基于大数据的高职院校学生综合素质评价研究.doc

基于大数据的高职院校学生综合素质评价研究
摘要:该研究将探索建立高等职业院校学生综合素质评价体系及建立学生数字画像。与传统学生综合测评模型相比,它的数据是自动采集的,全方位的(包括学业、生活、行为),具有过程性与结果相结合的特观判断和个人经验为主导的方式构成的,在评价理念、评价方法及评价的时效性、操作性方面都存在一定的不足,在实施过程中会导致评价的不公平、不科学、不全面等问题,使综合素质评价的各方面优势都无法得到充分体现嘲。本研究探讨收集学生在校期间各项活动的数据,创建基于大数据的各种画像,包括学生基础画像、学业画像、信息素养画像、学****能力画像、交流合作与实践创新画像、运动与健康画像等。当今社会,常见的综合素质指标包含“道德品质”“信息素养”“学****能力”“交流合作与实践创新”“运动与健康”“审美”“表现能力”等方面等内容,这些素质可以归结为人的综合素质。除了成绩能够有效准确测量外。道德素质、表现能力等方面在原有评价里缺乏有效的测量方法与手段。实际操作性不强。而随着云计算、大数据、物联网、5G等技术的普及,它给教育实践领域的探索带来了新技术、新方法,使之前难于测量的评价通过行为采集、过程采集等进行收集。使学生通过数据更了解自己,为就业储备更多技能与素质,实现高质量就业。

传统数字化校园缺少统一规划,各自为政,无统一信息标准,信息孤岛问题严重,面对庞大的数据也是无能为力。而随数据仓库技术与非结构化采集技术的日益成熟,以及国家对大数据应用日益重视,使基于学生日常行为的数据应得以开展。
首先以《智慧校园总体框架(GBT36342-2018)》《》《教育管理信息教育管理基础代码》等标准并整合校内实事标准建立信息标准,通过数据治理实现数据的一致性后存人数据仓库。统一校内计算资源,建设高性能且容灾的私有云平台,依托ETL技术将一卡通数据、教务数据、图书数据、上网数据、物联数据、互联网数据等采集到数据中心。根据不同数据类型,可充分利用数据流采集工具flume、数据传输工具sqoop、爬虫工具python等,再通过可视化BI工具进行分析与展示。总体上分为数据提取、数据分析、结果输出三步。构建综合素质评价的体系指标,主要指标包括思想道德、专业技能、创新素养、文化素养、身心素质。通过文本挖掘算法得到标签元数据和标签数据集并使之标准化,基于前述画像维度进行用户建模,并通过聚类算法对学生画像分类。最后构建学生综合素质数字画像系统,使用可视化雷达图等工具建立岗位与综合素质匹配度。
将研究内容标准化,并对算法、收集范围、可视化工具等进行反复迭代,使基于大数据的学生综合素质评价更加精准和科学。
3关键技术实现

本研究将采集课堂内外、正式和非正式学****环境、学****活动和生活表现等数据,覆盖80%以上在校学生的关键数据。利用校内基于超融合的私有云平台,为本项目提供计算能力,提供5个计算节点,约30T的分布式存储。
在数据源方面,建设智慧校园数据中心,依托ETL技术将一卡通数据、教务数据、图书数据、上网数据、物联数据、互联网数据等采集到数据中心。数据流采集工具flume、爬虫工具py-thon等。归类如下表。
根据前面的数据源进行数据建模,针对数据来源