前言：寻找写作灵感？中文期刊网用心挑选的大数据在高校教育信息化的运用，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
随着科技进步，计算机与网络技术都获得了跨越式发展，并且逐渐与高校教育深度融合，进一步推动了高校教育的革新，使教育信息化成为了不可逆转的发展趋势。近些年来，各地高校针对大数据时代下的教育革新问题开展了大量的研究与讨论，以期能利用大数据技术助力于高等教育信息化，使高校教育理念与高等教育决策更富科学性，从而实现教育公平、提高教育质量。在这一背景下，本文围绕大数据在当代高校教育信息化过程中的应用进行了如下探讨。
1大数据在当前高校教育改革中的主要应用方向
1.1个体分析
高校教育一旦应用了大数据，对个体学习的研究和个性化学习也就成为了可能。在融合运用大数据之后，通过校园数据中心就能对诸如考试成绩演变趋势、期刊阅览室使用频率、校园出勤情况和图书借阅情况等信息进行分析，全方位评估学生状态，从而因地制宜、因材施教。
1.2舆情预测
网络是当代舆论信息的最传送平台，学生在存有疑惑时，最先想到的就是网络。而通过大数据技术就能捕捉、积累和分析学生的校内网访问轨迹，对其心理动态、信息需求和行为动向等做到深入了解，同时借此加强舆情预测，避免不良的个体行为或情绪影响到群体，并且能及时保护学生不受侵害，提升校园舆情管理水平。
1.3教学评估
高校教育借助大数据分析能够挖掘出更多的教育数据。截至到目前为止，包括高等院校在内的各类教育机构已经通过大数据技术积累了较多的数据资源，通过动态监测、变动分析这些累积下来的信息，组建起一个教育数据库，这些教育机构就有机会探究校内学生的学习环境、学习状态和学习的全过程，从而总结教育工作，及时调整教学方针，客观全面地评估教学工作。
2基于大数据建立的教育信息化平台基本框架
2.1智能感知层
智能感知层是教育信息化平台的基础层，是平台之所以能采集到海量数据的主要物质基础。利用智能感应技术开展全方位与多角度的数据采集工作。安装传感器、GPS以及摄像头等各种仪器，智能感知校内环境状况、各项仪器运行状态以及教学情况等，使平台采集海量数据、挖掘数据资源成为可能。
2.2网络通信层
网络通信层包括网络平台层与计算、存储层，主要是基于无线、有线网络技术为教育信息化平台提供网络基础的层面。继智能感知层之后是网络平台层，该层面主要采用了3G/4G、IPV6、Wi-Fi以及IPV4等无线网络技术。继网络平台层之后便是计算、存储层，该层由网络服务器、磁盘阵列、IaaS和HPC等有线网络技术组成，负责对视频、文本、地理位置和多媒体等数据的计算与存储工作。这两个技术层都是平台传输数据所需要的介质，它们共同为教育信息化平台提供必要的网络基础，使各种数据得以随时随地接入平台体系，让平台可以快速互联互通。
2.3大数据层
在大数据平台中，大数层是必不可少的层面。大数据层在平台运转中扮演着核心角色，主要包括两个层面。（1）大数据采集、管理层，该层包括传感器数据采集平台、主体虚拟映像模块、大数据管理中心和元数据管理模块，是收集数据、存储数据和计算数据的枢纽。（2）大数据处理层，主要由数据服务平台、数据挖掘引擎以及大数据分析处理平台构成，分析处理数据是该技术层的核心工作。
2.4应用支撑层
整个平台的应用支撑层由智慧应用层与大数据应用层组成，其中智慧应用层一般包括五个模块：（1）智慧型教学；（2）智慧型科研；（3）智慧型服务；（4）智慧型文化；（5）智慧型校园。主要承担为高校教育管理信息化提供智慧型业务应用的工作，是大数据信息化体系发挥其智慧校园效能的关键。而大数据应用层则主要提供个性化学习应用、数据预测应用、舆情分析应用和大数据评估应用等个性化智能业务服务。
2.5用户层
用户层是为用户提供权限以内的大数据教育信息服务的技术层面，用户集合包括校园师生、管理人员、培训学员和社会公众等各类用户群体，使用的终端设备包括卫星电视、上网本、PC机、手机和工作站等，各类用户通过这些终端设备就可以体验权限范围内的各种教育信息化服务。
3大数据在当前高校教育信息化改革中的难点
3.1技术层面
3.1.1数据源的可用性
尽管大数据平台集合的数据资源本身就有客观性，但是并不代表数据本身就是客观存在的事实，如果不能仔细甄别，人们也会受到数据的欺骗。高校大数据的来源渠道多种多样，数据模态更是囊括了XML数据、标量数据、矢量数据和图、流数据等多种类别，数据兼具了冗余与重复性特征，加上质量的参差不齐，都为数据的高质量加工整理带来了困难。
3.1.2数据分析的连续性
针对高校教育，我们经常难以理清其规律，因为教育评价指标很难做到尽善尽美，需要连续几年甚至更长期的观察评估和不断更正，所以，高校在融合大数据技术进行大数据分析时，需要兼顾部门横向对比和历史纵向对比，更需要持续调整和修正每天产生的海量校园数据，这些数据详实而琐碎，加大了数据分析的难度。
3.1.3数据挖掘的复杂性
在基于大数据形成的教育信息化平台中，大数据只有经过大数据分析才能产生价值。而高校大数据的各种应用，特别是舆情预测与个性分析，都需要通过建立特定的数据挖据模型来实现，但是高校教育有其特殊性，常规的数据挖据、统计处理等分析技术并不能切实满足高等院校的大数据分析的实际需求，需要对数据算法模型和数据预处理等进行调整。
3.2实施层面
3.2.1数据共享意识薄弱
大数据时代的教育信息化需要以海量数据资源为基础，而高校大数据来源多以各种职能部门和兄弟学校为主，但是由于年代久远，数据累积量较多，所以整理难度大，加上业务部门无法区分可共性数据和非共享数据，所以数据整理工作很难获得较高的优先级别，以致大数据资源无法高效分享形成规模效应，归根结底，还是共享意识薄弱的原因所致。
3.2.2隐私保护不足
教育从来不是封闭的，而是一个交互过程，但是其交互性与隐私性之间是存在一定矛盾的，对于校园数据的收集和大数据分析来说，这一矛盾会更加显著，因为大数据平台在运行发展中难免暴露学生的网络搜索习惯、查阅内容、生活习惯以及个人消费情况等个人隐私，所以用户隐私保护也是急需解决的难点。
3.2.3资源规划缺位
由于资源规划缺位，高校内部各部门不仅资源投入力度参差不齐，信息化建设进度也存在差距，给数据共享增加了许多壁垒，加上技术人才匮乏，使得高校大数据平台的时效性严重低于商业环境下对大数据的应用。
4大数据在当前高校教育信息化改革中的应用策略
4.1科学规划数据
由于高校大数据存在冗余和重复问题，并非全部都是能促进教育发展的可用性信息，加上配备人员的信息技术水平偏低，并不清楚高质量数据同低质量数据的差异，所以高校应科学规划校园大数据，明确数据筛选标准，并及时调整规划。
4.2健全管理体制
在利用大数据技术推进自身教育信息化的建设进程中，高等院校应当建立一个专门的大数据技术职能部门和健全的管理体系，督促各部门加强数据共享意识，提升数据信息化工作级别，相互配合，共享资源，减少共享壁垒。
4.3加强数据管理
大数据分析要想实现其价值，就必须保证数据质量，因为只有高质量数据才具有改进教育决策的作用。在搜集数据时，高等院校必须加强质量管理，保证数据质量，另外在整合处理时，也应聘请专业人员甄别、分析这些数据，建立高质量的校园大数据库。
5结语
随着教育行业信息化的不断推进，大数据开始融入高校教育，并迎来新的发展机遇，为高校教育提供更强大的数据应用服务，推动教育变革，提高教育效果。但是我们也要认识到，无论是在观念层面，还是在技术层面，亦或是实践层面，高校教育大数据仍面临着许多困难，统一思想，加强共享意识，系统规划数据，以及加大数据管理力度都势在必行，同时也需要继续深入探索，使大数据成为高校教育信息化的重要思维与技术支撑。
参考文献
[1]周肖树,魏志军,董雨,赵卓君,何惠彬.高校学生诚信教育信息化平台的构建探索——以北京理工大学珠海学院为例[J].高教探索,2017(06):114-118.
[2]任毅,费明明,赵晓欢,甘文田.大数据在高等教育信息化改革中的创新应用[J].中国成人教育,2016(14):37-40.
[3]胥果.大数据在高校教育信息化中的应用[J].教育现代化,2017(05):120-121.
作者:陈璐宇 单位:贵州师范学院
