3.3　人工智能为管理者决策提供支持

大数据收集与处理技术使数据驱动决策获得突破。采用人工智能算法对大数据进行深度挖掘，能够获得数据背后隐藏的信息并为决策提供依据，从而使教育管理更加科学、精准。利用人工智能技术和大数据技术，能够提高教育管理、教育决策的科学性、透明性和预见性，使得教育管理的手段从经验驱动转向数据驱动（张慧等，2019）。人工智能技术对教育管理决策的支持体现在以下几个方面：

（1）学业预警与干预

随着在线学习平台、学校教学信息系统、校园社交网络的广泛应用，教师和学生每天都在产生着大量的数据，如何有效利用这些数据，使之转变为有用的信息，为教学管理决策、学业预警和学习优化提供服务，逐渐成为教育工作者和研究者关注的热点（金义富等，2016）。大量研究者开展了相关研究。

普渡大学的学业预警系统监测学生的学习状态并对其进行数据量化，包括课程考试成绩、排名情况、学术经历以及学生和学习管理系统的交互情况，通过这些数据预测学生的学习成绩。该系统按照学生的学习状态将学生分为绿、黄、红三个等级，绿色表示学生学习状态正常，可以继续保持当前的学习状态并且很可能完成学习目标，黄色表示学生对于该课程的学习有困难，红色表示学生功课可能要不及格，系统会自动生成相关的警示和建议信息并发邮件给学生，提醒学生继续保持当前的学习状态或做出改进，同时也将数据反馈给教师，帮助教师调整和改进自己的教学方式和教学质量（Arnold and Pistilli, 2012）。

马丹（2015）设计并构建了一个学生成绩分析系统，主要是利用数据挖掘算法设计模型来分析教育数据，实现成绩预测、学业预警、成绩分析，从多方位为学校管理决策工作提供支持。该研究将机器学习分类方法应用于教育数据，预测学生考试的可能结果，以此提出建议，帮助学生更好地制订计划应对考试；采用基于得分的关联规则技术分析找出课程重修风险较大的学生；利用聚类算法和决策树，通过分析学生—课程—成绩之间的关系，获得对教学和管理有价值的信息。

吴修国（2020）等利用在校大学生的成绩数据，弥补之前研究中未考虑课程之间的关系，以及没有考虑学生成绩之外的学业表现等缺陷，首次基于数据挖掘进行预警研究，利用关联规则、聚类分析、决策树等挖掘算法对学生课程、学业计划、课程成绩等数据间的相关性和依存性进行分析，挖掘出有价值的信息，以期为学生学业预警等提供有效决策支持。

Ogundokun（2011）利用教育数据挖掘技术，分析中学生的学习风格、学校环境和考试焦虑对学习结果的预测作用，并使用四种有效且可靠的工具来评估这三个预测因素（学习风格、学校环境和考试焦虑）。该研究采用皮尔逊积差相关和多元回归分析对数据进行分析。结果表明，学习风格、学校环境和考试焦虑对学习成绩有共同的预测作用，而考试焦虑对学习成绩的预测作用最大。调查结果对教学和教学辅导活动都有突出的指导作用。

（2）教学质量评价与监控

为提高教学质量，加强教学质量监控和评价很有必要。目前，大部分学校仍然采用落后的教学质量评价方式，而这些传统的评价方式存在很多弊端。为了提高学校教学质量监控和评价的效果，可以利用人工智能和大数据技术实时对学生、教学、管理数据进行分析统计，实现“课堂即时评教”，使得教师能够及时了解学生情况，方便和学生进行沟通，及时调整教学进度和方法。而对于行政管理人员来说，利用人工智能和大数据技术能够实时进行课堂教学效果评价，并对课程及教师进行多方面评价（马骥，2020）。例如，王鹤（2018）构建了一个基于大数据的教学质量监测与决策系统，该系统可以采集学校教学和管理工作中的数据，获取教师工作参与和学生学习投入等大数据，利用人工智能技术构建师生行为模型，深度挖掘教师和学生行为数据与教学质量之间的关系。马星等（2018）借助数据可视化方法，通过教学诊断仪表盘为学校提升人才培养质量提供决策支持。

（3）学校管理与决策

学校的管理工作是一项涉及面广、影响大、任务繁重的系统工程。为了减轻管理人员的工作负担，传统管理机制下，各个学校均采用建立相应的信息管理系统等措施，以期改善和提高学校管理与决策的效率和科学化水平。但是，传统系统虽然实现了存储数据和生成报表等功能，但并没有对学校的管理和决策起到预期的作用。如何充分利用这些数据系统，发现大量已存储数据中隐藏的信息，充分发挥数据的价值，为学校的管理和决策提供支持，逐渐成为教育工作者研究的新方向。

人工智能技术和大数据技术的出现，使得基于数据分析的管理和决策成为可能。例如，刘娜（2019）基于该校的教学管理系统，探究如何对其产生的数据进行分析，挖掘出有用的信息，为学校管理者进行管理决策提供支持。该研究从高职院校的教学管理需求出发，以成绩和就业为研究主题，搭建了学生成绩和就业信息两个数据仓库模型，在此基础上进行了影响学生成绩和就业率的相关因素的统计分析，提出了利用数据分析为学校管理决策提供支持的普适性应用方法。吕慎敏（2012）将数据挖掘技术应用于高校的教务管理系统中，深入探讨了数据仓库和数据挖掘技术，提出一种基于0-1矩阵相乘的改进的Apriori算法，并将该算法应用于高校教学管理的决策过程中，选取有关教师的基本数据和教学质量评价的数据进行挖掘、分析，发现了教学质量和教师的基本素质之间的关系。并根据分析结果提出对学校师资建设和教学管理具有决策支持价值的意见和建议。方芳（2013）利用学校的学生成绩管理系统和学校教师教学评价数据库中的数据，建立了多维数据库模式，并对其进行改进，利用改进后的决策树生成算法，对教学评价数据和学生成绩数据进行知识挖掘，为学校相关决策的制定和改进提供支持。

人工智能技术作为21世纪的三大科学技术之一，对教育领域有着极为深远的影响。利用人工智能技术能够优化教学环境，引导学生自主学习和个性化学习，辅助教师进行教学设计、改进教学策略，提高学校的教学管理水平，更好地促进技术与教育融合，使得智能系统在教育领域发挥更重要的作用。