教育大数据视域下高校幸福教育服务模式构建
陆汝华 李亚兰 张雯雰 陈淼
摘? 要 教育大数据视域下高校幸福教育服务模式，依次从数据层、技术层和服务层为教育工作者提供了幸福教育统计与分析、在线监测学生幸福感实时状况、可视化展示与实时预警等核心服务，从而使教育工作者能够实时掌握大学生幸福感相关信息。
关键词 教育大数据;高校幸福教育;大学生幸福感;思想道德教育;心理教育
中图分类号：G434? ? 文献标识码：B
文章编号：1671-489X（2020）17-0044-03
1 引言
随着信息化的发展，大数据为科技、制造、经济、金融、管理等诸多领域都带来巨大变革，已然成为最热门的研究领域之一。各高等学校也不例外，在教育大数据背景下，大学生心理学领域也取得一定的研究成果。有研究者使用智能手机记录和分析操作者行为，对重度抑郁症患者进行动态跟踪研究[1];有研究者利用关联规则数据挖掘方法，对不同学生在学习与考试过程中的相似错误进行分析，从而提出改进教学方法的建议[2];也有研究者分析学生参与在线课程的行为，区分优秀学生与不良学生之间的差别[3];杨晓玲还运用大数据方法对山西省高校大学生幸福感提升进行了相关研究[4]。这些研究成果表明，教育大数据对大学生心理学研究有重要的价值。
2 高校幸福教育服务模式的主体框架
俄国著名教育家乌申斯基认为：“教育的主要目的在于使学生获得幸福。”[5]苏联教育思想家苏霍姆林斯基指出：“理想的教育是：培养真正的人，让每一个自己培养出来的人都能幸福地度过一生。这就是教育应该追求的恒久性、终极性价值。”这种以幸福为目的的教育即幸福教育[6]。但目前的高等教育大多还局限于文化素养、知识技能的传授，高校幸福教育并不受教育者的重视，主要是因为教育工作者和管理者都很难从教师和学生的日常生活、学习过程中获得幸福数据，导致教师的教学效率与学生的学习效率都不高。因此，在高校心理教育和思想教育领域，需要一套可以自动管理高校幸福教育相关数据的平台，可以收集数据、分析与处理数据，以及将数据以各种形式呈现，即教育大数据视域下高校幸福教育服务模式，其主体框架如图1所示。可以看出，服务模式依次从数据层、技术层和服务层为高校教育者提供核心服务。
在数据层，基于教育大数据制定幸福教育数据相关的检索策略，通过教育大数据采集技术，完成高校幸福教育的原始数据采集工作;然后采用大数据存储技术，形成幸福教育数据库，为技术层提供原始数据服务。幸福教育数据库包含了大学生幸福相关的数据，以半年或一年时间为单位在后台自动更新信息，以便可以实时掌握幸福教育动态数据。
技术层的核心是使用大数据方法对幸福教育数据进行分析与挖掘。在幸福教育数据库中，从学生、专业、性别、地区、任课教师等方面对幸福教育数据进行统计，从学生主观幸福感、客观幸福感等角度对高校的思想与心理教学进行评价，对幸福感影响关键因素进行文本挖掘和关键词聚类，构建一个包括检索、统计的幸福教育统计系统。最后将这些统计、分析结果输入服务层，提供有效服务。
在服务层，通过可视化技术将技术层的处理进行可视化展示，并根据统计与分析结果为教育者提供合理化建议。在线监测系统在线监测学生幸福感实时状况，对监测到的幸福感指标值超出预定阈值的学生或团体发出预警信息，使教育者和本人能够及时采取有效措施。
3 幸福教育服务模式中的关键服务
幸福教育数据统计与分析? 幸福教育数据统计与分析是提升数据价值的必要手段。采用教育大数据管理技术构建幸福教育统计与分析系统，可以搜索多个平台的相关数据并进行标准化处理，统一对幸福教育数据进行去重、分类、统计。分类可考虑多个角度，最常见的为性别、专业、籍贯、年级等。分类之后，下一步便是统计。统计是系统的核心部分，除了总的统计之外，还包括各种分类的局部统计。统计学生当前幸福感状况、最近或历史时间段的幸福感变化，进行下一步幸福感趋势预测。
1）按性别分类后统计。性别为男的归结为男性分类，性别为女的归结为女性分类，性别没有或写成其他的归结为其他分类。
2）按专业分类后统计。按专业分类又包括两种分类方式：第一种方式根据学生所属专业进行分类;第二种方式根据学生所属专业的大类进行分类，如理科类、艺术类、文科类、医学类等。
3）按籍贯分类后统计。不同籍贯从小所处环境不一样，相同籍贯可能会有相似的风俗习惯，从而导致籍贯差异。将相同籍贯学生的数据分类在一起。
4）按年级分类后统计。不同年级的幸福感数据对每一个年级开设心理学相关课程具有很好的指导性作用，只需要根据学生入学年份进行分类。
5）综合分类后统计。在综合分类功能中，首先是所有学生属于同一种分类，然后从性别、专业、籍贯、年级等中按任意顺序选择若干（可以不选择）种进行分类。
幸福教育决策指导? 比起文本数字，可视化显示更加直观。尽管如此，用户还很难从可视化图形中分析现状和预测未来，而大数据分析技术的应用，可以有效解决这些问题，使用大数据技术对用户进行决策指导成为必然。運用大数据技术挖掘出幸福教育核心数据并建立大数据预测模型，可以预测个人或某个团体幸福感的发展趋势，主要有两大方面。
1）个人幸福感的预测。当预测值超出幸福感正常值预定范围时发出警告，教育工作者及时处理此人数据，采取对个人的心理辅导、通知家长辅助辅导等措施，使其心理进入正常状态。
2）团体幸福感的预测，一般按性别或专业分成几个团体进行预测。最受关注的分类是男性团体和女性团体，也可根据专业分成各专业团体。团体的幸福感波动较大，波动原因包括学习、社会、家庭等多方面，每个方面又有影响幸福感的权重因子，当某团体的幸福感预测值超出幸福感正常值预定范围时发出警告。同样，教育工作者针对该团体幸福感影响因素因子的权重，采取有效措施使其不会超出预定轨迹。
总而言之，教育大数据视域下高校幸福教育服务模式的构建，为幸福教育管理者在高校思想道德教育和心理素质教育的路径选择和幸福化发展方向提供参考。
可视化系统? 通过大数据中的可视化技术将统计与分析结果以图形的形式多角度呈现出来，供用户进行统计、对比等个性化分析。可视化界面不仅直观、动态地展示了幸福教育概况，也为用户提供了分析工具。最后，系统中的一键生成报告模块可将统计与分析结果供用户下载。
以专业为例，幸福感指标值满分为100，画出所选专业幸福感指标值柱形图，可以直观清楚地得出每一个专业的幸福感状况并进行比较分析，便于教育者采取相对应措施来提高高校学生的幸福感。同时，将幸福感指标阈值作为两轴相交的地方，当图形接近X轴时便及时发出预警。再以某个学生为例，以一个月为时间单位，得出其某一年实时幸福感指标值状况，实现在线监测学生实时幸福感值的功能。
4 高校幸福教育场景应用
根据本框架实现高校幸福教育平台，将其应用于高校的思想道德或心理教育，包括以下几个主要步骤。
高校学生的数据采集? 综合调查学校信息化部门存储的学生信息，将与幸福教育相关的数据抽取出来输入幸福教育数据库。调查信息来源分为线上和线下两种形式，重点调查学生在各种环境下的幸福感状况。例如，在开学、期中、期末阶段，在大一、大二、大三、大四阶段，在上午、中午、下午、晚上等不同的时间段，甚至还有在不同的地区、不同的学习位置等。
高校学生的幸福感监控? 大学生幸福感状况会影响到学习、性格、社会交际等生活中的多个方面，一般来说，学生越有幸福感，生活则越美好。因此，将高校学生的幸福感監控应用于高校幸福教育实际，有助于高校的思想教育和心理教育。
高校学生的幸福感预测? 如上所述，大学生幸福感状况会影响到学习、性格、社会交际等生活中的多个方面，可以说对其今后人生意义也非常重要。如果幸福教育不到位、不及时，很可能会导致学生人生价值取向有问题。因此，高校学生的幸福感预测应用于实际非常紧迫。通过幸福感预测功能，可以提前预测到幸福观问题，从而采取相关措施，为高校的思想教育和心理教育提供辅助工具。
5 结语
本文通过数据层、技术层和服务层，为高校教育者提供幸福教育统计与分析、在线监测学生幸福感实时状况、可视化展示与实时预警等核心服务，以便能够更好地掌握大学生幸福感相关信息。■
参考文献
[1]张洁卉，潘超，章勇.知识推送在校园网络教学中的应用[J].高教发展与评估，2019（5）：99-111，118.
[2]李晶，俞国良.大数据视野下的心理学与教育学研究变革[J].中国人民大学教育学刊，2015（4）：57-69.
[3]徐真.大学生在线学习动机的激励与保持策略研究[D].浙江：浙江师范大学，2016.
[4]杨晓玲.大数据方法在山西省高校大学生幸福感提升研究中的应用[J].高教学刊，2018（12）：65-67.
[5]李红娃.“幸福教育”理念下校本课程的建构与探索[J].基础教育论坛，2020（11）：25-26.
[6]吴雅卿.实施“幸福教育”促进学校发展[J].基础教育参考，2020（4）：33-35.
