高校管理人员教育数据挖掘能力培养的实践价值与实施路径.docx

高校管理人员教育数据挖掘能力培养的实践价值与实施路径 三、高校管理人员教育数据挖掘能力培养的实施路径1.高校管理人员教育数据挖掘能力的构成要素（1）教育数据理解能力教育数据理解能力是指教育数据及其存在样态的认知能力教育数据的类型及存在形式是多种多样的：从类型来看，可以分为基础数据、状态数据、资源数据和行为数据基础数据包括保障教育活动的各类基础信息，状态数据包括教育装备、教育环境、教育业务的运行状态，资源数据包括教育过程中建设生成的教学资源，行为数据包括教学活动中教师的教学行为数据和学生的学习行为数据等[10]从存在样态来看，包括结构化的关系数据库中的数据和非结构化的音频、视频、文字、社交媒体等方面的数据教育数据理解能力是教育数据挖掘能力中最基础的一项构成要素，在对需要被研究的教育问题进行充分调研后，要能够从繁杂多样的教育数据中界定出与教育问题可能相关的数据，并为后续的采集处理做好准备2）教育数据处理能力教育数据处理能力是指对教育数据进行采集、清洗以及初步描述的统计分析能力教育数据处理是进行教育数据挖掘的基础，在一个完整的教育数据挖掘流程中，教育数据理解和教育数据处理可能要占到总时间的30%～75%，经过处理的教育数据的质量是教育数据挖掘能否成功的关键。

[11]教育数据处理过程中需要应用到不同的工具，主要包括数据库、数据仓库及相关工具软件如处理结构化的教育数据，则操作关系数据库是必备的技能，特别要熟悉结构化查询语言（Structured Query Language，SQL）；而对教育数据进行描述统计，则可以采用SPSS或Tableau等数据可视化分析工具教育数据处理能力实际是在对教育数据充分理解的基础上，操作系列相关工具软件的能力3）教育数据建模能力教育数据建模能力是指选择合适的教育数据挖掘工具及算法，对经过处理的数据进行挖掘，抽象出一定的规则表达或数学表达的能力教育数据挖掘的建模方法包括统计学建模、聚类建模、分类建模和关联规则建模等，其操作也是依靠相关的工具软件依据功能不同，将教育数据挖掘工具软件分为通用工具软件与专用工具软件两种通用的工具软件包括SPSS Modeler、RapidMiner和Weka等，专用工具软件包括用于文本挖掘的LIWC、WMatrix、Coh-Metrix等，用于社会网络分析的Gephi、EgoNet、NodeXL、Pajek、SNAPP等，用于贝叶斯知识跟踪的BKT-BF、BKT-SM等，这些通用和专用分析工具提供的算法和建模框架，可以用于建模及挖掘预测教育数据中的关系。

[12]教育数据建模能力中还包括对所建立的模型进行评价、优化，以及结合模型解释教育问题、提出政策建议的能力2.高校管理人员教育数据挖掘能力培养的主要介质（1）基础课程教育数据挖掘能力的培养介质之一是开设相关的在职培训课程，主要内容应该包括但不限于数据科学、数据库、数据挖掘等，该课程学分一般可设为3学分，采用必修方式，具体教法应该侧重于基本理论、原理和算法思想，不必过度聚焦于具体技术细节，主要培养管理人员的教育数据理解能力2）案例教学教育数据挖掘能力培养的是应用能力，其培养介质之二是增加丰富的案例教学，在案例中学会相关工具软件的使用常用的工具软件可以包括数据库工具如SQL Server、Access等关系数据库，SPSS等常用的统计分析软件，SPSS Modeler、RapidMiner等常用数据挖掘软件[13]案例教学采用问题导向形式，每一个案例选定教育领域的一个专门问题，从问题理解、数据理解、数据处理、数据建模、模型评价等，完成教育数据挖掘的一次执行过程一个案例教学可以设置为1～2学分，采用选修的方式，通过案例教学培养管理人员的教育数据处理与教育数据建模能力3）实践演练实践演练是管理人员教育数据挖掘能力培养的最有效介质。

在掌握一定的理论基础与操作能力后，基于本校或其他高校，就教学管理、学生管理、科研、资产等某一方面具体的问题，在教师和相关实务人员的指导下，进行教育数据挖掘的实际操作实践演练处理的是实体环境下的真实案例，在检验并提升管理人员教育数据挖掘能力的同时，培养其环境适应能力、沟通交流能力等综合能力3.高校管理人员教育数据挖掘能力培养的保障因素（1）充分的课程资源教育数据挖掘能力培养需要丰富的课程资源支持，但目前国内教育数据挖掘方面相关资源并不丰富一是专著较少，只有葛道凯编写的《教育数据挖掘：方法与应用》（教育科学出版社2012年版）等少数几本，专门教材几乎没有；[14]二是与利用教育数据挖掘方法进行研究的学术、学位论文也不多；三是课程资源也不多，相关的课程只有在中国大学MOOC上由上海大学叶志明教授开设的《大数据与高等教育》（2018年10月第一次开课）和浙江工业大学江波副教授等开设的《教育数据挖掘技术与应用案例》（2017年9月第一次开课，16课时），在教育数据挖掘课程资源建设上还有许多工作要做2）完善的案例库丰富的教学案例库是教育数据挖掘能力培养的有力保障教育数据挖掘案例应该主要来源于高校的实务部门，案例主题应该涵盖高校教学、管理的每一个环节，每一个教育数据挖掘教学案例包括业务理解、数据理解、数据处理、数据建模等主要模块，并提供经过去隐私化处理的完整数据。

同时建立案例共享机制，利用“中国专业学位教学案例中心”等平台进行案例分享或校际共享3）优质的师资队伍教育数据挖掘的课程资源、案例开发和教学应该由三支队伍共同完成：具有深厚高等教育学理论功底的导师，具有数学、统计学、计算机、教育技术背景的导师以及来自高校实务部门的教师或管理干部三支队伍在理论、技术和实践上各自发挥优势，互助互补，以具体问题的解决为导向，不断开发课程资源、更新教学案例总之，当高校面临新技术革命特别是现代信息技术革命的挑战时，我们需要来一场迈克尔富兰所说的“突破”[15]在《国家大数据战略》和《高等学校人工智能创新行动计划》的指引下，大数据、人工智能将与教育更加深度融合，高校教育教学管理模式必须再来一场真正的“突破”，否则，“时代抛弃你时，连招呼都不会跟你打”高校管理人员教育数据挖掘能力的培养只是这场“突破”的试水性探讨参考文献：[1]C Romero，S Ventura. Educational data mining：A survey from 1995 to 2005[J].Expert Systems with Applications，2007，33（1）：135-146.[2]RYAN S.J.D. BAKER. The State of Educational Data Mining in 2009：A Review and Future Visions[J].Journal of Educational Data Mining，2009，1（1）：1-16.[3]RA Huebner. A Survey of Educational Data-Mining Research[J].Research in Higher Education Journal，2013（19）：13.[4]Muna Al-Razgan. etc. Educational Data Mining：A Systematic Review of the Published Literature 2006-2013[C].Proceedings of the First International Conference on Advanced Data and Information Engineering（DaEng-2013），2013：711-719.[5]A Pea-Ayala. Educational data mining：A survey and a data mining-based analysis of recent works[J].Expert Systems with Applications，2014，41（4）：1432-1462.[6]S Hari Ganesh，AJ Christy. Applications of Educational Data Mining：A survey[J].International Conference on Innovations in Information，2015：1-6.[7]任训学.论教育统计学的学科性质——兼谈教育统计学教学与发展的若干问题[J].湖北大学学报（哲学社会科学版），1997（2）：83-86.[8]新华网.教育部推出首批490门国家精品开放课程[EB/OL].http：//[9]李婷，傅钢善.国内外教育数据挖掘研究现状及趋势分析[J].现代教育技术，2010（10）：21-25.[10]杨现民，唐斯斯，李冀红.发展教育大数据：内涵、价值和挑战[J].现代远程教育研究，2016（1）：50-61.[11]Jing Luan. Data Mining and Its Applications in Higher Education[J].New Directions for Institutional Research，2002（113）：17-36.[12]Slater，S.，Joksimovic，S.，Kovanovic，V. Baker，Ryan S.，Gasevic，D. Tools for Educational Data Mining：A Review[J].Journal of Educational & Behavioral Statistics，2016，42（1）：85-106.[13]薛薇.基于SPSS Modeler的数据挖掘（第二版）[M].北京：中国人民大学出版社，2014：23-25.[14]葛道凯，张少刚，魏顺平.教育数据挖掘：方法与应用[M].北京：教育科学出版社，2012.[15]迈克尔富兰等.突破[M].北京：教育科学出版社，2009. -全文完-。