孫雪凌

（無錫太湖學院，江蘇　無錫　214000）

數(shù)據(jù)科學在高校學風治理工作中的應用探索

孫雪凌

（無錫太湖學院，江蘇無錫214000）

大數(shù)據(jù)時代下，高校教育信息化的建設水平日趨完善，數(shù)據(jù)驅(qū)動決策的管理思路也逐漸被引入到教務管理領域。文章主要聚焦于探索該領域中的學風治理業(yè)務方向，其主要研究內(nèi)容是針對傳統(tǒng)學風治理手段中的不足，創(chuàng)新地將數(shù)據(jù)科學引入其中，嘗試解決高校學風治理工作中的種種問題，幫助切實提高新時代下教務管理工作的治理能效。文中探討了利用數(shù)據(jù)科學方法，基于Python在該領域的應用實現(xiàn)，精準定位學風表現(xiàn)典型班級群體，辨析學風整體表現(xiàn)的影響因素，為教務管理的個性化治理方案制定提供依據(jù)，以此幫助學校實現(xiàn)學習風氣的整體提升。

數(shù)據(jù)挖掘；數(shù)據(jù)可視化；學風治理

1　概述

自2012年出臺《教育信息化十年發(fā)展規(guī)劃（2011—2020年）》起，教育信息化領域的政策集中發(fā)布。時至今日，10年規(guī)劃已經(jīng)過半，常規(guī)教學運行業(yè)務已實現(xiàn)了與信息技術的高度融合。在教務信息系統(tǒng)的幫助下，高校獲得了比以往任何時期都更為強大的業(yè)務處理效能，同時，關于教師、學生等的業(yè)務數(shù)據(jù)無論是在數(shù)據(jù)量還是指標維度的數(shù)量上均獲得了爆發(fā)性增長，信息化戰(zhàn)略的實施為高校實現(xiàn)數(shù)據(jù)化治理積累了海量的數(shù)據(jù)儲備。然而，數(shù)據(jù)價值都具有時效性，如果無法及時培育出與業(yè)務數(shù)據(jù)生產(chǎn)速度相適應的數(shù)據(jù)轉(zhuǎn)化與利用能力，在有效時間內(nèi)從數(shù)據(jù)海洋里挖掘出蘊藏其中的價值信息，將使得這部分數(shù)據(jù)的價值逐步貶值，從而催化教學監(jiān)控工作“有監(jiān)無控”狀態(tài)的產(chǎn)生。近年來，伴隨工業(yè)界對數(shù)據(jù)科學應用需求的不斷增長，Python，R等開源工具在數(shù)據(jù)化治理領域受到了高度關注和長足發(fā)展，尤其是Python一系列針對數(shù)據(jù)分析、數(shù)據(jù)挖掘與數(shù)據(jù)可視化開源擴展庫的推出，更是使得管理人員利用Python數(shù)據(jù)科學應用，輔助開展業(yè)務管理工作變得便利可靠。而相對于高校管理業(yè)務而言，外部技術環(huán)境的逐漸成熟則更加使得傳統(tǒng)教務管理業(yè)務借力現(xiàn)代數(shù)據(jù)科學應用技術，大幅改善學風管理治理能效成為可能。

2　高校學風治理工作現(xiàn)狀

現(xiàn)如今，學風治理工作已成為高校教學質(zhì)量監(jiān)控體系非常重要的環(huán)節(jié)之一，其治理能效極大程度地影響甚至決定了一所高校的整體學風水平。然而細究傳統(tǒng)學風治理工作會發(fā)現(xiàn)，其評價手段往往比較單一，通常做法就是根據(jù)任課教師對各教學班的評價打分數(shù)據(jù)，計算出加權平均分，然后根據(jù)分值以班級為單位進行簡單排序，以班級的排名次序作為學風考核的唯一依據(jù)。這樣的考核方式雖然具備一定的有效性，但同時也存在非常明顯的缺點，其主要體現(xiàn)在不能精準區(qū)分學風明顯優(yōu)秀、表現(xiàn)一般和顯著落后的班級，因此也就無法針對各個群體的個性特征來制定和實施針對性治理方案，這在一定程度上影響了學風治理的工作能效，在幫助改進學校學風方面的價值也非常有限，對于學校學風建設工作的參考價值并不高。然而在當今的大數(shù)據(jù)時代下，數(shù)據(jù)驅(qū)動決策的理念逐漸成為主流，從高校教務管理的實際需求出發(fā)，基于對數(shù)據(jù)科學相關技術的應用與功能實現(xiàn)，努力探索制定一套能夠切實提高學風治理能效的決策支持方案，成為當務之急。

3　基于Python數(shù)據(jù)分析技術的應對策略

3.1關鍵技術介紹

3.1.1Python程序開發(fā)語言

Python是一種流行的程序設計語言，其具備語法簡潔、快速開發(fā)、功能完善等特征，并且Python擁有豐富且功能強大的各種擴展庫，可以執(zhí)行很多種類的任務，數(shù)據(jù)科學應用便是其中的一個開發(fā)方向。對于本文的研究內(nèi)容而言，其最大的優(yōu)點是能夠?qū)崿F(xiàn)軟件的快速開發(fā)，幫助教務人員從繁瑣的軟件開發(fā)工作中解脫出來，將更多的精力專注于業(yè)務內(nèi)容本身，在方案實現(xiàn)上具備較好的推廣復用基礎。

3.1.2Python數(shù)據(jù)處理技術

近年來，Python在數(shù)據(jù)科學領域已經(jīng)形成了一個由研究員、從業(yè)者和新手組成的氛圍活躍的大社區(qū)，在良好外部環(huán)境的培育下得到了長足發(fā)展，并不斷涌現(xiàn)出如Numpy，Pandas，scikit-learn等一批功能完善、且完全開源的數(shù)據(jù)科學工具庫。為Python使用者實施數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)分析、數(shù)據(jù)挖掘等工作提供了優(yōu)良的技術儲備。

3.1.3 Python數(shù)據(jù)可視化技術

可視化的作用一般分為兩種，即探索式數(shù)據(jù)可視化或解釋性數(shù)據(jù)可視化，本文中的應用需求對于以上兩者均有所涉及。首先，在數(shù)據(jù)挖掘階段，為提高結果的準確度，需要從人的視覺決斷維度入手來評估和調(diào)整離群挖掘算法中的閥值參數(shù)，探索式數(shù)據(jù)可視化則在這一過程中起到了關鍵性的輔助作用，能夠幫助分析員利用視覺決斷力快速、準確地完成對異常值群體的辨析任務。而后，在描述分析原理及分析結論階段，又需要借助解釋性數(shù)據(jù)可視化的手段去呈現(xiàn)數(shù)據(jù)表征，幫助業(yè)務管理人員理解復雜的數(shù)據(jù)結構和分析過程。對于上述需求，Python的matplotlib擴展庫能夠為這一過程提供良好的技術支撐，其擁有非常豐富的功能函數(shù)群，能夠勝任各類數(shù)據(jù)可視化任務，是數(shù)據(jù)工作者最常用到的數(shù)據(jù)可視化工具之一。

3.2實現(xiàn)過程及應用成效

Python為本文的分析任務提供了良好的開發(fā)環(huán)境，以及包括數(shù)據(jù)分析、數(shù)據(jù)挖掘和數(shù)據(jù)可視化等在內(nèi)的全套技術支撐，在利用上述工具完成開發(fā)環(huán)境搭建后，即可開始班風數(shù)據(jù)異常值的挖掘與成因辨析等工作。本文的示例數(shù)據(jù)來自某高校一整學期的教師評價數(shù)據(jù)，其評價體系如表1所示。

表1　某高校班級學風評價體系

學風治理的數(shù)據(jù)分析工作主要可劃分為班級表現(xiàn)分類、異常值識別、結論可視化呈獻、影響因素辨析4個步驟，其具體的實現(xiàn)方法及應用成效如下。

（1）根據(jù)學風表現(xiàn)對班級群體分類。本文中的實例數(shù)據(jù)由教師評學體系的10項細分指標及其具體分值構成。第一步動作是將學校內(nèi)428個班級的學風評價得分數(shù)據(jù)準確劃分為兩個簇，即學風趨好群體與學風趨差群體。班風表現(xiàn)的分簇主要是基于Python對K-Means聚類挖掘算法的實現(xiàn)來完成，在完成分簇動作后，其分簇結果可matplotlib以紅、藍兩色進行可視化呈獻，效果如圖1所示。

圖1　某高校班級學風聚類效果

（2）利用離群挖掘算法識別典型群體。在成功實現(xiàn)班級分簇后，第二步便是在分簇基礎上區(qū)分出各簇內(nèi)的異常值群體，即學風表現(xiàn)明顯優(yōu)秀與顯著落后的兩類班級群體。其識別動作主要是基于Python對離群挖掘算法的實現(xiàn)完成，首先需通過將各班級學風評價得分的10項細分指標值聚合轉(zhuǎn)換成一個單項值，即本班級學風各項評價得分離簇中心的距離，然后根據(jù)離心距離與閥值的比較，判斷其是否屬于離群點。過程中最關鍵的就是借助探索性數(shù)據(jù)可視化手段來設定合適的離群閥值參數(shù)，以此準確區(qū)分和定位兩簇內(nèi)的離群點班級，并用紅色圓點進行標注，其解釋性可視化效果如圖2所示。

圖2　離群挖掘過程解釋性可視化

（3）對數(shù)據(jù)挖掘結論進行可視化呈獻。在確定前兩個步驟得到有效實施后，即可根據(jù)班級名稱關聯(lián)整合學風聚類挖掘和離群挖掘的結果數(shù)據(jù)，最終達到對學風表現(xiàn)特別優(yōu)秀和顯著落后的兩類班級進行定位與識別的目的，并對外輸出詳細的預警與榜樣班級名單。同時，為直觀呈獻分析結論，還可利用解釋性可視化手段對其數(shù)據(jù)表征進行呈獻，通過matplotlib的繪圖功能，將學風表現(xiàn)明顯優(yōu)秀的班級用紅色三角形標注，而將顯著落后的班級用藍色三角形進行標注，效果如圖3所示。

圖3　學風表現(xiàn)典型班級群體識別效果可視化

（4）辨析影響學風表現(xiàn)的決定性指標。在完成上述一系列典型班級的識別動作后，還需要進一步完成對典型學風表現(xiàn)成因的辨析，找出顯著影響學風評價得分的細分指標項，即利用相關性算法來判斷哪些細分指標對最終班級學風評價的加權均分產(chǎn)生了高度的影響，以此來為學風治理方案的制定提供決策依據(jù)。對于這一步的動作實現(xiàn)，則主要是依賴Python對相關性算法的實現(xiàn)來完成，經(jīng)過相關性算法的計算，最終發(fā)現(xiàn)5項與實例數(shù)據(jù)中評價總分產(chǎn)生強相關關系的細分指標，如表2所示。

表2　學風表現(xiàn)典型班級群體識別效果可視化

由此，教務管理人員可參照上述數(shù)據(jù)挖掘的結論，針對學風表現(xiàn)優(yōu)秀和落后的群體，分別提出有效地鞏固與提升治理方案，以數(shù)據(jù)驅(qū)動決策的方式，開展更加高效、精準的學風治理工作。

4　結語

Python數(shù)據(jù)科學應用技術能夠很好地解決傳統(tǒng)學風治理工作所面臨的定位不精確和治理能效低下等問題。通過“準確聚焦—對癥下藥”的創(chuàng)新思路，基于Python語言對各種數(shù)據(jù)挖掘算法和可視化繪圖功能的實現(xiàn)，本文在實踐中探索出一套建立在數(shù)據(jù)驅(qū)動決策基礎上的學風治理整體解決方案。其理念更加貼合當今大數(shù)據(jù)時代下業(yè)務信息化、管理數(shù)據(jù)化的治理思路，相較于傳統(tǒng)的學風治理方案，其效果更加顯著，是較理想的替代方案。

今后，通過對該方案在高校環(huán)境下的長期探索實踐，不斷總結改進，教務管理者甚至能夠?qū)⑵渲械慕?jīng)驗平行遷移，應用至其他相近業(yè)務中，令高校的業(yè)務信息化工作真正有效支撐治理方案的制定，建立聚焦度更高、長期有效的教務治理體系。長此以往，將使得高校教學運行與教學建設之間形成良性循環(huán)，更好地適應大數(shù)據(jù)時代下飛速發(fā)展的教育信息化建設工作要求，成為推動學?，F(xiàn)代化建設發(fā)展的重要動力。

［1］ROBERT L.Learning Data Mining with Python［M］.北京：中國工信出版集團，2016.

［2］M KINNY W.Python for Data Analysis［M］.California： O'Reilly Media， Inc， 2013.

［3］IGOR M.Python Data Visualization Cookbook［M］. Birmingham： Packt Publishing， 2013.

［4］張剛要，李藝.信息技術教育應用之外的第二條道路—“信息技術與教育深度融合”路徑之反思［J］.中國電化教育，2016（5）：13-17.

Research on the application of data science in the study atmosphere management of universities and colleges

Sun Xueling
（Wuxi Taihu College， Wuxi 214000， China）

In the era of big data， the construction of information technology in higher education is becoming more and more perfect， and the management of data driven decision-making has gradually been introduced into the feld of educational administration management. This paper mainly focused to explore in the feld of studying atmosphere management business direction， and the main content of the research is aiming at the shortage of traditional studying atmosphere treatment means， and innovatedly applied data science into it，and tried to solve the problems in the governance of studying atmosphere in colleges and universities， to help enhance educational administration management effciency of high-tech era. This paper discussed using scientifc data method， basing on the application and implementation of Python in the feld， and precisely position the class group of typical style performed， and analyzed the infuence factors of the overall performance of studying atmosphere， providing the basis for individualized treatment plan of educational administration， in order to help schools to achieve the whole ascent of studying atmosphere.

data mining； data visualization；management of studying atmosphere

孫雪凌（1988— ），男，江蘇無錫，助理研究員；研究方向：數(shù)據(jù)科學，計算機教學。