自然科学基础经验管理论文

摘要：随着信息化技术的不断发展，信息化技术开始进入到企业领域。信息化技术对企业的管理和评价都起到了非常重要的作用。本文重点对信息化基础分析和信息化基础评价方法展开研究。首先介绍信息化的概念、企业信息化管理基础内涵和企业信息化管理基础特征，然后对企业信息化管理进行基础分析和基础评价方法研究。今天小编为大家推荐《自然科学基础经验管理论文(精选3篇)》仅供参考，希望能够帮助到大家。

自然科学基础经验管理论文 篇1：

基于教育大数据的高校学生个性化管理模式

[摘 要]目前高校学生管理者运用经验法、观察法和简单的数据统计方法进行学生个体及群体的个性化管理，取得了一定的成效，但也存在靶向性不强、滞后性明显等较难克服的问题。大数据在教育领域的兴起为解决这些问题提供了契机。在高校建立起基于教育大数据的学生个性化管理模式将推动学生个性化管理由经验模式向科学模式变革，由被动应对向主动预警转变，由依赖点数据向全貌数据转换，从而提高学生个性化管理的效率与质量。

[关键词]教育大数据；个性化管理；分析

Key words：educational big data； personalized management； analysis

近年来，大数据不断对社会各个领域产生深刻影响，推动着人类思维与实践的大变革。同样，其力量也强烈地冲击着整个教育系统，正在成为推动教育系统创新与变革的颠覆性力量。教育大数据是大数据的一个子集，特指教育领域的大数据，是整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合[1]。教育大数据的所谓“大”并非只单纯指数量之大，更是指其应用及研究价值之大，即能从繁杂的教育数据中挖掘相关关系、诊判现存问题、评估预测发展趋势。应充分发挥教育大数据在提高教育管理质量、促进学生个性化管理、优化配置部门资源、辅助高校科学化决策等方面的重要作用。

学生个性化管理是尊重学生个体独特价值，发掘个体潜在能力，引导学生形成独立人格和独特个性，促进学生个体自由科学发展的管理。《国家中长期教育改革和发展规划纲要（2010-2020 年）》明确提出：“尊重教育规律和学生身心发展规律，为每个学生提供适合的教育。个性发展与全面发展相结合”[2]。推进高校学生个性化管理则是推动个性化教育实现的重要内容。目前的学生管理者基本采用经验法、观察法和简单数据统计相结合的方法实行个性化管理，取得了一定的成效，但也存在靶向性不强、滞后性明显等较难克服的问题。如何实现精准的因材施教，的确成为现阶段大众化高等教育的一道难题。教育大数据的兴起为高校实现个性化的学生管理提供了契机。

一、教育大数据在高校的集成

教育活动既包含教学、科研、管理、校园生活及服务等正式活动，也包含家庭沟通、社会教育等非正式活动；既包括线下的现场教育，也包括线上的视听教育。这些都是教育大数据产生的环境。环境的营造者是“主体”与“教育大数据管理平台”，二者也是教育大数据产生的源头。“主体”包括学生、教师、学生工作者、学校行政管理者，“教育大数据管理平台”包括基础信息系统、动态采集处理系统、教务系统、学生事务系统、一卡通系统等各类教育管理装备。教育大数据要求各系统打破藩篱，除必要涉密信息外，要做到互联互通。在各类教育活动中，由“主体”产生并与“教育大数据管理平台”交互录刻的海量数据，经过充分挖掘、连接与整合，则集成可应用于教学管理的教育大数据（见图1）。

高校的一切行为主体都在产生动态数据。学生在学习生活中留下数字碎片，如课程选擇、网络社交行为、党团学活动的参与、图书馆的出入、成绩动态、校园卡的使用等，均可借助人工智能和云技术对这些数据进行充分挖掘、整合与分析，将碎片化数据转化为知识性信息。一方面，这能使教师为学生提供个性化的学习内容和资源；另一方面，也能在学生管理服务领域为学生工作者及行政管理者及时提供预测和调整的信息。可见，依托数据实证的学生管理研究正逐步冲破经验管理的束缚，发展成为一种实实在在、有数据支撑的研究范式。吉姆· 格雷提出数据密集型科研“第四范式”，将大数据分离出来单独作为一种科研范式[3]。因而，教育大数据必将引发高校学生管理模式与方法的变革。

二、教育大数据时代高校学生个性化管理：模式与方法的变革

当下，立足于大数据挖掘与分析来变革高校学生管理模式已经成为现在及将来高校发展的必选项之一。在教育大数据支持下开展学生管理活动与传统管理相比具有明显的优势，这种新型的管理模式将在变革大学生个性化管理实践方面发挥独特的作用。

（一）由经验模式向科学模式变革

目前，高校学生事务管理者进行个性化管理仍然以经验模式为主导，一方面依靠个人管理实践经验，另一方面依靠采集到的数据资料。而传统教育数据的采集往往是节点性的，多在非自然状态下（用户知情）进行，数据分析的手段主要采用简单的汇总统计和横纵对比分析，着力点是学生的群体特征。并且，因数据的单薄、孤立与静态，缺少足够的数据源和可供预测、分析、判断、评估教育行为的依据，使得学生管理者对个体的关注常陷于经验性的推测，一方面导致工作量的繁杂，另一方面也容易导致忽视与误判的产生。因而，经验模式主导下的大学生个性化管理效果并不佳。

科学的学生个性化管理学性主要体现在：1.管理者真正认识学生，了解学生的成长历史、家庭情况、生活轨迹、学习动态、性格偏好、兴趣、风格、能力缺陷、发展目标等；2.可提供最适合学生发展的环境、平台、资源、工具与服务等外部条件。而教育大数据是管理者全面、主动认识每个学生客体真实情况的重要工具，管理者通过教育大数据这个具有数据海量化、更新动态化、途径多元化、挖掘深度化等特点的有效工具对学生动态数据进行深度挖掘与分析，为每个学生提供最合适的管理与服务，从而弥补传统经验模式的不足，推动大学生个性化管理模式的科学性变革。

（二）由被动应对向主动预警转变

传统的高校学生管理数据往往选择在阶段性节点进行采集，动态性不足，同时由于数据壁垒的存在，导致数据联动性欠佳。如涉及学生健康的数据，主要是入学体检、重大疫情统一体检、毕业体检等，其时间跨度比较大，又囿于我国基础教育大数据正在探索建立阶段，因而高校学生事务管理者对每位学生的以往疫病数据并不了解，对学生平日的医院问诊、取药情况的动态数据也不掌握，导致不能及时介入学生健康管理，因而常会出现学生因未能及时接受正规和系统的治疗而无奈休学或退学，甚至病情扩散的情况。

在教育大数据的支持下，学生工作者能够更高效地关注每位学生，记录其学习活动与生活轨迹，分析每个学生的日常行为、诊断其管理服务需求。通过大样本与实时动态监测个体、结构群体的日常学习生活过程，根据其状态波动制订相应管理预案并调整当下管理策略，保障学生的稳定成长。一方面，通过对数据信息的分析，学校层面的行政管理者可对内外部环境中可能影响管理服务秩序的各种动态因素做出预警和预判，推动内部秩序保障机制的建立；另一方面，学生事务管理者掌控学生的发展状态，关注大学生内部情况，对学生个体及群体的变化趋势做出预测和实时介入反馈，从而建立个性化的管理环境。

（三）由依赖点数据向获取全貌数据转换

大数据时代的一个重要转变便是从求证因果关系转向关注相关关系，要从高频巨量的数据中发掘出某种相关关系，不再单纯从事实片段中寻求原因。教育大数据与自然科学数据相比，具有高速流动性的特点，海量的学生数据均在动态中涌出，实时整体掌握这些数据尤为重要。数据还具有非结构性强的特点，教育大数据具有巨大的价值，但价值密度却低，要从这些数据中寻找相关关系，无异于“沙里澄金”。为了提高“含金量”就需要管理者转变思维，从寻求确切的点数据转向获得全貌性数据。

通过挖掘全貌整体的学生数据背后的规律，能够为个性化分析提供科学智能手段，真正实现个性化管理从群体到个体，再从学生个体个性化到学生群体个性化，在群体关注与个体指导之间找到新的交融点。另外，全貌性数据能够帮助学生管理者实现育人的根本目的，实现不仅“知其然”，更能够“知其所以然”，有利于洞察到管理中问题产生的本质原因，从根本上寻求解决之道。

三、基于教育大数据的高校学生个性化管理模式

根据前文探讨发现，在教育大数据帮助下的高校学生个性化管理模式与传统管理模式相比具有较为明显的优势，能够弥补传统模式的不足，因此有必要研究对传统的个性化管理模式进行变革，推动建立基于教育大数据的高校学生个性化管理模式。在这种新的管理模式下，学生工作者逐步由管理者转变为帮助学生个体和群体个性化发展的服务者。传统的校园系统将升级为智慧校园平台，持续刻录个体的行为数据，并进行智能存储、整合和转码，依据挖掘及分析工具准确诊断、评价个体及群体的状态及问题，形成可视化的分析报告，并在管理者和学生均进行矫正改进后制定个性化管理服务方案，帮助学生们成长成才。据以上分析，本研究构建了基于教育大数据的高校學生个性化管理模式（见图2）。

（一）教育大数据的采集

与传统的教育数据采集不同的是，教育大数据的采集来源更加多样化，包括服务平台内部数据、互联网数据、动态感知数据与物联网数据等，数量庞大繁杂，结构数据和非结构数据并存。对于结构性的数据，通过链接不断更新的高校的基础信息系统、教务系统、学生事务系统等现有系统，能够满足采集的需要。而对于非结构性、多源异构的数据，则因其动态性和不规则性，现有系统难以采集，必须采用最新的采集技术，对数据进行采集和初步处理。这些采集技术主要包括物联感知类技术（物联网感知技术、可穿戴设备技术和校园一卡通技术）、视频录制类技术（视频监控技术、智能录播技术与情感识别技术）、图像识别类技术（网评网阅技术、点阵数码笔技术）和平台采集类技术（日志搜索分析技术、在线学习与管理平台技术、网络爬虫采集技术与移动 APP 技术）等[4]。

为了保证教育数据的有效与可用，要在数据的采集环节把好标准关、质量关，运用技术手段实现原始数据点到高质量可用信息的初步转化，尤其是促使非结构性数据的转化，以便于教育数据的存储、整合与分析。目前能较好实现数据初步处理的技术主要有：高质量原数据的采集方法、数据清洗的方法、数据的溯源管理、多源数据的解析方法等。

（二）数据仓储及初处理

在前期的数据采集及初步处理后，经过传输进入数据仓储及初处理这一环节。这一环节主要是对数据进行整合与存储。整合是指通过精确的数据整合方法，对传输来的数据进行深度加工处理，在尽可能保留数据意义的情况下去粗取精、消除干扰元素，从整合的高度保证数据具有统计分析的价值；数据存储是数据的存放池，主要用来存放各种结构化、半结构化和非结构化的历史数据、预测数据、经过汇总的数据及需要共享的数据等。采集到的数据在经过整合存储之后才真正具备了统计数据的意义，达到可操作使用的级别。这为提取学生个体群体数据带来了便利，也让接下来的数据深度分析成为了可能。学生教育管理各个环节有比较强的灵活性，所以要辨别教育数据的类别和相应的分析目标，灵活选用处理数据的算法模型。

（三）学生个体群体数据分析

经过前期的数据整合存储后，我们就拥有了进行数据统计分析的基础。整合后的数据已经显现出了一定程度的学生个体特征或者群体特征。因此后续的数据分析则将给予这种特征以科学性的证明。学生个体群体的数据分析主要包括进行深层次的数据挖掘和学习分析。数据挖掘是将原始数据和初步整合处理的数据真正转化为可用信息的复杂过程，所谓可用即通过显式的数学模型运算后达到为学生管理者、学生、管理研究人员及系统开发人员所利用的程度；学习分析则是通过网络分析法、话语分析法、滞后序列分析法[5]及内容分析法等充分运用分析决策模型、工具和算法对可用数据进行分类分析。经过学习分析后，利用现有的可视化技术，将相关的分析结果按照容易理解和接受的标准呈现给受众，这样利于管理者及时纠正管理失误、填补漏洞，也利于学生及时对自身不足进行矫正，实现高效能处理教育数据与数据应用的最大价值。如管理者在处理高校贫困生认定工作时，在整合挖掘学生基础信息、一卡通信息数据及日常动态消费数据后，在数据保密及安全的情况下，建立显式数学分析模型测算学生的实际困难程度，为高校贫困生认定工作提供一定的数据支撑，从而有利于扭转当前评定基本依靠主观印象的工作方式所带来的非议和困境。

（四）个性化管理服务方案的制定

个性化管理服务方案的制定立足于学生管理的宗旨和目标，依据学生个体及群体数据分析的结果，进行综合评判和对症管理，制定符合学生发展的个性化管理服务建议方案，最终服务学生个体及群体的良性发展。个性化管理服务方案应该包括基于全样本的科学研究报告、全面而精准的发展评价报告、科学管理建议报告、个性化指导服务报告、学生发展建议报告等五个板块，服务于学生事务管理者和学生等用户。

个性化服务管理方案制定后，可以辅助管理者们进行更科学的管理决策，更精准地调整和改进各项管理服务方法，提高管理和服务的靶向性，通过相应的干预渠道调节学生的发展，从而提高管理服务的质量和水平。同时，可以向学生推荐个性化的自我提升路径及资源，充分发挥教育大数据技术的优越性，实现大数据应用的最大价值。

四、个性化管理模式应用保障建议

2015年国家大数据战略与“互联网+”行动计划的推出，为大数据理念与技术在教育领域的快速渗透和应用推广提供了强有力的保障。可以说，教育大数据时代已经到来，其在高校学生管理领域的应用前景已可以预见。为促使该应用的顺利研究和实施，则需要将相应的保障措施考虑在前。

（一）人员与组织保障

谋划筹建一支信息化、专业化水平较高的高校学生管理团队是做好学生个性化管理工作的前提和保证。高校决策层应支持教育大数据研究与使用人员的引进与培训。在教学及辅助人员招聘条件允许时，争取引进大数据挖掘与分析专业的人才。另外，在学生管理工作队伍中开展统计学、网络技术等专业知识的针对性训练，培养学生管理工作者运用大数据技术的能力[6]。在学校及学院学生管理部门建立数据共享机制，形成用数据记录、用数据发现、让数据说话、凭数据决策的组织文化，将数据真正转化成学生个性化管理的工具，获取对学生个性化管理的基本认知、内核认知和未来认知，为个性化管理提供科学理性的行动支持。

（二）系统构建保障

构建强大的集采集、传输、仓储、整合、挖掘、分析及报告为一体的高校大数据系统，是实现教育大数据时代学生个性化管理的关键硬件。较为完善的高校大数据系统将大大提升管理的效率。构建这一系统的前提是要打破管理部门的组织壁垒，实现现有信息系统的互联互通（必要的保密信息除外），为高校大数据系统的建立节约成本，也避免结构性信息采集的重复。

建立完整的教育大数据治理模式，指导教育数据的获取、归档、保存、互换以及重复利用，是实现教育大数据时代学生个性化管理的关键软件。制定教育基础数据采集和质量管理标准，形成清晰的数据治理机制、流程与质量管理办法。研究建立教育数据集的归档与保存的机制和方法，实现教育数据库、教育资源平台、教育服务平台等产生的数据合规汇集与共享，形成系统性的教育大数据中心。

（三）信息安全保障

虽然我国目前还没有出台关于大数据安全的管理办法，但大数据应用已迅速在教育领域扩张。基于教育大数据的敏感性与特殊性，高校部门应该尽早考虑从机制、技术、方法、应用等多个层面制定数据管理细则。建立教育大数据的保密等级，确定数据公开的级别与范围，按保密等级规定采取相关的保障措施，明確各负责部门的安全管理职责，切实保障学生个体及群体的教育数据安全。另外，加快研发高校专用的教育大数据仓储系统，提供性能灵活、可靠安全的存储服务。与此同时，要实时监控教育大数据的应用动态，对侵犯用户隐私、违法应用数据的单位和个人进行管制。

[参考文献]

教育技术资讯.中国基础教育大数据发展蓝皮书（2015）.[EB/OL].[2016-04-18].http：//mp.weixin.qq.com/s？__biz=MjM5NzU4MDM0MA==&mid=2650852426&idx=2&sn=b8fcfbb6252a25ccf05796beb662de92&scene=2&srcid=0418CdcJGgZEkHHkiBlZ8KEy&from=timeline&isappinstalled=0#wechat_redirect.

中华人民共和国教育部网.国家中长期教育改革和发展规划纲要 （2010-2020年）[EB/OL]. [2016-07-29].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/moe_838/201008/93704.html.

杨德广.杨德广教育文选：第1卷[M].上海：华东师范大学出版社，2010：4.

邢蓓蓓，杨现民，李勤生.教育大数据的来源与采集技术[J].现代教育技术，2016（1）：5-11.

Yang X M， Li J H， Guo X S. Group interactive network and behavioral patterns in online English-to-Chinesecooperative translation activity[J]. The Internet and Higher Education， 2015（25）：28-36.

梁家峰，亓振华.适应与创新：大数据时代的高校思想政治教育工作[J].思想教育研究，2013（6）：63-67.

[责任编辑 张桂霞]

作者：沈克正 马抗美

自然科学基础经验管理论文 篇2：

企业信息化管理基础分析与评价研究

摘 要：随着信息化技术的不断发展，信息化技术开始进入到企业领域。信息化技术对企业的管理和评价都起到了非常重要的作用。本文重点对信息化基础分析和信息化基础评价方法展开研究。首先介绍信息化的概念、企业信息化管理基础内涵和企业信息化管理基础特征，然后对企业信息化管理进行基础分析和基础评价方法研究。

关键词：企业信息化；基础分析；基础评价；信息化技术

1 企业信息化简介

企业信息化在国外早已实现，在中国也有了几十年的历史，虽然也取得了一定的成绩，但是企业信息化的现状和我国对企业信息化的要求还有一定的差距，最关键的问题是我国的很多企业管理基础差，无法支持信息化的顺利进行。信息化是通过一定的信息技术手段，将信息技术应用到各个行业的过程。通过信息技术手段，对各个行业的效率和收益都有明显的提升，这是信息化的最终目的。企业信息化管理的基础特性有累积性、稳定性、一致性和复杂性。企业信息化管理不可能一蹴而就，属于一个不断尝试、不断变革，总结经验的过程。通过不断积累，然后逐步的加大对信息化的依赖，提升企业效率。企业信息化管理基础对企业的生产经营模式起着巨大的支持作用，企业的信息化和管理基础属于一种互相反馈、互相交互的过程，企业信息化的增强能够增强管理基础，管理基础的优良同样也可以带动企业的信息化，最终可以保证企业的經济效益得到良好的提高。

2 企业信息化管理的基础分析

影响企业信息化的因素有业务流、资金流、物流和信息流。信息流指使用、处理和采集信息的一个过程。业务流指为了完成某个任务而进行的一系列活动。资金流指资金在企业内部流动的过程。企业管理过程就是对企业信息的一个处理过程。信息的处理过程包括信息的采集、处理和使用。因此企业信息化管理就要做到企业信息的信息化采集、信息化处理等。一旦信息采集出现失误，将为决策者对企业做出的决策产生决定性的错误。总而言之，企业对信息的采集、处理和使用的过程影响着企业的信息化。企业的信息化管理包括管理基础和管理行为两个层面。管理基础反应的是对管理工具，管理行为反应的是人的作用。企业信息化的管理行为层又可以分为习惯、程序、标准和制度。企业信息化的管理技术层又分为人员素质、标准、方法和工具。企业信息化管理基础的因素集可以分为决策管理层、管理调度层和操作控制层。决策层展示的是对信息资源的利用能力。对于信息资源的利用情况反映了企业决策层的信息利用率。信息利用其实就是对获得的各种信息进行加工处理，然后找到自己想要的那部分信息，当然在加工处理的过程中出现错误，获取到的最终信息也必定是错误的。加强对信息的利用是为了让决策者快速的做出正确的决策信息。通常来说，经验比较丰富的决策者往往可以更好的利用手中已有的信息。信息利用的情况是对一个决策者能力的体现。管理调度层包括管理技术、管理行为、工作标准、信息理念和中层素质。操作控制层包括管理技术、管理行为、工作意识、操作标准和个人素质。

3 企业信息化管理基础的评价

3.1 企业信息化管理指标的评价原则

（1）全面原则

企业信息化管理的指标体系应该全面、包含所有的领域，只有评价指标完整才能具有代表性。

（2）简介原则

企业信息化管理的指标应该浅显易懂、语言简练，不能说为了体现全面原则就长篇大论，找不到重心所在。

（3）唯一性原则

企业信息化管理的指标应该具有唯一性，每个指标都代表的是一个领域、一个方面。避免指标具有二重性或者交叉现象。

（4）易度量原则

对于企业信息化管理指标的选取，应该尽量选择容易度量的，可以度量到准确数据的，避免出现模糊两可的事情。更不能因为人为原因改变度量数据。

（5）针对性原则

企业信息化管理的指标应该具有针对性，如果这个企业是涉及某个行业或者领域的。它的指标就应该符合该行业特点。

3.2 综合水平评价模型

综合水平评价模型的目的是为了发现企业信息化管理基础中的薄弱环节和薄弱点，通过综合水平评价模型的建立来知道企业在管理基础上的策略。通过对企业管理基础的薄弱环节和薄弱点的发现，进一步找出解决和改善这些问题的策略和方法。可观的找到企业管理基础的不足和问题是企业信息管理基础评价的目标，通过对企业管理基础进行评价来明确企业将要改进的方向和提出企业改进的策略。要对企业的评价提供按照如上指标原则的评价指标，根据指标定量的评价企业信息化管理基础，最后决策者根据企业信息化基础的评价提出企业以后发展的方向。

3.3 模糊聚类评价模型

在上面说的企业管理基础的整体评价模型中是对企业进行整体水平的评价，通过整体评价的结果来说明企业以后将要向哪个方向进行改进。但是，模糊聚类评价模型针对的是企业信息化管理基础的薄弱环节和薄弱点，针对的是存在问题的那些部分进行评价，从而来帮助企业信息化管理基础的水平慢慢提高起来。模糊聚类评价模型通过突破原始的分类方法，将好坏因子量化、合并的形式，科学的找出企业信息化管理基础的优点和弱点，然后针对薄弱点制定策略进行改进，最终达到提高企业效率，增加企业生产力的作用。

4 总结

本文的研究工作是企业信息化管理基础分析和评价研究，在本文中首先介绍了信息化和企业信息化，信息化有时候不仅仅指的是信息技术，当然信息技术也属于很重要的一部分。本文针对的是企业信息化管理基础，对企业信息化管理基础展开研究，通过对企业信息化管理基础的分析和评价方面的研究，来让参与企业管理的员工对深入了解企业信息化管理基础。

参考文献：

[1]祁玉梅.模糊聚类分析在建立统计分析指标体系中的应用[J].青海师范大学学报（自然科学版），2008，2：9-11.

[2]李钢，齐二石，党占军.基于BPR理论的C1MS企业组织重构研究[J].计算机集成制造系统，2007，10：21-24.

[3]唐志荣，湛素华.企业信息化水平评价指标体系研究[J].科学学与科学技术管理，2008，3：51-54.

[4]韩庆兰，高阳，陈松乔.论与CIMS相适、谈的企业管理模式[J].湖南师范大学社会科学学报，16：61-65.

[5]甘初初.企业信息化与生产管理—全国第四届计算机辅助生产管理学术会议论文集[M].北京：经济科学出版社，2007，10.

作者简介：孟福江（1984.11.4-），男，浙江绍兴人，中级，理学学位。

作者单位：浙江中国轻纺城集团股份有限公司，浙江绍兴 312000

作者：孟福江

自然科学基础经验管理论文 篇3：

加强院校教育训练基础数据管理和使用

摘 要 军队院校教育训练基础数据，有数据信息和文本档案两种管理模式。由于对教育训练基础数据管理使用重要性的认识不高，导致其收集、整理、管理都存在诸多问题，利用率不高，有的甚至处于闲置状态。如何加强院校教育训练基础数据管理和使用，使其为军队院校整体建设、人才培养、科学研究服务，在新一轮的院校调整改革建设中发挥其支撑作用，是军队院校建设者应该共同研究的课题。

关键词 军队院校；军事教育训练；数据分析

当前，军队院校基本建立了综合教务管理系统、开放教学管理系统、政治思想教育管理系统、军官及教员管理系统、教学保障（实验室、教室、训练场地、图书馆、信息网络、教学装设备、教材、训练器材、数字媒体资源等）管理系统、后勤保障管理系统等数字化管理系统，记录和管理与教育训练相关的大量基础数据，再加上以传统纸质方式存储的数据，军事教育训练基础数据呈现巨大的规模与体量。利用这些教育训练基础数据，使这些数据转变为院校建设的智力支持，为院校教育训练的决策、优化服务，具有重要价值和意义。本文从宏观角度描述院校教育训练基础数据的主要管理与使用现状及原因，对未来的前景应用进行展望，以期引起管理者对于数据使用的重视。

1 院校教育训练基础数据管理模式

军队院校教育训练基础数据，是指记录军队院校人才培养过程中所有教育教学训练的相关数据，涵盖人才培养的各个方面，具体包括：学员、教员、教辅人员、保障人员等人员队伍管理数据；学科专业建设、人才培养方案和实验室、教室、教学训练场地、图书馆、校园网等教学训练设施建设管理数据；教材、教学设备、武器装备、训练器材等教学训练物资管理数据；校园、教学用房、办公用房、宿舍、食堂等营房和餐饮等生活保障信息数据；教学训练计划、实施方案、保障计划和课程教学、军事训练、科技创新等教学组织实施管理数据；理想信念教育、军事教育等育人管理数据；学员平时作业成绩、日常训练成绩、科目考核成绩、联考成绩、毕业考核成绩等课程考核数据；学员参加兴趣小组、学科竞赛（数学建模、程序设计、力学、机器人等）、军事训练竞赛（精武杯、勇士杯、桑赫斯特等）等校内外活动及获奖情况数据；学员下部队实习、模拟连代职等岗位任职能力锻炼的数据；等等。军队院校教育训练基础数据种类相对固定，数据量比较庞大。

因数据种类和采集方式不同，当前军队院校主要采取数字化和文档化管理的模式。容易量化的教育训练数据，一般采用数字化管理模式，建立专门的信息管理系统，在线录入数据。如综合教务管理系统就是一种数字化管理系统，它是将人才培养方案、课程实施计划、学员日常成绩、考核成绩等信息录入系统，再使用系统提供的相关功能对这些数据进行管理分析，得出需要的结果，从而指导教学训练工作。其优势是管理功能强、分析速度快、使用便捷准确、不容易受到人为影响。不易进行准确量化的教育训练数据，一般采用文档化的管理模式，建立专门的文本档案和目录账册，将教学训练活动中产生的相关数据文档通过人工方式整理归档并登记造册。其优势是直观，但需要大量的人力和时间去整理、统计、分析，其结果可能还容易受到人为因素的影响。

2 院校教育训练基础数据使用现状

地方高校于21世紀初开始实施教育管理信息资源利

用[1]。随着信息化产生的大量教育数据资源，对这些资源的合理分析及利用，成为各大高校面临的新的挑战[2-3]。综合分析各个高校在教育数据资源分析使用取得成果的同时，也还存在一些问题。

1）不同部门缺乏交流，各种业务系统无法进行数据交换。在信息化过程中，各部门往往独立构建自己的信息系统，由于其功能和侧重内容不同，造成各个系统相互之间不能共享与连通，限制了更多教育数据资源的使用。

2）软件建设落后于硬件建设。在信息化过程中，各高校只重视硬件投入，忽略了使这些硬件充分发挥性能的软件系统的投入，从而限制了各类教育数据资源的综合分析与使用[4]。

军队院校由于其特殊的职能及相应限制，在信息化进程上普遍落后于地方高校，并同样普遍存在地方高校的上述问题。同时，由于其教育的特殊性，军队院校的教育训练基础数据在使用过程中还存在其个性的问题[5-6]。军队院校在实施人才培养过程中，通过各种教学管理信息系统和其他方式，记录了教学活动和军事训练开展过程中的各种基础数据。

有些教育训练活动有系统支持，这些教育训练产生的数据就存放于数据库中，其利用率就较高，如理工大学综合教务管理系统中的课程实施计划、学员成绩等数据。这些量化数据可以由系统提供的相关管理分析功能，进行进一步的处理分析。以学员考核成绩为例，可以对某年级学员进行综合的量化分析，同时与其他各届学员的分析结果进行对比，从而找出教学过程中的不足。如果有一个年级的学员成绩明显低于往届，则应是某种原因影响了教学效果，需要进一步分析检查。

还有些教育训练活动则是没有系统支持的，只有文本数据，对其数据的分析利用就相对较少。如学员的野外训练、体能战术训练等，这些教育训练活动产生的数据一般都是通过文档记录下来，有些很难量化，其训练成绩大多可以通过完成时间、效果来反应，对这些数据的应用就比较弱。

产生上述问题的原因如下。

1）缺乏对教育训练基础数据重要性的客观认识。长期以来，军队院校的工作都是依据总部文件、上级的政策要求和首长指示开展，虽然也强调结合本院校的特点和实际贯彻落实，但工作效果往往是不尽如人意，甚至有时会让基层产生怨气。究其原因，就是教育训练基础数据没有得到有效利用，本单位工作实际没有与总部政策有机结合。这就说明军队院校有些工作者对教育基础数据的重要性还缺乏科学、客观的认识，对教育训练数据分析利用的重要性认识不高、重视不够，没有充分的实际数据分析支撑，在工作决策时只能是凭感觉、拍脑门，自然就难以达到理想的工作效果。

2）缺乏专业化的数字管理系统支持。目前，军队院校教育训练基础数据的数字化管理信息系统还没有普遍建立，特别是在军事训练过程中产生的一些数据，由于没有专门的系统支持，这些数据普遍采用传统的文档化管理模式，通过相关人员采集登记在相应的文件目录册上。由于没有系统提供相关的分析功能，对它们的分析主要靠人为进行，效率低、工作量大，因此造成管理、分析的困难，使这些数据难以提供相关的决策支持。

3）相关技术人员匮乏。当前教育训练活动的实施者，一是组织管理人员，负责训练活动的安全顺利展开；二是教员，负责专业知识教学和军事技能训练传授。将一些教育训练数据进行量化分析，不仅需要精通该领域的专业知识，而且要熟悉数据量化方面的内容，这样才能选取某个合适的量化指标对教育训练产生的数据进行量化分析。而同时具备这两项专业知识的人很少，造成数据量化分析的瓶颈。

综上分析，当前军队院校教育训练基础数据基本处于闲置状态，教育训练基础数据应用的低需求来自于院校对于基础数据重要性的认识水平。改善教育训练基础数据规范管理的科学方法、系统设计及管理手段，加大数据应用，重要而紧迫。

3 加强院校教育训练基础数据管理和使用

军队院校教育训练基础数据，是军队院校统计分析教育训练活动的基础，是评价军队院校人才培养质量、教员教学能力、干部管理水平和整体建设水平的依据，也是评价学员综合素质、对学员实施量化管理的依据。随着国防和军队改革的进一步深入，军队院校调整改革工作也即将全面展开，正规化建设、科学化管理将成为军队院校的工作目标与任务，对教育训练基础数据的管理使用将提到一个重要位置。同时随着数据挖掘技术、信息管理系统的发展，可利用从这些数据中分析得到的相关结果，指导军队院校改革与建设，为院校的全面建设提供智力支持，为院校教育训练决策、优化提供服务。

为院校整体规划设计与建设提供数据支撑 新型高技术人才培养，涉及院校的办学理念、教员队伍和管理队伍、学科专业建设、人才培养、科学研究、校园文化等方方面面。教学训练基础数据，真实地反映院校的整体建设状况与水平，为军队院校的整体规划设计与建设提供全方位的数据支撑。当前军队院校新一轮改革在即，对一个院校的综合评估需要相关的基础数据支持，而院校的发展规划也需要依托现有信息资源，综合分析评价办学的优势与劣势，从而扬长避短、科学规划、整体设计、统一建设。

为院校教育训练硬件条件规划建设提供支撑 教育训练活动实施的基础数据，真实地反映了实验室、教室、宿舍、食堂、办公用房、训练场地、图书馆、信息网络、教学装设备、教材、训练器材、数字媒体资源等各类教育训练资源条件的数量和质量、使用情况和利用率，通过统计、分析，可以清楚本校教育训练资源条件建设的优劣势、建设重点，为院校调整改革建设过程中教育训练硬件资源条件建设的规划设计、优化整合资源配置、提高办学效率和组织实施提供支撑。

为院校教育训练活动的质量控制提供支撑 各种管理信息系统记录的教学训练活动实施数据，真实地反映相关教学训练活动的具体实施情况，以此为依据检查、分析、评估教学训练活动的总体质量与绩效情况，为院校人才培养活动的计劃、组织、实施、检查、评估、优化、调整提供支撑。如《2015届学员毕业综合演练活动方案》是组织此项活动的依据，其方案是否科学、合理，实施效果如何，需要在活动组织实施过程中记录各个项目、各个环节的具体数据信息，在活动结束后通过对训练计划、实施方案、学员成绩、训练绩效等相应的数据分析验证，从而为以后相应的训练活动组织提供参考和指导。同时，教员在活动实施过程中，通过对学员训练情况的掌握、测试成绩等数据进行综合分析，并与往届学员进行比较，综合考量该届学员的学习能力水平与特点，从而改进与提高训练工作的针对性和有效性，为教育训练活动质量控制管理提供支撑。

为学员军政素质的培养质量控制提供支撑 军队院校的人才培养，一是自然科学专业知识的传授；二是军政素质的培养。学员的日常教育管理是军队院校人才培养工作的重要环节，是人才培养的第二课堂，两者不可偏废。学员的各种考核成绩数据和任职锻炼、军人作风养成、日常作息制度、公差勤务、课外活动等数据，真实地反映了每个学员的综合素质和人才培养质量情况，真实地反映了学员旅队的日常管理情况，为学员旅队有针对性地开展学员教育管理、旅队正规化建设提供支撑，为院校人才培养的质量控制提供支撑。

特别是自2015年以来，学员毕业分配工作越来越公开透明，采取量化打分排队、学员自主选择制度，学员按照排队的先后顺序自主选择工作岗位，这种办法也得到毕业学员的大力支持和广泛赞同。这就更迫切需要建立一个更加科学、客观的评价体系和一个科学的管理系统，来量化、登记、统计分析学员的各种成绩，做到科学、务实、公平、公正，为学员军政素质的培养质量控制提供支撑。

参考文献

[1]蒋东兴.清华大学数字校园建设发展与规划[J].实验技术与管理，2002（3）：89-92.

[2]方厚政.校园信息门户的5个最佳实践经验[J].电子商务世界，2003（11）：48-49.

[3]许鑫，苏新宁，吴乃冈.高校共享数据中心平台的设计与实现[J].现代图书情报技术，2005（6）：48-53.

[4]郭丹.高校教育管理信息资源整合的研究[D].黑龙江：东北石油大学，2012.

[5]葛振兴，吕占广，郝朝辉.军队院校学员任职能力培养的意义和要求[J].中国教育技术装备，2010（32）：100.

[6]金丰年，张强，王文龙.深化军事基础课程体系改革的创新与实践[J].高等教育研究学报，2010（2）：97-100.

作者：朱卫星 陈宪钜 陈湘宁 吴敏婕