荆宝坤

　　摘 要：随着高等教育大众化的深入和推进，学业困难学生日益增多。如何建立一套完善的大学生学业预警模式是高校管理中的一大难题。本文旨在研究一种大数据时代基于数据分析与挖掘的大学生学业超前预警模式，在学生入学后一个月内，通过入学教育和手册填写，进行数据挖掘与分析，对可能存在学业困难的学生进行超前预警，减少学生学习问题和学业困难的出现。

　　关键词：学业超前预警；大数据；入学教育

　　得益于我国高等教育体制改革的不断推进，近年来我国高等教育快速发展，现有规模已经跃居世界首位，更多的人得到了接受高等教育的机会。随着这种快速发展，由于各种原因使得学业困难学生日渐增多，如何帮助学生预防、减少或者避免学业过程中出现的问题，是现在高校思想政治教育工作中的一大难题。

　　学业预警机制是一种高校学生管理模式，许多高校也制定相关规定预防学业困难的发生，但目前学业预警机制周期长，准确率低，不能有效的辨别学业困难学生，经常是已经产生严重学业问题才被发现。本文旨在研究一套基于数据分析与挖掘的大学生学业超前预警模式。在学生入学教育中，通过分析学生课堂表现及课下学习情况，对可能存在学业困难的学生进行超前预警，减少学生学习问题和学业困难的出现。

　　一、研究意义与现状

　　加快推进大学生学业预警模式改革和创新的步伐，应对大数据时代带来的机遇和挑战，高校应优化理论引导，深入大学生的内心世界；因势利导，培养和践行社会主义核心价值观；与时俱进，突出学业预警模式的时效性；润物无声，注重大数据时代的文化传承；强化帮扶，解决大学生的實际学业困难；榜样引领，持续发挥正能量。

　　许多高校虽然已经意识到了学业预警的重要性，但只把学业预警的工作重心全放在了对学生的成绩和与学生密切相关的上课出勤、作业提交等方面的监控和预警，一定程度上体现了应试教育下的弊端。只有在出现学习问题和学业困难时才会采取预警机制，大大加长了学业预警时间，给高校工作者解决学业困难学生问题增加很大难度。

　　本文旨在研究一种大数据时代下新型大学生学业超前预警模式，在学生入学教育中，进行数据挖掘，详细分析出每个学生学习态度、学习能力及学习效果，准确判断出每个学生自主学习能力，识别出学业困难学生。通过数据分析，对可能存在学业困难的学生进行超前预警，减少学生学习问题和学业困难的出现。

　　二、学业超前预警模式成效与经验

　　本文所研究学业超前预警模式，是基于数据分析与挖掘，在入学教育中创新性的采用新型授课模式，借力于云班课的功能、形态和运用规律使得入学教育工作实效性和质量得到有效提高，通过对时间管理手册填写情况、课下学习情况、课堂表现及课后学习情况进行数据挖掘，准确判断出学生学习能力和学习态度，对可能发生的学习问题和学业困难进行超前预警。

　　1.丰富《新生迎新手册》，创新《时间管理手册》

　　从学生踏入学校第一刻起，便将《新生迎新手册》和《时间管理手册》发放到学生手中，掌握学生第一手资料。开学后一个月内，通过分析学生《时间管理手册》填写情况，初步识别出学生自我管理能力和自主学习能力，构建初级学生学业超前预警数据库。

　　2.丰富学习资源，分析课前学习情况

　　借力于手机端APP蓝墨云班课的功能、形态和运用规律，入学教育前，教师就可将资料上传，并发出可以学习的通知，入学教育前学习经验值已达到总分值30%以上的学生，学习主动性强，学习态度极为端正。正式上课后，正式通知后自学资料仍不能学者，学习态度存在问题。入学教育结束时，自学材料经验值依旧很低的同学，学习态度存在较严重问题。通过分析每个学生学习情况，对学习态度较好和较差学生形成分类数据库，初步识别出可能存在的学业问题。

　　3.小组式翻转课堂教学模式，重视课堂活动

　　改进以往传统的授课模式，采用小组式同伴教学法，同时运用翻转课堂教学法，加强与学生间互动。在云班课活动模块中，有头脑风暴、小组活动等模块，在这些活动中学生可以通过上传文字、图片等来完成该学习任务。如果学生上传文字是复制网络内容、不相干文字或极短文字，则该学生的学习态度有问题：在规定时间内依旧没有回答的学习态度有问题；利用手机进行教学以外活动的学习态度有较严重问题；根本不回答并且从事非教学活动的学习态度有很严重问题。通过对没每个学生课堂表现的分析，识别每个学生学习态度并分析其性格特点，对每个学生建立学业数据库。

　　4.课后总结分析，挖掘学生学习效果

　　入学教育后观察学生对课后作业及学习资源的学习情况，分析学习效果，进行数据挖掘。学习效果在蓝墨云班课资料模块中，教师可将上传的文字、视频等资料赋予相应分值，在成员模块中自动对经验值进行统计、汇总，并按照分数从高到低进行排序，这样学霸就可自动识别出来。对于经验值排名靠后同学，详细咨询是外在问题，还是自身学习的问题。

　　准备掌握每个学生学习主动性、学习态度及学习能力，建立完善学业数据库，准确掌握每个学生学习动态，识别出可能存在的学习问题和学业困难，提前做出针对性措施，降低学业警告存在的可能性。

　　三、学业超前预警模式创新与不足

　　通过对大一新生一个月每天填写的《时间管理手册》，我们在入学教育结束后的一个月内，掌握了每个学生的自我学习能力，识别出了学业困难学生。借助该技术手段，进行学业的超前预警，对于辅导员深度辅导学生学习有重大意义。

　　本文的创新点在于研究出一种新型大数据时代下学生学业超前预警模式，在短时间内采用简单有效的方法，将所收集的数据进行挖掘，准确识别出每个学生学习能力和学习态度，有针对性的对学生进行学业帮扶。创新点如下：

　　1.方法简单有效。通过对学生填写的时间管理手册、入学教育课下学习程度、入学教育课堂表现、课后总结等方面，进行数据挖掘，准确判断出每个学生自主学习能力，识别出学业困难学生；

　　2.识别准确率高。经过两年入学教育新型模式研究表明，识别准确率高达85%以上；

　　3.预警模式周期短。在入学一个月内，对学生进行超前预警，时间短，效果显著；

　　4. 预警模式应用范围广。此模式不仅可以应用于本科生，亦可应用于研究生学业预警；

　　5. 预警模式推广性强。本文所研究模式可推广至大部分高校，根据学校实际情况，分析具体数据，对学生进行超前预警；

　　6. 预警针对性强。通过建立完善学业超前预警机制，准确识别出每个学生学习能力和学习态度，针对不同学生情况，采取不同措施，实现高校思想政治教育的亲和力和针对性。

　　经过一段时间的实践与研究，运用该模式取得一定效果的同时，也发现存在些许困难。本文的研究难点在于对所收集信息的数据如何有效地进行挖掘与利用。将无形的网络思政教育转化成了有形的数据，探索数据背后隐藏的教育发展规律、学生成长轨迹，将网络思政教育过程结合大数据技术和方法，从依赖于存经验转向依赖于对海量数据的分析，一切靠数据说话，使得学业预警模式更为高效、便捷、准确、客观、全面。

　　四、结论

　　本文旨在形成一套较为完善的微域网络视域下大学生学业超前预警模式，在短时间内采用简单有效的方法，将所收集的数据进行挖掘，准确识别出每个学生学习能力和学习态度，有针对性的对学生进行学业帮扶。使之该模式扩大应用范围，具有一定可推广性。

　　[参考文献]

　　[1]刘桂荣.基于数据挖掘的（预警）学生状况分析及应用[D]. 武汉科技大学， 2009（6）.

　　[2]王自华等.大学生学业困难预警机制初探[J].河北工业大学学报（社科版）， 2009，1（01）.

　　[3]袁安府等.大学生学业预警评价指标体系的构建与应用研究[J].黑龙江高教研究.2014（3）.

　　（作者单位：北京市昌平区中国石油大学（北京）理学院，北京 102200）