长安大学张骞文-基于大数据分析的大学生精准思政探索
- 格式:pdf
- 大小:2.96 MB
- 文档页数:34
交流Experience ExchangeI G I T C W 经验268DIGITCW2021.01精准思维是习近平同志为核心的党中央治国理政的鲜明特征,也是新时代推动各项工作高质量发展的内在要求。
思想政治教育关系到“培养什么人”的问题,关乎青年人生观价值观的培育和养成。
在精准思维理念下,促进思想政治教育的“精准思政”,在教育需求、教育资源、教育方法等环节上精准聚焦和精准发力,是落实立德树人根本任务的必然要求。
随着信息化社会发展,大数据正悄然催生社会各领域的巨大变革,教育行业也不例外。
如何充分利用大数据完成与思想政治教育的深度融合,助力“精准思政”的实现,是新时代思想政治教育创新发展必须深刻思考的问题,同时也是实现全员全程全方位育人的客观要求。
1 大数据分析和“精准思政”的逻辑关联1.1 宏观逻辑:“精准思政“离不开大数据大数据时代,从自然发展到社会演进再到人自身发展可以形成完整的数据链条,万物皆可数据化。
对庞大冗杂、分散多变的数据进行挖掘和利用,从中可以发现新规律、产生新变革、创造新价值。
数据作为新资源,已然成为人类社会最重要、最先进的生产方式。
高校应深刻把握大数据时代的发展机遇,以大数据催生思政教育的理念转型和行为革新,牢牢掌握意识形态的主导权。
准确把握教育对象的思想行为动态,引导他们的大数据生活,是思政教育质量提升的内在要求,也是精准思政的重要内容。
这就决定精准思政必须以大数据为驱动要素,思政教育应考虑如何使大数据这个最大变量成为思政教育质量提升的最大增量,不断实现传统思政教育的转型升级。
1.2 中观逻辑:“精准思政”关键在于大数据在互联网不发达时代,思政教育仅停留在对零散杂乱数据简单片面分类阶段,对教育对象特征把握依赖教育主体的经验推理,教育方案的制定只能在此基础上不断磨合试错。
随着大数据时代到来,社会像素高度提升,数据粒度越来越细。
人的生命周期与数据的生命周期几乎重叠,人的生活行为也彰显着数据化色彩。
大数据导论课程思政内容案例近年来,大数据技术的广泛应用,给社会、经济、政治等各方面带来了深刻的影响。
然而,在享受大数据技术带来的便利和利益的同时,我们也需要认识到大数据的发展背后可能存在的利弊和影响。
在大数据导论课程中,我们需要注重思政教育的渗透,引导学生从伦理、法律、社会等多个角度审视大数据技术的发展与应用。
以下是几个案例,可以作为课程思政内容的参考:第一,隐私保护:大数据技术在提高数据收集、分析和利用的效率上有着巨大的优势,但同时也带来了隐私泄露等问题。
例如,社交网络上的个人信息可能会被恶意利用,导致个人隐私暴露。
在大数据导论课程中,可以就隐私保护的重要性进行讨论,让学生了解隐私保护的法律和道德原则,探讨自我保护的方法和措施。
第二,算法歧视:大数据技术在各个领域扮演着越来越重要的角色,但也面临着算法歧视等问题。
例如,有些算法在数据处理过程中会存在误差,导致对某些群体的歧视,例如招聘、贷款等方面。
在大数据导论课程中,可以引导学生了解算法歧视的形成原因,探讨如何避免算法歧视,以及推动公正的算法应用。
第三,信息安全:大数据技术在数据的处理、存储和传输等环节中都存在着信息安全的问题,例如网络攻击、数据泄露等。
在大数据导论课程中,可以就信息安全问题的严重性和影响进行讨论,引导学生了解信息安全保护的重要性和方法,提高其信息安全意识和技能。
以上几个案例,只是大数据导论课程思政内容的一部分,通过引导学生从不同角度审视大数据技术的发展与应用,可以帮助学生更全面、深入地了解大数据技术,提高其对大数据技术的理解和认识。
同时,也可以引导学生形成正确的伦理、法律和社会观念,促进其成为有责任感和担当的公民。
大数据分析应用2课程:思政教育的案例
研究
简介
本文档将介绍大数据分析应用2课程中的一个案例研究:思政
教育的应用。
思政教育是指通过教育活动来培养学生的思想道德素
质和人文素养的一种教育形式。
本案例研究将通过大数据分析的方
法来探讨思政教育的实际效果和影响因素。
数据收集
为了进行思政教育的案例研究,我们需要收集相关的数据。
数
据收集可以通过多种途径进行,包括学生问卷调查、学生成绩记录、学生行为日志等。
这些数据将提供我们研究思政教育的基础。
数据分析
在收集到数据后,我们将使用大数据分析的方法进行数据处理
和分析。
具体的分析方法包括但不限于以下几种:
- 数据清洗和预处理:对收集到的数据进行清洗和预处理,确
保数据的准确性和完整性。
- 数据可视化:使用图表等可视化手段展示数据的分布和趋势,帮助我们更好地理解数据。
- 数据挖掘和模型建立:通过数据挖掘和机器研究等方法,分
析思政教育的实际效果和影响因素,建立相应的模型。
结果与讨论
在完成数据分析后,我们将得到一些有关思政教育的结果和发现。
这些结果可以帮助我们评估思政教育的效果,了解思政教育的
影响因素,并提出改进思政教育的建议。
总结
通过本案例研究,我们可以深入了解思政教育的实际效果和影
响因素。
大数据分析的方法可以帮助我们更好地理解和改进思政教育,提高学生的思想道德素质和人文素养。
这对于培养高素质的人
才和构建和谐社会具有重要意义。
论高校思想政治教育的大数据思维高校思想政治教育是我国高等教育的重要组成部分,其意义高于传授知识和技能,更在于培养学生良好的思想观念和价值观念。
在当今社会,大数据已经成为了新时代的核心资源和引擎,高校思想政治教育也应当进一步引入大数据思维,有效提高教育效果。
首先,大数据可以为高校思想政治教育提供精准化支持。
通过数据收集、分析和挖掘,可以明确学生的个性化需求、兴趣和特长,帮助学生更好地了解自己的个性和潜力,实现个性化学习和思想引导。
同时,大数据还可以对学生的思想发展轨迹进行追踪和分析,及时捕捉学生思想变化和问题,为针对性的教育提供数据支持。
其次,大数据可以增强高校思想政治教育的效果和质量。
融入大数据思维,高校思想政治教育可以结合实际情况,分析学生的兴趣爱好、认知水平、学科特长以及社会环境等因素,制定适合学生发展需求的教学方案,提高教学效果和质量。
同时,大数据还可以对教师的讲授效果进行评估和反馈,为教师提供改善教学方法和风格的数据参考。
最后,大数据还可以促进高校思想政治教育的创新和发展。
大数据思维可以为教育创新提供帮助,通过对大量教育数据的分析和挖掘,寻找新的教学方法和模式,帮助学生更好地理解和应用知识。
同时,大数据还可以促进高校思想政治教育与社会的融合,通过挖掘社会各方面数据,引导学生深入了解社会,增强社会责任感和创新意识。
综上所述,大数据思维的引入可以为高校思想政治教育带来很多益处,提高教育效果和质量,促进教育创新和发展。
当然,大数据仅仅是一种工具和手段,要想取得成功,还需高校教育工作者认真思考并将其应用于实际教学中,深刻认识和把握大数据思维的核心价值,不断创新和改进教育方式和方法,为学生的思想成长和全面发展打造更加良好的平台和环境。
基于大数据的大学生日常思想政治教育创新研究一、概述在当前信息化、数字化迅速发展的时代背景下,大数据作为一种新兴的技术手段,已经深刻影响了社会的各个领域,教育领域亦不例外。
大数据以其独特的数据处理和分析能力,为教育改革和创新提供了新的思路和方法。
特别是对于大学生的日常思想政治教育,大数据的应用显得尤为重要和迫切。
本论文旨在探讨如何利用大数据技术,创新大学生的日常思想政治教育,提高教育质量和效果。
思想政治教育作为高校教育的重要组成部分,其目的是培养学生的社会主义核心价值观,引导他们形成正确的世界观、人生观和价值观。
在传统的思想政治教育模式中,往往存在教育内容单教育方法陈旧、教育效果难以评估等问题。
大数据的应用,可以有效地解决这些问题。
通过对大学生日常行为数据的收集和分析,可以更准确地把握学生的思想动态,为思想政治教育提供个性化的内容和方法。
大数据还可以帮助教育者更好地理解学生的需求和问题,从而提高教育的针对性和实效性。
例如,通过分析学生的社交媒体使用习惯,可以了解他们的兴趣爱好和关注点,进而设计更具吸引力的教育内容通过分析学生的学习成绩和行为数据,可以及时发现学习困难或心理问题的学生,并给予及时的指导和帮助。
大数据为大学生日常思想政治教育的创新提供了新的可能性和机遇。
本论文将深入探讨大数据在思想政治教育中的应用,并提出具体的教育策略和方法,以期推动大学生思想政治教育的创新发展。
1.1 研究背景在数字化时代,大数据已经成为社会发展和进步的重要推动力,它对社会各领域,包括教育领域产生了深远影响。
大学生日常思想政治教育作为高等教育的重要组成部分,是培养社会主义合格建设者和可靠接班人的重要保障。
传统的思想政治教育方法在面对多元化、个性化的学生群体时,逐渐暴露出效率低下、针对性不强等问题。
如何运用大数据技术来创新大学生日常思想政治教育,提升教育的针对性和实效性,成为了当前高等教育领域亟待解决的问题。
大数据技术的出现为大学生日常思想政治教育的创新提供了新的可能性。
青年学生骨干专题培训讲座举办2015年6月8日晚,青马学校第七期学生骨干培训班专题讲座在我校渭水校区长安文化艺术中心多功能厅举行。
陕西省社会科学院农村发展研究所所长王建康为青马学员作了题为“新型城镇化与当代中国乡村社会变迁”的专题报告。
长安大学学工部部长、校团委书记张骞文,校团委副书记张永出席报告会。
报告中,王建康老师从我国农村地区现状出发,结合实际事例,深入浅出地分析了当今我国“三农”问题——农民收入差距大、农村公共服务缺失、农业产量质量效益低下。
他指出,城市与农村既相互区别又相互联系,城市是由农村发展演变而来,结合城市的起源及发展渊源,王老师从城市在就业、市场、设施、服务等方面的优势切入,剖析了当今大量人口涌入城市的原因。
城镇化是现代化的必经之路,推进城镇化在解决“三农”问题、拉动内需、带动投资、顺应民意等方面存在着积极导向作用,但随之而来大量的人口流动导致了农村留守现象的出现与增长,进而诱发了一系列严重的社会问题。
通过对世界各国城市及中国城市发展轨迹的对比分析,王老师指出,当今的城市病既是世界病,也是中国存在的病垢,两者紧密联系同时又相互区别。
其主要表现为当今愈渐严重的“土地城镇化”现象和“城市二元结构”现象。
针对我国推进城镇化进程中出现的问题,我国制定了新型城镇化建设的方针,发动农民参与城镇化建设、共享发现成果、优化发展目标,结合新型城镇化的原则及目标,努力推进城市化进程中的良好秩序建设。
同时,农村与城市是人居生存的两种不同状态,积极推进城乡一体化、农业产业化、农民职业化,才能最大程度上推进新型城镇化的建设及发展,进而推动现代化的发展。
王建康,陕西省社会科学院农村发展研究所所长,长安大学在读博士。
第十届陕西青年五四奖章获得者,省十二次党代会代表,省政府新闻发布工作专家组专家,陕西省十一五、十二五规划中期评估专家组组长,陕西省应急管理研究院入库专家。
兼任当代陕西研究会、西安市宏观经济学会副会长,新华社特约观察员,陕西省青联常委。
论高校思想政治教育的大数据思维近年来,高校思想政治教育面临新的挑战和机遇。
随着大数据时代的到来,大数据思维逐渐成为一种重要的思维方式。
将大数据思维引入高校思想政治教育,有助于深化教育内容、优化教学方法、提高教学效果。
大数据思维是一种以大数据为基础,以数据分析和挖掘为方法,以数据驱动为核心的思维方式。
在高校思想政治教育中,我们可以利用大数据思维来深化教育内容。
通过分析大数据,了解学生的兴趣爱好、思维特点、学习需求等,可以更好地设计教育内容,使其更贴近学生的实际需求,提高学生的学习兴趣和参与度。
利用大数据分析,我们可以发现学生的学习瓶颈和问题,有针对性地给予帮助和引导,提高学生的学习效果。
在教学方法上,大数据思维也能发挥重要作用。
通过收集学生学习过程中产生的大量数据,我们可以分析学生的学习规律和行为模式,根据学生的学习情况调整教学策略。
通过对学习行为的数据分析,我们可以了解学生的学习态度、学习习惯、学习动力等,从而更好地激发学生的学习兴趣和潜能。
引入大数据思维也会面临一些挑战和问题。
首先是数据隐私和安全问题。
在收集和分析学生的学习数据时,需要保护学生的隐私和个人信息安全,加强数据保护措施,使学生的数据不会被滥用或泄露。
其次是数据分析和挖掘的专业性问题。
大数据分析需要专业的技术支持和经验,需要培养专门的技术人才,以更好地运用大数据来指导和支持思想政治教育。
将大数据思维引入高校思想政治教育,对于深化教育内容、优化教学方法、提高教学效果具有重要意义。
在运用大数据思维时也要注意数据隐私和安全问题,加强数据保护措施,确保学生的数据不会被滥用或泄露。
也需要加强对大数据分析和挖掘的专业培养,培养更多的专业人才,以更好地应用大数据思维来推动高校思想政治教育的发展。
运用大数据创新思想政治工作路径探析作者:王颖来源:《西部论丛》2020年第02期当今世界,科学技术飞速发展,以互联网、大数据等为代表的现代信息技术已经深深融入我们的日常生活中,开始改变我们的生产、学习、行为方式,甚至影响着我们思维方式的转变。
随着数字化、网络化、智能化逐步推进的浪潮而来的,是世界范围内各种思想文化的交流、交融、交锋。
面对多种社会思潮在网络虚拟空间和现实生活中的传播、碰撞甚至对抗,要想巩固好马克思主义在意识形态领域的指导地位,我們必须立足大数据环境创新和发展思想政治工作,提高网络意识形态技术防护能力,营造清朗的网络舆论环境。
一、创新思想政治工作应主动增强大数据思维在当今社会,数据作为一种重要的科学认识工具,已成为人们认识社会、自然和人的精神世界的新工具和新源泉。
在大数据时代,人的言论、行为、方位等都能够以网络化、数据化方式呈现,能够实现人的思想行为的数据化表征,用数据进行定性、度量和评估,明晰和界定不同行为主体的差异性,探究影响大众思想行为变化的相关因素及相关关系。
因此,创新思想政治工作要主动增强大数据思维。
思维方式是一定时代的理性认识方式,是人的各种思想要素及其结合按照一定的方法和程序表现出来的相对稳定、定型化的思维样式。
大数据思维是人们“数字化生存”状态的意识反映,是信息社会发展新阶段的崭新思维方式。
没有大众网络行为的海量数字化,没有大数据思维,我们就不可能对思想政治工作的对象需求、实证分析等问题做出可视化“描述”。
具体来说,增强大数据思维,首先要树立开放性思维,尊重社会思想文化的多样性和差异性,在差异中求和谐,在多样中求统一,使思想政治工作更加丰富多彩、富有活力。
要强调思想政治工作的系统化和整体性,注重联系政治、经济、文化等社会多领域的综合思考,注重整合学校、家庭、社区、网络等领域的工作协同,积极吸纳“跨界思维”“融合思维”“生态思维”等新思维方式,推进思想政治工作的理念和实践创新。
基于数据挖掘的网络思政内容特点分析及对课程思政的启发基于数据挖掘的网络思政内容特点分析及对课程思政的启发引言:随着互联网的迅速发展和普及,网络思政逐渐成为探索现代思想教育有效途径的重要手段。
通过数据挖掘分析网络思政内容的特点,可以为课程思政的设计和实施提供有益的启示。
本文将从数据挖掘、网络思政内容特点以及对课程思政的启发三个方面进行阐述,并尝试给出建议和展望。
一、数据挖掘的概念及应用数据挖掘是指从大规模的数据中,通过运用统计学、机器学习、模式识别等方法和技术,发现其中的隐藏知识、规律和价值信息的过程。
而在网络思政中,数据挖掘的应用主要包括两个方面:一是从大规模网络数据中提取思政内容;二是对思政内容进行分析和挖掘,以了解网络思政的发展和特点。
利用数据挖掘技术,可以从海量网络数据中挖掘出有关思政的关键信息,提供有益于发现思政热点、人才培养和舆情分析等方面的线索和依据。
二、网络思政的内容特点网络思政是指在互联网平台上,通过多样性的方式,传播思想理论、推动社会主义核心价值观。
网络思政的内容特点主要体现在以下几个方面:1. 多样性和群众性:网络思政具有广泛的参与性和互动性,吸引了大量青年群体的关注和参与。
网络思政内容多样且灵活,可以以丰富多元的形式及时传播和反映社会思想动态。
2. 实用性和可操作性:网络思政的内容追求贴近实际、有针对性和可操作性,以更好地满足青年群体的需求和关切。
网络思政内容注重解决实际问题,提供有效的思想教育和指导。
3. 知识性和科技性:网络思政的内容涵盖广泛的知识领域,通过科技手段呈现,增强了思政内容的吸引力和可读性。
网络思政不仅传播思想知识,还注重以科技手段提升思政内容的传播效果。
4. 互动性和开放性:网络思政的内容具有强大的互动性和开放性,在传播过程中与读者、观众形成良好的互动与反馈。
网络思政鼓励读者提供意见和参与讨论,增加了内容的可信度和吸引力。
三、对课程思政的启发网络思政内容特点的分析,对于课程思政的设计和实施具有一定的启发意义:1. 提供参考和借鉴:通过分析网络思政内容的特点,可以为课程思政的设计和教学提供参考和借鉴。
张骞文
长安大学学生工作部
基于大数据分析的大学生“精准思政”探索
张骞文
长安大学学生工作部
2018年4月19日
时代之问实践之问理论之问
1.新时代的要求:新时代党要实现“两个一百年”奋斗目标、实现中华民族伟大复兴中国梦,高校思想政治工作如何为广大青年学生提供坚强有力的理想信念支持。
2.改革开放的影响:青年学生价值观逐渐多元化,高校思想政治工作如何去引导青年。
3.全国高校思想政治工作会议:出台《高校思想政治工作质量提升工程实施纲要》体现了高下思想政治工作从“全面施工”到“内部装修”的过程,高校思想政治工作不平衡不充分的问题如何破解,打通育人“最后一公里”。
4.大数据时代:每个学生成长在互联网、云计算、人工智能等信息技术日新月异的时代,学生工作者如何基于大数据理念和技术“精准”开展学生工作。
1.认识学生的困惑:学生在校有很多个人信息记录,但分散存储在各个部门独自的系统/平台中,在短时间内要想轻松了解某个学生在校期间的全部信息较为困难。
2.教育学生的困惑:思想政治教育的内容具有丰富性、教育目标具有层次性、教育方式具有多样性、教育主体具有多元性、教育客体具有差异性。
因此,良好地思想政治教育就是主体、客体与内容、目标和方式等实现精准匹配的过程。
3.管理学生的困惑:“管理的本质是决策”,决策的依据是信息,尤其在大数据时代,学生管理者掌握信息的程度直接决定了决策效果。
4.服务学生的困惑:“学生的需要,我们的追求”是服务学生的本质要求。
学生的诉求到底是什么?学生的偏好选择及偏好程度是否因不同个体、不同时间、不同场域等发生变化。
5.评价学生的困惑:“导向性是任何评价工作的首要属性”。
引导学生德智体美劳全面发展的有力工具是对学生进行评价,而对学生评价的基础是对学生行为所产生数据的掌握,以及这些数据建模式之后的结果显现。
6.预测学生的困惑:学生工作的“事后诸葛”,把能力体现在事件的处理上,如危机事件、学生挂科等发生后,疲于“灭火”,市场扮演“消防队员”的角色。
如何主动应对,早发现早上手,基于学生行为大数据的分析预测就尤为重要。
1.从研究内容看:国内较少对大学生思想政治教育的复杂过程进行解构、分析,极少从“需求—供给”二分的视角对大学生思想政治教育进行研究。
2.从研究动态看:从2009年开始,“大数据”成为互联网行业的流行词汇。
到了2013年,“大数据”深入各个领域并显示出巨大潜力,因而2013年也被称为“大数据元年”。
国内对大数据与思想政治教育研究的文献始于2013年,当年仅有3篇。
2014年为15篇,2015年是49篇,2016年则达到了98篇,2017年185篇。
可见,该领域是一项较新的研究,但增长趋势明显。
研究内容主要集中在以下四个方面:
(1)大数据思想政治教育的内涵。
(2)大数据对思想政治教育的影响。
(3)大数据时代思想政治教育的思路。
(4)在其它领域,运用大数据对需求进行分析。
3.现有研究的借鉴意义与主要不足:在研究思想政治教育的“供给侧”改革时,缺乏对“需求侧”的分析,进而使相关改革缺乏针对性和精准度。
研究更多的是对已经发生的事实进行分析,即事后研究。
经验型
基于经验做出判读,没有分析数据背后反映的信息智慧型
运用大数据、云计算等分析、整合学生工作中的关键信息,从而对学生需求做出智能响应
1
“精准思政”是新时代大学生思想政治教育研究的新范式2
大学生思想政治教
育过程的本质是供
给满足需求,思政
教育的主体是供给
侧,思政教育的客
体是需求侧
3
思政教育的客体存
在差异性且差异性
处于持续变化的状
态,必然要求持续
深化思政教育的供
给侧改革,达到供
给与需求的精准匹
配,最终实现供需
平衡。
4
对“精准思政”绩
效评价的标准是思
想政治教育“绩效
增量”的大小。
大
学生入校前既有的
价值观是思政教育
的“绩效存量“。
5
大数据时代为“精
准思政“插上了腾
飞的翅膀。
大数据
研究方法是”精准
思政”的核心方法。
供给
需求
01
图1 需求与供给差异的组合➢当思想政治教育供给小于需求时,供给不足,学生需求没有得到充分满足,思想政治工作
绩效较低。
➢当思想政治教育供给大于需求时,供给有余,造成学生工作资源浪费,思想政治工作绩效
较低。
➢当思想政治教育供给等于需求时,供需平衡,学生需求得到充分满足,思想政治工作绩效
较高。
图2“精准思政”的实施过程
业务平台梳理学工自身业务流程01
02
03
分析平台整合全校数据资源做业务
服务平台
整合全校业务事务流程
学工建设
积累业务流程和数据利用数据、服务业务
利用业务,积累数据围绕核心大数据分析平台,“精准思政”供给助力学生成长围绕需求侧与学生成长构建大数据分析模型,适用算法
学生的大数据与教育、管理、服务业务的创新融合
以大数据为校园资产,建立智慧学工的顶层设计
学工信息化必然走向大数据服务
食堂消费宿舍出入
考勤管理
学业成绩
入驻部门:学生工作部、国际交流合作处、教务处、校团委、学生就业处、后勤管理处、公安处、信息与网络管理处、校医院
1.专业咨询
2.事项办理
3.自助服务
提供服务
•教育管理•学生资助•心理健康•学生住宿•咨询与服务•......
校园大数据
消费数据食堂消费超市消费澡堂消费打水消费其他消费名单数据其他数据门禁数据
宿舍门禁教学楼门禁图书馆门禁实验室门禁其他门禁学习数据
上课签到成绩排名图书借阅排课课表其他数据贫困生名单奖学金名单处分名单其他名单社会实践思想教育就业工作校园网络其他数据
长安大学2016年一卡通校园大数据•数据存量10亿条•数据增量12万条/天•覆盖学生3万人/年以食堂消费数据为例•每年新增2000万条
•每天新增6万条
•每天上线人数2万+学生属性性别年级民族户籍地域
长安大学运用大数据技术,形成
8个抽象的核心指标,构建智慧化的精准资助体系。
节俭指数
健康指数
饮食多样性金额管理能力
贫困社交关系时间管理能力一般社交关系
消费频次
建立完善的学生贫困画像体系结构,从不同维度、粒度对学生进行描述,一目了然,快速了解学生的全面信息。
对于学校学情进行综合呈现,按照学前、学期、毕业的进程对全校的实时学情有全面深入的分析。
学业情况整体呈现
综合学生入学前高考成绩、第一志愿、生源地、民族等多个维度全面评估学前学习能力,并结合往届同专业学生学业问题特征进行算法匹配,得出学生入学是否适合学习当前专业的匹配度。
学前评估作为参考查询学生成绩信息、学生学分、GPA 信息等统计信息,以及学校各单位学生的成绩单信息,可以详细了解及明确学生当前学业问题学业评选一目了然通过在进入毕业学年前一学期结束后,基于学生历史成绩进行统计分析,判断出存在毕业风险的学生名单给到辅导员老师。
学业帮扶精准施策
学业成绩应用
学前评估学前评估学前评估学业帮扶
学
情
查
询
后台算法模型+多维规则并行配制
●综合首页对学校学情一目了然
●学前-学期-毕业全学习周期追踪学生学情
●学生学情全量数据查询
●预警学生流程化处理沟通
●多个维度全息呈现学生问题,学分获取、不及格门次、体
测、课程性质、考勤等
●学校、学院要求并行,针对不同专业特点
●当前、历史两个时间维度统计分析
学业诊断,面向学业帮扶的精准服务
❖学生由于学业问题导致不能正常毕业
❖大数据分析重点在挖掘原因,干预恶化发展
⏹学前专业学习能力评估-关注重点基础较差学生;
⏹学习环境-重点排查宿舍、教学班;
⏹关系人群-舍友学业、同学学业;
⏹课程难度-挂科覆盖、重修补考量度;
⏹生源差距-专业难度与地域基础教育水平;
⏹家庭经济-困难生覆盖、困难生重点课程;
❖以报告单、分析报告面向学生、家庭、老师服务
面向学生生命周期的数据服务,从群体画像到成长模型
❖组织关系的群体分析,学院、班级、实验室、...
❖共同属性的群体分析:困难生、学霸、优毕、...
相关性因素和影响显著因素
❖学霸与借阅的相关系数:0.14(0.21)
❖学霸与借阅的显著系数:0.49
❖学霸专业与阅读书目的显著系数:0.59
读书多不会构成学霸,但学霸一定是爱好阅读
大学生思想政治教育现在也是进入了“内部装修”阶段,“精准思政”也是当前思想政治教育研究的一种新范式。
大数据时代的到来,必然要求学生工作由经验型向智慧型、数据型转换,我们唯有更好地应用校园大数据,助力学生成长发展的“精准施策”。
学校信息中心应不断推动校园数据的共享机制,加强校园数据场景应用的实践探索,让数据更有智慧,让数据解放和发展学工生产力,改善学工生产关系。
定期开展校园数据应用的交流分享,大数据产品的共享推广,共同推进高校学生工作的新发展。
1234
Thank All for Listening。