大数据基础教育管理论文

摘要大数据应用于教育管理是大势所趋，但是要注意大数据应用的局限。局限一般体现在两个方面，一是与隐私保护相冲突，表现为数据过度收集、數据泄露、二级使用的风险；二是算法导致的不公平，表现为算法结果的全面性不足及算法偏见。克服的原则是以维护数据主体的利益为抓手。下面是小编整理的《大数据基础教育管理论文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。

大数据基础教育管理论文 篇1：

大数据思维构建教育管理AI基础

摘 要：小规模数据分析在日常的教育教学和管理工作中一直存在，只不过常见的数据分析中数据规模并没有那么大，且各种分析的数据都是分散在各个系统中，是冗余和孤立的。以大数据分析过程为主线，结合在教育城域网内各种日常的互联网应用，给出大数据分析应用的顶层设计思路，并就如何提升管理智能化程度进行策略研究，为未来实现教育管理领域的人工智能环境打下扎实基础。

关键词：大数据分析;数字化;智能决策;数据挖掘;可视化分析

一、大数据分析的过程

为了方便理解“大数据分析”的过程，我们把它假设成一次学生的学科测试，测试得出成绩（数据生产），教师登记成绩（数据采集），电子表格录入成绩（数据存储），表格中查询成绩（数据挖掘），对成绩进行排序、分类汇总、计算等处理（数据分析），得到最高分、最低分、平均成绩等各类分析系数（产出价值），这些分析系数将成为老师们改进教育教学方法的依据。我们可简单地认为大数据分析就是“数据生产—数据采集—数据存储—数据挖掘—数据分析—产出价值”的过程，生产有“价值”的信息作为决策依据，我们的工作才是高效的、智能的，这也是大数据分析的意义所在，更是未来人工智能的基础。

二、为什么要做大数据分析

1.决策智能，管理科学

评价某人或某单位工作成绩，往往需要以大量数据为基础，以分析数据得到的信息作为依据，再来决策整改或者最终评价。大数据分析就是在研究大量数据的过程中寻找模式、相关性和其他有用的信息，以帮助我们更好地适应变化，并做出更明智的决策。同样大数据分析一旦应用在教育领域，就一定能有效提升管理决策智能化。

2.提高效率，减轻负担

如果目前教育系统没有一个统一的存储环境，没有统一的接口，管理者需要数据的时候必须即时生产数据，甚至不同部门反复要求生产数据，加重了数据生产者的工作负担。我们未来将建成一个庞大的、聚合的甚至包罗万象的数据池，所有用来分析的数据都可以从中获取，信息可立即呈现，大大提高工作效率，有效減轻额外负担。

三、大数据分析基础条件

1.互联网环境统一

我们所在的区域在“十三五”期间完成了城域网二期工程，2G出口、万兆主干，学校千兆接入、千百兆到桌面，覆盖了高中、职高、初中、小学、完小、教学点、直属幼儿园及直属单位，目前还扩充至乡镇（街道）公办幼儿园、成人学校，规划中的出口带宽还会继续成倍增加。统一的网络环境有利于搭建安全、统一、快速的大数据存储和应用平台，不再人为制造信息孤岛。

2.学校管理数字化

大数据分析的基础是数据，其主要来源是学校各种工作中生成的数据，所以实现大数据分析需要学校搭建各种数字化智能管理平台，把日常数字化管理工作做到常态化。理论上我们有可能把这些平台规范起来，形成统一的存储格式、统一的接口、统一的认证，未来大数据平台的同步和采集工作实现起来将更加便捷。

3.研究落实接口标准

大数据分析平台的建设已经落后于学校数字化管理平台的建设，而且许多学校在经过两轮数字化校园、智慧校园的创建后，各自形成了一套具有学校特色的数字化智能管理平台，并且积累了许多数据。因此有必要为将来的大数据平台研究落实一套接口标准，让学校的平台有选择地来契合这套标准，进而实现数据的同步、导入和采集。

四、大数据分析能做什么

大数据分析的应用领域非常广泛，既可用于分析决策，又可用于档案记录，范围涵盖教育事业“人、事、物”相关的一切工作。大数据分析甚至是一个过程，这个过程还可以不断融入各种未来未知的相关数据，不断扩充其分析管理功能。这里我们只做有限的列举。

1.教师

利用人事、培训管理的数据，分析教师性别比例、年龄结构、学科分布、工作年限、工资待遇、人事交流和培训学习等情况，可作为人事管理部门的教师招聘、人事交流、人才培养等工作的重要参考;教师的业务档案登记又可作为学校对教师个体绩效考核的依据;教师本身也拥有了随身的“电子成长档案袋”，线上全程记录自己的业务成长。

2.教学

利用学籍管理、全学段综合素质、学业成绩评价系统的数据，全程跟踪学生的学习质量和成长过程。管理层可以即时全面地了解学校分班、师资情况，落实小班化;全程记录学生在答题过程中出现的错题、难题，使有效开展个性化精准教学变得有可能。学校通过分析学生学科成绩差异情况，对比校内、校际平行班教师的教学能力，调整学校和班级师资，实现教育资源的均衡分配。

3.物资

利用资产、教育装备和后勤维修管理数据，全面掌握学校办学软硬件条件。对比各类办学标准，管理层可了解同类学校之间的差异、优势和短板;可随时向后勤管理部门预警设施设备的隐患，提示仪器设备损耗，有效促进学校投资科学决策，高效改善学校办学，促进标准化办学。

4.生活

利用一卡通、监控管理等数据，全面记录师生工作学习的轨迹。通过分析师生的进离校时间、作息时间、用餐消费习惯、活动空间和会议课程签到等信息，及时了解学校师生的在校情况，后勤部门及时改善学校伙食、活动器具，提升师生工作学习的幸福指数;学校可根据师生的生活习惯，对比师生的教学和学习质量评价，有效提高学校生活管理效率。

5.网络

利用网络行为日志、搜索引擎等数据，详细记录师生PC、手机或平板等工具的互联网工作、学习和休闲情况。分析系统内部网络关注热点：（1）可及时掌握负面舆论，预警系统内部矛盾;（2）可主动推送热点资源，提高师生获取网络资源的效率;（3）可配合公安部门调查师生网络非法行为，构筑网络安全行为防火墙，做到责任落实到人。

6.重组

有了这个数据池，数据可以通过引擎搜索提取，重新组合成我们需要的数据集，经过排序、汇总、函数计算等处理后的数据，我们可以直接导出分析结果或以数据看板的形式提交上级部门。

五、大数据分析怎么做

大数据分析过程就是对数据进行生产、采集、存储、挖掘、组织和分析，最终产出“价值”信息的过程。

1.数据生产

学校的数字化管理（学籍、人事、财务、后勤、资产、一卡通、网络阅卷、监控和资源）、校级物联网、移动公众平台、手机、平板、PC、网络行为日志等平台都可以成为数据生产基地，这些平台的数据生产直接关系到学校的日常运作，这些数据的生产在不知不觉中日积月累。

2.数据采集

（1）同步：由教育局数据池提供接口标准，学校平台适应性对接，建立同步互联机制，数据可以得到同步更新和补充，保障数据的唯一性。（2）导入：教育局数据池提供接口界面，导入部、省、市各级统计报表数据，形成数据累计，为历年数据搜索、对比和分析做准备。（3）表单：把日常工作转换成表单、审批的形式，采集、扩充数据池，比如绩效考核、网上办事、设备报修、招聘、信访及报名等，实现工作到数据的转换，形成历年工作日志。

3.數据存储

上述数据虽然数量庞大，但它们以结构化数据为主，存储的空间并不是很大，存储的方式是主流类似SQL数据库系统二进制存储，包括数据即时存储、备份存储、容灾存储。这些存储靠硬件支撑，按照目前教育城域网的设施，一套配置并不高的网内NAS存储就可以满足数据的存储和备份要求，成本并不是很高。当然随着省市上级部门逐步推出云计算和云存储环境，实施起来更加便捷、更加安全。

4.数据挖掘

要在海量数据中准确定位、筛选和提取我们所需要的数据，并以我们所需要的方式进行重组、分析或展示，需要构建一套功能完善的数据搜索引擎，整合高效数据挖掘算法，提高数据挖掘的效率，也是数据生产后最重要的环节之一。经过挖掘最后呈现在用户面前的是一套完整的数据列表或图表，然后进入数据分析环节，最后产生价值。

5.可视化分析

数据的分析方式是提取大数据平台提供的各类考核表模板并生成对应的指标值，如：绩效考核、标准规范办学、校长或名师考核、数字化、智慧校园等等，结合数据搜索重组成各类考核结果，直观表现考核出现的优势和短板，通过对比、汇总等分析并直接引导管理层跟踪发现问题根本，有目的地开展后续整改工作。

6.产出价值

大数据分析最终目的是产出“价值”。这些“价值”信息，有的直接用作我们未来的决策依据，有的是上级间接需要的统计数据。有了大数据分析产出的信息，使我们高效提交数据变成可能，也使我们的决策依据更加直观，管理更加科学公平。

就像社会所公认的一样，大数据在未来将与石油、天然气等自然资源一样成为社会的重要资源之一，也是互联网应用发展的必然趋势，谁掌握了数据谁就掌握了话语权。大数据分析的构建并没有终点，随着时代的进步、事业的发展，未来还有许多未知数据需要进行大数据分析，任重而道远。现在我们如果能沿着这个美好的愿景，做好大数据平台的顶层设计，重视数据的积累，未来以大数据分析为依托的教育管理AI一定是智能的、高效的和科学的。

参考文献：

Jean Paul Isson，Jesse S. Harriott.大数据分析：用互联网思维创造惊人价值[M].漆晨曦，刘文武，译.北京：人民邮电出版社，2014.

编辑 张佳琪

作者：王科科

大数据基础教育管理论文 篇2：

大数据应用于教育管理的局限及其克服

摘要大数据应用于教育管理是大势所趋，但是要注意大数据应用的局限。局限一般体现在两个方面，一是与隐私保护相冲突，表现为数据过度收集、數据泄露、二级使用的风险；二是算法导致的不公平，表现为算法结果的全面性不足及算法偏见。克服的原则是以维护数据主体的利益为抓手。针对隐私保护，克服局限的办法之一是法律规定教育管理者使用数据的责任，办法之二是提高数据主体的法律地位。针对算法导致的不公平，克服算法的全面性不足，需要人为干预与算法结果相结合，克服算法偏见，则与隐私保护类似，需要规定教育管理者的强制性义务以及赋予数据主体相应的权利。

关键词 大数据 教育管理 隐私算法

The Limitation of Big DataApplied in Education Management and Its Overcoming

——Focus on Data Subject

WANG Ying

（School of Environmental Science and Engineering， Shandong University， Jinan， Shandong 250100）

1问题的提出

计算机技术和互联网技术的蓬勃发展迎来了大数据时代。在过去，只有重要人物的行为轨迹才会得到记录，数据的记录和使用无法扩展为全社会的普及应用。现在计算机技术和互联网技术提供了这样的机会：每个个体的行为轨迹被记录和分析，数据量急剧膨胀，大数据分析可望带来更为精准的预测和决策。欣欣向荣的大数据开始应用到人类生活的各个方面，尤其是商业和公共管理。在教育管理方面，乐观的倡导者不断地描绘大数据应用的美好前景，目前也出现了初步的应用。然而在大规模应用之前，审慎地认识大数据应用的局限是必要的。原因有二，一是教育本身的重要性，这是关系国计民生、民族未来的大事，不可马虎；二是教育管理是公共管理的一部分，委托——代理的问题始终存在并且不好克服，某种措施一旦推行开来，往往不能及时地、有效地止损。鉴于以上的原因，一开始就要做好追根溯源、清醒评估的工作。

一般来说，一切皆可量化，万物皆可贡献数据，大数据应该包括物联网记录的数据，比如存货数量、机器性能、石油储备、电力供应等等。但是本文论述的是教育管理，教育的目的是培养完善而有能力的个人，所以本文涉及的大数据仅仅指个人数据，也就是数据主体——每个活生生的个人任何被记录和分析的信息。即便缩小了范围，个人数据的规模也足以称得上是大数据，具备大数据的四个特征。这四个特征是数据的规模极大，收集、使用和传播的速度极快，数据种类极多，数据的价值极高。大数据可以应用到教育管理的各个方面，包括教育行政管理和学校管理，其精准的预测可以辅助教育行政部门、学校行政和教学部门的决策。

然而大数据不是万能的。大数据的收集过程涉及个人隐私，其风险不容低估，另外，大数据可以说明一些问题，但是很可能掩盖了另一些不能被数据记录和分析的重要问题。首先，大数据的收集与隐私保护在某种程度上是相背离的，如果不能很好地平衡这两者，反而会触发数据主体的反感，他们会抵触和逃避数据收集，或者故意释放虚假的个人信息，使得大数据无法建立在合法而有效的基础上。其次，大数据的运作依赖于算法，如果算法不透明或者管理者迷信算法，结果很可能导致对数据主体的不公平。总之，如果忽视了大数据的局限，则无法实现大数据应用于教育管理的初衷。下面就大数据应用于教育管理的局限展开具体分析，并给出相应的对策。

2大数据应用于教育管理的局限

大数据应用于教育管理是大势所趋。在过去，教育管理主要是行政化管理，依靠专业人士的经验进行决策，这是信息稀缺的约束下有效率的选择。大数据的应用使得决策更加科学，教育管理从行政化管理走向服务型管理，专业人士的经验决策走向以数据为基础的决策。教育管理变革的趋向体现在以下五个特征：及时性、前瞻性、个性化、整合性、权变性。这无疑将极大提升教育管理的效率。但是以上大数据应用的蓝图并不全面，大数据自有其局限，在教育管理领域表现得更加明显。数据主体——主要是教师和学生，他们真的欢迎大数据应用吗？他们发出疑问：大数据应用是不是仅仅有利于教育管理者的方便，而并非为了受教育者的利益？这是目前大数据在商业领域得到大量的应用、在教育管理领域只能缓慢展开的重要原因之一。具体来说，大数据应用存在固有的两个局限，教育管理者对此不能忽视。

2.1与隐私保护相冲突

大数据必须先被大规模收集，然后才能谈到应用，但是在收集过程中不可避免地要涉及个人隐私。数据主体——教师和学生的个人信息被详细地记录，包括姓名、性别、年龄、身高、体重、家庭成员数量、住址，他们的校内行动轨迹在管理者面前一览无遗，甚至他们校外的生活也被记录，包括位置信息、浏览互联网的网址和时间、社交媒体的使用情况等等。当然，倡导者认为这是必要的，如果不了解一个一年级小学生的饮食情况，怎么能为他制定合理的营养摄入计划呢？如果不能掌握一个高中生的在线浏览内容，怎么能制止他浏览不健康的网站？怎么能为他提供合理的学习建议呢？但是这些个人数据的收集带来了深远的风险。

首先是數据过度收集的风险。在教育系统内，教育管理者与数据主体——教师、学生的地位是不对等的，教师、学生相对于教育管理者处于弱势地位，而且学生相对于教师又处于弱势地位。尽管教师和学生对于数据收集享有知情权、同意权，但是征求他们的许可往往流于形式。在商业领域，消费者不满意一个APP提供者的数据收集可以换一个APP，但是一个教师和学生是不可能轻易换学校的。一旦教育管理者过度收集数据，事实上他们也有这样的倾向，教师和学生不可能质疑和反对教育管理者的做法。

其次是数据泄露的风险。一个私下里用功的孩子也许不愿意让人知道他每天放学后上三个小时的网课，以前他可以装作轻松地取得好成绩，而现在他至少在一部分人那里无法隐瞒了。更糟糕的情况是个人信息也许会被泄露给潜在的犯罪人，可能引发身份冒用、财产欺诈、恐吓勒索这样的风险，2016年发生的徐玉玉电信诈骗案就是典型的例子。同时，教师群体对数据泄露的恐惧会导致他们的紧张情绪，这对学生的教育肯定是不利的。

再次是数据二级使用的风险。数据的价值很大程度上体现在二级使用上，但是在收集信息时很难对具体的二级使用用途做出明确的提示。教育过程中的信息具有非常丰富的二级使用价值，它体现了一个人真实的学习能力。按照斯宾塞的说法，教育（尤其是大学教育）其实是一个甄别过程，它把那些不善于学习的人甄别出去，以此向雇主传递信号。那么教育大数据则部分替代了这个甄别手段，它记录了一个学生从小到大的受教育信息，它就是更直接的证据，充分说明了这个学生的学习能力。如果雇主得到这样的数据，它会轻而易举地淘汰掉那些学习能力不强的求职者。鉴于这样的前景，一个小学生也许就会被教导每天花三个小时在线浏览与教育有关的内容，尽管他只是一边打游戏、一边任由平板电脑播放网课而已。这样虚假的数据往往导致教育管理者做出错误的决策。

2.2算法导致的不公平

收集的大数据往往要依靠某种算法来获取有参考价值的结果，这是大数据应用的通常路径。作为基础的数据和进行大数据分析的算法都往往被锁在一个黑箱中，以至于当数据主体质疑其公平性的时候，教育管理者能借口这是自动化决策的结果，从而能为其决策的客观性辩护。然而细究一下，数据和算法的客观性只是表面现象，其同样容易出现经验判断导致的不公平。

首先，数据的全面性不足。有些事物适合于数据收集，而另外一些事物不适合于数据收集，不能说后者就不重要。如果输入的数据不全面的话，也不能相信其算法结果的全面性。比如教师业绩的评估算法，教师和学生之间交流的时长是适合于收集的数据，教师和学生之间交流的情感渗入则不是适合于收集的数据，甚至是无法收集的。实际上，教师和学生之间交流的质量是至关重要的，情感的作用远远超过时长。尤其对于低年级的学生而言，教师常常扮演家长的角色，充满爱心的情感教育远远超过了单纯的说教，这样的情感体验可能是受益终生的。然而情感不能反映在数据上，结果很可能是投入情感的反而比不上投入时长的老师，出现“劣币驱逐良币”的结果。

其次，算法的设计会出现偏见。在中国，算法设计很可能过分倾向于学生成绩，给予学生成绩过高的权重，对于教师业绩的评估以学生成绩为主。其他的基础数据，比如学生学习时长，也与学生成绩有较为密切的关系，对于学生的德育和美育，则给予较低的权重。这固然呼应了家长的需求，但是结果促进了教育内卷，不利于学生的全面发展，不符合教育的目的。

3维护数据主体的利益，克服教育管理的数据局限

以上列举的大数据应用于教育管理的局限，所幸是可以通过人为的纠偏措施给予克服。这些局限看起来是一团乱麻，需要一个贯穿全局的抓手，以此来规划克服数据局限的解决办法。这个抓手就是维护数据主体的利益。

3.1坚持数据主体的利益

数据主体主要是教师和学生。教师从事教育工作，基于教育的职责贡献某些个人信息，学生则是受教育的对象，绝大部分学生愿意贡献个人信息，以便获得更好的教育，这就像消费者交出个人信息以便获得更好的智能推送服务一样。数据主体是数据之源，他们应当获得权利来维护他们的利益。一方面，教师和学生享有法律规定的个人信息权利，包括同意权、知情权、查阅复制权、更正权、删除权、保密权；另一方面，教师和学生有权获得教育管理者的保证：教育管理者处理个人信息是为了服务于数据主体，除此之外别无他求。

3.2克服隐私保护的局限

数据主体贡献数据，数据使用者也就是教育管理者处理数据，数据主体不能控制教育管理者如何处理数据，二者中间存在着巨大的权力、信息的鸿沟。如何将数据过度收集、数据泄露、二级使用的风险降低到最小？办法之一是法律规定教育管理者使用数据的责任，如果教育管理者不能达到法律规定的标准，则由上级主管部门进行罚款等其他行政处罚，情节严重甚至可以对主要责任人追究刑事责任。这是外部管理者实施监督的办法。办法之二是法律抬高数据主体的地位，使之能够监督教育管理者处理数据的活动，如果教育管理者不能依照法律行事，数据主体有权向法院起诉，要求教育管理者停止某些特定的行为——比如违规使用数据，并且赔偿损失。这是利益相关者亲自采取行动的办法。

具体来说，针对数据过度收集的风险，最有效的是办法之一，也就是法律直接规定教育管理者收集个人数据的范围，然后由外部监督者判断数据收集范围是否合规。教育管理者收集数据遵循必要原则，收集的个人数据范围应当与使用用途相适应，不得超越使用用途过度收集个人数据。教育部可以下发统一的信息收集标准，给出信息收集指南，避免出现了收集的个人数据超出了必要范围的情况。比如按照特定目的处理数据，小学生不能完全自主的学习，社交存在一定的危险，可以对他们收集较多的信息，大学生的自主学习的能力较强，对社交隐私的保护需求强烈，收集信息的范围就要缩小。

针对数据泄露和二级使用的风险。首先，法律直接规定教育管理者数据泄露和违规二级使用的责任，教育管理者必须采取技术措施和其他必要措施（比如每个单位都必须设置数据专员），确保其收集的个人数据安全，一旦发生泄露或者违规二级使用，责任人将承担严厉的行政责任直至刑事责任，以此让教师和学生放心。其次，通过民事法律赋予数据主体的数据权利：教师和学生有权查阅、复制、更正、删除与自身有关的数据，如果教育管理者不能满足教师和学生的要求，教师和学生可以诉请法院保护他们的数据权利。如此一来，教師和学生行使数据权利既保护了自身的利益，又有助于监督教育管理者数据处理的行为，降低数据泄露和二级使用的风险。

3.3克服算法导致的不公平

算法不能说明一切问题，尤其可能掩盖重要的问题。这就需要人为干预与算法结果相结合。首先，教育管理者可以辅之以其他的干预措施，比如上一章提到的情感教育问题，教育管理者可以下发学生调查问卷，或者与受教育的学生访谈，掌握学生与教师交流的第一手情况。教育管理者将调查得到结果与算法结果相对照，如果出现较大差异再进行复查，不能完全相信算法结果，毕竟输入的数据不能涵盖做出合理判断所需要的全部信息。其次，设定相应的复议程序，赋予被评估的对象——教师和学生有质疑和反对算法结果的权利，允许教师和学生申辩和推翻算法结果。总之，教育管理者不能迷信算法结果，应当审慎的评估算法结果的有效性。

克服算法偏见有两种办法，与克服隐私保护局限的办法类似。第一种是规定教育管理者的强制性义务，比如教育管理者使用特定的算法处理数据，必须事先由数据专家对算法进行审计，对算法的使用过程进行监控，以便保证算法的公平。如果教育管理者敷衍了事，则由上级主管部门给予某种惩罚，并责令改正。第二种则是法律赋予数据主体相应的权利，比如数据主体有权要求教育管理者公开数据和算法，有权要求教育管理者解释算法的设计，这样的权利具有可诉性，数据主体有权向法院起诉，要求教育管理者改变算法的设计，并且承担消除影响、恢复名誉、赔礼道歉、损害赔偿的民事责任。当然，数据管理者也可以向教育管理者的上级主管部门投诉。总之，从外部到内部给予教育管理者双重的监督。

4结语

现代教育的目标是培养完善的、有能力的个人，基于大数据的教育管理应当致力于实现这个目标，而不是仅仅满足于数据的漂亮。这就需要数据主体——教师和学生理解和支持大数据的应用。要想获得数据主体的合作，就要克服大数据应用于教育管理的固有局限，满足教师和学生对于隐私保护的需要，消除数据泄露和不正当获取、使用的风险，消除算法带来的不公平和偏见。无论如何，大数据应用于教育管理将有效地提升教育活动的效率，基于大数据的教育管理获得了越来越多的关注。如果方法、措施得当，未来的教育管理有望迎来一个新的时代，一个数据化与人性化相互渗透、相互结合的时代。

参考文献

[1]莫里斯E.斯图克，艾伦P.格鲁内斯.大数据与竞争政策[M].北京：法律出版社，2019：17-33.

[2]维克托迈尔-舍恩伯格，肯尼思·库克耶.大数据时代[M].杭州：浙江人民出版社，2013：220-230.

[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）： 25-30.

[4]杜鑫.每个诈骗案背后都有一本个人信息泄露的“糊涂账”[N].工人日报，2017-3-5（004）.

作者：王英

大数据基础教育管理论文 篇3：

大数据背景下的教育管理模式革新

【摘要】随着互联网技术的飞速发展，互联网大数据发展迈入了黄金时代，互联网大数据的应用领域开始蔓延到教育管理领域，不仅为学生以及教师提供更加便捷高效的教学方式，还进一步推动了学校朝着自我革新的方向发展，在这一背景下，大数据背景下的教育管理模式革新备受人们的关注。本文从大数据背景下的教育管理模式革新的必要性出发，论述了当前大数据背景下的教育管理模式存在的问题，并提出了大数据背景下的教育管理模式革新的路径，希望能够为大数据背景下的教育管理模式革新研究提供新的参考依据，从而推动高校教育的发展。

【关键词】大数据背景 教育管理模式 革新

一、大数据背景下我国教育管理模式现状

当前，我国高校的教育教学管理模式仍然以传统的填鸭灌输式教育管理模式为主，在教学方式中以教师在课堂上讲而学生被动的接收形式为主，这就使得无论是学生还是老师教学的目的就是为了应付各项考试，以应试教育为主的填鸭灌输式教育管理模式不仅扼杀了学生们的想象力，还进一步阻碍了我国创新产业的发展。虽然，当前我国大部分的高校均引入了大量先进的多媒体设备、教学软件等大数据互联网设备，但是在实际在教学过程中还是采取着以教师作为教学主导学生只是被动的接受者的形式开展，只不过教学知识的展示形式由过去的黑板式教学转变为多媒体的形式进行展示，这种换汤不换药的教学方式仍然无法摆脱传统的填鸭灌输式教育管理模式的影响。

实际上，这种简单的使用多媒体设备、教学软件等大数据互联网设备的应用仍不属于大数据背景下教育管理模式的实质，随着大数据互联网应用范围的不断扩大，受限于教学地点以及授课时间等条件约束的面授教学形式将会被以慕课教 育、微课为代表的各种视频教学以及互联网辅导机构等不受教学地点以及授课时间约束的网络教学所取代，可预见，在未来网络教学这种彰显自由化、创新化的教学形式将会发展成为我国的主流的教育教学形式之一。随着大数据背景下教育管理模式革新脚步的不断加快，传统的教育理念以及教学方式将会迎来颠覆性的革新，高校以及教师能够利用大数据教育管理信息系统采集学生的个性信息，从而建立个性化、专属化的个人档案信息数据库，从而在高校内部营造多样化的教学氛围，使因材施教這一教学理念得到真正的落实。

二、大数据背景下的教育管理模式革新的必要性

1.为高校的教育管理决策提供客观且有效的依据

在高校的教育管理工作的开展过程中，教育管理决策将决定着高校的教育管理工作开展的方向，在传统纸质媒介的数据时代，高校的教育管理工作由于受到大量无效的教育信息的干扰，使得高校的教育管理决策缺少客观且有效的信息依据，导致高校的教育管理决策缺乏指导性。然而，随着大数据互联网的出现，与传统的数据收集以及筛选工作相比，大数据互联网能够实时的对所收集到的数据进行整合，剔除干扰性的教育管理决策数据，从而为高校的教育管理决策提供客观且有效的依据。通过利用互联网技术、云计划以及物联网等大数据互联网信息技术，随时随地实现高校的教育管理决策数据的网络传输与分享，此外，还能够对高校的教育管理决策数据开展平台式的分析、提取与整理工作，建立高校教育管理效果模型，帮助教育管理者多方面以及多维度的掌握各类教育信息的同时，还能够对高校教育管理过程中存在的问题进行预判，从而对其进行一系列的修改、反馈以及再实施等工作。除此之外，高校的教育管理者能够利用大数据互联网平台，探寻高校的教育管理变化具体规律，从而评估高校的教育管理发展趋势，使高校的教育管理决策由过去的经验式导向，转向大数据信息分析导向。

2.推动因材施教这一教学理念的贯彻落实

由于受到应试教育的形象，使得当下的教育形式难以培养学生应有的创新意识，随着我国综合国力的不断提升，这一问题备受人们的关注。虽然，当前我国大部分的教育工作者创新意识的培养经历了诸多的实践尝试，然而由于因材施教这一个性化的教育形式难以得到落实，使得我国的创新意识培养工作未取得预期的成果。实际上，国务院在《国家中长期教育改革和发展规划纲要（2010—2020）》中明确的提出“关注学生差异化特点与个性的培养，将是未来教育发展的重点”，受限于当前我国高校教育缺乏对于学生学习能力、学习风格以及兴趣爱好等个性化资料的评估，使得高校在开展因材施教工作时无从下手， 更不用说培养学生创新意识。随着互联网大数据思维的产生，它能够对学生的日常学习习惯以及上网行为等日常行为进行全方位的观察，并对所收集到的数据开展全面的挖掘以及分析工作，从而找到该学生的学习习惯、个人内在潜能等个性化的数据。而高校的教学人员能够针对这些整合后的个性化数据，为学习制定诸如教学目标制定、教学方式以及教学计划等一系列的个性化学习方案，从而保证高校能够真正的落实因材施教这一教学理念，进而培养学生的创新能力。

三、当前大数据背景下的教育管理模式存在的问题

1.高校大数据教育管理信息建设进程较为缓慢

当前，我国大部分高校普遍存在高校大数据教育管理信息建设进程较为缓慢的问题，一方面，高校尚未做好迎接大数据背景下的教育管理模式革新工作的准备，高校的大数据教育管理信息平台构建缺乏清晰的思路，而一些高校的大数据教育管理数据信息并未及时进行整合更新，这些高校的大数据教育管理数据信息大多分散在高校内部的各个部门当中，甚至有一些高校从未开展过大数据教育管理数据信息搜集工作。另一方面是高校的大数据教育管理缺乏专业化的队伍，一些高校认为大数据背景下的教育管理模式革新就是搭建大数据教育管理信息平台，实际上，大数据背景下的教育管理模式革新工作不仅需要高校大数据背景下的教育管理模式革新，还需要高校加强对于大数据应用型人才的培养，从而获取有效的数据信息并对其进一步的深加工。而只关注搭建大数据教育管理信息平台工作相当于用一条腿走路，难以真正的推动大数据背景下的教育管理模式革新工作的开展。

2.高校大数据教育管理缺乏充分的调研数据

大数据背景下的教育管理模式的提升离不开数据有效调研与取得，然而笔者通过对当前高校大数据教育管理的数据来源进行调查发现，大部分的高校所收集的教育管理数据主要来源于相关行政部门对其管辖区内的高校所搜集以及整理的数据。此前，教育部门曾在《有关制定发布高等院校学生就业效率年度总结》中提出，条件充足的地区可以采取第三方评判的形式开展高校大数据教育管理数据调研工作，利用多种类型的数据调研方式，进一步推进高校人才模式培养、社会需求以及就业之间的良性互动。虽然第三方评判形式能够使得被调研的高校能够客观的展现其真实面貌，使得高校的大数据教育管理数据能够更加的客观公正，然而通过对于当前我国已有的第三方评估组织运作情况来看，仅仅只有少部分的第三方评估机构对于高校的大数据教育管理中的数据搜集以及整理较为重视，这就使得高校大数据教育管理缺乏充分的调研数据，无形中阻碍了大数据背景下的教育管理数据整合系统的进一步完善。

3.高校大数据教育管理数据尚未进行深度的挖掘

所谓的高校大数据教育管理数据深度挖掘指的是从庞大的高校大数据教育管理数据库当中，利用互联网技术、云计划以及物联网等大数据互联网信息技术找出能夠展现出潜藏的以及数据相关价值极高的信息挖掘整理过程。大数据背景下的教育管理模式的革新离不开高校大数据教育管理数据应用，而这其中主要工作集中于对搜集、筛选、以及整理后的数据进一步的深度挖掘，从而利用深度挖掘出来的数据信息对高校的教学模式以及学生的学习进度等情况开展进一步的优化调整工作。当前大数据背景下教育管理模式革新工作的开展应着重的关注这些深度挖掘出来高校大数据教育管理数据，利用这些数据优化升级高校的各项工作。然而从当前大数据背景下教育管理模式革新工作的开展进程来看，由于大部分的高校尚未构建出一支专业化的数据挖掘团队，难以对现有的高校大数据教育管理数据进行深入的建模、筛选以及分析，使得高校大数据教育管理数据无法得到充分的利用，也难以切实为高校的教育管理决策提供客观且有效的数据依据。

四、当前大数据背景下的教育管理模式革新的路径

1.积极拥抱大数据教育管理模式，提升数据应用素养

互联网大数据的出现，打破了我国教育资源的占有形式，教学工作人员将不再是教育资源唯一提供者，学生甚至能够比教学工作人员更快的了解最新的教育资源，无形中使得我国的教学工作人员的权威地位受到了影响，这种影响势必引发教学工作人员对于大数据教育管理模式的抵触情绪。除此之外，教学管理人员以及教学工作人员对于当前不断更新的各种数据技术容易产生应用上的恐慌感以及无助感，特别是当面对不断出现的重复、混乱以及失真数据，将成为教学管理人员以及教学工作人员心理失调的重要诱因。基于此，教学管理人员以及教学工作人员应当转变心态，积极拥抱大数据教育管理模式的同时，强化数据应用素养，一方面高校应当开展统计学等专业数据处理能力的知识培训工作，使教学管理人员以及教学工作人员在正确开展数据处理工作的同时，深入的了解大数据潜能以及大数据局限，从而对大数据教育管理模式形成正确的认知，避免数据技术应用上的恐慌感以及无助感等心理失调状态的发生。另一方面，高校之间应当积极开展大数据教育管理模式的知识交流分享工作，通过分享数据收集、梳理以及诠释等相关工作的经验，从而提升数据应用于教育实践当中的工作效率，从而提升高校教学管理的观察力以及决策能力。

2.建立大数据教育管理保密机制，防止教育数据泄露

大数据背景下的教育管理模式革新已成为当前我国高校教育改革的必然趋势，然而我们应当意识到教育领域广泛的应用大数据信息系统，容易产生教育数据泄露等问题的发生。实际上，大数据教育管理信息系统中所采集到的数据信息能够通过特定的大数据信息交互平台为诸多部门所共享，处于大数据信息链末端的学生以及部分的教学工作人员不具备随时关闭大数据教育管理信息系统的自主权利，使得学生以及部分的教学工作人员失去个人的隐私空间。基于此，在大数据应用无处不在的今天，我国政府的相关职能部门应当制定出大数据应用隐私保护制度，规范大数据教育管理信息数据的权限使用范围，从而保护学生以及部分的教学工作人员的尊严以及权益。除此之外，高校的教学管理人员以及教学工作人员应当熟读数据使用的各项条例，明确区分哪些教育管理数据信息是可以共享的，哪些教育管理数据信息是禁止公开，从而不断提升个人的职业素养。换而言之，在保障教育管理数据信息安全的基础上，充分做到有针对性地使用教育管理数据信息，并将其反馈于高校的教学管理当中，从而保证学生的学习质量有效的得到提升。

3.加大开发投入成本，开发高校专属的教学APP

随着互联网覆盖率的不断提升以及各种移动终端设备的普及，各种类型的APP软件已成为当下们获取知识的重要工具之一。基于此，学习应当加大开发投入成本，通过搭建高校专属的大数据教学资源数据库平台，从而开发一款能够全方位的展现高校特色的教学APP，在这个教学APP当中学生不仅能够查询自己考试以及日常的成绩信息以及所选择的课程教学开展情况，还能够观看不同教师的授课视频，实现多样化、特色化的教学方式。

五、结束语

综上所述，从当前大数据背景下我国教育管理模式现状，我们能够了解到虽然我国的大数据背景下的教育管理模式产生的相应的革新，但是仍然受到传统的填鸭灌输式教育管理模式的影响，无法真正的激发学生的创新意识。为此，我们应当正确的认识到大数据背景下的教育管理模式革新对于为高校的教育管理决策提供客观且有效的依据以及推动因材施教这一教学理念的贯彻落实的必要性。虽然当前我国的大数据背景下的教育管理模式革新仍然存在着诸如高校大数据教育管理信息建设进程较为缓慢，以及高校大数据教育管理数据尚未进行深度的挖掘等问题的存在，但是我们应当对此抱有积极的态度，通过积极拥抱大数据教育管理模式，提升数据应用素养等方式，从而找到当前我国大数据背景下的教育管理模式革新的最佳路径，从而推动我国大数据背景下的教育管理模式的升级优化发展。

参考文献：

[1]陈桂香.大数据对我国高校教育管理的影响及对策研究[D].武汉大学，2017.

[2]邹太龙.大数据时代高校教育管理的可能走向及实现路径[J].高教探索，2017.

[3]孙文文，宋眉眉，张更辉.大数据背景下的高校教务管理工作[J].中国轻工教育，2016.

作者：白杨