- 相關推薦
大數據方向研究生體系研究論文
第1篇：大數據時代下的研究生教育質量評價體系研究
一、引言
隨著研究生數量大幅增長，研究生教育質量信息數據也越來越龐大。如何處理這些海量的研究生質量信息也成為教育管理者難以解決的問題。傳統的研究生教育質量評價體系只能宏觀地描述研究生的教育情況，這種描述不能將研究生教育質量數據的動態特性呈現出來。華東師范大學校長俞立中教授在接受采訪時說：“信息化不是一個技術，也不是一個技術的推廣，而是一種管理理念。”這句話啟示我們信息時代下，可以將信息技術與教育管理理念相結合，提出更好的學生教育質量評價體系。大數據技術就是這些信息技術其中之一。大數據即一般軟件工具難以捕捉、管理和分析的海量數據，通過對海量數據的交換、整合、分析，發現新的知識、創造新的價值，帶來“大知識”、“大科技”、“大利潤”和“大發展”。在大數據時代下，應用于商業領域的大數據技術給了我們啟發，如果將大數據技術應用于研究生教育質量評價體系，可動態地跟蹤研究生教育的相關信息，對信息進行分析綜合，預測學生在培養過程中不同方面的發展趨勢。
二、研究生教育信息管理數據
研究生教育數據主要包含教學運行數據、社交活動記錄數據、基礎條件數據、畢業生質量數據等。這些數據與傳統數據相比具有動態、實時、量大的特點，對于如何處理海量數據查詢效率的問題已經迫在眉睫。隨著研究生人數的大幅度增加，管理這些教育數據的過程也越來越復雜，學生的發展趨勢也變得難以預測。為了解決這些問題，我們可以通過利用數據挖掘技術挖掘出研究生教育的相關信息，及時、全面、更加細粒化地關注學生教育質量，并對未來可能發生的情況做出預警。
隨著計算機技術的飛速發展，利用數據挖掘技術，可以將學生的教育信息更加及時地反映出來，并利用數據的動態變化可以預測出數據的未來發展趨勢。大數據時代的到來，讓所有社會科學領域能夠借由前沿技術的發展從宏觀群體走向微觀個體，讓跟蹤每一個人的數據成為了可能，從而讓研究“人性”成為了可能。而對于教育研究者來說，我們將比任何時候都更接近發現真正的學生[5]。這將使教育研究領域從宏觀整體走向微觀個體，實現“個性化”教育。
例如，我們可以通過采集學生進出門禁系統的數據進行研究生行為模式挖掘，判斷學生是否在校內、是否按時進出教學樓、食堂消費消息提示是否經常吃早餐、及時判斷學生的學習狀態等；另外，通過采集研究生學業數據的分析，可以進行學術成績的預警和判斷，根據不同課程的成績及階段性的成果，預測學生在研究期間能獲得的學術成果，有針對性地進行科研計劃的調整；在研究生就業階段的數據分析也可以對學生的就業情況進行跟蹤和分析，通過在研究生階段的學習數據及學生就業情況數據，挖掘出研究階段的成績與就業發展情況之間的聯系，有利于預測在校學生的就業發展情況，便于給出更為適合的就業指導。
三、大數據時代下的研究生教育質量評價體系內容
傳統的研究生測評體系只能宏觀地整體地詮釋研究生教育情況，用于教育政策決策。然而想獲得微觀、個體的研究生教育情況則需要將大數據技術應用到研究生教育質量評價體系中。在大數據時代下，研究生教育質量體系應當增添其他方面內容。
研究生的教育信息數據是動態的，利用大數據技術可以將這種動態表現出來。如跟蹤學生的學業情況，將學生每一時刻的學習及科研成果和該學生的行為模式結合起來，描述出該學生學業方面的動態過程和最后畢業時可能產生的結果。將這二者的聯系用于與現在校學生作對比，預測現在校學生未來學業情況。
具體地說，比如現在有一個學生平時不總去實驗室、圖書館，考試成績不理想，他現階段的學業情況剛好跟一個完不成科研任務而影響畢業的學生的學業情況很相似，那么就可以預測出這個學生也很有可能不能畢業。這樣就可以及時地提醒該學生要抓緊學習，以免影響畢業。利用大數據技術跟蹤學生的學業情況可以及時有效地在未發生錯誤的情況下對學生進行提醒或警告。
學生畢業之后，跟蹤學生職業的發展數據，不僅僅跟蹤學生到哪里就業，還要跟蹤學生畢業后十年或是二十年的職業發展數據。這些職業發展數據要包括學生職場生涯中的每一次升職、每一次提薪和每一次跳槽。同樣，數據中還應包括學生在職場中遇到的失敗，比如降職或是被解雇。將描述出的學生職業發展的動態信息與學生從入學以來整個研究生期間的教育信息聯系起來，分析這兩者的關系，以此為依據找到在校學生中和就業相掛鉤的學生，可以提前有意識地培養這些學生，提高就業質量。對于其他學生可以起到預警的作用，使學生提前了解到自己現階段的學習和工作方式對今后的就業可能會產生不利的影響，并給予及時的糾正或完善，提高就業率。
四、大數據挖掘技術在學生質量評估體系中的應用
數據挖掘是一個利用各種分析工具在海量數據中發現模型和數據之間關系的過程，這些模型和關系可以被企業用來分析風險、進行預測[6]。數據挖掘是一門交叉性學科。數據挖掘過程經過數據收集、數據處理、數據變換、數據挖掘、模式評估、知識表示一系列的過程。該過程不是一次完成的，其中的一些步驟或整個過程都是經過數次數次或反復進行的。采用的算法非常多，比較常見的有：關聯規則方式、決策樹方法方式、神經網絡方法方式、粗糙集方式、遺傳算法、模糊論方法、可視化技術等。
1.關聯規則算法在研究生教育質量測評體系中
的應用。關聯規則算法可以運用在研究生的學業數據挖掘中。關聯規則算法可以分析出不及格課程之間存在的緊密的相關性。具體表現為某幾科課程成績同時不及格的情況下，其他一些課程成績不及格的機率很大。關聯規則算法還可以分析出一些較為基礎的課程對其他課程的學習影響很大，學習好這幾門課程對于學習好其余課程有很大的幫助。這種分析課程之間的相關性的算法對于降低學生的掛科機率，提高學生的課程成績有很大幫助。
2.決策樹分類算法在研究生教育質量測評體系
中的應用。利用決策樹分類理論構建研究生教育質量測評決策樹，實現教育質量測評定性分析。從決策樹中可以看出，在具有某種優勢的群體中，具有另一種優勢的人占很大比例。這樣可以推斷出具有前一種優勢的人一般都具有后一種優勢。利用決策樹分類算法可以分析出不同性質的就業方向的研究生一般具有的優勢，以及讀博深造的研究生一般具有的優勢。這樣可以根據分析結果提前對現在校研究生的就業和讀博的.適合度進行大體上的判斷。決策樹分類算法為學生規劃畢業后的發展方向提供有力的輔助決策作用。
3.采用k-means算法的聚類挖掘在研究生教育質
量測評體系中的應用。采用k-means算法的聚類挖掘能分析出某一群體的特征行為。應用在研究生教育質量測評體系中，可以分析出現學業警告或是就業困難的學生群體的行為特征，以及科研方面有較大成果或是就業質量較好的學生群體的行為特征。利用這些行為特征能夠預測現在校學生的未來發展趨勢，對于可能會出現學業警告或是就業困難的學生可以起到預警作用，而對于未來發展可能比較好的學生，學校可以提前有意識地培養。
五、結束語
本文探討了大數據技術在研究生教育質量評價體系中的應用，以此實現對研究生教育信息的動態化、細粒化描述。研究生教育數據每年在成倍地增長，信息的復雜性也在逐年提升，應用大數據技術在這些繁雜的數據信息中提取有價值的信息并對數據信息分析綜合得到衍生信息是研究生教育質量評價體系很有前景的一個發展方向。應用大數據技術可以實現對每個學生的教育質量的微觀、個體化跟蹤和未來發展的預測，對于可能出現問題的學生起到了及時的警告作用。大數據技術為研究生的學業培養及就業指導提供了有力的依據，已成為研究生教育質量評價體系中不可或缺的一部分。
第2篇：大數據背景下基于PBL的非英語專業研究生公共英語教學改革探索
隨著大數據在英語教學中的使用，PBL（problem-based？learning）以“問題為導向，以學生為中心”教學方法也日漸流行。但是基于大數據以探索PBL的英語教學改革則較為鮮見。本文擬聚焦北京某藝術類院校研究生公共英語教學，結合實例探索大數據背景下基于PBL的英語教學改革研究與實踐。
一、大數據在國內外教育中的應用現狀
“大數據”作為一種新技術架構，通過高速捕捉和發現分析，從大容量數據中獲取價值，其內涵概括為4個英文字母，即volume（數據量大）、variety（數據種類多）、velocity（數據生成快）和value（數據低密度，大價值）。大數據在英語教學中，為教學資源的共享、自主學習的監控以及教學效果的評估創造了條件，更為滿足學生職場需求的PBL英語教學改革提供了技術保障。國外目前針對大數據的研究主要集中在對教育數據挖掘、學習分析、個性化教育、教育方式的改善、學習策略探討、教育管理方式的改變、大數據對于教育的推動作用、數據驅動以及對圖書館建設、對教與學需求、評價方法的影響等方面。
美國和英國高等教育研究都表明，采用大數據探索性地分析學生在線課程學習、提交作業、同學交流及測試結果等，可以幫助教師針對學生的具體情況，及時提出改進意見，給出干預性指導，從而改進教學。美國的“夢盒學習”（DreamBoxlearning）公司和“紐頓”（Knewton）公司，已經成功創造并發布利用大數據的適應性學習系統，為數百萬名學生提供滿足職業需求的個性化學習服務，也使學校借助大數據提高學生學習效果，降低教學成本。美國紐約麥格勞·希爾（McGraw-Hill）公司和英國倫敦培生（Person）集團共同開發的“課程精靈”系統，能夠跟蹤學生的學習進展，并顯示學生學習參與度和學習成績等大量數據信息。相比之下，國內少數學者從理論層面提出了大數據學習分析在考試評價和促進高校教師專業發展等方面的應用。也有部分企業利用大數據從事在線教育，全程追蹤學生學習軌跡的梯子網，隨時跟蹤學生的學習過程，提出有針對性的學習方案。另外，猿題庫基于大數據技術推出“智能練習”產品，通過匹配答題情況和考試要求，向學生推薦強化題型，記錄答題過程，實時評估能力變化。綜上所述，國內外針對研究生英語教學借助大數據實施，以求職為導向探索相對鮮見。
二、大數據背景下基于以導向的PBL非專業研究生英語教學實踐
大數據背景下基于PBL的非專業研究生英語教學，旨在教學中充分利用現有的英語教學平臺和資源庫，借助網絡對學生的學習過程進行監控，包括針對學習時間、學習進度以及學習效果的跟蹤和記錄、整理和統計，反饋和思索。注重將課堂內外的英語學習與未來就業以服務社會的宗旨緊密結合，更新教學理念、充實教學內容、創新教學方法、改變測評體系；最終提升教學效果，實現學以致用，滿足就業需求。下面不妨以北京某藝術類院校研究生英語第十單元的教學為例，探索大數據背景下基于PBL的英語教學。
1.教學理念的更新與教學內容的拓展
在研究生英語教學中，教師要時刻以學生為中心，不斷更新教學理念，使教學的每個環節都服務于學生未來發展。教師應在第一節課主動向學生介紹自己的學術經歷和正在進行的科研課題，加強師生之間的相互了解，啟發學生思考英語學習的目的，為今后參與導師課題與求職就業及早準備。同時，教師把本學期英語學習內容（紙質教材和網絡自主學習教材）分別介紹給大家，具體解釋兩種教材并用的原因，鼓勵學生借助網絡，隨時隨地自主學習，而教師則通過教學平臺收集的大數據，對學生學習情況給予及時反饋。
在明確教學目的與學習內容的前提下，根據教學需要調整課本教授順序，把第10單元（TheRoleofEducation大學的作用）作為研究生英語學習的第一課，邀請學生以小組為單位登陸國內外高校網站，收集匯總不同專業的課程，對比自己專業課程的設置和培養模式，幫助學生加強課堂知識內化，拓寬國際視野，提升語言學習的時效性。事實上，正如某學生在交談中提到：“這樣的課堂有意思，我在老師的要求下查閱網絡資源有很多新收獲，我開始認真思考未來的求職就業。”
2.教學方法的創新與測評手段的推進
大數據時代需要變更傳統教學模式，打造集線上與線下相結合的教學方法，注重學生理論與實踐綜合能力的培養。不妨仍以第十單元的教學為例，要求學生對國內外知名大學校長在研究生開學典禮上的講話搜集整理，學生通過對比國內高校（清華大學、南開大學、北京航空航天大學）與國外高校（哈佛大學、芝加哥大學、普林斯頓大學）校長在開學典禮上講話內容的不同，教師啟發學生結合實際，從不同角度看待國內外教育的差異，理性看待我國研究生教育現狀，啟發學生認真審度自己的研究生生活，為未來求職就業或專業發展及早打算。教師只有秉承關注人、關注人的發展（認知心理和非認知心理的發展），才能以“不變”的理念智慧去應對“萬變”情景，從而靈活地選擇運用各種方法。
研究生學習自覺程度相對較好，但是同樣也需要一套完整合理的形成性評價體系。網絡作業每周至少一課，要求學生在上課前必須完成，并由各小組長將問題匯總給班長，通過QQ直接上傳。教師結合學生提出問題的深度和難度對學生給以評價，并在課堂上啟發、引導和追問，最終盡可能使問題在同學中得以解決。具體過程包括問題線索的鎖定、問題的關鍵點以及問題的解決辦法，甚至字典的查閱與語法知識的鞏固和文化差異的解讀。同時，充分利用大數據，隨時公開學生的學習過程和結果。形成性評估占總成績的50%，其中網絡學習任務占30%，課堂表現占5%、網絡寫作成績占10%、小組研究任務展示占5%；終結性評估占50%，在每學期課程結束時統一進行水平考試。令筆者欣喜的是，在抽查過程中發現，無論是凌晨4點，還是晚上12點，無論是在宿舍或采風在外，隨時隨地都有通過網絡自主學習的學生。
3.圍繞就業提升學生英語實踐能力
基于“問題為導向和自主學習”PBL英語教學，完成第10單元的學習之后，教師啟發學生通過搜索校園網上的新聞報道來思考本校教學與科研的.融合點，諸如博士項目和藝術類人文社科重點項目的申報成功，聯合國教科文組織官員參觀學校民族服飾博物館，學校舉辦的敦煌藝術展、韓國“母親的香氣”拼布藝術展、以及開設的中華文化傳習館等，所有這些信息都使學生逐步認識到民族服飾博物館與中關村創新科技園區是學校“產學研”結合的載體，學生應該圍繞職業發展促使英語實踐能力提升。教師隨即結合學生的需求，利用博物館和創新園區服飾文化資源，組織學生學習展品的英漢對照講解，義務承擔英文講解員，在理解中華燦爛服飾文化中增強民族自信和社會責任感。實踐證明，諸如此類的英語實踐，使學生增強了對所學專業的理解，在對比服飾文化差異中增強傳統文化自信。外語系中西服飾文化方向的研究生嘗試在網絡上購買桑蠶絲、香云紗等面料和各色牛皮，自己設計，跨專業合作，完成了扎染絲巾、打制牛皮手包、編制頗具傳統特色的精美項圈和手環、縫制改良旗袍等等，所有這些在學校的創新園區以及北京愛琴海等地銷售，顧客甚至登門定制。
隨著研究生課余時間經常參加各類學術會議和學校的各類展覽，筆者啟發學生針對首都高校女教師的著裝進行調查研究，并適時給以指導幫助，完成的調查報告獲北京市教工委社會調查實踐成果二等獎。
三、非專業研究生英語教學實踐的反思與啟示
大數據是未來教育的根基。首先，大數據背景下的研究生英語中，教師通過分析和統計學生群體或個體對不同知識點的掌握情況，及時量化跟蹤學生的學習過程，調整教學節奏。其次，教師在組織課堂討論，啟發學生思考的過程中一定要把握好“度”，結合實際靈活處理，適可而止，留給學生足夠的面子和思考余地。同時，教師還要將每個教學單元的處理當作一個研究課題，單元的總結要求小組分工合作，共同按成，并通過云平臺的使用和對學生學習數據的追蹤和匯總，透過現象看本質，挖掘數據背后學生學習中存在的問題，換位思考以幫助學生解決問題，切忌以偏蓋全，杜絕“只認數據不認人”。事實上，受益于大數據提供的極具價值的反饋信息，教師也因身兼學習者的角色而不斷學習。教育不再被視為主要由教師向學生傳遞知識的單項過程，而成為一種將為包括學生在內的每一個人提供學習、提高和發展機會的場所。
四、結論
大數據時代，我們既通過日常網絡活動成為“大數據”的生產者，也在搜集、處理以及挖掘數據價值的過程中成為“大數據”的消費者。研究生公共英語教學正是基于PBL（以問題為導向，以學生為中心），借助大數據，在教學理念、教學內容、教學方法和評估體系方面不斷創新，使研究生教學質量穩步提升。
【大數據方向研究生體系研究論文】相關文章：
數據信息安全體系構建論文10-09
旅游文化體系建設研究論文10-09
研究生論文評語11-15
研究生論文提綱10-26
研究生學風建設方法研究論文10-11
研究生論文的開題報告11-02
研究生論文的開題報告10-10
研究生如何發表論文09-23
研究生論文開題報告06-08