大数据时代高职院校学生精细化管理研究

    郭丹

    摘 要：高职院校学生管理工作涉及学生日常行为、心理健康、资助评优、上传下达方方面面，这种特点决定高职院校需进行学生的精细化管理。大数据使得高职院校能获取学生精准信息、提供精准教育服务资源、掌握数据获取和应用技术。高职院校需提升数据整合能力，强化数据分析能力，并在得出分析结果后采取及时的精细化管理策略。

    关键词：大数据;高职;学生;精细化管理

    1 大数据的概念及高职院校学生精细化管理需求

    1.1 大数据的概念

    20世纪80年代初，美国社会学家阿尔温·托夫勒在《第三次浪潮》中首次提出“大数据”概念。但由于技术条件所限，直到2008年互联网的日益成熟，网络服务和社交媒体的高速发展，“大数据”才真正进入公众视野。大数据是互联网时代的产物，是数据大爆炸的结果，其庞大的数据量用常规的电脑软件工具无法在有限的时间内收集、管理和处理，只能通过新的运算处理模式，才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

    1.2 高职院校学生精细化管理需求

    高职院校学生具有知识面广、有个性、追求自我价值实现的特点，同时也具有自制力不足、自我认知模糊、基础知识较差等特点。这些特点使得高职院校学生管理工作面临诸多难题，比如学生自制力较弱出现违纪几率较高、学生自我评价较低心理健康隐患更大、学生感恩意识和进取意识更低。高职院校在大数据环境下，可以根据数据分析，了解学生深层次以及最前端的需求，及时反馈给学校相关部门和辅导员，第一时间给学生合适而精准的教育引导。

    2 大数据对高职院校学生管理的影响和机遇

    2.1 高效获取学生精准信息

    学校对学生基本信息的收集方法和渠道增加，不但在智慧校园系统中可以通过教务系统、学生管理系统、食堂、图书馆等产生的数据分析学生的消费能力和学习习惯，还可以通过监控数据查询学生日常行为。此外，国家的公安通信系统、银行征信系统等均可以获取学生的更多信息。互联网时代信息获取的精确度和成本均大大降低。对学生基本信息的掌握能帮助学校在学生安全管理、学生日常管理、学生资助管理等方面做出更准确的判断。

    2.2 精准提供教育服务资源

    电子化技术、社交媒体等互联网技术的普及，为高职院校学生带来了一种新的学习渠道。网站中有海量优质的学习资源，学生的学习渠道不再局限于校内，而是可以获得全网的学习资源。学生通过社交媒体还可以进行横向与纵向比较，对不同领域、不同专业、不同高校的情况有更多认知和对比。学校可通过校内数据与国际性数据的互通，再结合学生特点，更好为学生提供教育服务。大数据提供的海量信息资源有利于学生就业服务与管理、有利于进行学生学习引导。

    2.3 掌握数据获取和应用技术

    高职院校在接受新事务和利用新技术方面没有优势，但是大数据的获取均可通过最基本的数据收集工具实现，降低了技术的使用壁垒。因为学校拥有较大的学生群体，进行统计分析得出的结论较具有指导意义。高职院校在国王探索中已经拥有基本的数据分析经验。如运用数据收集表单，不再需要手动收集数据。建立评教评学模型、学生综合素质考评模型、学生基本信息台账等，众多数据分析软件也能够挖掘到数据之间的关系。钻研大数据获取和应用技术有利于对学生日常数据进行收集、整理和分析，可采取措施对学生进行及时教育引导并提供有效反馈。大数据环境下，学生管理更偏向于个性化、独特性、多样化等以人为本的要求。通过大数据分析和挖掘，学校对学生有了更深的了解，管理方式能更贴合学生特征和需要，对学生安全管理有预防作用。只有具备大数据分析利用能力的学校，才能在学生管理中推陈出新，适应变化，不断取得教育、服务和管理成效。

    3 高职院校利用大数据实现学生精细化管理的建议

    虽然高职院校在大数据利用方面有一定的成效，但在数据收集、分析和使用中，依然存在着一定的限制，因此以下对如何利用好大数据实现学生精准化管理提出一些建议：

    3.1 提高数据整合能力

    高职院校由不同职能部门组成，各个职能部门拥有不同的学生数据，由于不同部门采用不同公司开发的管理信息系统，因此数据接口并不一致，无法实现数据分享。不同部门的数据也只有部门内部运用，学生相关管理人员没有权限查看、分析和使用数据。一方面应该进行设备更新换代，充分收集非结构化数据、半结构化数据、学生行为数据、传感器产生的数据，并对这些数据设置权限和责任义务，由学生管理人员进行使用。要处理学生管理信息大数据，除了设备要不停更新换代外，分析系统的数据整合能力要不断更新及提高，以使数据更全面，要利用价值更高。

    3.2 提高数据精细化分析能力

    大数据的价值在于数据的深入挖掘，大数据的挖掘成本越低，数据的价值含量就越高。高职院校学生管理人员要掌握大数据的挖掘核心技术，包括数据挖掘算法、语义化引擎、预测分析。在数据可视化分析及挖掘得出结果后，高职院校还需要对结果进行可预测性的判断。如根据招生情况和毕业生情况，来预测报道率，进行宿舍的调整和安排。

    3.3 反馈行动实施要及时

    大数据具有时效性，传统分析模式无法在有限的时间内处理如此海量的数据，并找出数据的价值。在利用各种大数据技术得出分析结果后，還必须采取及时的精准教育、服务、管理行动，才能使大数据分析的价值落到实处。

    4 结论

    做好高职院校学生精细化管理离不开大数据的分析与利用，面对不断增长、变化的大数据，高职院校要提升对数据的整合能力，强化自身的数据分析能力，并在得出分析结果后，采取及时的精细化管理策略，以达到培育学生的效果。同时，学生数据的分析极易触及隐私，需要设置好学生信息收集和分析的责任权限。

    参考文献

    [1]叶传莉. 大数据背景下高校学生管理工作创新研究[J]. 科技资讯， 2020， 018（014）：103-104.

    [2]陈文， 蒲清平， 邹放鸣. 大数据时代的高校学生教育管理模式转变与应对策略[J]. 江苏高教， 2017（1）：67-69.