世界一流大学的管理之道：别人的成功，不能盲目照搬（文末有福利）

今天推荐的程星博士所著的《世界一流大学的管理之道——大学管理研究导论》（2018年出版），是《世界一流大学的管理之道——大学管理决策与高等教育研究》的修订版。

近年来高教研究界围绕大数据做了大量工作，修订版中也加入了与大数据有关的内容，并非仅为追赶时髦，而是作者希望借大数据和分析论之东风，和大学管理研究的从业者们一起重新审视我们的工作，并在高教研究的理论和实践之间找到自己的定位。大数据时代，我们该如何看待数据，又面临怎样的挑战？《世界一流大学的管理之道——大学管理研究导论》一书做了详细的阐释，本文将撷选其主要内容与读者分享。

大数据思维：换个视角审视数据

面向未来的大学管理研究，由于数据的作用日益凸显，而且数据搜集的方式也已发生变化，因此我们运用数据的态度也需要作出相应的调整。

过去我们的研究往往从传统的本体论出发，先清晰界定研究对象，然后设计样本来搜集数据，而数据的来源则必须与研究宗旨相匹配。

在大数据环境下，研究者仍然需要设定研究的宗旨或方向，但他们更多是利用现有的、由他人搜集的数据进行挖掘，找到符合自己研究方向的数据并加以分析。

传统的研究方法论对于数据的认识论基础比较较真：定量数据（quantitative data）的应用一般遵循实证主义（positivism）的认识论传统，而定性数据或质的数据（qualitative data）则遵循解释主义（interpretivism）的认识论传统。

这种认识论的观点直接影响到研究者对数据的处理方法。以后者为例，我们过去在进行质的研究时搜集很多访谈资料和观察记录，但囿于传统的方法论，我们常常不将这些非定量性质的信息当成数据，至少从来没有把它们当成数据加以处理。

今天，戴上大数据的有色眼镜来看身边的各种信息，我们突然发现，原来数据并不一定是以数字的形式现身，它可以是图片、影像或文字，而我们在传统的研究方法论中所强调的数据三角验证（data triangulation），其实就是大数据特性其中的一个V——数据种类的多样性（variety）。

由此可见，数据作为研究者进行分析的对象没有变，变的是数据的来源、体量、类型和速度。大数据并非太阳底下的新东西，新的是大数据思维。

所谓大数据思维，正如有学者所指出的，就是“一切皆用数据来观察，一切都用数据来刻画，人们以数据的眼光来观察、思考、解释这个纷繁复杂的世界”。

因此，大数据思维不是排除传统的统计分析或质的研究，而是要求我们换一个视角来审视各种数据。

大数据不能决定我们用什么方法进行分析，大数据思维则能。在选择合适的分析方法时，传统的统计方法、新兴的分析论方法或是其他的定量或定性的研究方法，都是研究者手中对各种数据进行挖掘与解读的工具。

大数据时代，大学面临的挑战

然而，大数据及其分析论之所以在教育研究中至今未能得到广泛应用，研究人员有他们的无奈。

迈耶-勋伯格和库克耶在他们的书中为我们讲了一个美国快递公司UPS的成功故事。为了提高递送效率并降低成本，UPS在公司的送货车辆上装了感应器及各种无线定位装置来追踪快递车辆的工作状况。

研究人员运用软件所搜集的数据进行分析，不仅能够对快递员的工作状况进行跟踪，而且还能预测其车辆可能发生的故障并及时检修。这样的大数据分析在2011年为UPS总共减少3000万英里的快递里程，节省300万加仑的燃油，并降低3万吨的二氧化碳排放。

UPS以研究辅助管理的经验能否在大学管理中得到借鉴呢？比如说，美国大学最让管理者头疼的是学生的毕业率或辍学率问题，这直接影响一所大学的声誉、排名、资金来源和教学质量。

为此美国的大学管理人员已经做了大量的研究工作，通过实证数据和质的研究确认了许多导致学生辍学的学业及社交因素。

假设我们能够参照UPS的思路，就这些导致学生辍学的因素建立数据档案，对学生的学习习惯、社交模式、性格特征及其他行为方式进行跟踪，那么大学管理层完全可以通过社交网站、宿舍或教室闭路电视、学生与教授的网络沟通记录、大学教务档案等许多渠道取得有关学生学业进展的大数据。这与UPS搜集快递车辆的工作状况在技术上并无太大差别。但是，学校能够这样做吗？

姑且不论研究者在搜集个人数据时需要得到学生许可，即便是得到许可并完成了研究，其结果如何影响决策，则是摆在大学管理者面前的又一难题。

推论至此，也许我们已经开始看到研究者的无奈所在。大数据在商业运用上最为人称道之处就是它的预测能力。研究者以分析论中的预测分析方法干预运营，从而提高效率，防患于未然，如UPS在得到车辆可能发生故障的预警时能够及时采取措施进行维修。

但大学在通过大数据分析得知学生学业遇到障碍时，能做的事情却非常有限。为了降低辍学率，有的学校尝试过将大数据分析中显示有辍学迹象的学生拒之门外，但这种决策的结果是没有赶走学生却导致校长引咎辞职。

也有的大学为了防止宿舍里的意外事故在走廊里安装闭路电视，因此引发学生大规模的抗议活动。隐私和各种伦理问题成为大学管理层运用大数据进行研究和决策的巨大障碍。

从这个角度看，商业分析论中最有效的工具即预测分析恰恰是大学管理研究中最危险的方法：它不仅需要用到学生的个人隐私信息，而且管理者很可能依据大数据分析的结果对学生的行为及其后果作出草率的、未经证实的判断，从而断送学生的学业以至前程。

行文至此，大数据时代管理研究人员面临的机遇和挑战同时现身。机器已经将数据储存变得轻而易举，而编程人员又为非结构化数据的实际运用展示了无限的可能性。

教育研究者有理由为这个行业可能受到的边缘化感到沮丧，但这种沮丧的根源是对于大数据及其分析论的无知。

比对UPS的成功，我们又看到了教育行业的特殊性以及将大数据用到管理决策上潜在的危险性，因为我们工作的对象是一个个活生生的人，而不是商品，也不是机械的流程。

所以，大学的管理研究者不能不懂得大数据，但又不能迷信大数据。他们在大数据时代与时俱进的前提是对于高等教育研究范式及其基本规范的理解，而不能盲目照搬商业管理上的分析论。

内容摘自：程星，《世界一流大学的管理之道——大学管理研究导论》。

程星，麦可思首席科学家。美国哥伦比亚大学国际经济政策与管理硕士，弗吉尼亚理工大学高等教育管理博士。曾任香港城市大学协理副校长、哥伦比亚大学本科学院助理院长及教育学院教授、纽约市立大学院校研究办公室主任、加州大学圣芭芭拉分校规划与院校研究办公室副主任。著有《世界一流大学的管理之道——大学管理研究导论》《大学国际化的历程》《美国大学小史》《细读美国大学》，合著《院校研究与美国高校管理》《美国院校研究案例》等。

您如何看待大数据？

对于大数据时代的高校挑战您有什么看法？

欢迎在评论区留言

我们会在其中选出一名粉丝赠送 

程星老师的

《世界一流大学的管理之道

——大学管理研究导论》

快来踊跃留言参与吧

留言时间：即日起至10月17日10：00

PS：留言超过50字更佳

近期，我们会不定时开启送书活动

大家随时关注哦~

注：文章标题为编辑自拟，未经作者审定。

本期责编 | 麦可思 丁楠

我们的视频号上线啦~

快戳↓

关注我们

观看更多视频

往期推荐