摘 要：運用大數據技術，以高校傳統實踐教學資源和信息管理資源的對象，進行數據收集與提取、存儲與管理、挖掘與分析、成果展示等流程分析，科學管理高校實踐教學資源，提高高校實踐教學質量，培養創新實用型人才。

　　關鍵詞：期刊論文發表,教學資源,大數據技術,實踐教學

　　中國高等教育已經由精英教育過渡到大眾教育階段，作為高等教育生命線的教育質量深受關注。教學實踐表明：制約培養高質量人才的瓶頸――實踐教學環節的教育質量――是提高“以就業為導向”高級實用型人才的關鍵。為了提高高校實踐教學環節的教育質量，培養創新實用型人才，教育部出臺“高等學校本科教學質量與教學改革工程”的意見，總結出增強實踐教學環節，提高學生的創新意識、實踐能力、社會責任感和就業能力的相關辦法。因此可見，加大高校實踐教學環節實施力度有助于提高培養人才質量，促進培養人才創新。

　　加強實踐教學環節的提出導致高校教育理念發生轉變，根據學科規劃，廣大高校加大了實踐教學的投入力度，進而實踐教學的軟件和硬件環境均得到改善。但是，由于高校招生規模擴大，教育的層次多元化發展，高校實踐教學出現教學資源不平衡、利用分散、效率低下等問題。本文運用大數據技術，對于現有的實踐教學資源進行數據挖掘與分析，并將結果用于教學資源管理，進而提高實踐教學的效率，為社會培養創新應用型人才。

　　一、高校實踐教學資源

　　高校實踐教學資源是高校實踐教學的基礎，決定著實踐教學成功與否，因此，提高現有的資源利用率是改善實踐教學質量的有效途徑。高校實踐教學資源是指高校在教育學生期間所有的基礎實踐教學硬件設施如教學樓等、建設實踐教學的資金如校外實習經費等、領導實踐教育的師資隊伍等要素的綜合裝備和利用能力的總和(圖1)。然而，高校的信息系統是數據生產的巨戶。學生的視角來看，包括聯系方式、家庭住址等基本的信息，校園卡消費、宿舍使用時間等生活信息，選課、圖書借閱、學科成績等學習信息，參與的社團、比賽、講座等第二課堂信息;從教師的視角來看，包括聯系方式、受教育歷程等基本信息，教學任務、教學內容(一般以課件的形式)等教學信息，論文著書、科研數據等科研信息;從高校管理者的視角來看，包括高校的資產信息、師資信息、招生就業信息、校企合作信息、校間合作信息等。同時，移動互聯網和物聯網技術的發展，高校校內人員主動生成或者有設備手機的信息也在時時更新，例如，微博、微信、QQ等社交信息，BBS搜索點擊信息等。這些就是高校信息系統中的數據，也是高校的實踐教學資源。同時，這些數據資源與傳統的實踐教學資源相輔相成。

　　■

　　二、大數據處理一般流程

　　大數據的處理流程具有一般數據處理流程的共性，可以定義為：運用合適的工具抽取和集成廣泛異構的數據源，遵循特定的標準，將所得的結果統一存儲，采用適用率高的數據分析技術分析存儲的數據以獲取有價值的知識，并且將這些知識以可視化的方式展示給終端用戶。大數據處理的一般流程為數據的抽取與集成，數據存儲，數據分析和數據展示(圖2)。

　　■

　　1.數據來源。大數據的數據源非常的廣泛，它包括傳統的關系型數據庫、XML等半結構化數據、以文本、音頻、視頻和其他形式存在的非結構化數據。當前，高校已經建立了基本的管理信息系統、教學管理系統、圖書館管理系統等，在同一的數據中心，匯聚了大量結構化數據、半結構化和非結構化數據。

　　2.數據的存儲管理。根據數據源的不同，采用不同的數據提取方式。對于結構化的數據，采用ETL工具，將數據抽取存儲于HBase數據庫中;對于Web網頁等此類非結構化的數據，采用Nuth技術進行抽取，Solr技術進行索引，之后存儲于HBase數據庫中。HBase數據庫是一個開源的分布式數據庫，具有高可靠性、高性能、可伸縮的特性，并且不是以關系模型為基礎建立的，可用以存儲大規模結構化數據。

　　3.數據挖掘與分析。采用Hive技術對HBase數據庫中的數據進行挖掘與分析。hive是基于Hadoop的一個數據倉庫工具，可以將結構化的數據文件映射為一張數據庫表，并提供簡單的SQL查詢功能，可以將SQL語句轉換為MapReduce任務進行運行。其優點是學習成本低，可以通過類SQL語句快速實現簡單的MapReduce統計，不必開發專門的MapReduce應用，十分適合數據倉庫的統計分析。通過Hive可以實現數據的匯總統計分析，并且易于擴展器計算能力和存儲能力。此外，可以運用Mahout機器學習工具對數據進行無監督學習和監督學習。

　　4.數據分析成果展示。在數據展示層，運用Tableau軟件可以實現數據與圖表的完美結合，將數據挖掘與分析的成果以可視化的方式呈現給數據的使用者。Tableau軟件工具擁有多種預定義的圖標格式，根據不同的數據關聯性，可以將多種維度在同一圖表中展示。

　　三、基于大數據技術應用的高校實踐教學

　　促進學科交叉融合發展，構筑有生命力的學科生態，打造凸顯核心競爭力的高水平學科是學校學科規劃的重要任務。借助大數據分析技術，充分收集各學科的教學狀態數據、科研項目數據、前沿發展動態等信息，從而分析學科建設存在的不足，確定學科未來發展的方向，發掘出潛在的具有國際視野的學科帶頭人。

　　1.高效管理高校教學資源

　　隨著社會的發展，為了適應社會對人才的需要，高校在保障當前教學研究的前提下，需要發展新的學科，這就不可避免的需要完善相應的學科設備，這些設備可以是學科教師、教材、教室、實驗室、教學軟件等。因此，高校的教學資源是相當豐富的，有效管理高校的教學資源，實現師生最大限度地使用教學資源，是高校管理者的重要任務，是完成教學任務、培養社會認可的人才的重要保障。以實驗室為例，傳統的實驗室管理往往是單個管理者管理少數有限的實驗室，此種管理方式無疑是低效率的，浪費了高校人力資源，降低實驗室的使用效率。運用大數技術，將高校所有的實驗室存儲于數據中心，根據實驗室的地理位置、實驗對象、使用時間等不同參數進行數據挖掘與分析，預測實驗室在某一時間的某一設備進行某一操作，判斷實驗設備是否可以承受負載或者可能發生故障等情況。通過此種方式，管理者就可以以前進行設備檢修，減小損失，提高實驗室的利用率，同時通過設備監控中心對所有的實驗室進行監控管理，減少管理人員，這樣可以縮減高校的人力資源和財力支持。

　　2.改進高校教學模式

　　教育所追求的最高目標是因材施教的個性化學習。大數據分析學習內容，線上學習系統能以可視化的形式來指導學習者的自我學習與個性化發展，個性化學習功能就實現了。通過學習平臺上的多媒體學習資料、學習信息、學習進展、互動信息等個性化信息，學生可以完善自身的知識結構，并且加快對自身興趣的挖掘和優勢的培養。每一學生的各種數據(結構、半結構、非結構)是有限的，但是在整個教育信息化的背景下，個性化學習方式要基于大數據技術方可更好地實現。大數據技術的應用，將使得教育更加目的化與個性化。因此，未來個性化學習的終端，將會進一步融入學習資源平臺，因人而異，因材施教，進而推進相關領域的前沿技術、資源、資訊于個人職業規劃，并且將貫穿于個人的終身學習中。

　　3.評估師生學習行為

　　每個高校定期要做教學評估，意圖通過這種方式找出教學中存在的實際問題，以便及時更新教學方案與方法，提高教學的質量，進而培養出適應社會發展的學生。運用大數據技術管理高校教學評估系統，既可以提高教育管理的科學度，又可以增強數字化建設的實效度。采用基于大數據挖掘與分析的智能算法處理教學質量評估問題，從多方面因素中找出內在的關聯如教師教學的效果、多媒體課件的使用率，課堂師生互動等，為任課教師提供準確的反饋意見，為管理者提供科學的決策支持信息，進而科學制定教學工作方案，提高教學質量。此外，應用大數據技術對于師生各階段的教與學成果進行分析挖掘，可以實現評價的透明化和公正性，同時，對于教師的研究資金、學生的獎學金、助學金的發放提供數據支持，這將會在師生的求學過程中起到良性的引導作用。

　　四、結束語

　　大數據挖掘與分析技術盡管在高校實踐教學資源管理中有著廣泛的應用前景，但是其應用存在制約因素。第一，如何達到業務與技術的郵寄關聯融合。數據分析的目的即是業務的需求，有了分析的目的，業務需求期望得到滿足，高校管理者才能有目的地對數據進行挖掘與分析，得到數據隱藏的價值，用以管理決策。第二，大數據挖掘與分析需要專業的高技術人員，這就要求既專精數據技術，又深悉校園網業務。總之，大數據挖掘與分析技術將越來越多的應用于高校實踐教學資源管理中，以提高高校實踐教學質量，當時具體應用的成果還存在許多方面的問題，還需要進行更加深層次的探索與修正。