高职院校素质学分数据模型构建.pdf

第 25 卷 第 5 期 宁波教育学院学报 Vol.25 No.5 2023 年 10 月 JOURNAL OF NINGBO INSTITUTE OF EDUCATION Oct.2023 收稿日期：2022-12-27 基金项目：宁波幼儿师范高等专科学校规划课题“数字化改革视域下学生素质学分模型构建研究”（NBYZKY2022010）第一作者简介：周 亮（1992-），男，浙江宁波人，工程师，研究方向：数据分析及挖掘。高职院校素质学分数据模型构建 周 亮1，屠斐正1，俞佳含2 （1.宁波幼儿师范高等专科学校 网络信息中心，浙江 宁波 315336；2.宁波幼儿师范高等专科学校 阳明人文学院，浙江 宁波 315336）摘要：素质教育是我国教育改革发展的战略主题，素质学分制是一种大学生评价模式的新探索，主要体现在学业计划之外的内容，是对高校学生在校就读期间非学业状况提高的侧面体现，素质学分模型是建设在素质学分之上，通过已收集的学生信息，采用 SQL 语言查询创建数据视图链接，最终构建素质学分数据模型。关键词：素质；学分；素质学分；数据模型；素质教育 中图分类号：G647 文献标识码：A 文章编号：1009-2560（2023）05-0099-05 一、引言素质教育是我国教育改革发展的战略主题，党的二十大报告中指出，我们“要办好人民满意的教育，全面贯彻党的教育方针，落实立德树人根本任务，培养德智体美劳全面发展的社会主义建设者和接班人，加快建设高质量教育体系，发展素质教育，促进教育公平”。高职院校要发展素质教育，必然要构建出与其相符的评价模式。如今，数据已是除土地、劳动力、资本、技术外的第五大生产要素，各行各业都纷纷希望借助大数据技术，让数据为自身发展做出更科学决策。高校数据具有数据量大、来源广泛、种类多样、数据更新频率不及时、时效性要求高等特点，而数据模型是现如今大数据时代挖掘数据价值的重要战略工具。高职院校通过提取冗杂的学生各数据提炼出关键要素加以定量衡量，例如学业、生活、消费、习惯等多角度数据，使多维度数据组合，最终提炼出相应的数据模型，依靠校内现有的业务系统所收集来的业务数据，围绕特定需求将模型组合排列起来，为决策平台提供科学、完整、全面的数据应用支撑，是数据应用科学化、精准化和干预的核心基础。二、传统学分制与素质教育 1892 年的美国，哈佛大学校长艾略制定了一种与选课制相适应的制度学分制，用于计算学生课程完成情况。此后，被英、法、日等多国的采纳、改进，整合了奖惩、学分替代等一系列制度。学分制在全世界的学校已被广泛使用。经过了100多年的发展与演化，学分制渐渐表现出对现代实施素质教育不适应，需要对其进一步升级、创新、重构。传统学分制的问题主要体现在以下三个方面：（一）从评价目的看 学分制评价目的是实现课程知识体系的培养目标，本质上是一种“知识本位”的评价。它必然导致应试教育在高校教育教学实践中大行其道，与素质教育不相适应。（二）从评价体系和评价内容看 在学分制的评价体系中，主要是对学生100 宁波教育学院学报 2023 专业知识或专业能力状况的评价，没有涉及对学生专业观念、专业品德、专业心理等素质的评价；只有对学生“思政”等公共课程的相关理论知识记忆、理解状况的评价，没有将学生的观念、品德的“践行”状况、通适能力及身心健康状况纳入评价体系；更没有涉及创新素质的评价。因而传统学分制实质上是对学生知识状况的“一元”评价或“一维”评价，对学生的知识学习和传承具有一定的推动作用，但不利于学生素质的培养和提高，对用人单位而言，参考价值不够全面。（三）从评价方式方法看 学分制对学生的评价方式方法主要是课程考试，这种考试主要是测评学生的课业成绩，反映的主要是学生对书本知识的记忆和理解状况。这种评价方式无法对学生的观念、品德、身心等方面的素质特别是创新素质进行全面评价。三、素质学分的概念“素”，“说文解字”的解释为未染色的白色原丝织成的丝品；“质”，解释为用物品抵押，在心理学中专指人的某些先天所具备的心理特征。因而，素质在现代社会中往往是指人在平时的修养，分为思想、文化、身体，即代表德、智、体三个方面，为适应现代的素质教育，我们将其扩充为观念、品德、能力、身体、心理五个方面。素质学分制是一种大学生评价模式的新探索，主要是指教学计划之外的学分内容，是对大学生在校期间非专业素质提高状况的侧面反映，通过研究学生的观念、品德、能力、身体、心理五个方面素质的内化，并结合本校素质学分实施办法和高职教育实情，将高职学生素质教育细化内容划分为五个层级，制定的以下的高职院校素质学分类别及权重（表 1）。“素质学分”与“学分”有一些相同之处，都是对大学生量化评价的一种方式。不同之处是，素质学分是建立在学生日常的素质行为表现上，素质学分的评分一定程度上表示了学生素质状况，反映的是所考查学生的特定素质状况，而不仅仅是某一课程科目的成绩、考试得分以及任课教师的评价。这些并不能最终反映学生的素质情况，素质学分应考虑每位学生的不同起点、个体的性格差异，体现价值的意义不仅仅局限于其专业理论的学习程度。表 1 高职院校素质学分类别及权重 素质学分类别 培养模块 一票 否决 所占 比重 观念 意识形态与思想塑造 是 20%品德 理想信念与价值引领 否 20%能力 文化素养与能力提升 否 20%身体 强身健体与意志培养 否 20%心理 心理健康与态度积极 否 20%结合就业来看，用人单位得到的如果仅仅是一张学生成绩单，这种成绩单提供的仅仅是毕业生相关专业课程的成绩，对用人单位需要了解的思想、品德、能力、心理甚至专业技能情况缺乏参考价值；而素质学分的引入将直接关联学生能否顺利毕业，素质学分达到 60 分即代表学生的综合素质状况达标，6080为良好、80100为优秀，同时在意识形态层面重点考察，一票否决。素质学分的引入，使用人单位不仅可以全面了解毕业生的专业学习情况，还可以了解毕业生的生活行为情况，有利于用人单位准确选材，用人选人。四、素质学分与数据模型的组合 素质学分数据模型是指将学生素质要素进行量化、评分加权处理，形成百分制测评体系。测评指标体系的构建，要以不断提高学生综合素质为目标；采集的业务系统数据保证真实性，保证数据的时效性；特别是测评数据模型必须不断优化，尽可能地还原出学生的素质情况。同时，所构建的素质学分数据模型应具有切实可操作性，保证数据模型最终可以落地（图 1）。数据模型的基础是校园数据中心，我们第 5 期 周亮等：高职院校素质学分数据模型构建 101 一般将校园数据中心分为四层：将从各业务系统采集而来的原始未加工数据称为 ODS 层；将 ODS 层数据按照校方的数据标准进行处理后形成 TDS 层数据；将应用层数据按照要求而反推出的汇总中间数据，汇总的大粒度的半结果性数据成为 SMY 层；将数据按照一定需求呈现出最终的计算结果，无其他数据处理过程依赖此数据层成为 SER 层。本研究过程中最终呈现的结果就体现在 SER 层，因而在此流程中我们首先需要定于来自于各个业务系统中的数据，判断哪些数据是可以用，可以用的数据又应该以什么业务为准，需要对学校的数据流向、数据结构有着全面清晰的认知，而学校的数据存在乱而杂、接口不清晰、来源不明确等问题，这给前期的数据标注工作带来了一定困难。“校园大脑”平台可通过 Hadoop 或其他可提供可靠存储HDFS以及MapReduce编程范式进行大规模并行处理数据。通过对海量数据的质量进行分析，剔除噪声数据，保证分析结果的正确性与准确性。通过Hbase实现大规模分布式 NoSQL 数据库，提供随机存取大量的非结构化和半结构化的海量数据，为异构感知数据库、业务知识库等提供结构化、半结构化、非结构化数据的处理能力，最终使用 SQL 查询创建数据视图链接，从而构建素质学分数据模型。本研究在“校园大脑”的底座上、校园数据融合的基础上，利用大数据和人工智能技术，构建素质学分主题建立智能业务模型，以增强人才培养的特色和适切性，对高校自身和社会发展都具有重要的意义。优良的人才培养体系是高等学校得以持续发展教育的命脉，做好人才培养体系的评价对于改善高校教学工作、促进高校培养模式不断转变，具有重要意义。由于人才培养质量受到多种因素的共同作用，建立合适的评价指标体系和评价模型是保证评价结果准确性的前提。五、素质学分数据模型构建 构建素质学分的数据模型，解决了一部分上述传统学分制的问题，而在素质学分方面，目前大多数高校已经发布了自己的素质学分考核办法，但是这些考核办法中，90%以上的数据来源基本还是需要通过线下的数据收集，然后人工处理汇总评定，致使整个统计过程费时费力、处理过程不够透明、学生容易提出质疑。缺少一个实际可行、稳定可靠、灵活迭代的数据模型。素质学分数据模型的建设应充分挖掘教育数据价值、数据赋能为目标，基于学生的课外实践课堂、知识课堂、创新课堂等数据，从学生的思想道德、知识素养、创新实践、人才培养质量等维度对人才培养体系进行评价，并建立相应的综合评价模型。而素质学分模型是建立在素质学分之上，通过已收集的学生信息、数据构建一个数据模型。我们初步将学生的奖惩数据、学生的阅读积分、学生获奖情况、学生体测数据、学生活动参与情况、学生心理数据、学生上网行为管理、舆情分析系统等数据整合起来，来对应学生的观念、品德、能力、身体、心理五个方面素质，最终构建出学生的素质学分数据模型（图 2）。学生的素质学分数据模型评价周期可以以小时为单位，这需要校园数据中心有着一定的数据粗加工与清洗能力，还要有着一定量的计算资源，可以让学生自主查询到自己的素质学分情况及评价结果。但这样做也面 图 1 数据模型的处理过程 102 宁波教育学院学报 2023 临着一个数据查询并发的压力，所以需要定时对数据合并计算，而定时的周期取决于数据库服务器的压力情况，为了保证用户的体验还应当将 Web 服务器分离出来，独立于数据挖掘服务器。在本文中构建的数据模型需要多种不同平台的数据库进行交互，还需要具备一定的并发查询性能，在不断实践中选择了以下的组合平台。操作系统：Windows server 2016，主语言：SQL，数 据 库：Oracle、MySQL、PostgreSQL，数据库工具：Dbeaver，Web 服务：Nginx，网络编程语言：JAVA。六、结语 本文基于学生的观念、品德、能力、身体、心理五个方面素质，以宁波幼儿师范高等专科学校的学生素质学分为例，构建素质 图 2 素质学分数据模型示意图 第 5 期 周亮等：高职院校素质学分数据模型构建 103 学分数据模型，在“十四五”数字化转型大背景下，将数据模型与素质学分进行实际结合，构建了一个实际可行、稳定可靠、灵活迭代的数据模型。帮助解决在学生的日常管理工作中素质学分统计难、统计慢、统计不透明的问题。通过数字化改革赋能学生管理工作，帮助实现素质教育真正平稳落地，实现不断提高学生综合素质的目标。参考文献 1 赵作斌.素质学分制大学生评价模式的新探索J.中国高等教育,2018(20):27-29.2 方海光,孔新梅,洪心,等.面向教育数字化服务的教育数据模型体系研究J.远程教育杂志,2022(4):45-54.3 陆峰.高职教育学生素质学分模型构建初步思考J.智库时代,2018(42):31-32.Research on the Construction of Quality Credit Data Model ZHOU Liang1，TU feizheng1，YU jiahan2(1.Network Information Center,Ningbo Childhood Education College,Ningbo 315336,China;2.Yangming Honors School of Humanities,Ningbo Childhood Education College,Ningbo 315336,China)Abstract:Abstract:Quality education is a strategic theme for the reform and development of education in our country.The quality credit system is a new exploration of the evaluation mode of college students,which is mainly reflected in the content outside the academic plan,and is also a side reflection of the improvement of non-academic conditions of college students during their studies in schools.The quality credit model is built on the quality credit.It creates data view links through the collected student information and using SQL language query.Finally,build the data model of quality science.Key words:Key words:quality;credit;quality credits;data model;competence education（责任编辑 张文鸯）