众议：数字化引领教育数据治理新时代

目前，我国高校数据治理已走过数十年，通过“面向21世纪教育振兴行动计划”“中国数字教育2020行动计划”“教育数字化战略行动”“国家智慧教育公共服务平台”等一系列重大计划实施和重大工程建设,高校数据治理取得了显著成效。数字化转型时期，数据治理越来越成为高校科学决策与管理的研究热点。现阶段，围绕数据治理，教育部有哪些重要决策和指导？高校信息化领域有怎样的声音？

我们一起来看——

01

构建数据驱动的

教育治理新模式

怀进鹏

教育部党组书记、部长

深化教育领域综合改革，不断增强教育发展的动力和活力。推进教育数字化，加快国家教育数字化战略行动步伐，将国家智慧教育平台打造成教育领域重要的公共服务产品，构建数据驱动的教育治理新模式，不断推动教育变革和创新，助力建设全民终身学习的学习型社会、学习型大国。

数字化转型时期，我国将着重强化数据赋能，提升教书育人效力。数字教育的发展不仅积聚优质资源，也会沉淀海量数据宝藏，这为各国把握教育教学规律、学生成长规律，推动科学教育与人文素养相结合，推动工程教育与实践能力提升相促进，服务学生全面发展提供了重要的工具和平台。

我们将推动教学评价科学化、个性化，运用海量数据形成学习者画像和教育知识图谱，更好地实现因材施教。

我们还将推动教育教学多元化、多样化，加强数字教育环境下的教学研究，有针对性地帮助教师提高数字化教学能力，更好地创新教育教学模式和测评方式，助推教学质量提升。

我们将推动教育治理高效化、精准化，通过人工智能、大数据等技术应用，实现业务协同、流程优化、结构重塑、精准管理，从而更好提升教育管理效率和教育决策科学化水平。

雷朝滋

教育部科学技术与信息化司司长

要准确把握国家教育数字化战略行动的总体目标，围绕立德树人根本任务，统筹运用数字化思维、理念和技术，以资源和数据为新生产要素，在“助学、助教、助管、助研”上发力，全面探索数字教育新机制新模式新形态。

要准确把握教育数字化战略行动的实施策略，建教育数字化资源供给体系。政务服务方面，构建以教师、学生、机构为主的教育基础数据库，让“数据多跑路、师生少跑腿”。

李永智

中国教育科学研究院

党委书记、院长

数字教育要承担两项战略使命：一是数字技术赋能教育，二是数字教育应该作为国家数字化转型的人力资源的支撑。具体而言是提升全民数字素养与技能，培养具有数字意识、数字化逻辑思维、终身学习能力和社会共同体责任感的数字公民，激发他们建设人类命运共同体的积极性、主动性、创造性。

要深入推进教育教学变革。深入推进教育教学变革是数字技术赋能教育的核心环节，体现在四个方面。一是数据驱动大规模因材施教。二是数据驱动的全过程全要素评价。在数字技术应用中，评价的作用应从遴选回归为诊断，从比短升级为比长。三是数字技术驱动教育教学场景创新。比如，发展基于人工智能的探究式、个性化教学，基于增强现实和虚拟现实等技术的沉浸式、体验式教学，基于新一代通信技术的远端多点协作式教学，基于区块链技术的优质资源分享机制，基于元宇宙技术的游戏化学习范式，基于低代码轻应用的用户参与建构的教育教学新生态。四是基于人技协同赋能教师。

要整体推进教育管理与服务业务流程再造。与传统业务流程优化不同，教育数字化转型下教育管理与服务的业务流程再造，首先需要全面梳理物理空间传统的业务流程，然后抽象建立业务的完整数据流程，运用智能技术统筹数据的处理、流转、存储，以数据治理简化业务流程，最终在数字空间建立新的业务逻辑闭环，调用必要的物理空间的元素来完成最终的业务流程的再造。

杨宗凯

武汉理工大学校长

数字教育有两项发展目标与数据相关，一是应赋能教学与评测。强调以知识与数据双驱动提升教育教学和评价效能，打造创造性、沉浸性和适切性的课堂教学，重塑个性化、精准化、科学化的全过程伴随式教育评价，撬动课堂教学与评价发生深层次变革，实现兼顾规模化与个性化的教育教学过程。

二是还应支撑办学与治理。强调公平包容、开放合作、更高质量、绿色持续的数字办学新形态，紧密围绕数字技术的创新运用和数据的集成整合，开展基于大数据驱动、人工智能辅助的教育分析与决策，提高顶层设计的前瞻性和引领性，秉承合作包容共赢的理念，全面实现教育办学体系与办学能力的现代化。

数字教育未来发展路径之一是要着重打造数据大脑，开展数据驱动的评价创新。数字教育依托数字技术记录教学过程中的学生数据、学习过程数据、课程数据、学生学习习惯数据等，全面赋能师生动态数据的监测、感知、采集和分析，建立教育基本数据库，强化大数据支撑的教育教学多元过程评价，开展教师画像、学生画像、课程质量等评价活动，助推数据驱动的教育过程评价体系构建，促进建立智能化、科学化、全方位的教育评价系统。

02

数据驱动

高等教育数字化转型

高校数据治理的重要意义

张小平

清华大学

信息化工作办公室主任

高校数字化转型核心在于数据

高校数字化转型核心在于数据，这里的数据不仅指人员数据，还包括隐藏在学校整体运行管理中的数据。数据是未来高校数字化转型的基础，高校科学决策脱离数据会寸步难行。数字化转型正是由一个个决策和一项项行动组成，因此，数据是未来高校数字化转型的基础，没有数据，数字化转型就像在没有文本对话数据集的情况下训练ChatGPT，不可能成功。所以只有在信息化建设基本完成的前提下，勾连各个系统，打通数据，使各系统数据充分地互动、融合、应用起来，才能真正实现高校数字化转型。

李艳丽

中国人民大学

信息技术中心主任

数据是信息化最底层的要素

数据是信息化最底层的要素，学校一定要有良好的数据基础，才能基于数据去开发各种各样的系统应用。精确的数据是各种系统和服务快速响应的前提。过去几年间，数据最关键的作用体现在两方面：一是人员信息，全量的人员信息台账促进了精准管理；二是电子签章应用，为线下事务迁移到线上提供了重要支撑。

陈伟

东北财经大学

网络信息管理中心副主任

数据治理是新基建工作的中心目标

回归本源，“数据”是新基建工作的中心目标，主要解决信息时代数据的采集、存储、处理、应用、服务这一系列问题。

高校教育新基建的第一阶段，核心目标是实现“信息化”，即“把现实中的事，以信息化的手段，搬到网上去做”，目的是降低成本、提高效率等，以业务流程的优化和重构为基础，通过信息技术与实际业务的有效融合，实现组织信息的高效共享和业务的高效协同。“信息化”是一种局部优化，并未改变现实业务的逻辑。“信息化”是从业务到数据。

高校教育新基建的第二阶段，核心目标是实现“数字化”，是基于信息化技术所提供的支持和能力，让业务和技术真正产生交互，指导业务流程与组织实现变革与再造。“数字化”是一种整体优化，不仅仅优化与调整现实业务逻辑，还是以数据指导现实，实现业务流程与组织的再造。“数字化”是从数据到业务。在信息化、数字化的过程中，从教学、评价、研训、管理等四大场景进行布局，探索信息技术推动教育变革的路径。

马斌

武汉理工大学

信息化办公室主任

数据是高校治理工作的助推器

数据为高校治理工作发挥的效用主要体现在几个方面：

一是让治理更加有精度。有了海量的数据做支撑，大数据、人工智能就能派上用场、发挥效能，我们在治理工作中针对问题的挖掘、把握与解析就能更加精准深入，只有立足数据、基于证据去推动问题解决，我们的方案和对策才会更具有科学性和实操性。

二是让治理更加有力度。以数据作为连接和纽带后，我们就可以实现很多的流程优化、重组和再造，让数据流逐渐替换“人工流”，让“数据跑路”代替“人工跑腿”，我们的治理就更有力度，实现提质增效。

三是让治理更加有温度。有了数据作支撑，我们的治理工作除做到积极求变、主动应变以外，还可以超前识变，及时对治理工作中关键数据进行感知、研判和预测，及时发现问题并进行预警提醒，避免出现“大问题”。

高校数据治理的六大关键点

1

数据治理须先捋清工作思路

王士贤

华中科技大学

软件学院党委书记

高校数据治理有两条路径，一种是全量治理，一种是场景化治理。全量治理是指学校出台统一的数据标准，将学校所有数据进行同步并集中到一个数据湖中，然后按照标准对数据进行质量检查，出具质量报告，要求各数据源按照质量报告对数据进行纠错、修正、梳理、清洗，这种方法的好处是一次性解决问题，一劳永逸，但缺点是工程量浩大，数据源部门为了维持原业务系统的正常运行，配合意愿低，因此，成功率很低。

场景化治理是指根据某个场景需要，对场景所涉及的数据进行治理，例如为了应对疫情需要对校内常住人员或经常出入人员进行精细化管理，则重点对人员的基本数据进行治理。场景化治理的优点是需求和目标明确、涉及的数据量较少，部门接受程度高，容易成功，缺点是仅能完成部分数据的治理，缺少总体规划，实现全部数据的治理所需周期较长。

华中科技大学的数据治理路径是将两者结合，以场景化治理为主，首先是出台了数据标准，但并没有立即要求所有系统按照新标准改造，而是在数据共享过程中按需改造，就是需要被别人共享的数据如果不符合标准则需要改造。

陈文智

浙江大学

信息技术中心主任

数据治理分为三个阶段，第一是搭平台，第二是做治理，第三是建应用。有的高校将搭平台、做治理及建应用这三个阶段的工作平行推进，造成治理和应用各自为政的局面，相互割裂，容易引发很多问题。

与平行建设模式相对的是串行模式，即先治理，再搭平台，最后去扩展数据应用场景，缺点是周期长、成本高，而且效果很难预估。比较好的方式是将平行建设模式和串行建设模式进行融合交叉，即做治理和搭平台的同时，在统一规划中共同推进应用的实现。

数据中台对于“搭平台”而言是个不错的选择，原因在于其具备多方面的功能，包含数据资产的管理平台、数据标准的管理平台、算法的管理平台、二次开发的共享平台、数据质量的监控平台，以及数据服务的平台等。

此外，要明确各部门的责任。高校数据治理涉及至少三个部门，一是数据的归口部门，二是业务部门，三是技术部门；还涉及三类数据，一是业务类数据，二是技术类数据，三是应用类数据。由此形成一个数据治理矩阵：横向是三个部门，纵向是三类数据。矩阵中的每一个数据点，都汇聚了相应的权利和责任，以此对数据进行分类分级等。有了清晰的权责划分，才能更好地盘点资产、制定标准、做数据清洗和数据建模，然后再搭建应用。

马斌

武汉理工大学

信息化办公室主任

高校想要借助数据进行更好的决策，就要做好信息化工作的顶层设计，通过构建和完善“三个一”工程，统筹数字化转型全校一盘棋。

首先是“一张网”工程：让数据多互联，让信息联成网，用好智能化管理手段。通过数据中台实现全校数据统筹管理，实现系统与系统间数据与信息的互联互通，确保数据准确权威，及时更新，消除数据孤岛，使各个部门协同联动效率增速。

其次是“一张表”工程：让数据多跑路，让师生少跑腿，强化现代化管理思维。做好与师生相关的数据汇集与展示，提升管理服务效能和师生满意度。

最后是“一张画”工程：让数据多说话，让问题浮出来，实施精准化管理措施。其中，如何更好发挥数据的效用尤为关键，用数据描绘教师画像、学生画像、干部画像等个人画像和学院画像、部门画像等群体画像，通过横向比较、纵向分析，找出问题，靶向发力，精准干预施策。

2

数据治理应以应用驱动为核心

陈文智

浙江大学

信息技术中心主任

把数据治理工作做好，首先要抓住核心。数据治理的核心其实就是数据应用。浙江大学的工作思路是：以数据应用为核心，以数据治理为驱动，以数据中台为支撑，再加上组织、制度、流程、团队、安全等作为保障。这四个方面互为配合，共同构成了数字治理工作。

姜开达

上海交通大学信息化推进办公室、网络信息中心副主任

高校的数字化转型应着重加强数据应用驱动。数据作为所有业务流转和决策支持的基础，其标准化和交换共享利用应成为信息化建设的重点。基于数据的个性化教学、科学化评价、精细化管理、智能化决策、精准化科研等，将对提高教育质量、培养创新人才具有潜在的巨大推动作用。

推广典型数据应用，有利于获得业务使用部门的支持，当其有了获得感之后，有助于其部门数据资源目录的梳理和权威数据源的确认。建立易用的数据分析平台，提供低门槛的BI可视化分析工具，挖掘数据的核心潜能，为教育科学决策提供支持，有助于推进教育治理体系和治理能力现代化。

3

应着重发挥数据中心底座效用

许卓斌

厦门大学

信息与网络中心主任

数据治理是长期性工程，高校需持续性地投入和渐进式地改良。目前，厦门大学已围绕数据治理初步完成了信息化应用“三中心”的建设，包括数据交换中心、身份认证中心和物联网应用中心。

数据交换中心在技术层面完成了绝大部分应用系统之间的数据交换，最大程度减少了信息孤岛，实现校园信息应用之间的数据共享，为学校基础数据库和大数据辅助决策提供支持；身份认证中心全面管理学校人员身份信息与应用权限；物联网应用中心则以数字校园卡为核心，基于智慧校园管理服务的新方式，应用以物联网为代表的信息化技术全面提升校园的管理和服务能力。

边永涛

中国矿业大学

图书馆副研究馆员

未来高校数据中心建设，应重点关注以下发展趋势：

趋势一：高校数据中心“边缘化”。从全国一体化大数据中心构建体系来看，未来数据中心建设会朝着两个方向发展：一是依托云计算平台的大规模和超大规模云数据中心,二是靠近应用侧的边缘数据中心。

趋势二：高校数据中心集约共享。未来高校数据中心的必然趋势是走集约共享式发展路线。高校信息化部门应发挥主观能动性，探索数据中心整合发展之路。消除盲目建设和重复建设，实现资源的优化配置，提高资源利用率。

趋势三：高校数据中心绿色、节能、小微型化。在“能耗双控”和“双碳”背景下，国家不断出台政策优化“老旧小散”存量数据中心，尤其是对PUE和机柜功率密度等关键指标的优化。毫无疑问，高校在以数据中心改造来积极融入这一进程。

4

数据安全应该提升到首要地位

常潘

上海纽约大学

信息技术部主任

一定要保证数据的安全及用户的隐私。在数字化转型的过程中，数据安全应该提升到首要地位，要切实遵循《个人信息保护法》，防止数据的泄露及滥用。例如，对于在教室安装摄像头获取教师及学生上课的行为，应该广泛听取师生及教学伦理委员会的意见，把录制及远程查看功能的确认权交给任课教师，对于如家庭地址等敏感信息的获取应该采用多次认证方式，并保留查询的记录，切实保护信息所有者的隐私。

5

着力获取高质量数据供给

王志强

深圳大学信息办主任

要获取高质量数据供给，需要做好以下几项工作：

提高数据资源处理能力。对于高校而言就是采集、整理、聚合和分析教学数据和业务数据。例如，智慧教室一般具备录播功能，它会产生大量的课堂实录（即音视频数据），借助AI手段，分析这些音视频数据并将分析结果提供给教师，可以改进教师的教学策略，从而提高教学质量和教学效果。

数据要分类分级管理。一方面，数据可分为结构化数据、半结构化数据和无结构的非结构化数据，应采用合适的处理方式和技术手段对不同数据进行分类管理；另一方面，国家级基础数据库、省市级基础数据库和高校本身数据库，均应开放共享教育数据，以此提供更高质量的数据。

数据资源标准建设。需要梳理教学资源与业务系统的数据格式、编码格式和交换接口，参考现有各级标准，结合学校实际制订相应的数据资源标准、数据开发规范、数据采集规范等数据资源标准体系。

提升数据管理水平。探索学校各部门之间不同系统和平台的共享、交换、协作和开放，构建统一的公共数据开放平台和数据接口，形成完整贯通的数据链。

6

高校数据治理需全员共同参与

张凯

复旦大学信息办主任

数据治理工作应更加注重探索数据驱动的教育数字化转型。过去，数据是信息化建设的成果，而在教育数字化转型阶段中，数据则真正成为一种生产要素。在数据辅助决策方面，学校的技术部门应与其他管理部门以及教学科研单位通力协作，以解决实际问题为出发点，发挥数据的决策作用。从实践来看，从技术上构建数据治理体系，建设数据共享机制是容易实现的，但如何发挥数据的价值，打破孤岛，实现数据真正的互联互通则需要学校和多部门的协同。

王玉平

上海海事大学

信息化办公室副主任

数据作为生产要素，往往隐藏着很多重要且意想不到的信息，一旦我们揭开数据的面纱，其背后富含价值的信息就会为我们的未来行动带来依据和指引。大学是社会的大学，是社会的一部分，学校的信息化底座也应充分引入社会资源，而大学资源也应向社会共享。希望以后可以打通、接入更多的社会数据，同时也要思考如何高效率、符合数据安全要求并以需求为导向地去复用社会数据。

责编：陈荣

投稿或合作，请联系：[e-mail]

往期推荐

关注我们 了解更多↓

更多精彩视频推荐

欢迎分享、点赞、在看

积极留言还会有惊喜好礼哦~