天津农学院 黄薇薇
现阶段，我国教育信息化迈入2.0时代。2019年国务院印发的《中国教育现代化2025》在加快信息化时代教育变革中提出了“推进教育治理方式变革，加快形成现代化的教育管理与监测体系，推进管理精准化和决策科学化”的战略任务。大数据与高等教育治理深度融合，教育大数据正成为一种有效的治理工具，推动高等教育整体性、全景式、精细化治理。2021年教育部发布的《普通高等学校本科教育教学审核评估实施方（2021-2025年）》中提出要综合运用互联网、大数据、人工智能等现代信息技术手段，深度挖掘常态监测数据，线上与入校相结合的方法创新，标志着本科教育审核评估工作也进入了数字化的新阶段。然而，在“循数”推进高等教育数据治理过程中，由于理念导向、运行机制、技术工具、数据标准还在摸索和完善中，难以全面把握其内在治理逻辑，精准识别关键问题和治理突破点。
从现阶段的研究来看，关于高等教育数据治理问题的研究正在逐步展开。前期从高等教育数据治理的内涵意蕴、逻辑框架、内部机理、外在机制、伦理向度等方面进行了理论探索。并在教育质量监测、教学质量评价、数据平台建设、数据标准体系、数据治理风险防控等方面进行了有益的实践。但是，当前研究内容较为分散和薄弱，缺乏系统性梳理以及整体性框架。本研究系统梳理了高等教育数据治理的理论基础和研究脉络，总结并建构了高等教育数据治理的逻辑性治理框架，识别出关键性问题，以期进一步厘清其内在治理逻辑和外在运行机制，为有效推进高等教育数据治理提供理论支撑和实践指导。
一、高等教育数据治理的研究现状与未来展望
（一）研究现状
2016年，教育部发布了《教育信息化十三五规划》，规划指出要将信息技术融入教学和管理模式创新过程中，聚焦教育改革发展过程中困扰教学、管理的核心问题和难点问题，从而推动教育服务供给方式、教学和管理模式的变革。高等教育数据治理因融合了大数据、人工智能等新一代信息技术，成为我国高等教育治理工具转型的尝试，为我国高等教育治理提供了新的思路和路径。在教育数据治理方面，美国走在了前沿。王正青等人深入分析了美国教育数据质量管理保障体系。研究表明美国联邦教育部2006年即成立了教育数据治理委员会，致力于教育数据质量管理。通过制定数据采集标准、压实数据输入责任、强化数据挖掘使用等措施初步构建起了教育数据质量保障体系。国内对于教育数据治理的研究起步较晚，总结近年来国内的高等教育数据治理的理论研究，主要围绕概念内涵、实然样态、治理特征、治理优势、影响因素、治理路径等展开。
1.从概念合成、治理理论、大数据等不同视角解读高等教育数据治理的内涵
在概念合成角度上，谢娟认为高等教育数据治理是由高等教育治理和数据治理两个概念交互融合，从而衍生出数据驱动的高等教育治理和面向高等教育的数据治理两个新概念。对其内涵主要理解为从高等教育的价值追求出发，开展数据治理，做出符合教育价值的决策，从而解决教育问题，达到教育治理的目的。另外，褚宏启基于治理理论，将高等教育治理定义为多主体通过一定的制度安排进行合作互动，共同管理高等教育公共事务的过程。参与者包括国家机关、社会组织、公民个体和其他利益群体。杨现民等人认为数据驱动是大数据时代教育治理的必然走向，以教育数据为核心，利用大数据技术及其资源和政策等构建治理主体之间的新型关系，实现“业务流”和“数据流”的深度融合。除此之外，顾佳妮从大数据视角将高等教育数据治理定义为通过对教育大数据的获取和抽取、整合和分析、解释和预测，以全局、系统、多维的视角整体感知高等教育中存在的问题，并基于数据进行精准治理。利用大数据带来的治理范式嬗变和使能创新，提高高等教育的治理效能。
2.科学辨识高等教育数据治理的发展现状及存在问题
虽然数据治理是大数据时代高等教育治理的应然逻辑，但在治理实践中表现出复杂多变的实然样态以及不断显现的发展问题。首先，高等教育数据治理工作的成熟度较低，存在主体权责不明、治理逻辑不清、治理机制不够健全等问题。例如，治理主体未意识到数据治理的重要性，导致顶层设计的缺失；未设立专门的数据治理部门，导致主体责任落实不到位；缺乏数据全周期管理理念，尚未形成闭环管理、持续改进的治理机制。其次，各治理主体均按照自己的需求进行数据建设，缺乏统一的数据平台、数据标准和采集流程，造成数据质量参差不齐、互通低效、协同困难，甚至出现信息孤岛现象，严重阻碍教育数据共建共享。再次，人工智能应用于教育治理中，使用算法和计算模型对数据进行分析预测，会造成潜在的风险。谭维智等人深入分析了这些风险，包括：算法简约化导致的教育形式化风险；算法大规模应用导致的学生同质化风险；算法黑箱导致的教育被算法裹挟的风险；算法偏见导致的教育弊端被放大的风险等。最后高等教育数据治理作为一个新兴的领域，大数据与高等教育治理深度融合的专业人才仍非常欠缺。目前教育行政部门中以管理人员、普通技术人员为主，同时具备大数据应用分析技能，又深谙高等教育发展规律和业务需求的复合型人才寥若晨星，制约了大数据在高等教育治理领域的进一步应用。
3.明晰总括了高等教育数据治理的治理特征
高等教育数据治理作为一种新的治理模式，不是简单地提取单一教育场景数据进行挖掘分析，而是将多视角、多维度、多层次的教育数据关联性集聚，依托人工智能算法，嵌入教育价值追求，形成“化学反应”式的高等教育数据治理。其主要特征为：由于大数据治理范式具有粒度缩放、跨界关联、全局视角等特点，在大数据背景下，高等教育数据治理具有精准化、全景式、前瞻性的特点，具体表现为：精准识别诉求，动态感应热点，靶向治理问题；整合多维数据，形成数据画像，全景展现特征；数据实时更新，预测发展趋势，前瞻处置问题。同时，基于粒度缩放的特点，教育大数据可以赋能各个层面的教育治理：在宏观层面为国家教育治理提供决策服务；中观层面促进区域教育质量提升、管理优化及教育问题解决；微观层面则致力于为学校提供“一站式”服务和社会服务。而谢娟等人则认为数据治理还需嵌入伦理道德，体现人文主义的价值理性才能保障治理实践的顺利开展。
4.高等教育数据治理的治理功能及优势
数据驱动的高等教育治理在治理范式、治理体系、治理效能等方面的优势不断彰显。例如，在数据驱动的新型教育评价中，王小根、李晓庆等借助智能录播系统、线上学习平台等智慧课堂的软硬件环境，开展“伴随式”评价。通过全过程记录和分析个体学习的过程及结果数据，精准识别每位学习者的学习习惯、兴趣偏好、学业优劣势，进而提供更有效的、更及时的学习指导。与此同时形成学习者的发展性数据集，通过对比可以看到学习者的纵向发展变化，实现“增量”评价。在数据赋能的高等教育管理中，于方等人基于用户画像分析技术形成师生画像、院系画像、学校画像等一系列大数据画像。通过大数据画像，微观层面，可以预测个体发展趋势，预警个体的行为风险，进而实现智能化、精细化的管理与服务；宏观层面，通过对教务、人事、财务、后勤等各业务系统的数据进行挖掘分析，有助于高校厘清发展思路，评判发展水平，制定发展规划，规避发展风险，实现高等教育的科学管理与智能决策。在数据赋能的新一轮本科教育教学审核评估中，依托评估管理系统，实现了对评估申请、学校自评、线上评估、入校评估、反馈结论、限期整改、督导复查等评估全流程的信息化支撑，并且充分发挥了线上评估不受时空限制的优势，极大地提升了工作效率。由此可见，高等教育数据治理在多种教育治理场景中发挥自身优势，赋能高等教育改革创新。
5.高等教育数据治理的影响因素
高等教育数据治理不仅涉及政府、高校、社会组织、市场等多个主体，还囊括管理体系、技术体系、标准体系等各项指标体系，因此其治理的有效性受多种因素的影响。从外部因素角度看，高等教育数据治理的实施，基于“循数治理”的顶层设计是关键，应着眼于教育治理现代化的要求，审视顶层设计的宏观统筹能力、组织结构优化、法律法规建设等方面。同时数据平台建设、数据标准制定、管理人才培养等因素对数据治理的成功实施影响显著。从主体内部角度来看，算法应用、数据伦理、信息安全对数据治理也有重要影响作用。
6.高等教育数据治理的治理路径
为促进大数据与高等教育治理更好地发展融合，创新高等教育治理范式，国内外学者主要从制度建设、平台搭建、标准规范、素养提升、人才培养等方面提出优化策略与治理路径：（1）转变传统教育治理的经验主义思维，嵌入“循数”治理理念，完善顶层设计、优化组织结构、健全法律法规，夯实高等教育数据治理的制度基础；（2）多主体参与着力发展教育大数据平台建设，从对教育大数据的简单汇聚转向深度挖掘与应用，并充分利用信息安全技术保障教育网络空间上的用户数据与隐私安全，实现教育数据的融通与共享；（3）建立教育大数据标准体系，涵盖基础类、管理类、数据类、支撑技术类等各类教育大数据的采集及应用标准和规范，积极推进教育大数据的标准化，规范化，打破数据交换壁垒，加速数据共建共享；（4）提升教育管理人员的数据素养，除开展专题培养外，更要建立长效的绩效考核机制，将数据素养纳入评价指标体系，突出数字治理能力的重要性；（5）多方参与联合培养教育数据治理专业人才，整合学校的专业教学资源、企业的技术资源和政府的数据与制度资源，各方联动耦合，培养适合于教育治理领域的大数据专业人才。
（二）未来展望
1.高等教育数据治理的理论研究拓展空间巨大
目前，国内外学者就如何实现多主体共建共治共享教育大数据仍未达成共识。现实的困境是学习者产生数据，但不拥有数据，高校和政府组织掌握数据但没有良好地运用数据深入挖掘其价值。如何突破各治理主体间的障碍，摆脱数据不对等的困境仍需深入探讨。另外，教育治理现代化这一理念的提出对数据治理提出了更高的目标和要求。当前研究领域多关注信息技术对教育治理的赋能，少有教育治理引领、赋能技术的研究。治理语境下如何预测、引领技术的发展方向，开展先进的治理理念与治理技术深度耦合作用下双向赋能的影响机理、运行机制、治理模式等关键问题的系统性研究已经成为新的挑战。最后基于现有研究，结合教育治理现代化
的现实背景，秉承以人为本的治理理念，将人的体验和产出作为主要评价标准，构建高等教育数据治理的价值体系、保障体系、伦理治理及信用体系，也是未来的研究重点和难点。
2.高等教育数据治理的研究维度仍需深入延展
国内外学者从政府及高校的主体视角对高等教育治理提升治理效能的实证研究较为丰富。目前不少研究聚焦于大数据系统平台设计、教育评价、学习支持、教育改革和教育决策、智慧校园等供给侧创新，但是不同参与主体对数据的需求以及治理满意度等需求侧的研究还不多见。尤其从学习者个人角度出发，分析不同发展地区、学校类别、异质类人群的教育数据供需差异性的实证研究更是应填补的空白。事实上，高等教育数据治理在院校治理的实践中，不仅在信息化基础设施较完善的双一流高校中推广实施较为迅速，一些地方院校，尤其是高职类院校也纷纷开展教育数据治理的改革创新。对这些地方院校及高职院校数据治理的建设理念、发展战略、
建设情况以及取得的成效进行研究，更是丰富了高等教育数据治理的研究内容。
3.高等教育数据治理的研究视角仍需进一步扩大
目前学界从治理角度、技术角度、教育伦理和人本主义等视域研究大数据技术如何嵌入教育治理领域，并取得了一定的积极成果。但是教育数据治理本质上不仅是一个教育治理新模式，还是社会治理和智慧社会建设的一部分，其对政府、高校、学生、社会组织等各参与主体都带来了新的挑战，存在着诸多新的问题。因此应着眼于不同领域和应用场景来解读高等教育数据治理，包括从数据科学、智能科学、社会学、经济学、管理学、心理学、生物科学等交叉融合的视角。发挥多学科和多领域的合力作用，打破各主体对高等教育的治理边界以及主体间的信息壁垒，出现“跨学科治理”“跨界治理”等教育治理新格局。由此可见，高等教育数据治理作为教育治理中新的研究领域，还需不断拓展研究视角、创新应用场景，深化研究内容。
二、高等教育数据治理的治理框架
基于已有的理论研究基础，本研究尝试构建了高等教育数据治理的逻辑框架，包括高等教育数据治理产生的外部情境、支撑理论、治理模式和治理机制、治理载体及工具、治理目标与绩效。
（一）高等教育数据治理产生的外部情境和支撑理论是逻辑起点
研究梳理发现，高等教育数据治理是借助互联网、大数据、人工智能、云计算等新一代信息技术优势，结合教育治理现代化、教育信息化等深化教育领域综合改革的背景，满足教育治理共同体需要的教育治理新模式。随着信息技术的不断发展，教育数据治理在实践中的发展经历了孕育期、初创期以及成长期的演化。在宏观、中观、微观三个不同层面与政府、高校、个体等主体结合形成了教育政务、智慧校园、大数据画像等不同的概念，并呈现出智能化、精细化、个性化的特征。在技术、政策、需求等因素的驱动下，高等教育数据治理的理论基础不断发展和完善，为整体的治理逻辑框架的研究提供了理论支撑。
（二）高等教育数据治理的治理模式和治理机制是逻辑核心
高等教育数据治理涉及主体包括政府、高校、市场以及社会，其中社会是指第三方机构（行业协会，教育第三方评估机构）、受教育者家长等，主体广泛且复杂。作为一个多主体参与的复杂治理体系，其治理模式和机制的研究重点有三个：一是政府、市场、社会与高校如何以数据为轴心，以“数据流”驱动“业务流”，明确各自权利义务，构建教育治理共同体，并在共同体互动中实现信息的交流、互换及反馈，形成彼此之间闭环的治理结构；二是如何引导市场和社会组织在高等教育治理中积极发挥作用，通过政策引导、资金支持等方式培育发展市场企业和社会组织，充分调动市场和社会组织的积极性，利用市场提供技术服务，社会组织提供第三方评估监督，促进高等教育治理均衡发展；三是如何构建将数据治理与创意决策相结合，既要借助智能技术将常规性事务数据化、程序化，切实提高治理效能，又要充分发挥决策者的专业技能和战略眼光进行创意决策，建构更加科学的高等教育治理机制。
（三）高等教育数据治理的治理载体与工具是支撑底座
传统教育治理效率低下，满意度低的原因主要在于各治理主体间及主体内部存在“条块分割”、信息壁垒，导致沟通协调不畅。而数据治理的治理载体与工具是教育大数据，包括政府提供的高等教育监测数据、市场提供的行业数据、就业数据、社会组织提供的第三方评估监测数据以及高校各种信息化应用系统产生的校务管理数据、课堂教学数据、学生评价数据等。通过时空维度的数据整合，结合具体业务需求，通过数据分析模型例如决策支持模型、校情监测模型，学业评价模型、学习预警模型等对数据进行挖掘分析，实现数据的描述性、诊断性及预测性分析，满足各治理主体多样化、差异化的需求。最后通过智能手机、电脑、移动终端等操作平台实现教育大数据可视化，便于各类管理者进行教育常态化监测，掌握教育发展动态，开展教育科学决策。
（四）高等教育数据治理的治理目标与治理绩效是逻辑终点
一方面，高等教育数据治理以教育大数据为载体和工具，围绕“循数治理”搭建了多主体复合协同的治理模式和机制，要循序实现三级治理目标：以提高教育治理效率，形成教育新秩序为底线目标；以推进教育自由，增强教育活力为重要目标；以提高教育效能，促进教育公平为终极目标。数据治理的底层逻辑是以“问题和任务”为导向，用“数据流”重塑“业务流”，提高教育治理效率，形成新的治理体系和机制。在底层治理逻辑的基础上，教育大数据具有的智能化、精细化、个性化特征可以支持学习者的个性化学习，持续学习和终身学习，帮助学习者实现教育自由，增强社会整体的教育活力。最终教育大数据要为参与主体提供教育服务，在教育决策、质量提升、资源配置、管理优化、个性化发展、公平保障等方面提供支持和保障，多维度多层次提升教育效能，促进教育公平。另一方面，大数据技术的融入提升了治理效能，同时因其公开性、透明性，也增加了治理的风险点。例如，数据安全、算法安全、隐私安全、数据伦理等。因此在评估数据治理绩效时，不但要考虑治理的过程绩效和整体绩效，更应重视治理过程中的风险识别、风险评估以及风险控制。通过统一治理规范、细化治理方式、创新治理手段，形成更加完善的高等教育数据治理体系。
三、高等教育数据治理的关键问题
（一）建构数据治理理念导向
大数据技术的快速发展对高等教育治理产生了正向的影响，其带来的优势与效益正逐渐凸显。然而各治理主体仍需积极嵌入大数据思维，树立数据治理理念。从治理主体视角来看，高等教育数据治理理念正经历“依托技术应用的计算机辅助治理→智能技术赋能下的数据治理、规则治理和程序智能→通过人机竞合将智能机器与个体决策创新能力相结合的和谐治理”的转变，这一理念的转变，不仅是传统数据治理模式的创新，更是智能技术与教育人文价值深度融合思维观念的创新，需要从个体层面、组织层面、制度层面积极调整重构新机制。从治理客体视角来看，当前高等教育数据治理中针对复杂问题依然存在数据“不可用、不够用、不敢用、不会用”的现实难题，甚至以所谓“安全”“风险”等理由阻碍数据跨层级、跨部门、跨场域共享及应用。亟需各主体以大数据思维对教育治理审时度势，构建智能化决策体系，完善数据挖掘与共享质量标准，培育数据创新服务能力，引导高等教育治理主体和治理体系全面融合大数据思维及技术工具。
（二）教育数据安全及风险管控
高等教育数据治理具有融通共享、开放透明等正向积极性，同时还伴随着诸多风险和潜在危机。近年来，网络黑客通过虚假WI-FI、恶意软件等方式窃取高校师生隐私信息的事件时有发生。新冠疫情期间，京沪两地50万学生的个人信息被泄露，就折射了大数据时代的数据安全性问题，且表明我国在教育领域的个人信息保护还不够完善。由此可见，在推进教育治理的过程中，与治理有关的政府、高校、企业、学生、教师及其他利益相关主体的信息一旦被泄露或窃取，就会直接关联到参与主体隐私及风险性安全问题，甚至关系到参与主体的声誉与竞争存亡。但是信息技术应用于教育领域势在必行，所有参与主体的行为信息都会被全方位收集和融通共享，这势必带来两个方面的问题：一是数据安全的封闭性要求与开放共享性之间的矛盾会造成散播面大、不封闭的教育信息系统不敢用，不开放的教育信息系统又不能用的两难境地；二是数据隐私的匿名性要求与社会公信力之间的矛盾使得不匿名的数据存在泄漏隐私的风险，而不完全公开的数据则缺乏社会公信力和使用价值。因此如何规避和合理管控数据安全风险问题，始终是教育大数据应用的一大挑战，需要从顶层设计中提前谋划部署，及时推进，尤其是在数据安全人才培养、数据安全与隐私保护技术、基础设施等方面进行攻关，且相关的教育数据安全法律法规、技术标准、管理架构也要同时跟进。
（三）教育新基建
新一代信息技术引领下的教育新基建，作为支撑教育高质量发展的数字底座，聚焦信息网络、平台体系、数字资源、智慧校园、创新应用及可信安全六大新型基础设施体系。为彰显教育新基建的软硬兼备、协同融合和创新赋能，不仅要做好教育专网、教育大平台、大数据中心及智能学习空间等教育信息化基础设施建设，更应加速推进优质数字化资源建设，改造升级各学科在线课程、数字教材、虚拟仿真实验、课程思政资源库等数字化教学资源，同时利用人工智能、大数据等技术深入进行数据分析和挖掘，打造智能化应用平台，为教学、评价、研训、管理提供智能化解决方案及决策支持。然而，当前各高等学校信息化建设缺乏统筹规划，主要以更新替换为主，功能单一，互联互通困难，数据孤岛依然存在，无法满足海量、实时且多场景的教育服务需求。因此新一轮的教育基础设施建设将推动各级各类教育平台融合发展，构建互联互通、应用齐备、协同服务的“互联网+教育”大平台；构建新型数据中心、促进教育数据应用、推动平台开放协同、升级网络学习空间。除此之外还要有效激发市场活力，引导各方主体参与教育新基建，以服务教学需求为中心，按照“政府定标准、搭平台，企业做产品、保运维，学校买服务、建资源”的模式，推进教育新基建。
