学生行为学风建设路径探析

导语：学生行为学风建设路径探析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

[摘要]近年来，北京交通大学电子信息工程学院创新学风建设工作方法，通过对学生行为的大数据分析，获取学习行为习惯以及学习状态等信息，并在工作中借鉴工程教育专业认证理念，坚持以学生为中心，以提高学生学习成绩为导向，持续改进工作方法，有针对性地开展学生工作，以激发学生学习兴趣，培养学生良好的学习习惯，取得了良好成效。

[关键词]学生行为；大数据；学风建设

高校学风建设工作质量不仅体现着高校的学生管理工作水平，也是学校办学能力、办学质量的重要所在。随着大数据时代的到来，高校学风建设工作也面临新的机遇和挑战。近年来，北京交通大学电子信息工程学院创新学风建设工作方法，从收集学生学习行为大数据开始，获取学习行为习惯以及学习状态等信息，根据学生实时状态，有针对性地开展学生工作，并在工作中融合工程教育专业认证理念，坚持以学生为中心，以提高学生学习成绩为导向，持续改进工作方法，以期激发学生学习兴趣，培养学生良好的学习习惯，取得了良好成效。

一、利用学生行为大数据开展学风建设工作的必要性和优势

（一）基于大数据开展学风建设工作的必要性。大学学风建设是一项系统工程。优良学风不是依靠学生主观能动性自然形成的，而是管理教育的结果。当前，利用学生行为大数据开展学风建设十分必要。一是符合新形势下的高校思想政治工作的要求。随着时代的变化，一些既有的学生管理工作模式已经不能适应新的教育教学需要。大数据的运用将对学生的海量信息进行分析和挖掘，发现大学生的成长规律，进而遵循规律推进教育教学改革，提高学生教育培养质量。二是通过采集学生学习行为数据，可以记录学生与教师教与学的全过程。从学生入学开始直到学生毕业，通过行为大数据的不断积累，可以全面客观地记录学生成长轨迹，在学生学业成长的关键节点及时发现问题、解决问题。三是可以满足学生个性化成长需求，实现精准指导。过去的任课教师往往通过肉眼观察学生的学习情况，但是教师的精力有限、课堂人数较多、关注范围较小，容易忽略学生存在的个体差异。大数据的运用可帮助教师在海量的数据资源中，进行有目的、有侧重点地分析，通过学生的上课出勤情况、学业成绩等信息，综合考量学生学业状态，为学生推送合适的学习资源并进行个性化学习建议。（二）基于大数据开展学风建设工作的优势。整体来看，学风建设工作的成效取决于管理队伍、任课教师、学生等诸多方面的共同努力。传统的高校学风建设工作大部分依靠课堂，任课教师以教材和大纲规定的教学要求为目标，课堂教学内容比较固定。与传统的学风建设工作方法相比，基于学生行为大数据的方法具有以下优点：一是可以预测学生的学习成果，使教育管理具有前瞻性。通过收集学生行为数据可以实时掌握学生学业情况，预测其未来的学习趋势和学习结果，将教育及帮扶工作前置。二是可以加快学风建设工作创新改革进程，满足学生成长需要。学风是高校诸多资源中的宝贵财富，是一种育人资源。加强学风建设、努力创建优良学风，是促进高校各项工作的前提，是提高人才培养质量的重要保证，也是衡量高校办学水平的基准，更是其核心竞争力的具体体现。因此，在高等教育改革发展和社会转型时期，加强学风建设是一项具有战略意义的工程。三是可提高学风建设工作效率。在实际的学风建设工作过程中，我们将面临许多决策和实施问题，有了学生行为大数据便可以发现隐藏的、有用的信息，不再单纯地依靠学生的学业成绩，而是以周为单位，记录学生平时的学业状态，通过学生学业状态，反映学风建设整体现状，为提高学风建设工作的成效提供数据支持和决策支撑，实现各个环节的自我评价与自我管理，提高学风建设工作效率。

二、利用学生行为大数据开展学风建设工作的实践

（一）整体设计。为更好地开展学风建设工作，笔者所在学院由学生工作组牵头，成立学业指导中心，面向全体本科生收集学生行为数据，并将大数据进行汇总整理，统筹学院教学科、学生工作组、任课教师以及学生骨干搭建一体化学风建设工作模型，在内部开展基于大数据分析的学风建设工作，并将工程教育专业认证理念融入其中，不断改进学风建设工作方法。工程教育专业认证最早起源于美国，是针对高等教育中工科专业的资格认证，其核心理念是以学生为本，以目标为导向，持续改进。学院借鉴该理念，在学风建设工作中坚持以学生为中心，采集学生行为大数据，分析学生学业状态，以提高学生学习成绩和学习能力为导向，并根据学生反馈的信息不断改进教育决策、教学实施和教学手段，使目标控制、过程管理、信息反馈、自我评价和调试改进等环节实现一体化循环运行。（二）实施过程。第一个阶段为数据收集及处理。学院学业指导中心依托学生干部、学生党员、任课教师围绕学生行为大数据，例如课堂出勤率、集体自习情况、学业导师辅导记录、考试成绩等信息进行采集。同时，为了减小人工统计误差，学院辅导员每周深入课堂，对学生主修课程的出勤率进行抽查，记录与学生相关的信息。随后，学业指导中心对数据进行整理分析，汇总形成每周一期的《学业质量监控报告》。该报告包含了各年级学生的专业课出勤状况；针对任课教师课堂教学环节的学生意见；班级学风建设活动开展状况：集体自习出勤率、考前答疑内容、班内小组帮扶开展活动情况和年级学习讲座参与度；学业导师计划实施和开展情况：任课教师辅导记录、学生答疑记录以及专业课程考试成绩汇总表等。第二阶段为信息传递及送达。学院把每期《学业质量监控报告》递送至教学管理、学生工作等部门，统一解决学生学习过程中存在的问题，帮助教师和学生双方相互改进、相互了解、相互督促，形成工作闭环。与此同时，学生学习行为大数据客观地反映了学生在教学培养环节中遇到的学业困难与学业需求。学业指导中心还针对学业困难学生制定了学业导师计划和学业困难群体跟踪帮扶机制。一是全面建立教师与学生的信息纽带。由学生指导中心根据学生成绩、学习情况等信息筛选学业困难以及学有余力的学生群体。针对学生的不同学习程度，一对一匹配不同类型的学业导师或者科研导师。导师的职责主要包括关注学生学业情况、课堂管理以及开展必要的科研指导。二是设计科学的学业辅导方案，有针对性地开展创新类、兴趣类的科技活动，满足学生个性化成长需要。学院学业指导中心为每名学业困难学生匹配学生党员进行帮扶，先进帮后进。学生党员主要负责解答学业困难学生在学习时遇到的学业问题，作为学业导师计划的补充，与学业导师形成合力，帮助学生提高学习成绩。第三阶段为学生反馈阶段。有了学生学习行为的数据，确定了学生培养目标，我们就可以根据学生的学业情况，及时调整学风建设工作方案。通过大数据，我们可以挖掘教师的信息与教学质量的关系、学生学习状态与教学质量的关系、不同学科或课程的学习状态与学习效果比较、学生学习时间投入状况、学生课外生活状况与学生发展、学生状况与就业等的相关性，并能够通过观察学生学习行为数据的波动情况，直观了解学生的学习效果以及学习习惯的改变，以判断学风建设工作的效果和方法是否需要调整。

三、利用学生行为大数据开展学风建设的成效与思考

（一）可视化成果。在试行基于大数据分析的学风建设工作的一年内，学生专业课课堂出勤率明显提高，平均课堂出勤率由最初的71.2%提高至94.1%。通过对学生课堂意见的收集和反馈，教师不断改进教学方法，学生的课堂满意度也从最初的65.9%提高到92.7%，学业困难学生成绩平均分由最初的67.6分提高到78.5分，各年级班级不及格率平均降低2.8%。（二）几点思考。基于学生行为大数据的学风建设工作虽然取得了一定成效，但仍然存在一定的改进空间。一是学生行为数据采集量较大，收集整理时间较长。目前，根据已有的工作积累，大数据分析工作主要依托学院学业发展指导中心进行，工作人员以学院团委辅导员为主、本科生为辅，采集工作目前完全依靠人工，采集数据过程较慢，耗时较长，工作量巨大且烦琐，数据精准度也有待加强。因此，利用移动终端进行实时数据收集，建立学生信息大数据系统，由软件代替人工进行智能分析，优化大数据处理方式，通过线上签到、成绩录入等方式，缩短人工数据采集时间，提高数据采集效率势在必行。二是对于数据分析工作缺少大数据专业知识，数据挖掘层次有限，数据采样和基础分析较简单。基于大数据的学风建设工作需要对学生行为背后的实质性问题进行剖析和解读，需要工作人员具有专业的数理统计学、思想政治教育以及心理学等方面的知识，以深入挖掘学生学习行为习惯隐藏的内容。接下来，学院将邀请专业人员对工作人员进行专业技能培训，提高工作人员的综合能力，全方位提供学生所需要的帮扶，实现全方位育人。三是在工作开展的过程中需要统筹教学科研、后勤等相关部门。利用学生行为数据分析开展学风建设，对学生日常管理工作产生了较大的影响，不仅改变了传统的工作模式，也给工作的协调带来了一定的难度。因此，学院将重点加强各部门的联络沟通，建立每周例会制度，由各部门负责人出席，以邮件为主，以新媒体平台为辅，进行实时的沟通与交流，改变工作模式，以尽快适应当代大学生的成长需求。学风是一种氛围，影响着高校教育质量和人才培养的水平，良好的学风是高校培养高素质人才的基础和保障，更有助于激励和引导学生拼搏进取、不断创新。因此，高校需进一步明确学风建设的首要地位，充分运用大数据服务于学风建设，抓学风促学业，为学生的成长成才创造有利条件。在当前高校学生就业竞争日趋激烈、社会对高校毕业生的要求不断提高的形势下，探索加强高校学风建设的长效模式是符合个人、高校及社会长远发展需求的一项重要工作。保证高校学风建设的管理过程不断向前发展，离不开学风建设的不断创新与持续改进，这也正是工程教育认证理念的核心要求之一。因此，创建一种具有长效性、循环性、可改进性的学风建设模式，是克服长期以来高校学风建设的难点的迫切需要，也是提升高校办学质量的现实要求。

作者:韩柏涛 温馨 单位:北京交通大学