【域外动态】大数据在高等教育中的应用：现状与趋势

众所周知，大数据的特征是体量庞大，种类繁多，而且大多是非常规的、非结构化的(杂乱的)和高速运行的数据信息。它可以被快速地分析，并在“几乎”实时的情况下给决策者提供分析结果。使用大数据的目的是提供建议或解决实际问题，而不是创造新的理论或探索解释数据的原因。它可以用来模式的识别和预测从而达到提高企业经济效益的目的。

十多年前，大数据首先在追求效率的大企业和大公司中得到发展。大数据兴起的原因可以归结为两个因素:(1)数据收集技术的进步。例如使用各种传感器，数据数字化技术以及从互联网和社交网络收集包括声音，图像，坐标，速度和数据在内的各种数据的技术能力；(2)计算机硬件的开发。这些进步改进了数据的处理、分析和可视化的功能。这两个因素的结合有效地为决策者提供了数据和结果。

虽然企业和组织已经接受了大数据的开发和广泛应用，但在高等教育中的应用还相对缓慢。长久以来，学院和大学并没有优先考虑提高办事效率。高等教育领域不存在大数据发展初期所需要的技术、资金和专业知识等必要因素。而且，在许多公司中人员不是大数据使用的研究对象，而是产品和工作流程。人员被认为是顾客服务的调查对象，而群体或学生则被当做高等教育的产物和研究课题。由于人类的行为比产品和工作流程更复杂，因此在高等教育中实施大数据框架会出现额外的困难。

在高等教育中，大量的因素促进了大数据的使用。

1.包括政府官员和政策制定者、董事会、教职员工和家长在内的利益相关者越来越高涨的问责需求。他们要求提供更多关于财务管理、教学效果和课程设计、保留率和毕业率以及学生服务的可用性和使用情况的信息。

2.国家拨款的减少导致公共机构中的高级管理人员需要通过战略规划、评估和关键绩效指标(KPI)更加关注资源配置和效率提升。

3.作为许多机构的收入和声望的来源，来自高校申请、录取和毕业的学生人数的增加显得越来越重要。机构的目标是招收更多更优秀的学生，增加转学生人数，弥补现存的差距，确保学生在六年内毕业。因为实施战略规划，提高学校的声誉和排名这些因素都与下一年度预算有关。

大数据的应用在高等教育中的第一次激增在很大程度上是上述因素所致使的。大数据方法应用于实时、可视化的动态信息、交互以及KPI的即时演示，这些满足了决策者的需求。理论上讲，机构拥有许多类型的数据，这些数据可以放在大数据框架中使用。包括告数据这样的传统结构化数据，以及登录到Blackboard、进入图书馆和参与校园活动这样的非结构化数据。目前，大数据在高等院校的大部分应用是结构性的，高校并没有充分利用大数据的能力。大多数院校都通过使用结构化数据来创建仪表板以达到指导功能区域的目的。这种用法的例子可以在机构的网站，会议的介绍以及AIR年度论坛的赞助展品上看到。大概十年前，Tableau在航空论坛上仅占有很少份额，只有少数机构使用它的产品。现在Tableau是高等教育市场数据虚拟化的领导者。机构发现，如果他们没有安装Tableau,SAS Virtual analytics或IBM Cognos，他们就会被甩在后面。

创建仪表盘的过程始于大多数购买现成软件的机构。目前，一个流行的模式是以IT为主导，在IT和IR领域合作开发每个功能区的仪表盘。任何职能部门都可以参与这个过程。数据管理委员会负责确保数据的准确性，以及对数据的定义是一致和最新的。同时委员会可以通过小组指导或自学的形式来提供软件培训。在大多数情况下，咨询公司是不需要这样做的。仪表板的内容涵盖了包括预算、财务、研究、入学、注册、财务辅助、课程评估和学生评估数据在内的许多操作领域。在大多数机构中，发展往往来自于与IR办公室具有更密切的数据关系的职能部门，如学生入学，登记和注册以及人力资源等部门，而不是与研究，财务和预算有关的部门。通常早期开发的仪表板运行功能更强大，覆盖面更为广泛。这是因为它们经常引起更多关注，而且IR部门可以提供更好的数据支持。

对于这些影响，大数据在学习分析和参与分析方面比在一般机构分析中发挥着更大的作用。大数据在前两方面中是相当有效的，因为它成功地将多个办公室和学院联结在一起共享数据，并向高级管理人员、教授、工作人员和学生提供特别的分析和结果，以提高教师的工作效率和学生学习成果。但是它在制度分析方面的影响有限，因为它只能回答一些基本的或直接的问题。

然而，上述美国高等教育的第一次高潮，被比作为在大数据时代最容易的采摘的果实。交互式仪表板、数据虚拟化和KPI不能取代深度分析和预测。即使一个机构的高级管理人员有7/24的数据访问权限，并且对机构有充分的了解，通常也难以定量地确定应将500万美元的增加预算分配在哪里可以对该机构产生最大的战略影响。如果他们的目标是将毕业率提高5%，那么面对许多实时互动式仪表盘的高级管理人员，仍然无法弄清楚应该采取什么措施，制定多少预算，要达到这个目标需要多长时间，以及它将如何影响排名。要回答这些问题，需要建立复杂的模型，几个职能部门的数据需要进行仔细的合并、分析和预测。换句话说，大数据在院校分析中还没有得到充分的使用。

美国高等教育机构第二次大数据激增的时机已经成熟，其特点是数据的深入分析，挖掘和预测。虽然企业往往比高等教育界更早地看到这种趋势，但高等教育领域正在迎头赶上。在一年一度的AIR论坛上，再次看看赞助展览大厅里的展位。除了少数几个有关仪表板和数据可视化的成熟架构外，还有许多咨询公司声称能够帮助机构进行分析。他们的摊位通常与十年前的Tableau一样小。他们提供服务是因为机构需要大数据分析，而且许多机构的高级管理者不愿相信IR办公室能够将来自多个功能领域的数据集成到分析和预测中，以满足机构的需求。因此，现在是时候让IR办公室从传统的报告职责转变为机构分析和战略研究，扩展到新的功能领域，并使用非结构化数据。在这一过程中，IR办公室的每个领导者都需要考虑如何获得高级管理人员的信任，以及如果他们已经与机构合作那么如何与咨询公司合作，并逐渐在实施分析的机构中发挥领导作用。

文章来源：Overseas Chinese Association forInstitutional Research

(OCAIR) Newsletter，2017年10月，21卷。编译：秦函宇，里瑟琦智库研究助理。