院校研究視角下校院兩級智能數據體系構建

摘? ?要：院校研究以數據分析為基礎的科學理念正逐步被我國越來越多的高校所采納。數據是院校研究的根基和源泉，所有針對學校問題或綜合評價展開的院校研究都是基于客觀數據基礎上的。為良好發展院校研究并解決高校實際運行管理問題，相關高校對院校研究視角下數據體系的構建提出更智能、更精準、更穩定、更高效的要求。文章首先介紹高校智能數據體系建設的必要性與發展現狀，然后具體分析智能數據體系構建過程中遇到的數據治理工作模式不夠完善、數據體系不夠智能化、數據文化尚未成熟等難題和挑戰。在此基礎上，文章從制度建設、平臺建設、人員培育三方面進行詳細分析，提出運用校院兩級模式有效推進數據體系建設的新思路，從而為高校智能數據體系建設提供有益的思路。

關鍵詞：智能數據體系;院校研究;制度建設;平臺建設

中圖分類號：G46? ? ? ? ?文獻標志碼：A? ? ? ? ? 文章編號：1673-8454（2022）10-0116-07

2020年，中共中央、國務院印發《深化新時代教育評價改革總體方案》（以下簡稱《總體方案》），提出要“創新評價工具，利用人工智能、大數據等現代信息技術，探索開展學生各年級學習情況全過程縱向評價、德智體美勞全要素橫向評價”，同時要“嚴格控制教育評價活動數量和頻次，減少多頭評價、重復評價”[1]。這就要求廣大教育工作者從實際情況出發，利用教育數據和現代化信息手段，對教育教學情況進行綜合性客觀分析，發現教育管理中存在的問題，從而不斷提升并發展。院校研究是以數據分析為基礎，全方位多角度對學?，F狀以及綜合問題進行評價分析和研究，其核心理念與《總體方案》的要求不謀而合。院校研究所涵蓋的數據來源廣泛，從數據涉及的業務面角度，包含了人事數據、財務數據、教務數據、學生數據、資產數據等;從數據類型的角度，不僅包含結構性數據，也容納文本、視頻等非結構化數據。院校研究利用這些海量數據綜合分析，從而對學校發展中所遇到的問題進行總體評價和研判。這樣的思維視角與教育部在評價改革“破五唯”中，不單純唯論文、唯項目等要求相契合。院校研究的概念最早由美國的相關機構提出，20世紀80年代我國學者開始關注并涉足這一領域[2]。經過40余年的研究探索，院校研究結合我國高等院校發展特色，已經逐步被更多高校所接受。一些高校按照院校研究的思路建立了相應的研究機構和數據體系。

數據是院校研究的根基和源泉，所有針對學校問題或綜合評價展開的院校研究都是基于客觀數據基礎上的。隨著研究的發展和深入，對于數據規模、數據質量、數據管理、數據使用、數據安全等都提出了相應的需求。為了更好地支撐院校研究，國內外各個高校都開始了數據體系建設工作。然而，院校研究在數據資源體系構建和數據管理上，特別是智能數據體系如何支持決策方面，仍然存在諸多建設難點，數據權限存在壁壘、校院兩級數據信息不對稱、數據利用和挖掘不夠深入等問題仍然存在。如何基于院校研究的視角和思路，構建能夠良好支撐綜合評價與智能決策的數據體系，將直接影響院校研究與決策分析的可靠性與精準性，并關系到學校未來的整體發展建設。因此，筆者從院校研究視角對智能數據體系構建的問題進行分析，提出基于校院兩級建設的新思路和相應舉措，以期能夠提升高校智能數據體系建設水平，支持新形勢下的高校綜合評價與分析研究。

一、高校智能數據體系建設的必要性與現狀

隨著大數據、數據挖掘等技術的高速發展，高校多年沉淀積累的數據資源正逐漸受到教育管理者的重視。面對師生規模不斷擴張，教育教學逐步向數字化、網絡化、個性化發展，以經驗管理和實踐決策的管理模式難以給出精準判斷依據，在重要決策支撐中受到了很大挑戰，高校管理者逐步從主觀視角向以數據為基礎和依據的理論視角轉變。院校研究是針對學校自身發展中遇到的問題，通過對數據的收集和分析，為決策提供相應的理論支持[3]。

院校研究科學的理論依據和有效分析成果受到越來越多高校的認可。例如，美國斯坦福大學成立了院校研究機構，已經對學生培養、就業等關鍵問題進行深入分析，并依據分析提出相應的舉措，改進學校資源配置，針對性幫扶“問題”學生，從而提升學生培養過程、就業等環節的表現[4];美國威斯康辛大學麥迪遜分校運用院校研究理論對學校財政數據進行分析研究，從而提升學校各項經費使用產生的效能，另外還對學校獲得的捐贈進行分析，預測未來學校捐贈的趨勢，并針對預測情況制定相應的鼓勵政策，從而提高學校的捐贈受益[5]。運用院校研究來支撐高校的決策已經在大多數高校開展實踐。數據體系作為院校研究的決定性環節，其建設工作在院校研究初期就已經開始。

基于院校研究視角的數據系統發展可以歸為三類：一是國家層面的數據分析系統，如中國高?？蒲谐晒y計分析數據庫、美國聯邦教育統計中心高等教育綜合數據系統（IPEDS）等，這類全國性質的大型數據庫主要為國家政策制定、白皮書撰寫等提供數據支持。二是各個高校針對自身需求建設的院校研究數據系統，該類系統中包含全校最為重要的信息數據，如人事數據、財務數據、教學數據、科研數據等，主要用于應對大型決策中數據的抽取統計，以及對于學校全貌的數據展示。三是學校針對某個專項問題而建立的分析型小型數據系統，該類系統的產生源于對一個較為具體的問題進行數據分析，如果直接在校級大型數據庫中進行操作或者抽取分析，會出現耗時長效率低下的問題，因而將相關有用數據先抽取出來，形成一個相對靈活的小型數據系統，然后在此基礎上進行分析。這樣分析，一方面可以提高分析速度;另一方面可以讓研究人員更專注于具體的問題。

從技術形式上來看，第二類和第三類數據系統在高校中會作為一個有機整體進行建設，第二類數據系統形成校級的數據倉庫，第三類數據系統形成小型分析型數據庫，兩者共同構成了校級院校研究智能數據體系。兩類數據系統之間即可相互聯系、交互數據，在數據分析過程中又相對獨立、互不干擾。復旦大學、華中科技大學、西北工業大學、蘇州大學等高校都以此理念開展了數據體系的建設，但目前智能數據體系的建設屬于初級階段，還有很多問題需要解決和進一步探索。

從理論角度分析，院校研究數據體系的建設一般按照“自頂向下”和“自底向上”兩種方法進行，在實際建設過程中，因數據體系的復雜性往往是將兩種方法相結合。數據體系的建設歷程可以總結為三個階段：

第一階段是按照“自頂向下”的思路建設。院校研究的相關研究人員提出數據需求，構架以數據填報為主的搜集型系統，并將系統的填報權限逐層授權，在全校范圍內收集數據。系統中的數據大多是人為定期錄入的結果性數據，該類數據不能良好反應教育教學過程中的情況，在分析復雜問題時會產生數據缺失的問題。另外，以人為錄入數據為主的系統，當人員更迭時，很容易發生數據質量不一致或數據錄入中斷的問題。

第二階段是融合“自頂向下”和“自底向上”兩種建設方法，構建形成第二類校級數據倉庫。系統的數據采集逐步走向自動化，并越來越重視過程數據的積累。計算機或物聯網終端在教育教學業務發生的同時，對需要的數據進行實時采集或同時錄入，這樣的數據先留存在自身業務數據庫中，然后根據院校研究的數據需求通過數據交換手段，將數據傳遞至院校研究數據系統。數據交換的手段可分為兩種方式，一種是對應“自頂向下”思路的抽取式數據交換，院校研究數據系統根據自身需求從相應的業務系統抽取數據;另一種是對應“自底向上”思路的推送式數據交換，各個業務數據自愿或根據院校研究要求，將自身數據主動推送給院校研究數據系統。這樣的數據交換體系可以隨著業務的進展不斷更新積累數據，當研究人員需要針對某個方面的問題進行分析時，只需在院校研究數據系統中進行合適的檢索，即可抽取得到相應的數據。

第三階段是在學校整體數據得到了一定量級的積累后，數據挖掘技術逐步被應用于院校研究當中。這也為更細致分析具體問題提供了手段，研究人員可以針對問題的某個方面將對應的數據單獨抽取建立小型獨立數據庫，再通過挖掘技術對數據進行適當的預測或歸類分析，從而為解決實際問題提供科學的支撐。

在第二階段，系統就已經進入院校研究智能數據體系建設階段，該階段采用以數據倉庫為基礎的自動化數據流轉、存儲、處理方式。但目前大多數數據系統的建設仍處在基礎統計分析的初級階段，如何加快智能數據體系建設步伐，形成綜合性的分析比對能力，完成深入數據挖掘任務的智能數據體系，仍需進行探索。

二、院校研究視角下

智能數據體系構建面臨的挑戰

（一）數據治理工作模式仍需改善

高校承擔院校研究職責的機構形式多樣，有院校研究中心、高等教育研究室、發展規劃處、學科建設辦公室、學校辦公室等[6]。在數據體系建設中，組織形式通常為：由院校研究單位牽頭，確定數據體系的整體框架和需求，由信息管理部門負責體系的技術搭建和運維，多個職能部門和各個二級單位進行配合。建設中因涉及的部門多并且較為分散，相互之間缺乏及時的溝通協作，整體建設進度緩慢是長期以來各高校的痛點問題，這其中對數據治理工作的影響尤為明顯。

數據治理工作的目的是提升整個體系的數據質量，通常根據數據傳遞的路徑和閉環治理思路展開。數據首先從各個業務系統流入數據倉庫，信息管理部門的技術人員將數據進行清洗，轉化為符合院校研究標準的數據。但是，在數據清洗的過程中，數據缺失、數據格式錯誤等問題直接影響數據的進一步使用，降低了整體數據質量。信息管理部門將數據問題通報給院校研究牽頭單位，并將數據治理報告下達至業務部門，只有業務部門將業務數據庫中的源頭數據進行修正，才能真正解決數據問題。然而，往往因業務系統已經上線運行，無法中斷系統進行數據治理，有時數據問題一拖就是幾年。從牽頭單位的角度來看，各個部門應各司其職，共同為學校的數據資產負責，而二級單位業務數據復雜，更關注于自身日常業務的正常運轉，不愿因數據治理而大面積影響業務系統運轉，就難免出現了推諉扯皮的現象。這樣的治理模式令人遺憾，因為在數據有效更新、積累中，各個單位沒有發揮其業務特色并對數據質量進行把控。

（二）數據體系對智能化提出更高要求

我國高校工作者經常需要上報學校各類數據報表，對于尚未建立數據體系的高校，數據分散割裂、收集時間長、統計難度大;對于已經建立校級數據體系的高校，基本數據已經可以直接從數據倉庫中獲取，但是當統計分析稍變復雜，系統無法直接獲得結果時，工作人員只得將工作任務層層向下傳達，再逐一上報匯總。在實際工作中，校內層層上報的數據因經過人工確認而被認為是更可靠的，一些數據系統逐漸荒廢或未得到充分利用。隨著院校研究理念在教育管理中的不斷深入，簡單的數據統計已經不能滿足高校對實際問題分析研究的需求，橫縱向聯合比較分析、深度鉆取式的挖掘分析被逐步提出，這也對數據體系的建設提出了新的要求。智能化數據體系的構建思路也由此產生，數據體系的建設不再是單一的數據統計和匯總，而是能夠結合大數據技術進行多維度、深入靈活分析的系統，并且這樣的系統簡單易用，對于絕大多數院校研究人員能夠提供良好的交互界面。

（三）數據文化尚未成熟

有研究者將數據文化引入高等教育管理領域，指出數據文化是一種意識，這種意識體現在高校環境與環境中的個人對待和運用數據的行為之間的一致性和相互性，它致力于尋求數據民主化，并將其提煉為信息，以服務于實現高校使命的決策制定。[7]高校數據體系建設真正走向智能化離不開成熟的數據文化，具體體現在：①數據的透明度和共享度。數據是學校的公有資產，校內的各個單位在健全的數據安全制度約束下，應具有共享數據、使用數據、分析數據的權力和責任，只有讓數據獲得共享、流動起來，數據的價值才能真正發揮。②重視數據，使用數據。在分析學校發展問題時，形成用數據說話、以數據為支撐、依數據進行決策的管理模式，真正認識到數據是決策的核心，智能數據體系是數據運轉的必要承載體。③治理數據，信任數據。智能數據體系的核心是數據質量，數據質量不高，如缺失數據多、數據有錯、數據標準不統一，會導致后續數據的使用和分析毫無說服力和價值。只有做好數據治理工作，才能讓研究人員真正信任數據，樂于使用，不斷深挖其中的價值。當前，隨著信息化在教育教學各項業務中的普及和廣泛應用，數據文化概念正逐步在高校工作者的工作思維中建立。為進一步加快智能化數據體系對高校管理工作的有效推動，一些學者認為應建立相應的“一把手”機制[8][9]，以領導力推動信息化建設。但是反觀互聯網發展的歷程，不難總結出，只有讓數據具有的使用便捷性、操作靈活性和分析可靠性，普惠至高校各個單位，建立全校性的數據文化，才能形成合力，推動智能數據體系的建設工作。

三、以校院兩級模式構建智能數據體系

（一）建立責權利相統一的數據體系管理制度

在智能數據體系的構建中，院校研究部門是運用數據的核心，信息管理部門是數據收集、清洗、治理的關鍵。更應認識到的是，學校各個二級單位是數據的源頭，即產生數據、積累數據的基地。對于智能數據體系，數據治理是提升數據質量的必備環節，也是貫穿體系建設始終的工作。在數據治理的過程中，如果沒有做好源頭數據治理工作，而將數據治理的重點轉移到信息管理部門，數據整理和清洗所帶來的工作量是巨大的，加之信息管理部門的人員對具體業務并不熟悉，其處理過程是相對低效的。如果做好源頭數據把控，在業務系統中對底層數據系統架構、數據標準采用、數據安全設置等方面逐一有效落實，校級數據倉庫的運行效率將大大提升。這一工作思路的執行需要校院兩級相配合，院校研究部門確定整體框架和數據標準，二級單位作為執行者在信息化管理部門的幫助下開展業務數據系統建設。在明確相應職責后，進一步形成制度體系，是智能數據體系進入良性循環的有力保障。

智能數據體系管理制度的建設不僅要明確校院兩級單位的責任，更要確定各單位在智能數據體系使用中的權利。管理制度可從利益相關者的角度分析，充分考量院校研究部門、信息化管理部門、各職能部門、學院等二級單位，以及教師和學生的數據使用需求，通過制度規范化智能數據體系各子系統建設步驟和標準，厘清數據生產匯集、授權使用等流程，讓數據生產者在產生數據的同時，還可以獲得數據分析的便利，從而形成自覺維護、自覺處理、自覺校對的良好數據使用習慣。數據管理者更關注于數據體系整體運維和框架的搭建，數據使用者專注于利用數據解決院校問題，支持學校決策。建立校院兩級責權利相統一的管理制度，將加快推動學校數據體系的質量建設，為數據體系走向智能化奠定堅實的基礎。

（二）以數據應用促進校院兩級智能數據平臺建設

目前，部分國內高校按照數據支撐決策的院校研究思路，建設了校級數據倉庫，并基本完成校內各大應用系統的數據入庫工作，形成了基于應用系統的校級基礎數據平臺，從而將各個應用系統與校級數據倉庫聯通，完成數據的交互。[10]運用校級數據倉庫的數據就可以開始相應的院校研究工作，當前決策支持性數據分析工作主要集中在學校院校研究部門，這類研究主要為學校整體決策服務。隨著高校院辦校管理機制的不斷深化，學院逐步成為師生管理的主體，學院等二級單位領導在進行決策時也同樣需要科學的數據分析支撐。與之相適應的智能數據平臺建設工作也要逐步向二級單位下沉，以校院兩級模式對平臺進行構架是可以進行探索的一種方式。將數據的應用分析功能授權至二級單位，一方面可以在學校整體管理中形成數據研究型氛圍;另一方面可以讓二級單位在數據應用中發現數據問題，以用促改，提升數據質量。

可視化數據處理工具是院校研究數據分析的必備模塊。將智能數據體系中的可視化數據處理工具在校院兩級推廣，是以院校研究思路整體推進兩級數據平臺建設的有益思路?？梢暬瘮祿幚砉ぞ咦畛跏遣僮鬏^為復雜的基于數據庫的軟件模塊，只有具備一定數據庫基礎的專業人員能夠操作，而后逐步向圖形化拖拽式交互模塊發展。在智能化數據體系中，該功能模塊應逐步發展為可自由加載不同的數據模型，并具備自動分析功能，分析人員只需提出院校研究問題，系統便可給出相應的分析結果。這樣的智能數據體系將降低使用人員的信息化水平要求，讓數據帶來的便捷普惠至數據的所有利益相關者，從而支持全校工作的方方面面。

在此模式下建設的校院兩級智能數據平臺，可能會面臨兩方面問題：一是數據權限和數據安全問題。當數據使用的范圍擴大，數據安全必須重點思考，該問題可以從數據脫敏、禁止數據下載、僅供在線分析、設置數據權限級別的方法得以解決。并在此基礎上形成相應的制度約束，建立成熟的數據文化，形成規范使用、嚴格管理數據的意識。二是建設經費緊張問題。校院兩級數據平臺建設體量龐大，它集結了校內所有數據，數據存儲、數據流量、數據計算所消耗的資源都需要進行相應的預算，平臺搭建以及模塊化功能的建設也需要充足的經費支持。由軟件公司進行系統搭建的花費是巨大的，高校也可嘗試探索發揮自身學術優勢，聯合計算機學院、軟件學院的專業力量，將部分應用模塊的研發工作由校內承擔，從而降低成本，本校師生也能夠了解校內數據情況和問題，溝通成本也隨之降低。

（三）培育具有成熟數據文化的研究人員

校院兩級智能數據體系的構建離不開具有專業素養的研究人員，不僅僅包含對院校研究體系和理論方法掌握的人員，也需要其他相應的數據管理、運維管理、行政協調組織人員。以美國斯坦福大學為例，為建設院校研究數據體系，該校專設院校研究機構負責全校智能數據體系建設，機構包含15位專職人員從事4個方面的運營研究工作，以保障數據采集整理的準確性、做好部門的溝通工作、完成相應的數據提取和分析任務、形成具有決策價值的數據報告等。

目前，我國各個高校都處于快速發展階段，多數學校無法設置專門的部門和崗位，針對院校研究工作開展智能數據體系建設，同時數據體系的建設也呈現多單位聯合的方式進行。在這樣的發展路徑下，我國高校應進一步將數據體系建設工作進行分解，以校院兩級聯動的方式共同推進，在形成責權利相統一制度的基礎上，重視數據文化的建設和培養，將使用數據、維護數據、依數據辦事決策的工作模式滲透至校院兩級工作者。要以可視化數據處理工具的推廣使用為抓手，讓學校各個單位的一線工作者在主動貫徹科學的數據分析方法，將數據文化的理念深植研究人員的日常業務。同時，學校院校研究機構應定期組織運用數據解決實際問題的案例分享，將數據應用分析、數據管理處理的方法在校院兩級單位進行培訓，帶動院級教師、管理人員共同運用數據解決工作實際難題。通過多方共同參與數據的治理和運維，形成數據文化的風尚，建立良性數據循環體系，在數據應用中培養數據人才，解決院校問題，實現高校內涵式發展。

四、結語

院校研究以數據分析為基礎，為高校管理決策和改革發展提供了科學有效的研究方法和理論體系。為使院校研究更好地服務于高?！半p一流”建設，建設能夠支持院校研究的智能數據體系不可或缺。本文重點分析當前國內各個高校在建設智能數據體系中遇到的困難。面對數據質量亟待提升、數據體系不夠智能化、數據文化尚未建立等問題，本文提出校院兩級建設管理模式，并探索以數據應用促進數據治理、數據體系建設的新思路。針對校院兩級模式如何在實際工作中“落地”，本文從制度建設、平臺建設、人員培育三方面闡述智能數據體系建設的路徑，為當前正在建設智能數據體系的高校提供有益的思路。

參考文獻：

[1]新華社.中共中央 國務院印發《深化新時代教育評價改革總體方案》[EB/OL].（2020-10-13）[2021-08-09].http：//www.gov.cn/zhengce/2020-10/13/content_5551032.htm.

[2]賈正暉，王浩.對現階段我國開展院校研究的思考——基于中美兩國大眾化教育發展的比較[J].吉林省教育學院學報（學科版），2010，26（1）：1-4.

[3]魏署光.美國院校研究決策支持功能探析[D].武漢：華中科技大學，2013.

[4]江艷，儲祖旺.基于數據驅動的美國高校學生事務預測分析管理[J].高等教育研究，2017（12）：90-95.

[5]丁國勇，程晉寬.美國高校教育數據挖掘的應用領域與推動因素[J].比較教育研究，2017（5）：73-78.

[6]王秀平.“雙一流”建設背景下院校研究的困境及路徑分析[J].南京中醫藥大學學報（社會科學版），2020，21（1）：58-61.

[7]張俊超，魯夢琪.我國高校數據文化的現狀及培育——兼論院校研究的作用[J].高等教育研究，2020，41（12）：40-47.

[8]顧婧.數據挖掘技術在高校領導干部經濟責任審計中的應用[D].南京：南京審計大學，2018.

[9]何建新.高校學科化資源特色數據庫建設體系的研究——以華南農業大學為例[J].四川圖書館學報，2011（2）：79-82.

[10]劉琪，方振邦.美國大學統計服務決策工作簡析——以斯坦福大學為例[J].中國高等教育，2019（8）：62-64.

作者簡介：

崔嘉琪，助理研究員，碩士，主要研究方向為教育管理學、教育大數據、數據挖掘，郵箱：cuijiaqi@nwpu.edu.cn。

Exploration on the Construction of Two-level Intelligent Data System from the Perspective of Institutional Research

Jiaqi CUI

（Information Construction and Management Division， Northwestern Polytechnic University， Xian Shaanxi 710072）

Abstract： The scientific concept of institutional research based on data analysis is gradually being adopted by sufficient colleges and universities in China. Since data is the foundation and source of institutional research， all institutional research on school problems or comprehensive evaluation is based on objective data. In order to develop institutional research and solve the actual operation and management problems of colleges and universities， relevant colleges and universities， from the perspective of college research， put forward intelligent， accurate， stable and efficient requirements for the construction of data system . This paper first introduces the necessity and development status of intelligent data system construction in colleges and universities， then analyzes the problems and challenges encountered in the construction of intelligent data system， such as the imperfect data governance mode， the insufficient intellectualization of data system， and the immature data culture. On this basis， it makes a detailed analysis from three aspects of system construction， platform construction and personnel training， then puts forward a new idea to effectively promote the construction of data system by using the two-level model of colleges and universities， so as to provide useful ideas for the construction of intelligent data system in colleges and universities.

Keywords： Intelligent data system; Institutional research; System construction; Platform construction

編輯：王曉明? ?校對：李曉萍