大數據的興起，使得通過數據挖掘及分析實現高等教育的個性化、實時化已經迫在眉睫。
　　隨著經濟的快速發(fā)展，我國高等教育也步入了新的發(fā)展時期。尤其近年來移動互聯(lián)網、云計算以及大數據的出現，更是在一定程度上對傳統(tǒng)的高等教育模式提出了嚴峻的挑戰(zhàn)。大數據的興起，使得通過數據挖掘及分析實現高等教育的個性化、實時化已經迫在眉睫。
　　一、大數據概述
　　作為繼云計算之后的信息技術領域的又一個熱點，大數據在近幾年受到學術界及實業(yè)界人士的高度關注。事實上，早在1980年，美國學者托夫勒就在其著作《第三次浪潮》中提出，“如果說IBM的主機拉開了信息化革命的大幕，那么‘大數據’才是第三次浪潮的華彩樂章�！彪S后，美國SGI（Silicon Graphics）的首席科學家John R. Mashey在1998年首次使用“大數據”這一術語，并對其具體含義進行了詳細闡述（如何使用和分析大型數據）。直到2008年9月，Nature雜志推出了名為“大數據”的封面�？�。從2009年開始，大數據才逐漸被各個行業(yè)所熟知。
　　通常而言，大數據由數據存儲、數據處理和數據分析三部分構成。首先，數據需要通過存儲層予以存儲，其次再根據具體的目標或需求建立相應的數據模型，最后與指標體系相結合對數據進行分析得出所需的決策。在這個過程中，分布式計算架構必不可少，通過云計算的分布式處理、分布式數據庫、云存儲和虛擬化技術等才能更好地對大數據進行挖掘和處理。如果說云計算作為硬件資源的一種虛擬化來支持大數據處理的話，那么大數據技術則是對于海量數據高效處理，其未來的發(fā)展趨勢就是通過實時交互查詢和分析為各行業(yè)提供有價值的決策信息。隨著大數據的出現，數據量的衡量單位已從之前的MB、GB、TB發(fā)展到現在的PB、EB甚至ZB級別。John Rauser（2012）認為，大數據是任何超過了一臺計算機處理能力的數據量。當然，除了規(guī)模大（Volume）這一特征外，大數據還具有以下幾個特征：
　　1.處理速度快（Velocity）
　　大數據優(yōu)勢的發(fā)揮就體現在處理速度方面。數據的更新和流動速度非常快，大量的數據只有通過借助移動互聯(lián)網、RFID（電子標簽）、傳感器等加快數據處理速度，才能更好地發(fā)揮大數據的價值。
　　2.多樣性（Variety）
　　隨著網絡技術的發(fā)展，人們可以通過社交平臺、網購平臺、行車記錄等方式采集數據，數據的源頭越來越多樣化，數據來源的廣泛性使得數據種類繁多。與此同時，數據的格式也不再僅僅局限于傳統(tǒng)的結構化數據，包括音頻、視頻、網頁、圖片等在內的非結構化數據逐漸成為數據存儲的中堅力量。傳統(tǒng)方式下，為了便于數據的儲存和處理，人們更多地使用結構化數據，非結構化的數據被壓縮甚至刪除，極大地影響了信息的有效性。而大數據處理過程中主要關注的是個性化信息，注重用戶的體驗效果，因此非結構化數據正在嶄露頭角。
　　3.價值高（Value）
　　大數據之所以規(guī)模大，就在于原始數據包含了大量的細節(jié)信息。盡管在解決問題時會有很多不相關的信息存在，會在一定程度上降低決策的效率，但是，在同樣的數據庫情況下，人們會用它來解決更多的問題。也就是說，雖然數據的絕對數量增加，但其中有效信息數量比例有所減少，數據的價值密度和數據量兩者呈反向變動關系。
　　二、對于高等教育模式的影響
　　1.教師教學模式
　　長期以來，我國的教育實施都是依據主管部門或者課程講授者總結的經驗來進行，很多被公認為“重要”的因素會在教育執(zhí)行過程中反復、多次強調。但是，在有些情況下，經驗性的東西反而缺乏科學性。以蘋果公司為例，他們在銷售電腦過程中并沒有采用傳統(tǒng)的搞促銷，而是不停地發(fā)布更新更時尚的廣告方式，而是通過對門店采集的數據分析，發(fā)現電腦屏幕和桌子呈現70度角左右的時候，以這類方式擺放的電腦銷售量要比其他方式擺放的電腦銷售數量超出15%。原因在于，與桌面成70度角擺放的電腦屏幕剛好處于反光的狀態(tài)，這時候，人們自然而然會去調整屏幕角度。而在銷售過程中，只要潛在的顧客與實物發(fā)生了接觸，那么產品售出的概率就增加了15%。這一結論是通過大數據分析而不是經驗得出的。教學亦是如此，相關問題的解決不再依賴于停留在每位教師頭腦中的模糊的經驗，而是基于對海量的教學問題的描述以及教學問題解決方案的分析（梁文鑫，2013）。不難看出，相對傳統(tǒng)的經驗模式，“用大數據說話”的數據分析模式正在引領著各行業(yè)包括教育行業(yè)的思維變革。
　　不僅如此，我國的高等教育模式也都一直倡導按照教學大綱、教學計劃等有步驟、有計劃地因材施教，但是在具體執(zhí)行方面，由于師資、學生數量、教學任務等各種原因，多數都未能實現因材施教的真正目的。大數據時代，對海量的教育教學數據挖掘和分析可以將學生的真實情況及時并如實反映，如課堂教學過程中，哪些同學對于理論部分較為感興趣，哪些同學對于實務較為關注等，通過數據分析，將與學生學習相關的信息直接反饋給教師。在這種方式下，教師可以此為依據選擇最適合學生學習的內容和方法，教學模式也從群體教育向個體教育轉變，極大降低了雙方信息不對稱的情況，真正做到因人而異，因材施教（慶年，2013）。同樣的情況，學生在做課后作業(yè)時，對于同一類型的題目，如果正確率達到一定程度，數據分析可以讓系統(tǒng)跳過該類型的題目；而某類型的題目如果出錯率較高，則系統(tǒng)也可以通過多次強化來達到學習的目的。
　　2.教學評價模式
　　眾所周知，高校的教學評價模式包括兩個部分：一個是學生對于老師的評價，主要是通過學生對老師的課堂滿意度進行各項分數打分；另一個則是老師對于學生的評價，主要通過對學生的日常到課率和課堂表現進行綜合評定。但是，傳統(tǒng)的評價模式僅局限于教師教的及學生學的好壞與否，我們不能僅憑簡單的數字加以解讀，具體的細節(jié)方面還有待于改進。例如，學生最喜歡教師的哪些課堂教學方式？學生在學習過程中的學習習慣是什么？通過什么樣的方式能夠最快地掌握知識？這些都是無法通過簡單的傳統(tǒng)教學評價實現的，只能通過長期的數據分析得到規(guī)律（如教師的教學習慣、學生的學習方式等），而大數據則為我們提供了這一平臺，教育評價由僅依賴于結果這一“單一維度”層面轉變?yōu)殛P注整個過程的“多元維度”層面。例如，通過技術層面的分析，我們可以根據學生的瀏覽記錄和內容點擊量的統(tǒng)計來判斷其對相關知識點的掌握情況，包括難度如何及需要用多長時間掌握等，挖掘出與學生實際情況相符的信息，形成針對學生個體的直接效果，從而制定更符合實際情況的個性化教育策略。

相關熱詞搜索：高等教育 模式 數據 研究 背景下