基于大数据技术的高校实践教学研究

江雨燕 李常训 赵文辉 吴超

摘 要：运用大数据技术，以高校传统实践教学资源和信息管理资源的对象，进行数据收集与提取、存储与管理、挖掘与分析、成果展示等流程分析，科学管理高校实践教学资源，提高高校实践教学质量，培养创新实用型人才。

关键词：教学资源;大数据技术;实践教学

中图分类号：G642   文献标志码：A   文章编号：1002-2589（2015）03-0188-02

中国高等教育已经由精英教育过渡到大众教育阶段，作为高等教育生命线的教育质量深受关注。教学实践表明：制约培养高质量人才的瓶颈——实践教学环节的教育质量——是提高“以就业为导向”高级实用型人才的关键。为了提高高校实践教学环节的教育质量，培养创新实用型人才，教育部出台“高等学校本科教学质量与教学改革工程”的意见，总结出增强实践教学环节，提高学生的创新意识、实践能力、社会责任感和就业能力的相关办法。因此可见，加大高校实践教学环节实施力度有助于提高培养人才质量，促进培养人才创新。

加强实践教学环节的提出导致高校教育理念发生转变，根据学科规划，广大高校加大了实践教学的投入力度，进而实践教学的软件和硬件环境均得到改善。但是，由于高校招生规模扩大，教育的层次多元化发展，高校实践教学出现教学资源不平衡、利用分散、效率低下等问题。本文运用大数据技术，对于现有的实践教学资源进行数据挖掘与分析，并将结果用于教学资源管理，进而提高实践教学的效率，为社会培养创新应用型人才。

一、高校实践教学资源

高校实践教学资源是高校实践教学的基础，决定着实践教学成功与否，因此，提高现有的资源利用率是改善实践教学质量的有效途径。高校实践教学资源是指高校在教育学生期间所有的基础实践教学硬件设施如教学楼等、建设实践教学的资金如校外实习经费等、领导实践教育的师资队伍等要素的综合装备和利用能力的总和（图1）。然而，高校的信息系统是数据生产的巨户。学生的视角来看，包括联系方式、家庭住址等基本的信息，校园卡消费、宿舍使用时间等生活信息，选课、图书借阅、学科成绩等学习信息，参与的社团、比赛、讲座等第二课堂信息;从教师的视角来看，包括联系方式、受教育历程等基本信息，教学任务、教学内容（一般以课件的形式）等教学信息，论文著书、科研数据等科研信息;从高校管理者的视角来看，包括高校的资产信息、师资信息、招生就业信息、校企合作信息、校间合作信息等。同时，移动互联网和物联网技术的发展，高校校内人员主动生成或者有设备手机的信息也在时时更新，例如，微博、微信、QQ等社交信息，BBS搜索点击信息等。这些就是高校信息系统中的数据，也是高校的实践教学资源。同时，这些数据资源与传统的实践教学资源相辅相成。

■

二、大数据处理一般流程

大数据的处理流程具有一般数据处理流程的共性，可以定义为：运用合适的工具抽取和集成广泛异构的数据源，遵循特定的标准，将所得的结果统一存储，采用适用率高的数据分析技术分析存储的数据以获取有价值的知识，并且将这些知识以可视化的方式展示给终端用户。大数据处理的一般流程为数据的抽取与集成，数据存储，数据分析和数据展示（图2）。

■

1.数据来源。大数据的数据源非常的广泛，它包括传统的关系型数据库、XML等半结构化数据、以文本、音频、视频和其他形式存在的非结构化数据。当前，高校已经建立了基本的管理信息系统、教学管理系统、图书馆管理系统等，在同一的数据中心，汇聚了大量结构化数据、半结构化和非结构化数据。

2.数据的存储管理。根据数据源的不同，采用不同的数据提取方式。对于结构化的数据，采用ETL工具，将数据抽取存储于HBase数据库中;对于Web网页等此类非结构化的数据，采用Nuth技术进行抽取，Solr技术进行索引，之后存储于HBase数据库中。HBase数据库是一个开源的分布式数据库，具有高可靠性、高性能、可伸缩的特性，并且不是以关系模型为基础建立的，可用以存储大规模结构化数据。

3.数据挖掘与分析。采用Hive技术对HBase数据库中的数据进行挖掘与分析。hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。通过Hive可以实现数据的汇总统计分析，并且易于扩展器计算能力和存储能力。此外，可以运用Mahout机器学习工具对数据进行无监督学习和监督学习。

4.数据分析成果展示。在数据展示层，运用Tableau软件可以实现数据与图表的完美结合，将数据挖掘与分析的成果以可视化的方式呈现给数据的使用者。Tableau软件工具拥有多种预定义的图标格式，根据不同的数据关联性，可以将多种维度在同一图表中展示。

三、基于大数据技术应用的高校实践教学

促进学科交叉融合发展，构筑有生命力的学科生态，打造凸显核心竞争力的高水平学科是学校学科规划的重要任务。借助大数据分析技术，充分收集各学科的教学状态数据、科研项目数据、前沿发展动态等信息，从而分析学科建设存在的不足，确定学科未来发展的方向，发掘出潜在的具有国际视野的学科带头人。

1.高效管理高校教学资源

随着社会的发展，为了适应社会对人才的需要，高校在保障当前教学研究的前提下，需要发展新的学科，这就不可避免的需要完善相应的学科设备，这些设备可以是学科教师、教材、教室、实验室、教学软件等。因此，高校的教学资源是相当丰富的，有效管理高校的教学资源，实现师生最大限度地使用教学资源，是高校管理者的重要任务，是完成教学任务、培养社会认可的人才的重要保障。以实验室为例，传统的实验室管理往往是单个管理者管理少数有限的实验室，此种管理方式无疑是低效率的，浪费了高校人力资源，降低实验室的使用效率。运用大数技术，将高校所有的实验室存储于数据中心，根据实验室的地理位置、实验对象、使用时间等不同参数进行数据挖掘与分析，预测实验室在某一时间的某一设备进行某一操作，判断实验设备是否可以承受负载或者可能发生故障等情况。通过此种方式，管理者就可以以前进行设备检修，减小损失，提高实验室的利用率，同时通过设备监控中心对所有的实验室进行监控管理，减少管理人员，这样可以缩减高校的人力资源和财力支持。

2.改进高校教学模式

教育所追求的最高目标是因材施教的个性化学习。大数据分析学习内容，线上学习系统能以可视化的形式来指导学习者的自我学习与个性化发展，个性化学习功能就实现了。通过学习平台上的多媒体学习资料、学习信息、学习进展、互动信息等个性化信息，学生可以完善自身的知识结构，并且加快对自身兴趣的挖掘和优势的培养。每一学生的各种数据（结构、半结构、非结构）是有限的，但是在整个教育信息化的背景下，个性化学习方式要基于大数据技术方可更好地实现。大数据技术的应用，将使得教育更加目的化与个性化。因此，未来个性化学习的终端，将会进一步融入学习资源平台，因人而异，因材施教，进而推进相关领域的前沿技术、资源、资讯于个人职业规划，并且将贯穿于个人的终身学习中。

3.评估师生学习行为

每个高校定期要做教学评估，意图通过这种方式找出教学中存在的实际问题，以便及时更新教学方案与方法，提高教学的质量，进而培养出适应社会发展的学生。运用大数据技术管理高校教学评估系统，既可以提高教育管理的科学度，又可以增强数字化建设的实效度。采用基于大数据挖掘与分析的智能算法处理教学质量评估问题，从多方面因素中找出内在的关联如教师教学的效果、多媒体课件的使用率，课堂师生互动等，为任课教师提供准确的反馈意见，为管理者提供科学的决策支持信息，进而科学制定教学工作方案，提高教学质量。此外，应用大数据技术对于师生各阶段的教与学成果进行分析挖掘，可以实现评价的透明化和公正性，同时，对于教师的研究资金、学生的奖学金、助学金的发放提供数据支持，这将会在师生的求学过程中起到良性的引导作用。

四、结束语

大数据挖掘与分析技术尽管在高校实践教学资源管理中有着广泛的应用前景，但是其应用存在制约因素。第一，如何达到业务与技术的邮寄关联融合。数据分析的目的即是业务的需求，有了分析的目的，业务需求期望得到滿足，高校管理者才能有目的地对数据进行挖掘与分析，得到数据隐藏的价值，用以管理决策。第二，大数据挖掘与分析需要专业的高技术人员，这就要求既专精数据技术，又深悉校园网业务。总之，大数据挖掘与分析技术将越来越多的应用于高校实践教学资源管理中，以提高高校实践教学质量，当时具体应用的成果还存在许多方面的问题，还需要进行更加深层次的探索与修正。