基于SEM的教育數據采集項目管理成熟度指標分析

摘要：數據采集項目作為以數據為驅動的研究分析的基礎，為管理者科學決策提供了重要支撐。結合項目生命周期理論，對教育數據采集項目進行階段分析，構建成熟度指標體系?；诮Y構方程理論，對數據采集項目管理成熟度指標進行權重計算，對各影響因素進行深入闡述，為后續成熟度模型應用提供參考。

關鍵詞：結構方程；數據采集；項目管理；成熟度

0 引言

數據是表示真實信息的一種方法，通過采集、存儲及分析進行數據管理，發揮作用［1］。數據管理需要對數據生命周期進行管理，基于數據本身的復雜性，在實際應用中考慮各方面需求。數據采集項目作為一種周期性分析評估項目，依托特定渠道對評估對象產生的數據進行采集和分析。數據采集項目管理工作需要將知識、技術與平臺相結合，應用于項目活動實踐中，以達到預期要求。以高校教育數據采集項目為例，通過校園網平臺對教學狀態數據進行采集，為教育工作者提供參考依據，為管理者提供決策支撐。依據項目生命周期理論，構建成熟度指標，運用SEM對成熟度評價指標進行權重運算，并根據結果對評價指標進行分析討論，深入了解指標內涵。

1 指標體系構建

教育數據采集是包含在每個教學周期內的一項工作，但并不是簡單的重復，而是通過長期的數據采集驅動教學管理，以期達到服務教學的目的［2］。項目管理成熟度指標衡量的是項目管理能力的高低，通過成熟度等級體現該項目的發展完善過程，指標體系應涵蓋該項目的關鍵因素。教育數據采集活動是成熟度評價的對象，在對數據采集的階段特征和內含結構進行分析之后，才能構建成熟度指標體系。

根據項目生命周期理論，項目從開始到結束要經歷一系列階段，生命周期可以提供管理項目的基本框架［3］。典型生命周期結構一般包括“開始項目”“組織準備”“執行項目工作”與“結束項目”。由于項目本身的獨特性和不可復制性，具體的工作會因不同項目變更而產生差異。結合教育數據采集實際工作，將“執行項目工作”階段分為“采集與處理”和“分析與挖掘”兩個階段，得到5個一級指標，體現了項目的不同階段。通過文獻研究和專家訪談，在一級指標基礎之上，對每個階段進行細分，得到成熟度指標體系，見表1。

該指標體系共包含5個一級指標、15個二級指標，從項目啟動規劃到項目收尾，包含數據采集項目各個階段。5個一級指標即為成熟度指標的關鍵過程域，與項目生命周期一致，通過理解項目運行過程，支撐項目目標的成功實現［4］。成熟度評價是將靜態的結果評價轉變為動態的管理過程評價，重視每個階段管理措施的完整性和有效性，促進數據采集工作的持續改進。要實施評價，需要給出不同成熟度的評價標準，按照成熟度層級設計要求，結合采集工作實際需求，將評價標準劃分為5個層級，分別為“初始級”“成長級”“穩定級”“管理級”和“優化級”，表示管理能力從高到低的不同等級［5］。依據各項指標的實際得分，結合指標權重，計算得出項目管理的成熟度等級，再根據成熟度等級確定后續改進方向。

2 數據采集項目管理成熟度權重計算

依據成熟度指標體系設計問卷，問卷對象為各院校專家和數據采集平臺相關管理者，問卷設置基本信息項，主要采集測評者院校、身份及年齡層次信息，不涉及具體信息，以保證匿名性。為方便統計，問卷采用網絡發放方式，依托軟件平臺進行結果收集，共發放254份，剔除無效問卷后，回收有效問卷236份。

運用SPSS軟件對問卷結果進行信度和效度檢驗，Cronbach’s α值為0.929，KMO值為0.912，Bartlett球形檢驗結果p=0.000，說明該問卷總體可信度比較高，且一致性比較好，符合預期效果［6］。由信度和效度檢驗的結果可知，問卷各項指標達到基本要求，可以運用結構方程進行分析。用Amos軟件對問卷結果進行結構方程分析，計算指標權重。一級指標直接用指標名稱表示，二級指標用T1～T15下分別表示，e1～e20表示殘差，模型擬合采用最大似然估計。對擬合結果通過MI值進行修正，使得各項指標符合標準，最終模型擬合結果如圖1所示，擬合參數見表2。由表2可以看出，卡方自由度比值為3～5，較為理想；NFI為規范擬合指數，IFI為增值適配指數，TLI為非規范擬合指數，均大于0.9，符合良好的要求；RMSEA為近似均方根誤差，雖未達到0.05的范圍內，但比較接近。由擬合參數可以看出，模型總體擬合比較好［7］。

由結構方程模型擬合結果，根據各項指標的因子載荷，計算指標權重。指標權重為各項指標在因子載荷總和中所占比重，總權重為一級指標權重和二級指標權重相乘結果，最終計算結果見表3。

由表3可以看出，采集與處理和總結報告對數據采集項目的影響最大，指標權重均為0.23；分析與挖掘的影響次之，指標權重為0.21；再次為組織準備的影響，指標權重為0.18；最后為項目籌劃，指標權重為0.15。不同指標之間權重不同，也反映出在教育數據采集項目進行過程中各個階段的重要程度不同，對最終成熟度評價結果的影響有差異，需要的成本投入也不同。

3 成熟度指標分析

由最終計算結果，得到5個一級指標和15個二級指標的權重。其中，采集與處理為數據采集項目的核心環節，總結報告為項目的收尾部分，二者對數據采集項目的影響最大，權重均為0.23。在采集與處理階段，為更好地進行數據采集工作，需對要采集的數據進行分類，例如，按照屬性劃分為定量和定性數據；按照結構化特征劃分為結構化、半結構化和非結構化數據；按照數據對象劃分為教師數據、學生數據和學生管理人員數據［8］。不論采取何種劃分方式，都是為了方便進行數據采集。匹配合適的采集方法，再通過平臺進行采集，具有更好的可操作性。為減小數據的損失，確保所采集數據的完整性，采集的數據一般具有原始性，需要先進行數據預處理，常見的數據預處理有數據清洗和數據集成，用來剔除異常值、填補缺失值、驗證數據合理性及精簡數據等。經過數據預處理，可對采集的數據更好地進行后續分析。需要注意采集工作中的數據安全，防止發生數據泄露，需根據不同使用主體設置數據庫開放權限，在保證滿足數據使用者需求的基礎上做好數據安全工作，做好個人隱私信息的處理及重要數據的加密保存等工作。

成熟的數據采集體系，不只是提供數據以供總結，更應該為后續改進提供參考并督促改進，達到采集評估目標，在周期性數據采集工作中實現數據采集項目管理能力的穩步提高。要盡量去除信息反饋中的主觀經驗性判斷，使數據能客觀準確地傳輸給多元主體。改變“重評估、輕改進”的導向，以促進教學管理工作持續改進，助力高等院校未來發展［9］。對所收集數據進行整合，建立數據庫，方便使用管理，同時為后續工作提供參照對比。撰寫一份完整的評估報告，作為教育數據采集項目的總體呈現，也是對所收集數據的整體分析思考，為管理者決策提供客觀參考。此外，還需要對采集項目的執行情況進行總結，包括項目進行過程中遇到的問題及最終解決辦法，每個階段的可交付成果、預期完成時間與實際完成時間的差異等，以作為分析項目執行情況的依據，為以后的數據采集工作提供整改方向?？偨Y報告作為數據采集項目的重要環節，直接影響數據的應用，是前期工作的沉淀，是最終工作成果的呈現，也是檢驗項目標準的關鍵一環，對管理者的決策起到決定性作用。

分析與挖掘指標的權重為0.21。在數據預處理之后，可通過對數據進行初步描述分析，直觀呈現數據的基本情況，再對數據進行深層處理分析，充分挖掘數據蘊含信息，及時發現教學問題，防微杜漸。需建立數據庫對數據進行存儲；為打破以往數據孤島現象，需打通各數據子集之間的數據通道，且將碎片化數據進行匯總。對處理后的信息采取直觀合理的數據可視化方案，不是單一刻板的數據圖形化，而是以圖表為媒介，從不同角度、不同數據組合中展現數據之間的關聯性和獨特性。根據數據的性質，可應用不同的可視化工具呈現，分析數據消費者需求，將數據處理分析結果直觀形象地展示出來，輔助多元主體做出價值判斷和決策。數據的合理呈現能在短時間內傳遞大量信息，并且展示其內涵規律，全面展示經提取的核心數據信息，化繁為簡。通過數據呈現，讓收集的數據得到良好的運用，但不是唯數據論，而是通過對數據客觀公正的解讀，結合教學實踐活動，基于客觀數據作出決策，并對教學基本狀態進行整體評價，發揮數據采集的最大作用。

項目籌劃和組織準備作為數據采集的前期工作，對整體采集工作也具有重要影響，權重分別為0.15和0.18。在項目籌劃階段，應對項目作出具體定義，明確數據采集項目的任務和目標，基于項目本身進行論證調查。管理者通過對項目成果的需求等進行分析，確定項目戰略方向及項目可操作性。項目的目標應該是具體的和可實現的，項目戰略方向應該是長遠的。在進行項目設計的過程中，需要對數據采集項目資源進行合理分配，同時確定人員分組，生成項目實施方案。采集的數據需全面涉及教學的各個環節，尤其是關鍵信息應無缺失遺漏，需要有固定的數據采集周期，對教學行為進行完整記錄［10］。采集何種數據，運用何種方式進行采集，都需要進行合理規劃，以提高數據采集的效率，同時有利于后續數據分析處理。

組織準備階段需要確定項目實施條件是否到位，人員素質、技術水平及制度保障都是其中的關鍵因素。有效的項目管理要求合適的人員擁有合適的技能，因此項目相關人員素質及人員結構組成要與項目需求相匹配，尤其需要專業的項目管理人員對項目現有資源進行整合管理。在技術水平方面，數據采集平臺建設的流暢性和完整性尤為重要，要提前對平臺進行測試，確保平臺良好運行，為評估達到預期效果奠定基礎。要保證數據采集活動順利運行，還需配套的管理制度保障，學校要對照要求完善制度，保證做到指揮協調無障礙溝通，組織人員充分發揮作用，實現既定組織目標。

4 結語

經過簡要分析數據采集項目的影響因素，闡釋了數據采集項目的內涵，同時確定了5個構成要素對數據采集的影響。雖然各個構成要素的影響程度有差異，但一個成熟的數據采集體系要求每方面均達到較高的成熟層級，達到局部和整體的統一。對數據采集項目管理進行成熟度評價分析，能夠為數據采集工作提供一個科學的參考標準，有利于促進數據采集工作的不斷優化。在數據驅動的采集評價體系下，數據采集分析周期化、科學化，能及時為教學管理提供信息，在院?，F代化教育中發揮關鍵作用。

本文運用結構方程模型進行分析，得到各個指標的因子載荷，計算出數據采集的各項指標權重，并根據計算結果對指標進行闡述，將數據采集項目分散化、具體化。在院校教育中，基于數據實行科學有效的教學管理，并出具年度教學狀態評估報告，有利于清晰反映教學問題并及時調整。本文對于指標的分類還可以進一步細化完善，在此基礎上結合多層次院校數據進行深入分析，得到更多的數據支撐，在實踐中不斷改進成熟度指標，為教學管理提供更加科學的指導。

參考文獻

［1］DAMA國際.DAMA數據管理知識體系指南［M］（原書第2版）.DAMA中國分會翻譯組，譯.北京：機械工業出版社，2020.

［2］楊現民，田雪松，方媛，等.中國基礎教育大數據2018—2019：走向數據驅動的現代教育治理［M］.北京：科學出版社，2021.

［3］Project Management Institute.項目管理知識體系指南（PMBOK指南） ［M］.6版.北京：電子工業出版社，2018.

［4］何新貴.軟件能力成熟度模型［M］.北京：清華大學出版社，2000.

［5］Project Management Institute.組織級項目管理成熟度模型［M］.北京：電子工業出版社 ，2009.

［6］李洪成，張茂軍，馬廣斌.SPSS數據分析實用教程［M］.北京：人民郵電出版社， 2017.

［7］吳明隆.結構方程模型：AMOS的操作與應用［M］.重慶：重慶大學出版社， 2010.

［8］王戰軍.高等教育監測評估理論與方法［M］.北京：科學出版社，2017.

［9］詹姆斯·桑德斯.教育項目評估標準：如何評價對教育項目的評估［M］.北京：北京大學出版社，2012.

［10］柴喚友，劉三女牙，康令云，等.教育大數據采集機制與關鍵技術研究［J］.大數據，2020，6（6）：14-25.

PMT

收稿日期：2022-10-17

作者簡介：

曲亮生（1967—），男，教授，研究方向：教育管理。

李宇輝（1996—），女，研究方向：項目管理。

宋瑤瑤（1996—），女，研究方向：高等教育管理。