本文共3297字, 閱讀大約需要6分鐘。
大資料的發展為高校的管理決策提供了更多思路。 在大資料預測性分析功能的開發上, 高校規劃好五個方面的工作, 可以讓資料為未來開路。
從大學生的食堂消費記錄找出貧困生群體, 從課程分數、掛科多少確認學生是否急需輔導, 通過往屆學生的入學情況預測今年的招生情況和調整招生方式——近年來, 大資料在高校中的應用越來越精細化, 高校管理者的決策早已不是僅憑經驗或摸著石頭過河, 資料的預測性分析工作成為許多大學的必備之選。
省時省力、精准找到“病因”、輔助高校科學決策, 有關大資料預測預警分析對高校提高教學品質和管理水準的好處已說得太多。 換一個角度來看, 發揮預警功能的大資料也是把雙刃劍。 若資料沒有得到妥善處理和運用, 高校不僅無法吸收大資料帶來的好處,
新美國基金會(New America Foundation)今年上半年發佈的報告強調了這一點。 在這份名為《高等教育預測分析——五種合乎倫理道德的使用指導方針》的報告中, 兩位研究員指出, 面對新形勢下的壓力和挑戰, 越來越多的高校利用大資料的預測性分析功能。 但如果大資料預測分析的應用不加以限制, 或者錯誤地將資料預測結果用於貌似合理的情境, 會加劇教育不公, 削弱教師教學, 降低學生學習的品質, 帶來一系列消極影響。
注
新美國基金會是美國一個非營利的公共政策研究機構。 該機構關注的問題包括國家安全研究、技術、資產建設、衛生、能源、教育和經濟等。 該組織總部在華盛頓哥倫比亞特區。
為了避免這些意想不到的後果,
確定目標與計畫
為資料的使用確定目標及配套的計畫方案, 會讓資料預測功能的發揮更有方向性。 在這一初始階段, 召集可以起到關鍵作用的員工和利益相關者, 讓他們參與決策制定並得到他們的支持相當重要。 參與決策的人員可以有學術辦公室的教務長、招生辦公室的負責人、學生事務的負責人、公共事務負責人、教師代表、資料分析人員、大資料供應商代表和學生代表等。 通過傾聽多方面的聲音, 讓高校管理者在資料的運用上有全方位的考慮和把控。
在制定具體計畫時, 三個方面的因素需要被涵蓋:
1.預測性分析的目的。 資料應用計畫應包括學校希望通過預測性分析解答的問題和想要達成的目標, 以及使用學生和院校資料時會遇到的潛在危險。
2.使用預測性分析的非預期後果。 計畫中應包括學校和合作夥伴(例如協力廠商機構)對使用資料進行預測可能帶來的任何意外後果進行的討論, 以及出現意外後果時考慮採取的補救措施。
3.可衡量的結果。 該計畫還應列出學校希望借由資料的預測分析取得的結果, 該結果應當有衡量的標準。
搭建資料的基礎設施
大資料的收集和運行少不了一個配套的支持性基礎設施, 但許多高校以前可能並沒有以預測預警的用途使用大資料的經驗。 在搭建配套的基礎設施之前,
一個結構完整的支援性的基礎設施確保了資料收集、分析的有效運轉, 讓部門間的資料結果共用變得簡單, 也讓校內利益相關者對用於預測分析的大資料項目目接受度更高。
確保資料的正確使用
如何讓資料的使用合理且有效?首先要確保的一點是資料有足夠高的品質回答學校預設的問題。“高品質”意味著不僅收集的資料要準確,並且對資料的考慮要全面。舉例來說,早期預警系統通常會依據學生過去的成績和其他趨勢圖表標記處於學業危機的學生。系統擁有準確的往期資料,但可能會丟失一些重要資訊,例如學生的當前學業表現。而學生的當前學業表現有可能會成為是否應將一些“中危”學生劃分為“高危”群體的關鍵判斷因素。
其次,數據應得到精准解讀。資料統計完畢後,資料分析人員會根據分析和預測的結果,對結果資料的數值大小或意義進行解釋。這需要資料分析人員不僅有基本的解讀能力,並且對學校的資料相當熟悉,能聯繫學校實際情況和大環境進行綜合分析。
第三,確保資料的保密性。如何做到大資料獲取分析與用戶隱私保護的平衡一直是高校難以把控的問題。高校在資料的使用上應時刻保持警惕態度,讓資料得到良好的保護而不被無關人士濫用。在資料的所有權和存取權限上,高校應有明確清晰的政策規定,例如:
1.學生顧問有權利查看他所負責的學生的表現情況分析資料。
2.教師除了有權利查看需要他們人為干預指導的學生學習資料,還有權利查看所有的線上學習系統資料。
3.校長和教務長可以訪問經過提煉的高層次學生分析資料,以及剔除了個人身份資訊的系部層面資料。
4.入學登記管理人員和財務人員在預測性分析資料的訪問上具有排他性。
5.若學生無權看到總體的預測性分析資料,他們應被告知在訪問個人資料上擁有怎樣的權利。
第四,監測資料的安全性。安全隱患通常有著很長的潛伏期。隨著高校在學生、教職工資料上的存儲量越來越多,如何保證資料安全日益成為擺在高校面前的一個緊迫問題。對此,學校IT部門和大資料供應商工作人員都應嚴格遵守學生隱私的安全協定,監控資料庫的安全威脅和潛在風險應成為高校的定期常規工作,對IT部門員工的定期安全培訓也應成為學校的頭等大事。
減少偏差
精確的資料結果和有效的決策,建立在誠實的預測模型和演算法之上。高校在與設計預測性分析模型和演算法的大資料服務供應商合作時,應充分強調這一點。有三類問題值得高校管理者思考:
●我們怎樣處理預測性分析模型和演算法產生的偏差?出現偏差後,我們是選擇中斷預測模型和演算法的使用,還是考慮怎樣縮短針對不同學生群體的系統干預措施間的落差?
●我們是否理解這些演算法的工作原理和它們通過機器學習能自我完善的原理?
●我們和大資料服務供應商的合作標準是什麼?在選擇供應商時我們是否問了該問的問題,例如:你們公司的服務及產品怎樣與我們學校相契合?你們公司如何確保資料服務的透明性?對統計出的學生資料結果你們將如何負責?
讓干預措施更給力
分析資料結果,實施干預措施是高校應用大資料預測性分析的最後一個步驟。在這一階段,仍有很多需要高校管理者注意的要點。首先,儘管預測性分析是輔助決策的強有力工具,但它也僅僅是高校工具箱裡的一部分。高校管理者依靠大資料預測分析功能實施的系統干預和人為干預措施,需要與其他有助於學生成長的活動聯合在一起,才能發揮綜合作用。
其次,儘管高校在資料收集、預測模型和演算法設計、人員培訓上做到盡可能地完善,但錯誤有時也難以避免。因此,高校在對學生實施干預措施時需要非常小心,避免對學生造成傷害。當出現濫用學生資料或資料處理不當的情況時,學校應有對應的追責和制裁措施。
第三,在實施干預時,應注意溝通的內容和方式。一方面,高校在與需要被干預的學生溝通時應注意遣詞用字,多使用積極正面的語句。另一方面,高校應確保目標學生群體能以多種方式接收到學校的干預措施和投放的資源,做到有的放矢。
結語
大資料時代,資料為王。每一所高校,無論規模大小,都在管理、科研、教學等多個環節持續釋放著各類資料。中國科學院院士戴汝曾說:“我們已經擁有了的資料原材料基礎,就是豐沃的土壤和富饒的金礦。但這些積累,必須要通過更好地運用大資料技術進行精耕細作和挖掘提煉,才能真正釋放出海量資料巨大的內涵價值。”
在當前資訊爆炸的形勢下,國內已有華東師範大學等多所高校開始重視資料的預測性分析和應用工作,但大部分高校仍處在積累和查詢資料階段,並沒有對資料資訊進行大規模開發。由於缺乏接受過專業、系統的資料分析訓練的人員,不少高校管理者和職能部門在收集、分析、解讀和使用資料時往往“心有餘而力不足”。
為滿足眾多高校對專業資料分析人員的需求,麥可思學院正式成立,願景是“為高教管理培養資料分析人才,為高校職能部門培養專業化能力”。自2017年7月開班到9月,已經完成九場“高校管理資料應用分析”培訓和一場“高校新生工作創新實務”培訓,共有來自105所本科院校、73所高職高專院校的近350位管理者和教師參與了培訓。如何加強資料人才培養,以正確的方向和形式,整合、梳理校內海量但零散的資料並進行預測判斷,為教育管理和決策工作提供依據,這依然是值得高校管理者深思的問題。
主要參考文獻:
Manuela Ekowo, and Iris Palmer. "Predictive Analytics in Higher Education: Five Guiding Practicesfor Ethical Use." New America, Mar. 2017.
確保資料的正確使用
如何讓資料的使用合理且有效?首先要確保的一點是資料有足夠高的品質回答學校預設的問題。“高品質”意味著不僅收集的資料要準確,並且對資料的考慮要全面。舉例來說,早期預警系統通常會依據學生過去的成績和其他趨勢圖表標記處於學業危機的學生。系統擁有準確的往期資料,但可能會丟失一些重要資訊,例如學生的當前學業表現。而學生的當前學業表現有可能會成為是否應將一些“中危”學生劃分為“高危”群體的關鍵判斷因素。
其次,數據應得到精准解讀。資料統計完畢後,資料分析人員會根據分析和預測的結果,對結果資料的數值大小或意義進行解釋。這需要資料分析人員不僅有基本的解讀能力,並且對學校的資料相當熟悉,能聯繫學校實際情況和大環境進行綜合分析。
第三,確保資料的保密性。如何做到大資料獲取分析與用戶隱私保護的平衡一直是高校難以把控的問題。高校在資料的使用上應時刻保持警惕態度,讓資料得到良好的保護而不被無關人士濫用。在資料的所有權和存取權限上,高校應有明確清晰的政策規定,例如:
1.學生顧問有權利查看他所負責的學生的表現情況分析資料。
2.教師除了有權利查看需要他們人為干預指導的學生學習資料,還有權利查看所有的線上學習系統資料。
3.校長和教務長可以訪問經過提煉的高層次學生分析資料,以及剔除了個人身份資訊的系部層面資料。
4.入學登記管理人員和財務人員在預測性分析資料的訪問上具有排他性。
5.若學生無權看到總體的預測性分析資料,他們應被告知在訪問個人資料上擁有怎樣的權利。
第四,監測資料的安全性。安全隱患通常有著很長的潛伏期。隨著高校在學生、教職工資料上的存儲量越來越多,如何保證資料安全日益成為擺在高校面前的一個緊迫問題。對此,學校IT部門和大資料供應商工作人員都應嚴格遵守學生隱私的安全協定,監控資料庫的安全威脅和潛在風險應成為高校的定期常規工作,對IT部門員工的定期安全培訓也應成為學校的頭等大事。
減少偏差
精確的資料結果和有效的決策,建立在誠實的預測模型和演算法之上。高校在與設計預測性分析模型和演算法的大資料服務供應商合作時,應充分強調這一點。有三類問題值得高校管理者思考:
●我們怎樣處理預測性分析模型和演算法產生的偏差?出現偏差後,我們是選擇中斷預測模型和演算法的使用,還是考慮怎樣縮短針對不同學生群體的系統干預措施間的落差?
●我們是否理解這些演算法的工作原理和它們通過機器學習能自我完善的原理?
●我們和大資料服務供應商的合作標準是什麼?在選擇供應商時我們是否問了該問的問題,例如:你們公司的服務及產品怎樣與我們學校相契合?你們公司如何確保資料服務的透明性?對統計出的學生資料結果你們將如何負責?
讓干預措施更給力
分析資料結果,實施干預措施是高校應用大資料預測性分析的最後一個步驟。在這一階段,仍有很多需要高校管理者注意的要點。首先,儘管預測性分析是輔助決策的強有力工具,但它也僅僅是高校工具箱裡的一部分。高校管理者依靠大資料預測分析功能實施的系統干預和人為干預措施,需要與其他有助於學生成長的活動聯合在一起,才能發揮綜合作用。
其次,儘管高校在資料收集、預測模型和演算法設計、人員培訓上做到盡可能地完善,但錯誤有時也難以避免。因此,高校在對學生實施干預措施時需要非常小心,避免對學生造成傷害。當出現濫用學生資料或資料處理不當的情況時,學校應有對應的追責和制裁措施。
第三,在實施干預時,應注意溝通的內容和方式。一方面,高校在與需要被干預的學生溝通時應注意遣詞用字,多使用積極正面的語句。另一方面,高校應確保目標學生群體能以多種方式接收到學校的干預措施和投放的資源,做到有的放矢。
結語
大資料時代,資料為王。每一所高校,無論規模大小,都在管理、科研、教學等多個環節持續釋放著各類資料。中國科學院院士戴汝曾說:“我們已經擁有了的資料原材料基礎,就是豐沃的土壤和富饒的金礦。但這些積累,必須要通過更好地運用大資料技術進行精耕細作和挖掘提煉,才能真正釋放出海量資料巨大的內涵價值。”
在當前資訊爆炸的形勢下,國內已有華東師範大學等多所高校開始重視資料的預測性分析和應用工作,但大部分高校仍處在積累和查詢資料階段,並沒有對資料資訊進行大規模開發。由於缺乏接受過專業、系統的資料分析訓練的人員,不少高校管理者和職能部門在收集、分析、解讀和使用資料時往往“心有餘而力不足”。
為滿足眾多高校對專業資料分析人員的需求,麥可思學院正式成立,願景是“為高教管理培養資料分析人才,為高校職能部門培養專業化能力”。自2017年7月開班到9月,已經完成九場“高校管理資料應用分析”培訓和一場“高校新生工作創新實務”培訓,共有來自105所本科院校、73所高職高專院校的近350位管理者和教師參與了培訓。如何加強資料人才培養,以正確的方向和形式,整合、梳理校內海量但零散的資料並進行預測判斷,為教育管理和決策工作提供依據,這依然是值得高校管理者深思的問題。
主要參考文獻:
Manuela Ekowo, and Iris Palmer. "Predictive Analytics in Higher Education: Five Guiding Practicesfor Ethical Use." New America, Mar. 2017.