高等教育數據治理的未來趨勢：構建統一數據模型

摘要：為了進一步提升高等教育數據治理水平，美國高等教育信息化專業組織（EDUCAUSE）于2024年發布了《2024地平線行動計劃：統一數據模型》，從提升學生全面體驗、加強數字素養培訓、構建數據網格體系架構、建立行業互操作標準、實現全面學習記錄五個方面，描繪了高等教育統一數據模型未來十年的愿景目標，從個人、部門、機構、跨機構合作四個層面，闡述了具體的行動方案。本文通過對該報告內容進行分析和解讀，提出了可行的高等教育統一數據模型實施路徑——健全組織機制和標準規范以強化頂層設計、完善法律法規和防護措施以確保數據安全、強化人員數據素養培訓以塑造數據文化氛圍、拓展數據技術應用場景以釋放數據要素價值，進而構建育人為本、全員參與、開放共享的高等教育數據治理體系。

關鍵詞：地平線行動計劃；統一數據模型；數據治理；數據素養

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2024）24-0101-06

引言

隨著人工智能和大數據等信息技術日臻成熟，高等教育領域數據治理和數字化轉型加速推進，數據資產的價值日益凸顯。構建一致化、標準化的數據治理體系，發揮數據要素價值，成為推動高等教育現代化治理的關鍵。[1][2]

美國高等教育信息化專業組織EDUCAUSE在2023年以數據治理為主題發布了專題報告——《2023地平線行動計劃：數據治理》（2023 EDUCAUSE Horizon Action Plan：Data Governance），描述了高等教育數據治理的未來目標和行動方案。[3]

在此基礎上，EDUCAUSE發布了《2024地平線行動計劃：統一數據模型》（2024 EDUCAUSE Horizon Action Plan：Unified Data Models，以下簡稱《2024行動計劃》），提出了高等教育數據治理面臨的數據協同障礙、數據孤島問題、數據應用不足以及數據隱私與倫理等問題，并給出了構建統一數據模型的未來目標和實施計劃。[4]本文分析解讀《2024行動計劃》，旨在洞察國際高等教育領域數據治理和統一數據模型的發展前沿和未來方向，為我國高等教育數據治理和教育改革提供參考。

總體框架

《2024行動計劃》基于高等教育領域的9位專家組成的專家小組的觀點，借鑒并調整了未來研究所（IFTF）的前瞻方法論。首先，專家組基于《2023 地平線報告：全面學生體驗版》（2023 EDUCAUSE Horizon Report：Holistic Student Experience Edition）提出的發展趨勢、技術實踐、應用場景，描繪他們對統一數據模型的未來愿景，識別出可以促成未來愿景的機遇和危及理想未來的威脅，針對這些機遇和挑戰集思廣益，提出了具體行動方案，并給出了未來規劃圖景。[5]其總體框架如下圖所示。

數據收集和數據分析已日漸成為高等教育機構的核心職能。數據分析入選2024年EDUCAUSE十大焦點問題之一，在《2023年地平線報告：全面學生體驗版》中，將“基于統一數據模型的學習分析”列為將對未來高等教育產生重大影響的關鍵技術之一。高等教育機構數據戰略與數據資源的不匹配成為亟待解決的問題，其對學生數據隱私和安全、全面學生體驗以及學生入學率和在學率都產生了影響。通過匯總分析《2024行動計劃》中高等教育統一數據模型的發展現狀和未來規劃，高等教育機構可以深入了解構建統一數據模型的重要意義，及面臨的機遇和挑戰，并及時規劃未來發展路徑，這樣有助于匯聚數據資源、發揮數據價值，實現機構數據戰略，服務學生全面成長，進而促進高等教育治理能力現代化。

未來目標

專家組從提升學生全面體驗、加強數字素養培訓、構建數據網格體系架構、建立行業互操作標準、實現全面學習記錄五個方面，描繪了高等教育統一數據模型未來十年的愿景目標。

1.提升學生全面學習體驗

首先，教育機構以學生全面成功為中心，構建數據治理的文化、流程和體系，充分利用公平、包容、以人為本的數據治理實踐，提升學生教育體驗。制訂并實施有效的數據治理政策，保障學生的數據支配權，其中包括訪問控制、隱私保護、數據安全及賦予學生適當的自主權（如提供細粒度的同意或選擇退出的流程）。此外，教育機構設立專職團隊，持續審查學生數據在收集和使用過程中可能存在的倫理和隱私風險。數據治理人員以數據治理為首要考量，審慎評估新技術帶來的潛在機會和挑戰。數據使用者積極參與，持續發掘數據需求，并在管理和教學各個層面充分挖掘數據效能。最后，教職工利用機構內的數據資源，優化教學方法，實現教學目標，并為學生提供有針對性的、建設性的反饋意見。

2.為師生提供數字素養培訓

所有數據利益相關者（教師、學生、數據治理人員、管理者等）能夠理解數據收集、使用、存儲及保護的每一個環節。一方面，學生學習如何獲取自身教育數據，從而掌控自身學習情況；另一方面，教育機構為教職工提供數據技能培訓，幫助他們建立利用數據進行日常決策的能力。同時，數據使用者能夠使用自然語言進行數據查詢和數據可視化呈現，并通過講述有意義的數據故事，分享工作成果。

3.構建數據網格體系架構

數據網格體系架構作為一種創新的數據管理框架，可以促進不同數據源的統一與整合。各業務領域專家負責各自領域內（如教務、財務、科研等）的數據治理，負責構建和維護用于定義、清理、驗證和發布數據集及數據產品的業務框架。同時，不同領域數據通過虛擬管道技術進行無縫連接，或存儲在機構數據倉庫中，供傳統應用場景利用。采用集中的全局數據治理方法，使用戶能夠跨職能領域實現數據導出、集成、分析和可視化。

4.建立行業互操作標準

數據字典和數據管理的行業互操作標準，為跨功能領域乃至跨機構整合數據提供必要的基礎設施。這些標準通過細粒度的、基于屬性的數據訪問控制，確保利益相關者能夠獲取所需數據，同時尊重個人隱私并降低數據安全風險。

5.充分利用綜合學習記錄系統

該系統為學生提供全面、縱向的學習記錄，目前已演進至“CLR2.0”版本。除單一機構的數據記錄外，CLR2.0還整合了學生從K-12到高等教育、替代證書（如微證書、認證）以及工作場所的學習經歷，其終端用戶（特別是學生）能夠運用先進的AI工具分析、總結和報告學習數據。同時，CLR2.0通過提供更全面的數據資源，幫助教育機構理解學生需求，有針對性地規劃學生學習，提高入學率和在學率。

行動計劃

專家組從個人、部門和單位、機構、機構間合作四個層面，分別制訂了一系列行動方案，以實現未來十年的愿景目標。

1.個人層面

一是注重數字素養提升。個人應培養好奇心和終身學習的態度，積極參加數據倫理相關培訓，以便在工作中正確使用數據，以及在日常生活中正確地分享和保護個人隱私數據。

二是優化數據管理。在工作中注重審查數據質量、保護數據安全、控制數據訪問權限，人人參與數據管理，確保數據真實可靠。

三是讓學生利用數據。向學生提供數據資源和數據分析結果，以支持學生數據素養提升，并激發他們參與自身教育的熱情。通過基于數據的形成性反饋，學生可以評估自身學習進展，與教師互動反饋。學生參與數據互動也有助于在將來的數字社會中更好地工作和生活。

四是積極參與數據收集。及時廣泛地收集數據有利于提高數據集的一致性和完整性，以及流程的高效性。需要注意的是，擴大數據收集范圍會增加錯誤概率和安全隱私風險，所以持續的數據素養培訓至關重要。

2.部門及單位層面

一是重新設計工作流程和崗位描述。重新定義工作描述和職業發展路徑，明確數據責任和數據管理職能，分配所需的資源和人員，確保數據治理工作高效執行。同時，為團隊成員提供適當的激勵和資源支持，以提升數據實踐。

二是為學生提供數據工具。一方面，授權學生從入學到畢業的在校數據訪問權限，以便學生了解自身學習情況；另一方面，為學生提供數據工具和相關培訓，幫助學生充分利用數據工具發揮數據價值。

三是使用數據網格體系架構。進一步打破數據壁壘，實現機構內部各部門間的數據共享，以便集成多元數據集。此外，邀請主題專家指導數據輸出和定義，可以降低諸如數據誤解等風險。

四是構建可擴展的技術基礎設施。可擴展的數據提取能力是人工智能、學習分析等技術的關鍵因素。確保技術基礎設施可擴展，以適應不斷變化的數據需求。同時，安排專職人員維護數據資源和數據系統，并為團隊成員提供技術支持。

五是建立數據質量保證機制。高質量數據有助于高效整合不同平臺數據集，數據質量保證流程要做到有記錄、可追溯，確保數據的完整性、一致性。

六是明確數據流程和數據工具。明確數據集成和數據訪問的流程和工具，有利于保障數據安全。同時，相關流程和工具能夠保證數據訪問的安全性，促進數據民主化和數據整合。

七是建立數據收集策略。數據收集策略應當與機構戰略目標保持一致，清晰的愿景有利于未來工作規劃并獲得員工支持。基于戰略的數據收集有助于洞察關鍵績效指標，為未來戰略發展提供指引。

八是為師生提供數據素養培訓。幫助師生理解數據價值，并將數據素養作為生活必備技能，包括了解數據標準規范、rC/qoOA8JXh9j4/DVghwFi7XLKbHUxE4ptyyCkowoSg=厘清本地數據類型、明確數據清潔的重要性等。

3.機構層面

一是確立機構層面的數據素養發展要求。機構數據用戶應在數據使用方面達成共識，以促進全面數據分析。開展機構層面的數據素養培訓，有助于數據用戶在特定的數據環境中開展數據實踐。

二是為數據導向型思維提供財政和文化支持。利益相關者需要明確數據何時可用，如何獲取，如何使用。機構保持數據公開透明以增強利益相關者對數據的信心。

三是增加AI數據分析研發方面的投入。投入的時間和經費屬于戰略性投資，將有助于發揮數據效能，提高工作效率。此外，支持數據驅動的科學決策，將有效提升學生全面教育體驗。

四是獲取高層領導者的財政和文化支持，促進數據協調統一。機構領導層可提供高層級資源，用于支持數據驅動的科學決策，并確保數據使用者可以及時有效獲取數據。

五是建立機構范圍內的數據實踐社區，推進最佳實踐分享。社區成員無需額外工作，而是將數據實踐融入日常工作中。此外，吸引相關主題專家加入社區，為數據實踐提供指導。

六是制訂全面的數據治理戰略和準則。統一的質量保證要求、標準化的數據字典、明確定義的角色和權限等基本準則，可以促進利益相關者之間的數據互信，從而促進數據利用。

七是將信息安全融入數據戰略和流程中。加強數據安全保障是高效使用數據、避免倫理問題的基礎。清晰的數據分類和訪問權限應貫穿各個數據流程始終。

4.跨機構合作層面

第一，加入國內或國際數據實踐社區，分享交流最佳實踐、共同的挑戰和公共的資源，利用這些知識指導數據治理工作。還可以利用合作關系跳出傳統思維桎梏，打破機構現有框架，迎接未來挑戰。

第二，制訂統一數據模型的行業標準，同時保持定制靈活性。數據互操作性、質量保證、訪問控制、數據匿名化等數據屬性的標準化，將促進跨機構的數據分析和通用數據集的創建。

第三，采用符合行業標準的共享數據集和數據工具。一致的、高質量的數據分析工具將促成更好的機構合作，從而提升學生全面教育體驗。同時，共享基礎設施有助于各個機構利用更少的資源實現更多的成果。

第四，倡導行業合作伙伴公開透明、公平定價。第三方工具的說明條款必須明確闡述數據的采集、分享、管理過程，以及終端用戶的信任。此外，利用正式的跨機構合作伙伴關系（如聯合體、聯盟等）增加機構合作的影響力。

未來規劃

1.明確所在機構的需求

了解當前現狀對于計劃的制訂至關重要，可通過以下步驟了解所在機構利益相關者的需求和興趣。第一步，識別所在機構中關注統一數據模型未來發展的利益相關者，制作一張關鍵人員清單。在識別過程中，充分考慮各職能部門相關人員。第二步，從人員清單中抽樣調查，針對左表所列主題，討論所在機構統一數據模型的現在和未來狀態。第三步，記錄對話中的關鍵要點，包括引用的資源和文檔，如網站和機構政策等。反思調查結果，并思考如何與本報告中的結果達成一致。第四步，為下一步制訂行動計劃。首先識別各職能領域中可以合作的關鍵成員，考慮哪些是已經準備好迅速行動的利益相關者，哪些具有相當影響力且能突破障礙，哪些是抗拒變化、需要幫助才能看到未來愿景的人。

2.制訂未來行動路線

基于本報告描繪的未來愿景，結合上面的研究和調查結果，規劃出將當前現實逐步轉變為理想未來的短期、中期和長期行動計劃，形成行動路線圖。

啟示

1.完善組織管理制度，建立統一標準規范

一是健全組織架構，細化崗位職責。高校建立決策層統籌規劃、管理層指導協調、執行層實施推進的三層組織架構[6]，有利于數據治理決策和執行的統一管理。設立由高層領導和首席信息官組成的數據治理委員會，負責制訂數據治理戰略和目標，審批數據管理制度、標準和規范等。設立由主要業務部門和信息技術部門組成的數據治理辦公室，負責數據治理相關的日常管理工作。設立由技術人員組成的數據治理工作組，負責推動各業務領域數據治理工作并評估治理成效等。

二是建立數據治理規范，統一數據標準。中國國家標準化管理委員會于2024年5月發布的《信息技術 大數據 數據治理實施指南》

（GB/T 44109-2024），為大數據環境下開展數據治理的規劃、執行、評價和改進提供了過程指南。[7]高等教育機構依據自身辦學理念和專業特色，制訂適合自身發展的數據治理相關制度和規范，有利于整體規劃、數據集成、數據質量管理、數據安全管理等數據治理工作的高效執行。教育部門應當建立行業統一數據標準，包括數據分類、數據格式、數據接口、數據編碼、數據共享等相關標準，形成行業互操作標準，以保證數據質量，打破機構內部、機構之間乃至跨行業的數據壁壘，實現教育數據互聯互通和共建共享。

2.筑牢網絡安全防線，防范隱私數據風險

網絡安全是底線，數據安全是生命線。高等教育機構應當落實安全責任制度，增強網絡安全和隱私保護意識，守住安全防線，確保機構和個人利益不受損害。

首先，健全法律法規和管理制度。進一步完善數據安全和隱私保護相關法律法規，使用法律手段保護機構和個人在網絡空間的合法權益。高等教育機構制訂相應的數據安全管理辦法，明確安全管理責任、評價考核機制、風險評估辦法及數據收集使用規則等，為機構開展數據治理提供制度保障。

其次，加強數據全生命周期安全防護[8]，做到“人人懂安全，個個會應急”。一方面，在數據采集和處理過程中遵守最小化原則和自愿原則，避免數據外溢風險；另一方面，建立安全應急響應機制，對數據泄露、損毀、非法使用等數據安全風險和威脅，明確響應流程和問責機制，有效控制安全事件影響范圍。

最后，增強個人數據保護意識，做到“人人懂數據，個個會防護”。普通用戶作為數據生產者，應當提升數據安全和隱私保護意識，在參與數據采集時，尤其是重要數據和個人敏感信息，依據最小化授權原則，防范隱私數據泄露風險。

3.全面提升數據素養，深入發掘數據動能

隨著大數據技術的深入應用，數據的觸角已經延伸到教育教學和管理服務的各個角落，對高校師生的數據素養提出了更高的要求。提升師生數據素養，有利于高效收集、分析和利用數據，發掘數據潛能。

一是提升數據意識，促進數據共建共享。在管理層面，建立數據思維，重視數據價值。在制訂教育治理發展規劃時，充分考慮將數據技術應用于日常教學、科研管理、績效評價等領域；在執行管理決策時，充分利用現有數據資源，實現“用數據管理，憑數據決策”。在技術層面，提高技術敏感性和數據質量意識。關注自然語言處理、數據可視化、隱私計算等技術發展前沿，探索利用新技術進行數據治理的應用實踐，提升數據管理效率和治理水平。

二是開展數據素養培訓。高等教育機構應當針對不同人群制訂數據素養培訓計劃，定期開展培訓，幫助師生理解數據價值，了解標準規范，培養數據驅動的思維模式。為師生員工提供數據分析、數據可視化等數據工具的使用培訓，培養師生分析利用學習數據和教學數據的能力，有利于提升學習效率和整體教學水平。另外，鼓勵師生積極參與數據收集，有利于積累教育數據資源，提高數據集的一致性和完整性。高等教育部門和機構建立不同層次的數據素養數字化資源庫，匯集相關學習資源，提供泛在學習環境。

4.創新數據技術應用，服務學生全面教育

統一數據模型是高等教育數據治理的關鍵，服務學生全面教育是高等教育的核心目標，高等教育機構以統一數據模型為基礎，以人工智能、數據分析等新型技術為催化劑，以服務學生全面成長為導向，拓展教育教學和管理服務應用場景，有利于提升學生全面教育體驗。

一是創新數據技術應用。推進數據思維進校園、數據技術進課堂，拓展日常教學中的數據技術應用場景，課堂上引入經過實證的切實有效的大數據技術，如大模型輔助英文寫作[9]、基于大數據挖掘的反饋型數學學習[10]等，提高學生學習興趣和效率，減輕教師教學效果評估與輔導工作量。

二是鼓勵學生接觸和利用數據。挖掘學生在校數據，包括第一課堂、第二課堂、心理健康、體能測驗等場景，提供面向學生個人的學業分析、學業預警及學業規劃。向學生開放個人數據訪問權限，為學生提供數據分析工具和使用培訓，便于學生掌握個人學科、專業、素質教育等學習分析和評估結果，并依據評估結果制訂學業計劃和職業規劃，建立面向學生個體的計劃、執行、評估、改進的教育教學模式。

參考文獻：

[1]王健，蔡國春，宋蘇軒.高校數據治理的新理路，基于集體行動的邏輯[J].江蘇高教，2024（06）：38-46.

[2]宋永磊，羅江華，王靜賢，等.高等教育數據治理的未來圖景與實施路徑——美國《2023EDUCAUSE地平線行動計劃：數據治理》解讀與反思[J].中國教育信息化，2023，29（09）：29-36.

[3]EDUCAUSE.2023 EDUCAUSE Horizon Action Plan： Data Governance[EB/OL].（2023-03-06）[2024-09-06]https：//library.educause.edu/resources/2023/3/2023-educause-horizon-action-plan-data-governance.

[4]EDUCAUSE.2024 EDUCAUSE Horizon Action Plan： Unified Data Models[EB/OL].（2024-03-11）[2024-09-06]https：//library.educause.edu/resources/2024/3/2024-educause-horizon-action-plan-unified-data-models.

[5]EDUCAUSE.2023 EDUCAUSE Horizon Report：Holistic Student Experience Edition[EB/OL].（2023-10-02）[2024-09-06]https：//library.educause.edu/resources/2023/10/2023-educause-horizon-report-holistic-student-experience-edition.

[6]國家標準化管理委員會.信息技術服務治理 第5部分：數據治理規范.GB/T 34960.5-2018[S].2018-06-07.

[7]國家標準化管理委員會.信息技術 大數據 數據治理實施指南.GB/T 44109-2024[S].2024-05-28.

[8]王世晞，張亮，李嬌嬌.大數據時代下的數據安全防護——以數據安全治理為中心[J].信息安全與通信保密，2020（02）：82-88.

[9]賈積有，樂惠驍，張譽月，等.基于大數據挖掘的智能評測和輔導系統設計[J].中國電化教育，2023（03）：112-119.

[10]劉淑君，李艷，楊普光，等.智能作文評價的效果研究[J].開放教育研究，2021，27（03）：73-84.

作者簡介：袁興華（1986.9—），女，山東青島人，工程師，碩士研究生，研究方向為信息化建設、通信技術；何林知（1988.12—），男，浙江諸暨人，工程師，碩士研究生，研究方向為信息化建設、模式識別。

基金項目：浙江省省屬高校基本科研業務費項目資金資助（項目編號：2023ZX03）。