大學生學習評價視域下底層數據治理的實踐

王丹 鄧謙 李俊 肖琴

摘要：在教育深入改革的推動下，學習評價由單一的考試成績到通過學習過程構建數據綜合性的評價模型，而學習評價模型涉及的數據存在權威來源不確定、分散性、質量低、共享性差等問題。文章提出從數據集成與存儲、數據治理、數據服務、數據開發4個方面構建一種新的數據治理體系，從底層解決一數多源、采集數據轉換成標準化數據，使用數據管理中心統一管理和共享數據。文章通過國內外數據治理的研究，結合筆者實際工作經驗，在數據中臺建設和實際應用實踐中表明，完成校內數據資產梳理和構建管理、業務數據集中轉換統一標準數據管理和數據標準化交互共享，能有效地推進高校數據治理工作。

關鍵詞：學習評價；數據治理；數據服務；數據資產

中圖分類號：TP301? 文獻標志碼：A

0 引言

2020年10月，中共中央國務院印發了《深化新時代教育評價改革總體方案》，將改革學生評價，促進德智體美勞全面發展列為重點任務之一，構建多元化學生評價體系，完善學生綜合評價體系，深化學生評價改革，促進學生全面發展［1］?；趯W習評價的改革，許多研究者針對學習評價進行了深入的研究，如劉進等［2］從大數據庫建設、新模式開發、研究成果利用等角度，提出大學生學習評價方法論的轉向策略；黃濤等［3］提出構建符合度空間數據特征的綜合評價框架，完善過程性數據采集與共享機制。但之前的研究者主要關注學習評價的模型、算法等方面的構建和優化，忽視了底層數據質量對學習評價效果的影響，針對學習評價底層數據治理的研究較少。本文在大學生學習評價視域下，針對支撐學習評價的基礎數據的治理進行了深入研究，構建了完善的數據治理體系，并通過實踐證實，本文構建的數據治理體系可以有效提升支持學習評價的底層數據的數據質量。高校的教學培養方式和學生學習生活方式，在智慧校園建設的驅動下不斷地改革創新，替代以考代評的教學方式，為構建多元化和綜合性的大學生評價體系提供重要的數據支撐。

1 研究現狀

1.1 學習評價的研究現狀

學生學習評價作為高等學校教育教學工作的基本組成部分，學生學習評價對于學生學習的督促、學生管理的加強、教學質量的檢查和教育教學改革的推動，都有著重要的指導和現實意義。對學習評價進行研究，是高校推進創新人才培養、促進學生發展的關鍵。而教育教學評價工作，則對學生學習發揮診斷、反饋、改進、激勵、強化等功能［4］。當前的學習評價的研究主要是針對學習評價模型、學習評價工具標準和前沿技術應用的改進，如楊院［5］提出通過學生學習過程、學習成果以及職業能力評價實踐活動，突顯學生主體性、客觀性、就業能力；桑德拉·米麗根等［6］提出開發學習評價工具的測量分析標準，確保學習評價工具的信效度；張家華等［7］通過多維度全面采集和分析學習過程動態數據，構建多模態學習評價。但這些研究往往忽略了學習評價底層數據的權威性、準確性、分散性和完整性。因此，如何集成和使用數據，利用現有的校內數據資源為學習評價提供數據分析支持，數據治理工作如何有效地開展，已成為當前高校數字化建設中亟待解決的一個重要問題。

1.2 高等學校數據治理研究現狀

隨著高校信息化的不斷建設發展，業務數據呈多元化，高校對數據不再僅僅局限于簡單的管理與主題分析，更迫切希望通過數據的深度挖掘，推動高校精準化與高效化的管理與決策?！妒〗逃龔d關于印發推進高校教學數字化指導意見的通知》（蘇教高〔2023〕1號）要求推動信息技術與教育教學融合創新，推進高校數字化轉型，提升學生數字化學習能力與數據治理能力［8］。實現數字化校園建設，加強推動高校相關部門數字化建設、教學生活相關數據分析、建設長周期與多維度的學生畫像、業務流程、數據挖掘等師生服務與教學辦公應用建設。數字化校園建設過程中，數據在不同系統之間流轉，所以數據的沉淀和共享在數字化校園建設過程中起到了“穿針引線”的作用，是整個數字化校園的閉環核心點。當前主要的數據治理工作更關注平臺或者全域，如劉雅琴等［9］提出基于“一張表”平臺推動面向高校教師的數據治理，完善數據資產，提升數據質量；張輝等［10］提出圍繞數據全生命周期的業務邏輯，構建數據治理體系建設三層次模型、遞進式框架和分段實施路徑，助力高校數字化轉型和現代化教育模式建設，但缺乏針對學習評價這一垂直領域的數據治理研究。

近年來，高校的信息化建設過程中，形成了以“人、財、物”為服務對象的各種業務應用管理系統，同時積累了以“人、財、物”為核心的業務數據。但由于早期的信息系統建設缺乏統一的業務規劃，各業務廠商建設水平、參考規范和開發技術不同，相關數據分散在各業務部門系統或數據文檔中，呈現交互共享性低、信息標準不統一、數據冗余、數據孤島、數據錄入質量低、歷史數據不完善等問題，致使數字化校園建設在底層數據通道方面存在不少“障礙”。隨著教育部對現代高校數字化校園建設的進一步要求和規范，需解決數據“聚”“治”“通”“用”的問題，形成高校在數據治理建設過程中的數據采集、清洗、治理、存儲、管理、共享、使用等充分閉環的數據生態，保證數據的處理能力與管理水平。

2 學習評價視域下數據治理體系構建

2.1 數據治理體系

從數據的采集、治理、存儲、數據挖掘分析、共享及應用整個數據生命周期，構建數據治理平臺體系架構，如圖1所示。數據治理架構體系由數據存儲層、數據治理層、數據服務層、數據開發層、數據應用層組成，除數據應用層外，其他構建形成了一個數據中臺。

2.2 數據存儲層

根據高校行業特性，參考其他企業數據標準規范，數據存儲庫分為貼源層（ODS）、標準層（DWD）和應用層（ADS，DM），數據治理數據存儲流程如圖2所示。

通過批流一體式數據集成技術將數據按照原始數據形式采集存儲到ODS層，同時將數據同步到數據湖中，在數據湖中將存儲備份與業務源頭結構和類型一致的數據信息。原始數據存在標準和規范等問題，按照國家標準或教育部標準，結合學校實情，對原始數據進行清洗、轉換、規范化，形成統一、標準、規范的數據，存儲至數據標準庫。數據應用庫作為上層數據應用建設的支撐分為主題數據庫和標簽指標庫。主題數據庫用于創建教學、科研、學工、圖書、資產等各類數據分析主題、迎新和離校推文等應用專題；標簽指標庫是用于存儲將師生的基礎數據、業務數據、行為數據抽象成具有特征標識的標簽化數據，主要用于綜合分析、師生畫像、學生學習評價等。

2.3 數據治理層

數據治理層是數據治理架構體系中的重要組成部分，通常為了解決數據質量、安全，包含元數據管理、標準管理、質量管理、數據安全管理、運行監控管理等功能。

元數據管理由元數據驅動數據治理，關聯數據業務源，數據湖、標準層和應用層獨立管理。在元數據管理推動下，數據建設圍繞全業務和數據倉儲從數據理解、元數據識別、模型定義等實現統一管理口徑。標準管理包含代碼標準管理和數據標準管理，用于統一規范校內代碼標準、業務數據接口標準、數據集成標準和數據模型標準。

數據質量管理是基于數據指標、質量檢核、發現問題和問題監控追蹤的完善的數據質量管理體系，發現和解決數據問題。建立“誰產生、誰維護、誰負責”的數據質量監督評價機制，督促業務部門承擔數據質量把關責任，確保源頭數據的真實性、準確性、完整性和及時性。數據安全管理是在數據達到統一管理且質量提升時，保證共享數據的安全性，有效地規避因數據獲取方管理不善而造成的數據外泄，避免數據應用侵犯師生隱私等情況。數據監控管理圍繞數據集成、數據血緣、數據開放、審計檢測、數據資產量、數據治理績效、數據應用關聯、數據影響性分析、底層數據庫性能監控等。

2.4 數據服務層

數據服務層是校級數據中心面向各類用戶（師生普通用戶、信息管理中心、業務部門、第三方廠商）的展示使用平臺。數據服務平臺為業務部門、業務廠商提供數據共享開放入口，推送業務數據到新業務系統庫，實現數據的快速使用。業務部門可在平臺查看、上報、管理部門數據資產，申請查看其他業務部門數據資產，能夠快速檢索和定位所需數據項，掌握部門數據的來龍去脈，了解數據質量問題，明確數據權責。

2.5 數據開發層

數據開發從關系型數據、大數據、消息數據等讀取數據進行計算處理，通過機器學習、數據挖掘、統計分析進行數據建模，具有全場景、高安全的數據資源開放與共享接口開發、注冊和監控功能。數據開發平臺對數據接口進行封裝，可提供各類業務、主題的相關數據接口，利用并行計算完成計算密集型任務支撐上層應用，計算模型可供多個應用共享。計算模型包括數據業務模型API、分析接口、計算模型API、數據上報API、主題分析API等，為應用開發提供統一、標準的數據支持。

2.6 治理后的應用

針對學生學習成績制定的學習評價是單一的、不準確的，無法體現學生的學習過程，應著重從“德智體美勞”5方面綜合制定學習評價體系。學習評價所需的數據是學生在校內學習和生活過程中產生的，主要分布在教務、學工、團委、科研、圖書、后勤等。通過數據中臺數據通用集成開發模塊對涉及學生數據系統進行采集，同時將滿足入數據湖的業務系統數據同步到數據湖中，實現實時讀取使用，如圖3所示。

數據進入貼源數據庫和數據湖后，將對接數據進行清洗轉換成標準的數據信息存儲到數據標準庫，數據標準管理將校內所有數據劃分成八大域，分別是公共服務域、行政管理域、教工數據域、學生數據域、科研數據域、財務數據域、教學數據域和資產數據域，其中學生數據主要分布在公共服務域（圖書、后勤公寓、網絡、校園卡、門禁等），學生數據域（包含從入學到離校全生命周期數據）、科研數據域、教學數據域（教務、第二課堂）、財務數據域。通過數據質量管理可實時監控數據集成情況、是否有違規數據和代碼標準率，如圖4所示。

根據業務需求，從標準庫中讀取數據，構建學生成績排名、圖書借閱、消費、上網行為等主題信息并存儲到主題庫，支撐主題數據應用分析、數據報表輸出和學生從到校到離校整個生命周期記錄。主題庫的支撐數據分析展示比較明確，但往往業務部門希望看到的是多方面的數據分析，例如學生學習評價、教師綜合評價。標簽體系的數據可有助于數據自由組合并形成一個比較多方面且完善的數據分析，從標準庫中讀取數據信息，通過算法模型、指標模型和計算模型計算，按照基本屬性、能力屬性、行為屬性等進行標簽化的劃分，形成一個指標庫。

2.7 應用結果分析及建議

通過數據治理體系在學校學習評價中的應用，明確學生學習、圖書借閱、消費、上網行為、公寓管理等數據的權威來源，依據數據標準管理要求對采集數據進行統一的清洗、轉換，形成標準的數據存儲到數據庫中，構成統一的數據管理與共享庫，提高底層數據質量，解決數據交互共享和標準不統一等問題。因高校業務復雜，數據來源多樣化，數據管理體系需進一步優化，提升數據質量和數據安全，同時，需建立、健全應用系統部門的數據質量考核和評價機制，以保證底層數據的準確性、及時性和規范性。

3 結語

大學生的學習評價是現在高等教育的研究熱點，是體現現代教學效果的重要標志。大學生學習評價體系的構建，需要校內大量的基礎數據作為支撐，但高校數據存在著相關數據分散在各業務部門系統或數據文檔中、交互共享性低、代碼標準不統一、數據質量參差不齊、歷史數據不完善等問題。本文通過聚焦學習評價這一重點領域，分析學習評價需要的底層數據特點，構建針對性的數據治理體系，通過實踐，可以得出本文構建的數據治理體系可以有效地提升學習評價的底層數據質量，提高學習評價的精準性，減少數據預處理的時間，為大學生學習評價的進一步研究提供了夯實的數據基礎。

參考文獻

［1］中共中央國務院.深化新時代教育評價改革總體方案［EB/OL］.（2023-01-16）［2023-06-01］.https：//www.gov.cn/gongbao/content/2020/content_5554488.htm.

［2］劉進，高勝寒，林松月.從標準化到數據化：基于大數據的大學生學習評價研究方法論轉向［J］.現代教育技術，2022（9）：31-37.

［3］黃濤，趙媛，耿晶，等.數據驅動的精準化學習評價機制與方法［J］.現代遠程教育研究，2021（1）：3-12.

［4］牛虧環.大學生學習過程評價的現狀、問題及對策——基于全國16所本科高校的調研［J］.大學教育科學，2017（6）：42-49，121.

［5］楊院.大學生學習評價的邏輯、實現與優化［J］.中國高教研究，2015（8）：107-110.

［6］桑德拉·米麗根，張忠華，等.大數據、人工智能與學習評價方式［J］.北京大學教育評論，2019（4）：45-57，185.

［7］張家華，胡惠芝，黃昌勤.多模態學習分析技術支持的學習評價研究［J］.現代教育技術，2022（9）：38-45.

［8］江蘇省教育廳.省教育廳關于印發推進高校教學數字化指導意見的通知［EB/OL］.（2023-01-16）［2023-06-01］.http：//jyt.jiangsu.gov.cn/art/2023/1/16/art_77619_10727462.html.

［9］劉雅琴，毛文卉，吳馳，等.基于“一張表”平臺推動面向高校教師的數據治理實踐［J］.現代教育技術，2022（1）：118-126.

［10］張輝，李健明，楊強.大數據視角下高校數據治理體系研究與實踐［J］.中國高等教育，2022（增刊2）：16-18.

（編輯 沈 強）

Practice of underlying data governance from the perspective of college students learning evaluation

Wang? Dan1， Deng? Qian1， Li? Jun2， Xiao? Qin1

（1.Informatization Construction And Management Of Center， Jiangsu University Of Science And Technology， Zhenjiang 212000， China; 2.Network Operation and Maintenance Center， China Telecom Zhenjiang Branch， Zhenjiang 212000， China）

Abstract： Driven by the in-depth reform of education， learning evaluation has changed from a single test score to a comprehensive evaluation model of data built through the learning process. However， the data involved in the learning evaluation model has problems such as uncertain authoritative sources， decentralization， low quality， and poor sharing. This study proposes a new data governance system architecture constructed from the four aspects of data integration and storage， data governance， data services， and data development. It solves the problem of multiple data sources from the bottom layer， converts collected data into standardized data， and uses the data management center to uniformly manage and share data.Based on the research on data governance at home and abroad and the authors practical work experience， this research is applied to the construction of data center platform of Jiangsu University of Science and Technology. Practice results show that： this study can complete the sorting and construction management of data assets on campus， unified standard data management and data standardization，interactive sharing of business data centralized transformation， and effectively promote the data governance of universities.

Key words： learning evaluation; data governance; data service; data assets