种规模的考试，每年都有上亿人参加考试，该过程所产生的数据量之庞大，数据类型之丰富，所蕴含信息价值之高，完全符合大数据的相关特征。大数据技术在考试领域的价值主要体现在两个方面：一是大数据的全樣本、多模态和智能化特点为实现单一考试向多元评价的转变提供了技术保障;二是考试大数据能够更加真实和全面地反映教育活动中的各种行为、现象和关系，并通过各种新技术手段将传统教育评价过程中被忽略的、孤立的、隐藏的有价值信息挖掘并展现出来，以此为基础进行科学、精准地教育决策。

    高等教育自学考试（以下简称“自学考试”）是一种个人自学、社会助学和国家考试相结合的高等开放教育形式。自1981年创立以来，在相当长的一段历史时期内，自学考试充分满足了我国广大人民群众接受高等教育的愿望，为实现高等教育公平性、提高国民素质水平做出了巨大贡献。随着我国经济、社会和教育水平的快速发展，近几年来自学考试也面临新的形势，呈现出新的特点。如何利用自学考试多年来积累的数据进行大数据分析挖掘，真实反映自学考试的发展现状，精准发现自学考试事业所面临的问题，提出其改革发展策略并促使其改革转型，是大数据技术在考试领域需要重点挖掘的命题。

    一、数据处理过程

    本文以2003-2017年共15年的全国自学考试综合报名数据为研究数据集，数据来源于各省、直辖市和自治区自学考试报名系统，数据汇总后的总量约为1.2亿条记录。为了降低如此庞大数据量的处理难度，首先对数据集进行拆分，按照年度、考次、专业、省份和课程将数据分别存储，以降低单个数据文件的大小。其次，将报名系统中导出的数据库文件转换为处理速度更快、容错性更强的文本文件，以作为本研究的数据源文件。整个数据的处理过程包括数据提取、数据清洗、数据分析和可视化展示四个环节，如图1所示。

    在数据提取阶段，调用Java语言中的相关API函数，结合正则表达式，从输入的数据源文件中提取出原始数据。在数据清洗阶段，对原始数据进行查错纠错，编写程序自动修改字段缺失或重复等问题，对于个别文件中数据错位、小规模乱码等问题进行手动处理，最终得到规范化的数据并按照年份、报表类型存储到MySQL数据库中。在数据分析阶段，使用SpringMVC和Mybatis工具开发了一个部署在本地的小型网站，利用Mybatis配置连接数据库，对数据库中的原始数据进行简单和复杂索引，将得到的查询结果传递至服务层，服务层对数据分析中常用的业务进行归纳建模，例如原始数据浏览、数据成分分析、数据变化趋势、相关性分析等。每个业务对应后台中的一个或多个服务（Service），网站前台的控制器（Controller）负责调用这些服务来实现具体的数据分析，将分析结果传递到最后一步进行可视化展示。在可视化展示阶段，调用BootStrap、HighCharts、HighMaps等API，根据需要形成各种数据可视化展示图表。

    二、自学考试大数据分析挖掘的基本结果

    1.自学考试总体报考规模及地域分布

    我国的自学考试制度自1981年开始试点到1988年国务院发布《高等教育自学考试暂行条例》，再到1998年《中华人民共和国高等教育法》中明确规定了自学考试的地位和作用，一直处于迅速发展阶段。自学考试凭借其灵活的学习方式，低廉的学习成本，高质量的考试认证，为众多高考落榜生提供了普通高校之外的高等教育机会，成为普通高等教育的有效补充形式。数据分析结果显示：在2003年，全国自学考试报名的总规模①为1024万人次，在之后的几年时间里一直保持近千万人次的规模，直到从2009开始，报考规模呈现出加速下降的趋势，到2017年全国自学考试报考规模已经降至470万人次左右（如图2所示）。

    按照分省市统计的自学考试报考数据显示，自学考试的区域发展受到各地经济、人口、高等教育发展水平的影响，呈现出比较大的差异性。以2017年为例，报考人数最多的省（市、自治区）是广东省，其报考人数为655230人次;报考人数最少的省（市、自治区）是西藏自治区，其报考人数只有2594人次，除西藏自治区外，报考人数少于1万人次的省（市、自治区）还包括内蒙古自治区和宁夏回族自治区。表1列出了2013-2017年自学考试报考规模前7名的省市。可以看出，江苏、广东、四川、湖北、山东、湖南、江西等省属于近5年来自学考试报考的热门区域。

    2.自学考试考生成分构成及其相关性特点

    自学考试作为一种开放教育形式，拥有广泛的报考群体。按照考生性别、年龄、职业、教育背景四个维度对2003-2017年间所有参加自学考试的考生数据进行统计分析，可得到如图3、图4、图5和图6所示的结果。

    由图3可见，男性在整个自学考试考生中的占比始终不超过42%，并且呈逐年下降趋势，截至2017年，男性考生只占自学考试所有考生的37%。由图4可见，一直以来，将近60%的自学考试考生，其年龄处于21～25岁，20岁以下和35以上的考生占比较小。由图5可见，在考生职业结构方面，2005年之前，各行业的专业技术人员是自学考试最大的考生来源;而从2005年之后，学生考生的占比逐年提高，截至2017年已经达到62%，成为最主要的自学考试考生群体。由图6可知，在考生学历背景方面，具有专科学历的考生一直处于主导地位，且占比逐年上升，截至2017年已经超过整个自学考生群体的60%。

    对数据进一步挖掘分析发现，不同维度之间存在一些相关性特点。首先，将考生性别与报考专业之间进行相关性分析发现，报考人数中女性考生比例最高的5个本科专业依次是护理学、学前教育、汉语言文学、小学教育和英语，女性考生比例最高的5个专科专业依次是学前教育、护理学、人力资源管理、英语和行政管理;报考人数中男性考生比例最高的5个本科专业依次是机电一体化工程、建筑工程、交通土建工程、计算机应用和机械制造及自动化，男性考生比例最高的5個专科专业依次是汽车维修与服务、机械制造及自动化、数控技术应用、房屋建筑工程和计算机网络。其次，将考生职业与学历背景进行相关性分析发现：有78%的军人职业考生，其学历背景为专科及以下;有72%的专业技术人员考生，其学历背景为本科及以上;有70%的国家机关、国企负责人及办事员职业，其学历背景为本科及以上;有69%的农林牧渔业职业考生，其学历背景为高中以下。这几组考生职业与考生学历背景呈现出比较明显的相关性。

    3.自学考试专业开设及报考情况

    目前，自学考试共开设314个本科专业，402个专科专业，涉及电子电工、经济管理、医学、法学、文史、公共管理等14个学科门类。数据分析显示，自学考试各专业报考规模均呈逐年下降的趋势。在专业层次方面，从2000年开始，本科层次报考规模开始超过专科层次，并且差距逐年扩大;截至2017年，本科层次报考规模已经占到自学考试报考总规模的80%。2017年，自学考试专科报考人数最多的前6名专业分别是学前教育、护理学、行政管理、会计学、法律和汉语言文学;本科报考人数最多的前6名专业分别是会计学、人力资源管理、护理学、学前教育、汉语言文学和法律。数据分析还发现，在自学考试各专业报考规模普遍下降的背景下，学前教育（独立本科）专业近年来却呈现逐年上升的趋势，特别是在2010年之后，报考规模从不到4万人迅速跃升到2017年的近18万人，如图7所示。

    4.自学考试课程报考情况

    自学考试的课程由全国统一命题考试课程（简称“统考课程”）和省级命题考试课程两大部分组成，其中全国统考课程在全国范围内使用统一试卷考试，省级命题课程只在开考省份使用。统考课程是自学考试课程体系的主体，在大纲建设、教材编写、考试命题、安全保密等方面都有着更高的要求。2008-2017年自学考试全国统考课程数量变化情况如图8所示，可以看出，近10年来自学考试统考课程数量保持在500～700门，且呈逐年减少的趋势。

    在每年开考的几百门统考课程中，不同课程的报考科次数量存在很大差别，一方面，“中国近现代史纲要”“马克思主义基本原理概论”“英语（二）”“毛泽东思想和中国特色社会主义理论体系概论”“思想道德修养与法律基础”“大学语文”等公共课的报考科次可以达到几十万甚至近百万;另一方面，还有大量课程的报考科次偏低，有些课程的全年报考科次甚至是个位数。以2017年为例，报考科次最多的前10门统考课程名称及其报考科次数如表2所示。报考科次最多的前20门统考课程，其报考科次之和占所有516门统考课程报考总科次的48.9%。报考科次少于1000的统考课程共有182门，其中报考科次少于200的有90门，其具体分布如表3所示。

    5.自学考试课程通过率与毕业情况

    自学考试为标准参照性考试，所有考试科目试卷满分为100分，考生成绩达到60分即为考试通过，即可获得该课程所设的学分。2003-2017年自学考试所有课程考试的总科次通过率②如图9所示。由图9可见，除了2013年和2014年的总科次通过率为61.45%和61.5%之外，其他各年度的总科次通过率均小于60%，其中2010年之前的自学考试总科次通过率更是均小于55%。数据分析显示，每年自学考试1000多万科次的考试中，没有通过的科次占比普遍超过了40%。

    2003-2017年，自学考试共有超过784万人获得自考本、专科毕业证书，各年度毕业总人数如图10所示。其中，2003-2008年自学考试每年毕业的总人数均未超过40万人，从2009年开始，每年毕业人数逐年增加，直到2014年达到773974人的峰值，之后又呈現逐年下降的趋势。从最近5年的自学考试毕业率③（见图11）可以看出，每年的自学考试毕业率基本处于1.5%～2.5%。

    三、自学考试大数据揭示的现状和问题

    1.高等教育大众化背景下，自学考试总体规模大幅度下降

    自学考试报考规模从2003年的1024万人下降到2017年的470万人，总体降幅超过了50%。究其原因，既有我国经济社会迅速发展，高等教育大众化水平越来越高的客观原因，也有自学考试本身在理念、制度、机制和技术方面存在的主观问题。从上世纪90年代末开始，我国普通高校的招生规模持续大幅度增加，从1999年的160万人一直增长到2016年的772万人。同时，普通高校的录取率也随之增加，目前全国普通高校的总录取率已经超过80%，高考变得不再困难，学生进入普通高校变得更加容易。另一方面，我国其他成人高等教育形式在这一时期也迅速发展，成人高考、广播电视大学（开放大学）、网络学院等教育形式为不能进入普通高等学校的学生提供了更多选择继续教育的机会。这两个因素叠加在一起，客观上造成了自学考试报考规模出现较大幅度下降。而在主观上，自学考试在发展过程中也存在自身定位不准确、培养目标与社会需求脱节、教材大纲陈旧、助学力量和手段不足等问题。另外，自学考试统考课程设置还不够科学，每年还有相当数量的统考课程报考科次偏低，占用了大量的命题、制卷、保管、运输等考试资源，影响了自学考试的整体发展质量和效率。

    2.地区发展不均衡，受经济、人口、教育水平等因素影响显著

    数据结果显示，全国各省、市、自治区自学考试报考规模差异较大，受到当地人口、经济、教育等诸多客观因素的影响。近几年来，江苏、广东、四川、山东、湖北、湖南、江西等省的自学考试报考规模位于全国前列，而这几个省的国内GDP排名、人口数量排名、省内高等学校数量及在全国排名情况（以2016年为例）如表4所示。

    表4显示，江苏、广东、四川、湖北、湖南和山东等省均为经济总量高、人口众多的省份，并且高等教育水平相对发达，拥有众多的高等学校。人口众多、经济总量相对高的地区同时也是青年劳动力的主要流入地，这为当地自学考试的发展带来了大量的生源。自学考试灵活的学习方式和低廉的学习成本对很多渴望继续学习并提升自身竞争力的劳动者仍然具有很大的吸引力。另一方面，目前自学考试的助学主要依靠各类高等学校，因此某个地区如果拥有更多的高等学校数量，则意味着可以为自学考试提供更丰富的助学资源。而江西省的情况相对比较特殊，其经济总量、人口总数、省内高等学校数量在全国均处于中等水平，但其自学考试报考规模却能长期位于全国靠前行列。进一步分析“江西自考现象”的原因发现，江西省内的98所普通高校中，民办高校有31所，约占总数的1/3，在艾瑞深研究院和中国校友会网公布的2017年民办高校全国前150强中（艾瑞深研究院等，2017），江西省的民办高校占据了其中6所，当地的自学考试管理机构也非常重视引导和依托民办高校参与自学考试，在政策制定、社会宣传、技术创新方面给予民办高校更多支持，这也使得江西省在经济、人口、教育水平在全国并不占优势的条件下，自学考试发展相对较好的主要原因。未来随着民办高校规模、师资、办学水平的大幅提升，开展自学考试助学将成为各类民办高校重要的办学方向。在自学考试的招生宣传、专业设置、教学辅导、实践环节、后勤管理和组织备考等方面，民办高校将会发挥越来越重要的作用。

    3.本科层次成为主导，职业型和应用型专业更受考生青睐

    数据显示，本科层次专业的报考规模已经占据了自学考试报考总规模的80%。在我国高等教育大众化的今天，学生对学历层次的要求越来越高，经济社会的发展和就业竞争的加剧使得专科层次已经满足不了很多自学考试学生的需求，本科层次成为更多自学考试学生报考的首选。同时，经过统计分析发现，无论是专科还是本科，自学考试报考人次最多的专业包括学前教育、护理学、行政管理、会计学、法律和人力资源管理等。这些专业培养的都是当前我国社会发展大量需要的应用技能型人才，具有广阔的就业前景。同时，这些专业的学习难度相对较小，适合自学的学习方式，考试通过率也较高。学前教育、护理学、行政管理等专业由于行业的特点，更受女生的青睐，这也符合女性考生占整个自学考试报考规模60%以上的现象。

    值得一提的是，在整个自学考试报考规模持续萎缩的大背景下，学前教育专业的报考规模近年来却呈现增长的趋势。出现这种现象的根本原因在于社会对学前教育专业人才的巨大需求。根据教育部的数据（中华人民共和国教育部，2015），2009年我国学前教育三年普及率是50.9%，到了2017年，学前教育三年普及率已经提升到79.6%，幼儿园数量达到24万所。我国提出到2020年全国学前三年毛入园率达到85%，普惠性幼儿园覆盖率达到80%左右，而目前普惠性幼儿园的覆盖率仅有67%（中华人民共和国教育部，2017）。同时，随着全国二胎政策的放开，我国迎来又一轮生育高峰，必然带来对幼儿教师和保育员等学前教育专业人才的巨大需求。这种社会发展的客观现状以及政策趋势，造成了自学考试学前教育专业报考规模的“不降反升”。

    4.课程考试通过率低，考生毕业难度大

    数据显示，历年来自学考试的总科次通过率普遍小于60%，每年只有2%左右的自学考试考生能够成功毕业，相比于普通高校和其他继续教育形式，“考试难过，学位难拿”已经成为自学考试最为显著的一个特点。这种情况一方面体现了自学考试的标准把握严格，同时也暴露出在当前生源情况发生变化的情况下，自学考试在课程内容设置、命题难度控制、助学质量提升等方面还存在着一系列问题。多年以来，自学考试的专业和课程设置以及考试标准都是比照同时期普通高等学校的相同专业来制定的，比较注重学科知识体系的系统性和完整性，理论部分所占比重较大。考试内容更多地偏重于理论考核，对灵活运用所学知识分析和解决实际问题的能力考察不够。自学考试的大纲教材通常都是邀请各领域的专家编写，这些专家很多都来自于重点高校，在编写大纲教材时会很自然地按照自己所在学校学生的水平进行课程内容和考核要求设计，更多地将学术性和研究性的知识纳入到自学考试的学习和考试范围，显然这对于基础知识薄弱、学习资源不足的自考考生来说具有较大的学习难度。另一方面，自学考试的社会助学渠道虽然已经得到不断扩展和丰富，但助学质量和效果还有待进一步提升。特别是计算机、电子、自动化、机械等工科专业课程本身学习难度较大，同时还需要进行系统的实验课程学习来巩固课本中的知识，而考生通过自学的方式很难完成相关的实验练习，即使参与助学辅导，很多助学机构在硬件、软件和师资方面还达不到这些要求。这些主观和客观的原因都造成了自学考试整体学习和考试难度偏大，课程通过率和毕业率偏低。

    四、破解自学考试困境的对策与展望

    1.认清形势，明确定位，积极推进自学考试改革转型

    近年来，我国高等教育大众化程度越来越高，普通高等学校招生人数和录取比例逐年提升，其他高等教育形式迅速发展，在这种情况下，自学考试面临严峻竞争和挑战，报考规模出现大幅下滑是各方面因素共同作用的客观结果。同时，我们也要看到，自学考试目前每年还有将近500万人次左右的报考规模，报考科次更是在千万以上，仍然是我国高等教育中一支不可忽视的重要力量，为建设学习型社会和完善终身教育体系做出了巨大贡献。在新的历史时期，自学考试必须要认清我国高等教育发展的规律和趋势，将自身的功能定位于培养数以亿计的高素质劳动者和数以千万计的专门人才上，以培养职业型、技能型的高素质劳动者为目标，以社会需求为导向，与普通高校和其他高等教育形式形成错位竞争，优势互补。目前的自学考试还存在政策法规陈旧、助学手段不足、服务功能欠缺等一系列问题，因此，需要进行一场全方位的系统性改革，包括顶层制度设计、培养目标制定、专业课程设置、命题评价模式、自学助学手段、信息技术支撑等。同时，我们应紧跟社会的发展形势，出台新的《高等教育自学考试管理条例》等相关政策文件，明确新时代自学考试的定位、目标、功能和具体办法。此外，我们还应积极研究国家产业政策方向，设计开发符合经济社会发展需要、就业市场欢迎的相关专业，停考、合并、转型一批社会需求小、不具备竞争优势的专业，压缩自学考试统考课程规模，根据每年的报考科次进行统考课程的动态调整，将报考科次过少的统考课程进行停考或下放，做到集中力量办好优质自考专业和课程。在大纲教材编写和命题过程中，我们要充分考虑自学考试的培养目标和考生特点，课程内容设置和试题命制遵循“实用”和“够用”的原则，合理控制自学考试课程的考试难度。

    2.鼓励和引导优质民办高校力量参与自学考试事业

    社会助学是自学考试的重要环节。长期以来，自学考试更多是依托普通高等学校特别是重点院校来进行助学辅导，担任主考学校。曾经一段时间，很多大学都开设了全日制自学考试助学班，参加助学的社会考生像全日制本科生一样在校园学习生活，有大学老师进行授课辅导，利用大学的设备仪器做实验，大大提高了考生的学习效果。然而，随着普通高等学校的连年扩招，高校将主要精力和资源用于全日制普通本科生和研究生的培养，同时由于自学考试规模的下滑，使得普通高校对于自学考试助学工作的积极性不高，许多重点高校不再举办各种形式的自学考试助学班。而与此同时，我国民办高等教育通过国家政策扶持、社会资金介入、优秀人才引进等各种措施，在学校规模、师资设备、管理水平等各方面都有了很大的提升。相对于民办高校越来越丰富的教育资源，国家统一分配的普通本科招生指标已经不能满足很多民办高校的招生需求。在这种情况下，参与自学考试助学工作，提供课堂教学、答疑练习、实验实训、生活管理、组织报考等一系列自学考试相关服务，成为很多民办高校发挥自身优势、加快发展的重要途径，也为广大自学考试考生提供了更好的教育服务，减轻了自学的难度和压力。在新的形势下，我们应当加大鼓励和引导优质民办高校力量参与自学考试助学工作的力度，允许部分教学质量好、管理水平高的民办高校担任自学考试主考学校，特别是在经济欠发达、普通高等教育力量相对薄弱的地区，更应该注重挖掘将民办教育资源引入到自学考试之中，这在一定程度上可以解决自学考试地区发展不平衡的问题。同时，我们应加大对民办高校自学考试助学工作的监督管理，通过注册备案、定期评估等手段，对于在自学助学招生、教学和考试等环节出现问题的学校施行淘汰退出，以保证民办高校自学考试助学工作的高质量和高水平。

    3.探索推进与慕课的相互融合，补强自学考试教育功能

    2012年开始兴起的慕课在短短几年时间里发展迅猛，从教育资源的生产方式到供应组织，从教育资源的消费模式到教育权利的分配，正在对高等教育产生着广泛而深刻的影响（江波等，2014）。根据教育部在线教育研究中心发布的《2016中国慕课行业白皮书》的统计（教育部在线教育研究中心，2016），在2014-2016年三年时间里，国内慕课注册用户规模数从150万人迅速增长到1105万人，开设的各类课程超过15000门。慕课的快速发展表明，在当前信息时代，社会大众对于学习知识技能，提升个人科学文化水平，增强职业竞争力仍然充满了极大的热情。慕课的优势主要体现在：授课形式生动活泼，充分运用动画、视频等手段，营造出沉浸式、游戏化的学习环境，使教学深入浅出，更能激发学习者的主动性。慕课克服了传统网络视频课程单向、缺少互动的不足，学习者和教师在线上可以实现实时提问与解答，学习者之间可形成共同讨论分享的学习社区，极大地促进了师生间的互动教学和学生间的协同学习。《2016中国慕课行业白皮书》还对慕课学习者的成分构成进行了分析，将该分析得到的结果与自学考试考生的成分构成进行对比（见表5）发现，自学考试考生和慕课学习者群体在性别构成和职业构成方面存在很明显的互补性：自学考试的女性考生和学生考生的占比都在60%左右，而慕课则更受男性学习者和在职学习者的青睐。在年龄构成方面，自学考试和慕课的主要受众群体均为年轻人：自学考试21-25岁的考生占61%，慕课中18-25岁的学习者占48%。但在30岁以上的群体中，参加慕课学习的比例要大大高于自学考试。因此，如果能将自学考试和慕课进行深度融合，通过建立高质量的慕课课程为考生提供助学、答疑和过程性评价服务，则能够吸引更多的学习者参与到自学考试之中，扩大自学考试的规模，同时自学考试也能够凭借自身高信度的终结性考试来弥补慕课评价功能的不足。将优质慕课资源与自学考试相结合，同样可以为解决自学考试地区发展不平衡的问题提供有效的解决方案，大量的自学考试考生可以在其居住地或者工作地在线接受高质量的助学服务，而不必去往高等教育发达地区参加各类高校举办的助学班。

    目前，在國内外各大慕课平台中，计算机及信息技术类课程无论从开课数量和用户数量来看，还是从学习者参与完成度来看，都是最受慕课学习者欢迎的课程类型。这类课程如此受欢迎的原因在于，互联网时代人们对于信息技术知识和技能有着热切的渴望，慕课恰恰可以消除传统高等教育中学习这类课程师资门槛过高的障碍，为广大学习者提供了高质量的教学、研讨、练习和实验服务。而在自学考试中，大数据显示计算机及信息技术类专业报考人数近年来普遍偏低，其原因不是社会不需要，考生不想学习，而是“自学学不会，助学效果差”。因此，在自学考试计算机类专业课程中引入高质量慕课有着更迫切的需求和更高的效果预期。目前，“计算机网络原理”“操作系统”和“计算机组成原理”三门计算机类全国自学考试统考课程已经开始引入中国大学MOOC平台的相应慕课课程，初步数据结果显示，引入慕课后，这三门自学考试课程的报考人数和平均成绩都有了明显提升，显示了慕课对自学考试具有良好的促进作用。下一步将会有更多的自学考试课程与慕课相结合，不断完善和提升自学考试的教育功能和水平。

    4.加強大数据建设和应用，提升自学考试决策和服务水平

    自学考试每年都会产生和积累海量的考试评价数据，这些数据中蕴含着丰富而有价值的信息和规律，而目前受各种条件的限制，这些数据还没有得到很好地采集和挖掘。加强自学考试大数据的建设和应用，能够实现对考试项目发展的精确诊断、对学生个性化学习分析和考试招生管理智能决策等功能，对于解决自学考试综合改革中的现实问题有着重要的理论和实践意义。下一步自学考试大数据的应用主要有以下三种模式：

    其一，根据每年的自学考试报名数据进行大数据挖掘，按照总体规模、地域分布、考生构成、专业排名、报考课程、违纪情况、通过率等维度进行综合统计，形成自学考试发展年度报告，为全国及各省市自学考试管理机构全面及时地掌握自学考试发展情况并做出相应决策提供依据。

    其二，利用已经广泛使用的网上评卷系统所积累的自学考试成绩及考生作答数据进行大数据挖掘，从考生答题的信息中发现对课程知识及技能的掌握情况，形成成绩评价报告，让考生学习更有方向和针对性。

    其三，随着更多的自学考试课程引入慕课学习资源，可以记录和挖掘考生在线学习慕课时的作业、讨论、提问、学习时间、练习时间、资料查询等学习行为数据，结合考生参加自学考试的成绩，对考生学习行为各种要素与考试成绩进行相关性分析，从而引导考生按照正确的方式和方法进行学习，更好地为考生服务。

    五、总结

    高等教育自学考试制度作为我国高等教育制度体系中的重要组成部分，自20世纪80年代创立以来，在30多年的发展过程中，为弥补我国高等教育资源不足和扩大高等教育人才培养规模做出了巨大贡献。随着社会经济的不断发展，特别是普通高等学校持续扩招、各种高等继续教育形式迅速发展，都对自学考试带来了巨大冲击。面对挑战，自学考试应该依托大数据思想和技术，通过数据挖掘，深入而全面地发现自身发展所面临的问题，精准地找到解决问题的对策。

    目前，自学考试大数据建设在数据基础设施方面还有待进一步加强，自学考试的报名数据和阅卷数据还分散在各个省市，互相之间没有联通，数据标准不统一，数据收集和汇总在很大程度上还得依靠人工方式。因此，建设全国统一的自学考试综合数据业务处理和应用平台以及国家自学考试基础数据库是未来更好地利用大数据为自学考试服务的必要基础，也是自学考试提升管理质量和水平、实现改革转型的一项重要工程。

    注释：

    ①总规模：包括学历教育部分和非学历教育部分。

    ②科次通过率：当年自考考试通过的科次数占当年考试总科次数的百分比。

    ③毕业率：当年自考毕业生人数占当年注册在案自考考生总数的百分比。

    参考文献：

    [1]艾瑞深研究院，中国校友会网（2017）. 2017中国大学评价研究报告[EB/OL]. [2018-11-03]. http：//www.cuaa.net/cur/2017/2017dxpm.shtml.

    [2]江波，王奕俊（2014）. “慕课”透视及应对[J]. 中国高等教育， （7）：18-22.

    [3]教育部在线教育研究中心（2016）. 2016中国慕课行业白皮书[EB/OL]. [2018-10-11]. http：//www.datayuan.cn/article/7868.htm.

    [4]习近平（2017）. 决胜全面建成小康社会，夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告[Z]. 北京：人民出版社：30.

    [5]中华人民共和国教育部（2015）. 《国家中长期教育改革和发展规划纲要》中期评估——学前教育专题评估报告[EB/OL]. [2018-11-24]. http：//www.moe.gov.cn/jyb_xwfb/xw_fbh/moe_2069/xwfbh_2015n/xwfb_151130/151130_sfcl/201511/t20151130_221728.html.

    [6]中华人民共和国教育部（2017）. 教育部等四部门关于实施第三期学前教育行动计划的意见[EB/OL]. [2018-04-17]. http：//www.moe.edu.cn/srcsite/A06/s3327/201705/t20170502_303514.html.

    收稿日期 2019-01-21 责任编辑 刘选

    Abstract： Since founded in 1981， the self-taught examination of higher education is a kind of higher open education form， which combines individual self-study， social assistance and national examinations. The self-taught examination not only made a significant contribution to realizing the education fair， improving national quality， but also accumulated rich exam data assets. How to analyze the problems which the self-taught exam faces in order to improve its reform and transformation from the perspective of data mining is one of the important issues of self-taught examination study in the big data era. By the analysis of the massive examination big data from 2003 to 2017， it is found that self-taught examination is facing many difficulties at present， such as the large decline in the scale of examination， unbalanced regional development， the disconnect of specialty setting from social demand， unscientific curriculum setting， relatively single means of study aid， and great difficulty in graduation. In order to better realize the reform and transformation of self-taught examination， decision-makers should encourage and guide high-quality private colleges to participate in self-taught examination， promote the mutual integration of self-taught examination courses and high-quality MOOCs， and strengthen the construction and application of self-taught examination big data. These measures based on the big data， help to shift the educational target of self-taught examination， reinforce the education function of self-taught examination， meet the needs of social development of high-quality workforce， as well as help self-taught examination， and ordinary universities and other institutions of higher education to form an educational environment with dislocation competition， and complementary advantages.

    Keywords： Self-Taught Examination; Big Data; Data Mining; Dilemma; Solutions