打开文本图片集

摘  要：在“十四五”规划期间，我国教育体系已进入高质量发展阶段。在努力推动数字化改革的进程中，高职院校师生日常教学活动积累的海量数据蕴含着丰富的隐藏价值。高职院校开展教学诊断与改进工作是构建常态化的内部质保体系，完善人才培养机制的重要途径。针对当前高职院校教学诊改中所面临的三个主要痛点，以数字化赋能为切入点，探索并构建高职院校教学诊断与改进体系，旨在实现高职院校“粗放到精细、单一到多元”的转变。归纳出通过大数据信息标准建设、数据中心与数据整合、数据全生命周期质量管理规范、职责划分等策略深化数据融合与共享，通过对课堂教学的全面感知，深度挖掘、整理、分析和决策各项课堂数据，构建适合高职院校课堂特色的课堂质量监测机制，为高职院校教学诊改提供可靠依据，为“双高”计划背景下全面提升高职院校人才培养质量和办学水平提供保障。

关键词：数据治理，数字化改革，大数据平台，体系构建

近年来，教育相关部门接连颁布了《教育部办公厅关于建立职业院校教学工作诊断与改进制度的通知》《关于印发〈高职院校内部质量保证体系诊断与改进指导方案（试行）〉启动相关工作的通知》《关于做好中高等职业学校教学诊断与改进工作的通知》等一系列政策文件[1]，此外，教育部在2022年的职业教育重点工作中也明确指出“引导和支持学校全面建立常态化的教学工作诊断与改进制度”。在“双高”计划的大背景下，伴随着大数据时代的来临，移动互联网、云计算和物联网等高新技术领域时时刻刻都发生着巨大变革，教育领域也迫切需要构建与大数据技术相结合的体系模式，完善高职教育数字资源与网络建设，推进高职院校课堂信息系统与数据中心建设，助力打造智慧课堂已经成为当前诸多院校发展目标之一，同时也是推进教学诊断与改进的主要途径之一[2]。智慧课堂是融合了大数据、云计算、数据挖掘治理、人工智能等高新技术的高级形态，现如今，高校信息化建设过程产生的数据量呈指数级增长，数据海量多源异构、数据孤岛、智能化水平不高、数据安全性较低的现状日益突显，同时课堂教学质量与高职院校人才培养质量息息相关，课堂教学诊改有效开展是保障课堂教学质量的重要手段，将大数据技术与教学诊改相结合将为高职课堂注入全新活力。因此，大数据背景下的课堂教学诊断与改进已成为各高职院校和教育相关部门的共同关注点。

高职院校教学诊改数据治理现状

现在，我国的高职院校基本已经构建了基础的教学诊改服务平台，将教育科研、人才培养、课堂教学等多个子系统整合[3]。然而面对长期积累的海量教学数据以及师生课堂行为等数据，依然面临着诸多困境。经调研分析，制约我国高职院校教学诊断与改进发展的因素主要有以下三个方面：

（一）数据多源异构，缺乏统一的数据标准与规范，“数据孤岛”现象严重

针对教学任务需求以及职能交叉管理，大部分高职院校教学诊改数字化系统倾向以业务逻辑为主导，但其中底层数据结构设计不统一，各业务之间联系不紧密，全局规划明显欠缺，导致数据分割严重，“数据孤岛”林立。同时所产生的教学数据存在着典型的数据特色：数据量巨大、分布维度广、基础属性众多等，这导致各子系统间数据共享交换在深度和广度上都受到限制，严重制约了高职院校教学诊改信息化管理以及人才培养质量的提升。

（二）数据质量低，数据分析与挖掘效果差，融合困难

高职院校普遍存在前期规划和教学数据应用的脱钩现象，导致数据质量不尽人意，再加上缺乏较为高效的数据分析和挖掘模型及工具，造成了日常积累的海量教学数据和实际教学诊改应用需求之间存在巨大的偏差。高职院校中数据类型主要包括结构化和非结构化两类，对于数据质量不佳的结构化数据难以实现实时抽取、加工和转换，而对于数据质量较差的非结构化数据同样融合困难，导致海量教学数据的共享性、完整性都无法得到充分保障，严重限制了高职院校数据价值的进一步分析与挖掘。

（三）数据源缺乏有效管理，数据缺失严重

大部分高职院校对于教学数据的管理欠缺统一的标准，不仅没有健全相应的管理体系，而且也没有配备相应的管理技术，加之随着数据管理人员的频繁变更与业务系统的更迭，数据标准和规范愈加混乱，保护意识相对偏弱，进一步加剧了教学数据丢失的风险，导致历史数据与教学诊改系统难以有效整合。

大数据背景下基于数据治理的教学诊断与改进体系构建与实施

在推进高职院校教学诊改数字化建设进程中累积最多、隐藏价值最为丰富的就是教学数据。深度挖掘并整合其中的优质信息，以此为基础建立常态化的课堂教学诊改质量保证机制，进一步提升人才培养质量，为院校师生提供更加优质的教学服务，这才是数据治理与教学诊改融合的真正意义[4，5]。依托大数据、人工智能技术，构建一个满足高职院校数据治理现状的教学诊改平台，对高职院校教学数据层面进行全生命周期的管理，智慧校园背景下的教学诊改体系架构自下而上可分为数据获取、诊断问题和实施改进三个主要部分，旨在加快高职院校海量教学数据治理与教学诊改之间的深层次融合，建立三层次的教学诊断与改进体系，促进高职院校教学诊改由“粗放式”向“精准化”实现良性转变。

数据获取是教学诊断与改进体系架构中的基石，数据采集主要有两部分来源，第一部分是以高职院校课堂互动、课堂设计、项目资源、教学资源等课堂数据为主的结构化数据，并通过ETL工具进行数据预处理；第二部分是通过Flume日志处理集群收集课堂上以文本、音视频、日志数据为主的半结构化数据与非结构化数据。

诊断问题是教学诊断与改进体系架构中的第二层，也是体系架构中的核心部分。通过对各类教学数据样本进行分析，抽取更多维度数据，递归优化模型和规则库，结合人工智能与大数据技术，优化教学数据采集，依托Hadoop分布式存储集群、Hive数据仓库集群、ZooKeeper分布式服务集群、Spark大规模数据计算处理集群等实现对多源的结构化、半结构化、非结构化教学数据进行全面存储、交换、计算分析和深度挖掘，提升教学诊改成效；通过实时监测教学诊改质量，标定各类数据源的数据流向，建立教学专项大数据池；梳理数据源的数据结构，优化教学数据ETL流程，并形成统一、专业的数据标准，实现异构数据的归一化处理；根据教学数据类型和面向诊改特点分类存储在Hadoop分布式系统集群的数据仓库中，全面涵盖专业、课堂、师生等多主体的可量化质量标准，为教学诊改实施提供更加个性化的服务、更加智能化的分析和更加科学化的决策。

实施改进是教学诊断与改进体系架构中的第三层。根据高职院校的实际诊改需求与师生特性，将教学数据有效存储与管理，以达到教学数据在全校范围内的一致性和集中共享。通过定期汇总的诊改评估模型形成预警报告，完善人才培养方案与策略，进而推动基于数据治理的教学诊改、决策、分析应用进一步落地。

基于数据治理的教学诊断与改进体系构建策略

（一）建设教学诊改体系数据标准

在基于数据治理的教学诊断与改进体系构建过程中，由于高职院校人才配备现状，信息化技术人员的经验和能力不足、在教学数据管理和治理方面操作不够规范，同时缺少统一的数据标准，严重影响教学诊改的质量与成效，因此教学数据标准建设是至关重要的环节。

为了方便高职院校数据治理，贯穿课堂前中后三阶段的教学活动数据都需要统一的数据标准支撑，教学诊改体系数据标准的建设需要依据国家、教育部、高职院校自身定位等多维度深化与完善，主要聚焦课堂教学大数据信息标准、信息交互标准、身份认证标准、数据治理标准等，高职院校参照自身课堂教学特色和学情分析，重构数据治理框架，优化基于课堂数据的教学诊改体系，确保数据信息共享，打破“数据孤岛”，同时通过校企合作寻求技术支持，尤其是溯源和版本更新等方面，进一步优化教学诊断与改进过程中的数据管理，为高职院校教学诊改体系构建提供有力的制度保障。

（二）建设教学诊改数据仓库与数据治理

建立标准化、统一化、集成化的高职院校教学诊改数据仓库可以将不同课堂业务子系统中的数据集中管理，简化数据治理流程，提升课堂数据质量和共享性，从而为高职院校提供全方位的教学诊改服务。在建设数据仓库过程中，需要考虑到了高并发、高容错和负载均衡等因素，采用大数据集群技术以应对高职院校可能会出现的突发情况，运用跨平台架构，可提升兼容性，并及时将数据库访问向其它节点迁移，节省数据查询与处理的时间。基于数据治理构建教学诊改体系，充分利用中间库将数据推至中间表和相应视图，降低课堂业务子系统对数据仓库直接访问的频率，进一步减轻数据仓库的整体负载水平。课堂业务子系统根据实际教学诊改需求获取数据，完成数据检索和可视化，简化数据仓库读取和写入的复杂度。利用ODI工具在数据仓库中创建接口，支持定时、实时两种模式对数据实现全量或增量采集，也支持人工数据操作等多种同步方式集成不同存储方式的数据源，实现灵活的转换和数据匹配，使得数据在教学诊改数据仓库与课堂业务子系统之间传输更加简便、高效。

（三）课堂数据全生命周期质量规范管理

数据生命周期是指“发生、传递、分析、呈现”整个过程，对于普通高职院校学生来说，其基础课堂数据通常具有三年的生命周期，而对这些全生命周期课堂数据的管理有助于更好地进行教学诊断与改进，并设计合理的数据治理策略，进一步提高数据的价值和利用效率。目前，大部分高职院校在数据存储和管理方面存在明显不足，无法实现对全生命周期课堂基础数据的永久性存储，因此，在数据全生命管理周期内，高职院校首先需要基于授课班级和学情分析，明确课堂教学的关键阶段和活动，如相关课堂数据标准制定、课堂数据存储数据库设计等，

在数据采集阶段，全方位考量数据的完整性、准确性，并对保密性要求比较高的数据实施层次化管理，从而保障数据的安全性、可访问性和适度的共享性。同时，定期对存储的课堂数据进行校验和治理，实现数据的合并、转换、清洗和更新等。最后，为了便于教学诊断与改进，需要完善教学诊改评估模型，把控数据质量关键维度，同时基于课堂数据共享关系完善元数据模型，从多维度全面验证数据的有效性。对于教学数据共享过程中出现的脏数据、冗余数据进行有效数据治理，通过数据清洗、数据治理提升课堂数据质量的完整性、一致性、有效性、实时性和完善性等。

（四）更新理念，明确职责划分

基于高职院校学生课堂现状和学情分析，在构建数据治理的教学诊断与改进体系中需要进一步明确各环节角色分工和责任等，并对数据治理的权责制度进行梳理和设计。随着数字校园建设的不断推进，高等教育势必会向数字化、共享化、科学化的方向发展，如何在大数据时代背景下在课堂教学中挖掘更深层次的数据价值，进一步深化教学诊断与改进是现如今高等院校共同关注的问题，这对相关管理人员提出了更高的要求，需要具备握完备的大数据知识和熟练的大数据技术，确保数据治理工作的针对性与时效性，为高校进一步实现全员、全过程、全方位育人提供保障。

结语

在构建高职院校教学诊断与改进体系过程中，教学数据作为智慧课堂中的重要记录载体，其质量在极大程度上决定了人才培养质量和教学诊改效率，因此充分利用大数据扁平、交互、便捷的优势，挖掘教学数据隐藏价值，通过有效的数据治理使各类课堂教学活动数据更全面地服务于教学诊断与改进，立足高职院校教学诊改发展现状，结合信息化建设的所处阶段，依托数据治理策略及技术等核心要素构建覆盖全方位教学数据的诊断与改进体系，为“精准化、科学化、综合化”教学诊改提供保障和实践途径，促进高职院校教学水平全面提升，进一步加快数据治理数字化赋能与教学诊改深度融合发展。

参考文献：

[1]赵苓妃.职业院校教学工作诊断与改进的难点与对策[J].湖南工业职业技术学院学报，2018，18（05）：145-148+156.

[2]王自豪，李俊，张良军.大数据背景下高职院校课堂教学诊断与改进的思考[J].产业与科技论坛，2022，21（07）：166-167.

[3]郑水祥.高职课堂教学质量诊断与改进工作的实践研究——以某高职院校为例[J].产业科技创新，2023，5（02）：51-53.

[4]邓韦，宋锦，王娟.大数据背景下高职课堂教学诊断与改进体系构建[J].职业教育研究，2023，（07）：73-77.

[5]黄小娥，刘存香.基于全面质量管理的职业院校内部质量保证体系诊断与改进机制的研究与探索[J].中国职业技术教育，2023，（19）：90-96.

基金项目：2023年义乌工商职业技术学院校级课题——大数据背景下基于数据治理的教学诊断与改进体系构建（项目编号：23XJZB004）