大数据背景下继续教育的督导框架设计的思考论文

摘要：建立继续教育大数据分析下的督导评价指标体系, 用数据来验证提高继续教育督导科学化水平, 同时充分利用现代信息技术, 加强督导队伍管理, 开展督导工作, 创新继续教育督导的手段和方式, 提高督导效率和督导结果的精准度。开发督导信息管理平台, 对督导数据进行分析后为督导人员提供督导结果, 督导人员借助该结果可以不再局限于实地考察、调研评估, 可以大大提高督导效率和督导结果的实时性、准确度。

　　关键词：继续教育; 督导; 框架设计; 研究;

目前大数据背景下还没有国家层面的针对继续教育的督导框架, 本文作者介绍在当前大数据的背景下对继续教育的督导工作和督导框架设计的想法。

一关于继续教育、继续教育督导、继续教育督导框架的定义

(一) 继续教育

是指已经脱离正规教育, 参加工作和负有成人责任的人所接受的各种各样的教育。是人类社会发展到一定历史阶段出现的教育形态, 是教育现代化的重要组成部分。

(二) 继续教育督导

是根据国家的有关教育方针、政策、法规和制度对继续教育行政部门和开展继续教育的各级各类学校进行监督、检查、评估、指导和帮助, 旨在加强国家对继续教育事业发展的全面管理, 以保障教育方针和政策的贯彻执行, 提高教育质量, 促进教育事业的健康发展。

(三) 继续教育督导框架

是对各类继续教育机构开展督导工作的共同参照系。框架包括标准、指标和定量的评估方法, 督导机构依照框架为继续教育机构提供综合的评估说明, 继续教育机构可以通过框架全面了解自身情况, 提高薄弱环节的质量, 从而提高教学质量。

二研究背景

随着信息技术的高速发展, 我们传统的教育发生了很大的改变, 这一点在继续教育领域中表现的尤为突出[1]。例如: (1) 基础设施的建立。教学机构创设多媒体和网络为核心的数字化硬件环境。 (2) 信息管理系统。教育机构通过各种信息系统开展教学活动。包括教务管理系统, 招生管理系统, 考试管理系统, 学籍管理系统, 学分银行管理系统等。 (3) 基于互联网的教学平台。包括学生sns平台国开和基于手机的同学网, 微课平台五分钟课程网, 云直播平台、moodle等课程平台。

三技术路线和研究过程

通过对教育市场上继续教育机构进行梳理, 基于以下原因, 可以利用数据挖掘技术来为框架设计提供指导。

(一) 几乎所有的继续教育机构采用基于互联网的教学方式

随着互联网技术的发展, 互联网已彻底改变着人们的生活习惯, 人们依赖使用互联网的生活, 同时使用互联网来帮助自己来学习。因继续教育本身面向离校后的成人, 所以现在教育机构都利用互联网采取远程教育方式。通过对基于互联网的远程继续教育研究可以指导整个继续教育的督导框架设计。而基于互联网的远程教育机构中的数据几乎可以表现该机构的一切教学管理等教育行为。

(二) 大数据技术的发展为我们对继续教育大数据的处理提供支撑

机构在开展教育活动过程中, 无论是使用各种信息管理平台还是利用教学平台进行教学, 都会产生大量的数据, 例如机构数据、教师数据、学生数据、课程数据、学习成果数据、教师行为数据、教师行为数据等等, 而在过去, 由于软硬件的瓶颈, 这些数据并不能被有效利用, 随着大数据技术的发展, 机构不仅有能力配备足够的硬件存储这些数据, 还能通过云计算的方式来处理这些大数据。大数据的挖掘结果可以指导继续教育框架的设计。

(三) 继续教育可以按教育目的进行分类

随着经济社会的发展和人们生活水平的提高, 为了满足人们对继续教育的各种需求, 目前我们继续教育涉及领域之多、汇集人群之广、年龄跨度之长、在各级各类教育中是非常突出的。目前我国的继续教育分为三类[2]: (1) 第一类是获得学历教育学习成果, 例如可通过学历教育的课程拿到学分; (2) 第二类是获得非学历教育学习成果, 非学历教育学习成果主要以项目结合课程形式呈现, 例如可通过干部在线学习的课程或者教师继续教育的课程; (3) 第三类是获得无一定形式的学习成果, 无一定形式学习成果主要以非课程项目形式呈现的学习成果, 通常表现为工作经历、工作经验、工作技能、生活技能等, 例如学会了使用office办公软件等工作技能。所有的继续教育机构都有其教育目的, 所以也都有相应的学习成果。通过具体的教育机构包含学习成果的领域等级维度, 可以将继续教育机构进行相应的分类。

四设计步骤

(一) 数据挖掘技术在教育督导框架设计中的应用

支持度公式置信度公式从定义来看, 任意两项间都可以用关联规则表示, 并由支持度和置信度描述。因此为了排除我们不关心的小概率事件间的联系, 算法挖掘出的关联规则必须是满足一定支持度和置信度条件下的关联规则。关联分析的`目的就是找出数据库中隐藏的关系网, 关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。一开始, 关联规则的产生主要是针对购物篮分析问题。由于开展督导工作的目的就是提高教学质量。所以督导框架的设计必须参考教学质量的评价。这里运用数据挖掘技术通过对继续教育数据的分析, 发现与“教学质量高”相关的关联规则。并且计算这种关联的发生的支持度和置信度, 从而指导我们设计教育督导框架。

(二) 数据处理

数据选择的主要目的是确定发现任务的操作对象, 即根据用户的需要, 从原始数据库提取数据形成目标数据。作为继续教育机构开展在线教育一般有教务管理系统, 网络教学平台, 考试平台或者学分银行信息平台。从教务管理系统数据库中提取教师数据、课程数据、学生数据、选课数据。从教学平台数据库中提取教师行为数据、学生行为数据。从考试平台数据库中提取考生考试成绩数据和从学分银行信息平台中提取学生积累的学习成果数据。

1. 对于特定信息进行离散化。

连续属性的离散化采用基于距离的量化离散方法更有助于关联规则的发现。考试成绩数据离散化标准为:以10分为一个分数段进行划分, 对于成绩60分以下的统一划归到一个区间。

2. 删除信息不全的数据。

由于有些学生虽然对课程进行了学习, 教师也对课程进行了教授, 但没有参加考试, 所以利用这些信息不全的数据进行挖掘, 需要对这些数据进行整条的删除。

3. 录入信息的规范和统一。

由于信息录入人员的个人认知不同等, 对类似于职称、专业领域等字段进行了不规范的录入, 例如计算机专业、计算机科学与技术专业等, 这些数据需要按照统一的标准和粒度进行转换, 再用于数据分析。

4. 挖掘结果的应用。

例如我们通过对大数据的挖掘, 发现了以下的关联规则。

表1 课程主讲教师职称副教授以上占比 (jszc) 与教学质量 (jszl) 之间的关系

通过上述关联规则的挖掘, 可以看出教育机构中的课程资源的主讲教师副教授以上的占所有资源百分比, 与教学质量之间存在这关联关系, 教学机构副教授百分比数可以作为督导时的重要指标。并且根据支持度和置信度来指定这个事件的相对权值。这里的支持度和置信度都设置了一定的阈值, 这里的项集中的事件需要对基础数据做预处理, 用处理后的数据来表现教育机构的特点。

五总结和展望

提高督导队伍信息化水平。随着现代信息技术和继续教育的深度融合, 甚至新的互联网技术和数据技术可能在不久的将来进一步改变继续教育的教学方式[3]。对于继续教育的督导工作, 作为督导队伍应不断适应继续教育发展的潮流, 与时俱进, 不断提高信息化素质, 加强对新的互联网技术, 数据处理技术等被应用到继续教育的信息技术的了解和应用。从而进一步提高继续教育督导工作的科学化水平。

　　参考文献

[1]郑礼平, 玉石, 张华.互联网与终身学习深度融合背景下的继续教育变革[J].高等继续教育学报, 2015 (02) :9-13.

[2]玉石, 张华.终身学习与互联网深度融合背景下的继续教育创新发展[J].继续教育, 2015 (05) :8-10.

[3]鄢小平.我国学分银行制度的模式选择和架构设计[J].远程教育杂志, 2015:32-40.