張淑紅

關鍵詞：高等教育；教學信息；數(shù)據(jù)挖掘統(tǒng)計；分析模型

高等教育是我國教育事業(yè)的重要組成部分，其在高等綜合人才培養(yǎng)中發(fā)揮著重要作用?，F(xiàn)代教育理念下，高等教育的背景環(huán)境、目標要求發(fā)生了較大變化。在高等教育信息化轉型發(fā)展中，教學信息的容量不斷增加，數(shù)據(jù)類型不斷豐富，建立必要的高等教育教學信息數(shù)據(jù)統(tǒng)計、挖掘、分析和利用模型，能實現(xiàn)這些教學信息的高效利用，這不僅有利于知識共享、教學服務工作的開展，而且對于高等教育信息發(fā)布、在線教學工作都具有較大影響。新時期，高等院校有必要對教學信息數(shù)據(jù)模型進行進一步創(chuàng)新和優(yōu)化，以此來建設數(shù)字化的教學平臺，為高等教育教學工作的開展奠定良好基礎。

一、高等教育信息化內(nèi)涵

早在20 世紀90 年代，教育信息化理念便已產(chǎn)生。對比傳統(tǒng)的教學模式，高等教育信息化與新技術、新概念的提出和融合應用具有較大關系，其在整個教學過程中表現(xiàn)出網(wǎng)絡化、智能化和數(shù)字化的特征。

現(xiàn)階段，信息技術在高等教育中的應用范圍不斷擴大，高等教育形式也逐漸豐富。結合實際可知，高等教育信息化集中表現(xiàn)在以下四個層面：一是在高等教育中，互聯(lián)網(wǎng)技術的應用不斷深入，其通過網(wǎng)絡化的服務實現(xiàn)了教學資源的充分利用，有效提升了教學效率，增強了現(xiàn)代高等教育的自主化程度與互動化水平。二是在高等教育信息化背景下，電子課本等教學資源的應用逐漸廣泛，尤其是微課教學資源及ipad 移動設備的應用，減少了現(xiàn)代高等教育對紙質(zhì)教材的依賴。三是融合使用信息技術后，高等教育還深化虛擬實驗室的利用，這為高等教育中的實驗操作提供了全新載體平臺，拓展了高等教育信息化建設及教學發(fā)展的空間。四是伴隨著云計算、云存儲技術的應用，高等教育信息化發(fā)展中的云端水平不斷提升，在云平臺的作用下，高等教育中的資源配置更加合理，資源使用更加高效，有效地提升了高等教育的整體水平[1]。

二、高等教育教學信息數(shù)據(jù)挖掘及統(tǒng)計方法

（一）數(shù)據(jù)挖掘

作為高等教育教學信息數(shù)據(jù)利用的基礎，數(shù)據(jù)挖掘是一個較為專業(yè)的分析過程，其需要從冗雜的低價值數(shù)據(jù)中，通過抽象提取等方式，選擇更加緊湊且具有價值的數(shù)據(jù)，為教學信息數(shù)據(jù)的高質(zhì)量應用奠定良好基礎。在過去，高等教育中多采用手工分析和預測的方式進行數(shù)據(jù)挖掘，但在高等教育信息化發(fā)展背景下，這種方式已經(jīng)難以適應新時期的信息挖掘需要。對此，基于新技術的數(shù)據(jù)挖掘方式得到了推廣和應用。高等教育教學信息化背景下，數(shù)據(jù)挖掘中所涉及的技術不僅包含機器學習、數(shù)據(jù)庫應用，而且涉及人工智能、模式識別。此外，云計算也是新時期高等教育教學信息挖掘的常用技術類型。在這些技術支撐下，高等教育教學信息挖掘可分為關聯(lián)學習、分類學習、聚類、數(shù)值預測等類型。在具體的數(shù)據(jù)挖掘中，還需要重視教學信息選擇、預處理、變化、挖掘、理解評估等環(huán)節(jié)的控制，通過有效的數(shù)據(jù)迭代處理挖掘到符合預期的教學信息數(shù)據(jù)[2]。

（二）干預規(guī)則

干預規(guī)則是高等教育教學信息數(shù)據(jù)統(tǒng)計分析中較為常用的一種方式，其需要通過提出的規(guī)則，對特定的目標對象進行干預，在這些干預規(guī)則下進行數(shù)據(jù)的統(tǒng)計分析，能指導高等教育后續(xù)教學工作的開展。利用干預規(guī)則進行高等教育教學信息數(shù)據(jù)統(tǒng)計分析時，主要的數(shù)據(jù)處理方式可分為三種：一是在明確規(guī)則的指導下，對教學信息數(shù)據(jù)進行干預挖掘和利用；二是在干預規(guī)則下，找出教學信息數(shù)據(jù)自身的行為規(guī)律，并在這些行為規(guī)律的作用下，確定教學干預的最佳時機和力度；三是在考慮教學信息數(shù)據(jù)目標對象的基礎上，對數(shù)據(jù)中的隨機擾動問題進行分析，實現(xiàn)干預規(guī)則的最優(yōu)利用[3]。在高等教育信息化發(fā)展及教學信息挖掘和統(tǒng)計分析過程中，關聯(lián)規(guī)則挖掘的應用廣度和深度正在不斷增加。在實際干預中，高等教育工作者需要考慮兩個層面的要素，一方面，在確定干預目標時，應確定具體的干預屬性，繼而在相關規(guī)則的作用下，分析算出挖掘頻繁項集，找出相應的關聯(lián)規(guī)則；另一方面，在具體干預中，還需要最明顯、變化幅度最大的干預內(nèi)容，以滿足后期教學活動的控制需要。

（三）聚類算法

采用聚類算法同樣能完成高等教育教學信息數(shù)據(jù)統(tǒng)計分析工作。就聚類算法本身而言，其需要在考慮教學信息數(shù)據(jù)對象內(nèi)容的基礎上，深層次地分析這些數(shù)據(jù)對象的相似度，然后將其分成若干個群體，由此形成聚類簇?，F(xiàn)階段，聚類算法在數(shù)據(jù)統(tǒng)計分析中的應用不斷深入，僅從高等教育教學信息挖掘、統(tǒng)計和分析過程來看，聚類分析本身是一系列挖掘任務的統(tǒng)稱。在實際的數(shù)據(jù)聚類分析中，聚類算法不僅使用了機器學習、模式識別，而且融合了圖形識別等多種工具。

三、基于高等教育信息化的教學數(shù)據(jù)信息統(tǒng)計分析和挖掘分析模型

（一）數(shù)據(jù)來源分析

在高等教育工作中，分析教學數(shù)據(jù)需清晰掌握教學信息數(shù)據(jù)的基本來源，并做好相應數(shù)據(jù)的準確分類，這樣能為具體數(shù)據(jù)的分析和利用奠定良好基礎。在高等教育教學信息來源分析模型中，可按照數(shù)據(jù)統(tǒng)計、數(shù)據(jù)挖掘的實際需要，建立雙核心的數(shù)據(jù)來源分析框架模型。

在數(shù)據(jù)統(tǒng)計分析來源分析模型中，教師可借助既有的數(shù)字模型和平臺，快速、準確地收集學生的各類行為數(shù)據(jù)， 并進行有效評價。在數(shù)據(jù)統(tǒng)計分析模塊中，需從學生行為、課程問題、學生考卷情況等多個方面進行數(shù)據(jù)收集和統(tǒng)計分析。以學生行為數(shù)據(jù)分析為例，其數(shù)據(jù)不僅包括互動答疑及提問次數(shù)，還包括互動答疑及提問的內(nèi)容。此外，課堂參與次數(shù)、教學資源查看次數(shù)等都是學生行為數(shù)據(jù)的重要類型，需在既有模型下，保證這些數(shù)據(jù)來源準確，并實現(xiàn)這些數(shù)據(jù)的有效統(tǒng)計和分析。

開展教學數(shù)據(jù)挖掘工作時，具體的數(shù)據(jù)大多來源于兩個層面，一是學生行為統(tǒng)計分析的結果，二是學生的成績。就數(shù)據(jù)挖掘模塊而言，其能通過多種挖掘手段的應用，發(fā)現(xiàn)學生學習的干預規(guī)則，隨后在考慮數(shù)據(jù)統(tǒng)計分析模塊統(tǒng)計結果的基礎上，得到較為準確的干預內(nèi)容，進而通過互動平臺實現(xiàn)學生的有效干預[4]。

（二）數(shù)據(jù)統(tǒng)計分析

結合實際可知，建立高等教育教學數(shù)據(jù)信息統(tǒng)計分析和挖掘分析模型后，教育工作者能在既有模型的支撐下，科學使用相關的網(wǎng)絡手段，實現(xiàn)用戶行為的有效報告。但這些報告的內(nèi)容本身不夠靈活，難以滿足后期需要。對此，需要分模塊對既有教學信息統(tǒng)計分析和挖掘分析的模型進行調(diào)整。新時期，信息化技術在高等教育中的應用不斷深入，在教學數(shù)據(jù)信息統(tǒng)計分析層面，新技術的融合使得既有數(shù)據(jù)模型的數(shù)據(jù)統(tǒng)計分析方式得到優(yōu)化。從數(shù)據(jù)統(tǒng)計分析過程來看，信息技術對高等教育教學數(shù)據(jù)統(tǒng)計分析的影響著重表現(xiàn)在兩個層面，一是使得學生行為關鍵表現(xiàn)指標的分析更加明確；二是在學生課程成績分析中，既有數(shù)據(jù)統(tǒng)計分析模型能實現(xiàn)相關數(shù)據(jù)的歸一化處理。

在學生行為關鍵指標分析中，以前的互動教育平臺便可實現(xiàn)學生行為的詳細記錄，這對于學生行為統(tǒng)計分析工作的開展創(chuàng)造了良好環(huán)境。在建立高等教育教學信息統(tǒng)計分析模型后，可以準確銜接互動教學平臺，還能實現(xiàn)學生登錄、退出、瀏覽等系統(tǒng)性資源的準確把控。在此基礎上，信息時代下的高等教育教學信息統(tǒng)計分析模型還對學生的關鍵行為進行系統(tǒng)歸類。從具體分類情況來看，高等教育教學信息統(tǒng)計分析模型下的學生關鍵行為不僅包含課程資源查看、課堂參與、課程歷史資源查看，而且涉及課程作業(yè)查看、課程作業(yè)上傳、論壇討論，此外討論參與頻率、小組討論結果查看、小組討論參與程度都是學生關鍵行為的重要指標。依托這些指標，教育工作者能對學生參與教學的基本情況做出科學評估，這簡化了后期的教學信息挖掘流程，為學生行為數(shù)據(jù)的挖掘奠定了良好基礎。

統(tǒng)計并分析學生成績是評估高等教育教學效果的重要措施，在過去，高等院校雖然進行了一定的學生成績統(tǒng)計分析工作，但是這些統(tǒng)計分析過程容易受到多種因素的干擾。新時期，在依托多種現(xiàn)代信息技術建立高等教育教學信息統(tǒng)計分析模型后，教師可在前期數(shù)據(jù)分類的基礎上，按照歸一化處理的方式準確獲取學生的成績信息，然后使用學生成績變化曲線來消除其他干擾因素，以此來掌握成績的整體水平。在既有模型下，針對學生成績的統(tǒng)計分析，教師還需要重視歸一化處理算法的應用，提升教學信息統(tǒng)計分析的整體效果。

（三）數(shù)據(jù)挖掘分析

高等教育教學信息挖掘包含了多種方式，在新建數(shù)據(jù)挖掘模型下，學生復雜系統(tǒng)模型的應用較多。該模型將學生的學習成績作為分析對象，深層次地分析了學生學習過程中各種可能的影響因素和相關屬性。在學生復雜系統(tǒng)模型建設應用中，針對學生成績的具體分析主要集中在兩個層面。一方面，教學信息數(shù)據(jù)分析需要對干預相關強度進行分析，結合實際可知，學生群體本身具有復雜性的特征，其包含了較多的屬性信息，一般除學生學籍信息、愛好、基礎學習信息外，日常行為信息、網(wǎng)絡教學平臺行為信息等都是極為重要的內(nèi)容，這些內(nèi)容會對學會成績信息的挖掘分析產(chǎn)生影響。對此，在亞復雜系統(tǒng)的作用下，可干預相關度較小的數(shù)據(jù)剔除，然后對剩余數(shù)據(jù)進行分析，確保學生成績分析工作的高效開展，提升學生成績分析的準確性。另一方面，教育工作者還需要對既有的亞復雜系統(tǒng)進行萃取，選擇具有較高相關度的屬性信息來干預今后的教學，助力高等教育教學工作開展，提升學生的學習成績。

基于亞復雜系統(tǒng)模型對教學信息進行挖掘分析時，教育工作者在建立相應數(shù)據(jù)挖掘分析模型后，還需要注重以下要點控制。其一，在教學數(shù)據(jù)挖掘分析中，教育工作者需重視數(shù)據(jù)挖掘流程的系統(tǒng)管理。以學生成績數(shù)據(jù)挖掘為例，教育工作者在掌握成績數(shù)據(jù)來源后，需進行數(shù)據(jù)處理和離散化分析，然后依托關聯(lián)規(guī)則、干預規(guī)則，按順序進行成績數(shù)據(jù)挖掘分析，獲得預期的數(shù)據(jù)挖掘成果。其二，在數(shù)據(jù)挖掘分析中，教育工作者還應聚類抽取學生群體特征行為，并深化對挖掘分析結果的深層利用，以此來改進后續(xù)的教學方法，提升學生的學習成績[5]。

四、高等教育教學數(shù)據(jù)信息統(tǒng)計分析和挖掘分析實現(xiàn)路徑

（一）重視系統(tǒng)架構建設

教學數(shù)據(jù)信息統(tǒng)計分析和挖掘分析工作本身具有較強的專業(yè)性、綜合性和復雜性，為在高等教育中時效內(nèi)教學信息的統(tǒng)計和挖掘分析，就必須重視相應數(shù)據(jù)平臺的有效建設。在高等教育教學數(shù)據(jù)信息統(tǒng)計分析和挖掘分析平臺建設中，一方面，高校自身需要加大在信息技術層面的資金投入，依托充足的資金建立教學數(shù)據(jù)平臺，系統(tǒng)收集各類教學信息，為后期的教學數(shù)據(jù)統(tǒng)計和挖掘奠定良好基礎。另一方面，在系統(tǒng)軟件層面，高等院校需要考慮平臺數(shù)據(jù)統(tǒng)計、挖掘分析系統(tǒng)的安全性和可拓展性，系統(tǒng)建立Struts 框架，并從數(shù)據(jù)統(tǒng)計、數(shù)據(jù)挖掘兩個模塊進行功能模塊設計，為后期數(shù)據(jù)分析奠定良好基礎。此外，在系統(tǒng)架構建設中，還需要重視數(shù)據(jù)庫單元的有效設計，實現(xiàn)高等教育教學中各類教學數(shù)據(jù)的有效歸集。

（二）重視數(shù)據(jù)統(tǒng)計和數(shù)據(jù)挖掘技術應用

數(shù)據(jù)統(tǒng)計和數(shù)據(jù)挖掘技術應用是高等教育教學數(shù)據(jù)分析利用的核心。在既有的數(shù)據(jù)統(tǒng)計、挖掘分析模型下，高等院校需要從試卷、學生行為、課程熱門問題等模塊開展分析工作，并在這些模塊的數(shù)據(jù)統(tǒng)計分析中重視計量資料統(tǒng)計、技術資料統(tǒng)計、等級資料統(tǒng)計方法的創(chuàng)新應用。如在計量資料統(tǒng)計分析中，高等院校可使用參數(shù)檢驗法和非參數(shù)檢驗法進行統(tǒng)計分析，隨后可通過四格表和R×C 表利用方式完成計數(shù)資料統(tǒng)計分析，另外對于等級數(shù)據(jù)進行統(tǒng)計分析時，需在考慮這些數(shù)據(jù)性質(zhì)和類別等級的基礎上，完成具體數(shù)據(jù)的有效分析。依托數(shù)據(jù)統(tǒng)計、挖掘分析模型進行教學信息挖掘分析時，高等院校需重視干預規(guī)則的有效利用，系統(tǒng)化地對多種教學信息進行挖掘，在具體的數(shù)據(jù)挖掘過程中，還需要重視統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)等多種工具的應用，提升數(shù)據(jù)挖掘的效率和精準程度。值得注意的是，在這些數(shù)據(jù)統(tǒng)計分析和數(shù)據(jù)挖掘分析方法應用中，高校管理者還需要不斷提升自身的信息化意識與素養(yǎng)能力，憑借較高的專業(yè)素養(yǎng)推動教學數(shù)據(jù)統(tǒng)計、挖掘、分析和利用工作開展，助力高等教育教學工作順利開展。

五、結束語

高等教育教學信息的深層次利用對于整體的教學質(zhì)量具有較大的影響，深化這些數(shù)據(jù)的統(tǒng)計、挖掘和分析利用，能創(chuàng)造良好的教學模型和教學管理環(huán)境，繼而有效評價教學質(zhì)量，改進教學方法。新時期，教育工作者要充分理解高等教育教學信息數(shù)據(jù)統(tǒng)計分析的價值，結合實際深化教學數(shù)據(jù)統(tǒng)計、挖掘和分析方法利用，并在相關數(shù)據(jù)分析利用中重視相應模型的建設，這樣才能最大程度地發(fā)揮教學信息數(shù)據(jù)的價值，指導后期教學工作開展，進而提升高等教育質(zhì)量，推動高等教育工作的可持續(xù)發(fā)展。