【高校辅导员优秀论文范例】大数据思维下科学化开展新生适应性教育的研究与探索.docx

大数据思维下科学化开展新生适应性教育的研究与探索 引言 随着信息技术的飞速发展，结构化、非结构化的信息和数据无时无刻不在快速产生和积累，大数据时代已经来临。2013年被称为中国大数据元年[6]，大数据理念已渗透到人们学习、工作和生活的方方面面[3]，大数据处理技术已在各行各业中发挥着关键的支撑作用。在这样的大背景和新形势下，高等教育也必将迎来数据浪潮带来的历史机遇，产生深刻变革。 当代在校大学生多是“90后”、“95后”的新生代，道德观念多元化、价值判断趋利化、主体意识个性化、心理素质脆弱化等特点日益凸显[7]，传统的学生工作模式和工作规律已经不能完全与当代大学生个性化成长成才需求相适应；同时，网络的普及使得当代大学生越发表现出“知识都在网络上，思想都在博客上，朋友都在QQ上，情感都在短信上，时间都在微信上”的特点，因此，运用传统的调查问卷方式采集的学生数据与“最真实”的学生信息拟合度较低，分析结果科学化程度难以保证。而运用大数据思维，可以避开学生的“防御心理”，通过信息平台隐式地收集、处理学生“最自然”的行为数据，利用科学的数据分析方法动态地、有预见性地得出学生总体特征和个体差异，构建学生元数据库和个性图谱，为学生工作科学化开展提供理论支撑。 因此，运用大数据思维开展大学生思想政治教育工作，借助数据分析技术帮助我们跟踪每一个个体的数据、发现真正的学生[5]，是新时期高校学生工作发展的必然方向，也是提高学生工作科学化水平的必然要求。本文以新生适应性教育为切入点，基于北京航空航天大学“梦拓计划”，通过平台研发、数据采集、模型构建和特征提取，将“Mentor”的静态信息数据与新生“梦拓组队”的动态行为数据进行集成分析，归纳出新生整体性的心理特征和实际需求，从而为新生适应性教育工作提出科学化建议。 研究内容 (一) “梦拓计划”及信息平台 国外学者Martin和Hanrahan[4]研究认为，大学生在本科一年级（特别是入校后的适应期）时的学习生活情况，对大学四年的学习、工作以及毕业后的发展差异分化的贡献率占到了整体的53%；同样，北京航空航天大学招生就业部门有研究表示，90%的大学优秀毕业生在大一时就表现突出、成绩优秀。这说明大学四年中，一年级学生工作至关重要；做好一年级学生的适应性教育，帮助和引导他们找到有效的大学学习方法和生活方式意义重大。同时，Henry J. Eyring[2]在《The Innovative University》一书中提到，大学教育的价值在于“师生之间”、“生生之间”的面对面、自由互动式的交流。 为此，北京航空航天大学基于“朋辈教育”的理念，在新生入学后实行“梦拓计划”：选拔优秀的二年级本科生作为“Mentor”，通过开展文化体验课等交流活动帮助一年级新生更好地适应大学生活，以达到开拓视野、提高素养、共同进步的目标。 为支撑“梦拓计划”顺利实施，改变传统的“指派式”的学生工作模式，我们研发了“梦拓”信息平台，新生可根据自己的兴趣点和实际需求在平台中自由选择“Mentor”。图1表示了信息平台的总体架构： 图1 “梦拓”信息化平台架构图 如图1所示，数据层记录学生“Mentor组队”过程中的行为数据，用以分析学生总体特征和每个人的个性特征图谱。目前该平台已经应用到北京航空航天大学计算机学院、软件学院、知行书院、宇航学院四个单位，共采集1039人的静态信息数据和动态行为数据，统计结果如图2所示： 图2 数据采集规模统计图 (二) “Mentor”特征向量提取 本文对数据库中“Mentor”简介进行特征标签标注（与后台日志时间戳一一映射），采用分词系统进行分词处理并得到163个代表“Mentor”特征的离散关键词，并利用LDA模型[1]对关键词进行特征分析。LDA特征分析原理如图3所示： 图3 特征提取原理图 利用LDA模型对163个关键词进行特征分析，通过对比后台日志时间戳对参数进行调优，最终聚类出最受新生关注的七大“Mentor”特征，构成“Mentor”七维核心特征优势向量，每个分量代表着“Mentor”可能具备的特征项。本文将“Mentor”特征向量表示如下： [文艺，体育，学习，工作，专业（技术），休闲，社交] 基于聚类得到的样本数据，本文进一步统计得到七维核心特征优势向量占比（即拥有某个分量特征的人占总人数的百分比）分别为[9.71%, 8.01%, 8.98%, 13.83%, 10.68%, 3.40%, 20.87%]，占比排序为[4,6,5,2,3,7,1]。图4直观地表示了“Mentor”七维核心特征优势及相应分量占比： 图4 “Mentor”七维核心特征优势及所占分量比 分析分量占比数据，可以看出新生对“Mentor”特征的倾向：新生群体整体偏向选择外向交友型和工作能力突出型的学长学姐作