打开文本图片集

摘要：人工智能为大学生事务管理带来了新的思维和方法。技术理路上的契合性是人工智能赋能学生事务管理工作的依据，而实现人工智能的赋能作用需要数字技术与学生事务的深度融合。高校学生事务管理应以构建优质数据库平台为依托、以打造人机协同的专业团队为助力、以搭建专业知识图谱为重点，并将三种智能形态嵌入学生事务管理的全过程，真正实现人工智能的赋能作用。

关键词：人工智能；高校学生事务管理

引言

文章立足于人工智能技术发展的历史特点及国内高校学生管理工作的客观规律，阐述人工智能技术的特点及发展、高校学生管理工作的现状及问题，对如何将人工智能技术运用到高校学生管理工作中进行初步的研讨，分析未来人工智能在高校学生管理工作中可能运用的工具及方式，并对未来人工智能在学生管理工作中的发展趋向进行初步简要研判。

1高校学生事务管理的含义

高校学生管理工作，按照工作内容类型不同，大致可以分为教学类、思想政治教育与培育类、日常事务类等。高校学生事务管理通常指日常事务类管理，即被管理者主体为高校大学生，管理者对大学生的学习、生活、实践、就业等多方面事项进行统一管理，具体包含入学教育、毕业生教育、军事训练与学习、奖助学金评选、助学贷款办理、日常请假办理等诸多内容。

2人工智能技术发展简述

AI是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式。习近平同志高度重视我国新一代人工智能技术的发展，多次对其重要性和发展前景作出重要论述，强调中国高度重视人工智能对教育的深刻影响，积极推动其和教育的深度融合，促进教育变革创新，充分发挥人工智能优势。人工智能技术分为狭义AI、通用AI和超级AI，其本身具有处理高效、结果精准、互动智能等特点，可以帮助人们处理繁重的科学研究、工程设计、社交沟通、客户服务等工作内容，从而将宝贵的人力、脑力资源从繁重且重复的事务性活动中剥离出来，进一步解放及发展社会生产力。

3人工智能在高校学生事务管理工作中的应用策略

3.1人工智能与考务管理信息化结合

人工智能通过考务知识分类、知识点追踪、知识点标签、自动挖掘、数据分析等方法，建立考务管理模型，可以全面感知全校考务状态并给出反馈，并推荐考务管理方案和优化路径，以提升高校考务管理的工作效率和个性化服务。考务管理全过程会产生大量考务数据，人工智能可以利用这些数据对计算机系统进行训练，进而学习这些数据获得经验和知识，可以不断改进考务管理效率。人工智能技术与考务管理业务结合场景较多，例如：①基于历史数据的考试信息推荐：利用学生入校基础信息及历史考试信息，搭建一个机器学习模型用于预测学生学识水平，并提供考试信息推荐服务，不仅可以给学生提供个性化的考证支持，也可以避免不必要的重复数据录入。②智能化考场考务推荐：对现有考务人员、教师、学生、教室等基础条件进行优化，采用优化算法技术优化考务资源，智能化安排考场和考务工作。可以避免考务中出现意外，达到考务公平的目的。③基于机器视觉的考场管理：利用机器视觉、神经网络等技术对学生、教师进行人脸识别代替传统手工核验工作，可有效避免考场中替考代考等情况发生，减轻考场教师工作强度。

3.2人工智能在高校学生事务管理工作中应用的可行性

（1）理论研究有基础。关于将人工智能技术就用在高校学生事务管理工作中的有关研究已比较成熟、丰富，故两者的结合研究有一定的理论基础作为支持。目前，人工智能技术的发展研究主要围绕在以下方面：机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别以及虚拟现实/增强现实（VirtualReality/AugmentedReality，VR/AR）技术，理论研究已基本达到可初步实践应用的水准。（2）技术应用可实现。目前，已有相对成熟的人工智能实践技术应用到服务类型行业中并取得较为明显的成果，如部分银行的在线客服、物业公司的管家服务、保险经纪公司的智能助手等。据了解，自中国建设银行从2017年应用人工智能客服后，统计数结果表明当年由其人工智能技术“小i”提供的服务量相当于9000个人工座席的工作量，远远超过电话客服的人工坐席总服务量。在高校中，成本低廉、拥有初始功能的人工智能技术也已普遍存在，可供用于一些简单、基本学生事务管理工作的试点应用。（3）现实需求急迫切。当前，在高校工作中，辅导员等学生事务管理工作人员常因职责不清晰、工作量繁重等而离职、调岗，造成相关队伍稳定性不高、流动性较高，非常不利于学生管理队伍的职业化、专业化、专家化建设。将工作人员从繁重、高频、低质的事务性活动中解放出来，是深化学生管理工作改革的重要前提。

3.3构建优质平台，实现数据的多维度分析

大学生在寻求或接受学生事务管理服务时，存在不同的模态，即存在接受信息的不同方式。一般情况下，管理者需要对大学生所提供的数据进行综合的拆解和分析，以得出有效的结论与建议。而“语言”数据的表征是较为表面和单一的，大学生的知情意行、细微的表情动作都有待纳入分析。基于深度学习的机器学习方法已经在语音、文本、图像等模态领域取得的成功，人工智能中的多模态机器学习（Multi-ModalMachineLearning，MMML）也有了更为广泛的应用场景，MMML旨在通过机器学习的方法实现处理和理解多源模态信息。数据（data）是形成信息和知识的原材料，拥有数据才能提炼信息，数据和信息具有统一性。从某种意义上来说，“数据可以进一步作为‘信息量’的代名词：较多的数据中包含较大的信息量”。事实上，我国高校存在着各种独立的信息系统，数据分散于各个部门之间，不利于智能技术进行系统的挖掘和分析。高校只有整合各个数据系统，搭建多模式、大容量、强计算能力的高质量数据库平台，才能实现数据和资源的最大化开发和利用。然而，不同结构的数据需要选取不同的机器学习算法进行处理，以充分挖掘数据中的深层次和内隐性的信息。因此，搭建优质数据库平台，捕捉学生的数据，并对有效数据进行存储、加工、处理、分析，不仅可以发掘数据价值，还能为人工智能提供丰富优质的数据资源，实现对学生的多维度分析。

3.4人工智能是连接学生事务管理工作与社会发展的重要纽带

人工智能具有处理高效、结果精准、互动智能等特点，随着技术的进一步发展，相关硬件设施、软件条件的进一步成熟，人工智能将在社会中扮演者愈发重要的角色，从遥不可及的高新技术代名词成为融入寻常百姓家日常生活中的普通技术。人工智能技术本身具有通用性、普遍性的特点，相同的核心技术可以有效应用在多方不同的场景。将已有成熟的人工智能技术应用在学生事务管理工作中，既可以降低技术建设成本，又可以打通与学校整体管理，甚至是城市精细化管理的有机连接，为信息的智能传递提供极大支持及保障，并为学生工作的全面精细化、专业化开展提供高质量保证。

3.5搭建知识图谱，实现适应性反馈与评估

新时代，学生事务管理的工作内容越来越宽泛，但对人才培养的诠释应始终坚持“以学生为本”的初衷，把提高人才培养质量落到实处。因此需要建立长效跟踪和反馈机制，不断改进大学管理的工作质量。而即时评估和适应性反馈也受到受教育者主体性的影响，导致学生事务管理的服务性与价值性的割裂。因此，管理者需要搭建存储大量三元组形式信息的专业知识图谱。知识图谱（KnowledgeGraph）在2012年由谷歌（Google）公司正式提出。知识图谱以其强大的语义处理能力和开放组织能力，为互联网时代的知识化组织和智能应用奠定了基础。构建知识图谱的流程包括知识建模、知识获取、知识融合、知识存储、知识计算和知识应用。知识的生成有赖于对信息进一步的加工和处理，知识是蕴含在数据中的。通过知识，可以更好地理解信息，甚至预测信息。因此，高校要采取“自上而下”和“自下而上”相结合的构建方式，首先根据学生事务工作的专业知识和经验总结初步构建模式层和数据层，形成初始的知识图谱；再利用案例库的知识融入，完善和拓展现有知识图谱；最后在此基础上建立多元交互以及感官化的适应性反馈。学生事务工作者需要和大学生共同参与知识图谱的构建，开发服务于大学生学习生活的在线诊断、资源推荐、智能问答等功能。另外，智能技术还能辅助教师为大学生搭建个体知识图谱，让学生对自己有着更为清晰的认知，实现学生的自我管理。无论是传统教育还是远程教育，尽早发现学生的问题并提供及时指导，都是非常必要的。

3.6模式设计

人工智能与考务管理结合需要建立一个整体性的参考架构，基于人工智能的发展状况和应用框架，从信息流角度出发，提出一种考务管理智能化参考框架，如图1所示。它包括数据层、数据处理层、功能层与应用层。数据层指高校考务管理信息化建设中的大量数据资源，包括学习资源库、学生基础数据、师资库、成绩库以及考务管理中产生的考务数据。处理层指通过知识信息感知与抽取而得来的智能感知信息，并进行符号化和形式化的智能信息建模、抽取、处理、训练。经过智能推理后为功能层提供分类、排序、预测等功能。功能层包括考务管理信息化全过程所包含的报名、考务、调度等功能模块，将智能推送信息与功能模块结合形成智能信息显示和推荐。应用层是对基于人工智能信息流的整体方案的封装，将智能推理后的信息决策产品化，实现应用落地。

结语

相关高校学生事务管理服务部门需要根据已有资源、人员，统筹搭建运营团队，开展日常后台运营，总结终端用户学生群体的日常用语习惯，丰富、优化系统的实用性，切实助力高校学生事务管理工作现代化。

参考文献

[1]王乔峰.曹效英，路璐.“互联网+教育”模式的发展情况分析[J].中国教育信息化，2015，15：9-11.

[2]王慧霞.论数字化时代教育技术泛化的教与学[J].天津师范大学学报（基础教育版），2016，17（01）：12-15.

[3]洪聪孜.关于高校考务管理信息化建设的探讨[J].科教文汇（上旬刊），2019（08）：12-13.

[4]袁勇我.高校学生事务管理思考与模式创新的相关研究[J].课程教育研究，2017（52）：19-21.

[5]吕薇，季波，张怡凡，等.美国一流研究型高校人工智能人才培养的经验与启示—基于“以学生为中心”的视角[J].课程教育研究，2019（10）：19-20.

[6]王萍，王丽，张永梅，等.客户服务系统现状及人工智能化发展趋势研究[J].科技创新导报，2018（36）：225-226.

[7]胡善民，王志力，于磊.地方本科高校二级考务管理模式探讨[J].教育现代化，2018，5（27）：343-344.

[8]高雨舟.人脸识别技术的行业应用及未来发展趋势分析[J].数字技术与应用，2018，36（12）：79-80.

[9]薛力群.关于人脸识别技术在智慧楼宇中的应用研究[J].智能计算机与应用，2019，9（06）：318-321.