张 玥 邹 健 柏天燕
(安徽工程大学,安徽 芜湖 241000)
1999年,教育部因解决经济和就业问题出台了扩大普通高校本专科院校招生人数的教育改革政策,到2019年高等教育毛入学率达到51.6%,实现高等教育普及化。高校招生人数的剧增在使更多的适龄青年享受教育的同时也为高等教育管理和人才培养质量保障带来了前所未有的挑战。据数据检索显示,自2007年以来,由于各种因素每学年高校普通本专科约15-20万学生退学。基于此,“以学生为本”[1]建立科学的和人性化的学业预警机制是高校事务管理中亟待解决的问题。
传统的学业预警机制主要是通过通报在校学生各阶段学习情况来警示可能无法顺利完成学业的学生,同时实施针对性的防范措施促使学生顺利完成学业。教育管理部门所做的工作主要集中在学生以往学习成绩、学习态度问题等方面[2],这种事后预警机制使得在学业预警之前,“学困生”已成为既定的事实,预警机制没有真正发挥其人性化的警示作用。一方面,“学困生”以往的不良行为已成习惯难以改变;另一方面,学业成绩过低会导致学生情绪低迷、不自信和厌倦学习,更甚者会发生极端行为。因此利用学生在校行为轨迹数据对其在成为“学困生”之前进行学业预警是非常必要的。
近年来,党中央国务院高度重视大数据战略的实施,而将大数据应用于教育教学领域,为教育数据的积累与收集提供了便利条件,也为学生教育管理变革提供了新的机遇[3]。……