AI时代数据赋能高校变革创新

AI时代 数据赋能高校变革创新

“健全数据基础制度，大力推动数据开发开放和流通使用。”3月，2024年国务院政府工作报告这样布局。

“展望2024年，数字中国发展将进一步提质提速。数字技术和数据要素深度耦合发展，成为拉动数字经济增长新的爆发点……”6月，刚刚发布的《数字中国发展报告（2023年）》这样展望。

数据资源已成为国家重要的战略资源和关键生产要素。随着数字技术的革命性发展，人类社会正加速迈向数字化、网络化、智能化的新时代。数据作为新型生产要素，打破了传统生产要素的质态，为新质生产力的发展提供了强大动能。

对于教育，数据同样是重要的新型生产要素。5月，教育部透露，正加快推进国家教育大数据中心建设，探索建设“教育一张图”，推动教育治理高效化、精准化，促进教育决策和教育管理方式变革。

高校作为科技创新和人才培养的高地，其数据应用日益广泛，从教学管理到科研创新，再到学生服务，数据的身影无处不在。新形势下，高校数据治理也迎来新的机遇。高校数据治理有哪些发展趋势，面临哪些挑战，如何推动数据赋能，这些问题都有待探索和解答。

2024年，在国家教育数字化战略行动步入第三个年头之际，教育部表示，将聚焦集成化（Integrated）、智能化（Intelligent）、国际化（International）的“3I”方向，坚持应用为王，推动数据赋能教育变革创新。

为让数据更智能，教育部启动人工智能赋能教育行动，其中包括实施教育系统人工智能大模型应用示范行动（LEAD行动），加快研制教育专用大模型“智思体”（GEST），推动大模型从课堂走向应用。

人工智能（AI）技术的快速发展，为高校数据治理带来了前所未有的机遇。人工智能通过数据分析、机器学习、自然语言处理等先进技术，深度挖掘和分析教育大数据，实现了对学生学习行为、教师教学质量的精准评估，为教育决策提供科学依据。正如中国工程院院士、同济大学校长郑庆华所言，人工智能不仅具有前所未有的数据汇聚能力，而且能分析、能处理、能计算、能生成新的内容，在数据分析挖掘过程中，能够催生新质生产力，发现过去人所不能发现或没有发现的新现象、新规律、新问题。

在调查和采访中，来自高校信息化部门的专家肯定了数据治理的“智能化”趋势。他们认为，人工智能和数据治理互相增补，同时又有“化学反应”。

华中科技大学网络与信息化办公室副主任吴驰表示，一方面，数据是人工智能实现的核心基础；另一 方面，人工智能给高校数据治理提出了新要求。“这个新要求是：更深入、更广泛、更准确。”

郑州科技学院信息化建设与管理中心主任李振峰表示，高校不应让海量数据在仓库中“睡大觉”，而要让数据通过治理输出价值。“人工智能应用是数据治理最好的价值输出载体，同时，人工智能又倒逼数据治理走深走实。”

中国石油大学（华东）信息化建设处副处长杨爱民认为，“AI+数据创新场景应用”能强化数据质量，让数据更好用，实现更高效、更智能的数据治理。

当然，在为数据治理“加码”的同时，人工智能技术也给高校数据治理带来了新挑战。人工智能技术的伦理和法律问题日益凸显，如何在保障数据安全和个人隐私的前提下，充分利用人工智能，是高校数据治理亟待破解的难题。

在技术驱动下的高等教育变革中，推动构建更智能、更高效的数据治理体系，已成为高校数据治理不可逆转的趋势。

高校数据治理是一项持续且复杂的系统工程，它只有启动之时，而无完成之日。高校数据治理面临着多重挑战。对于这些挑战，高校在不断的探索实践中给出破局之道。

一是观念意识挑战。从学校领导到各部门院系的师生员工，数据治理的重要性和必要性需要得到学校各利益相关者的高度认可。学校要在人、财、物等方面给予数据治理工作全方位的支持。在美国高等教育技术协会（EDUCAUSE）近日举办的一场关于高校数据治理的研讨会上，高校数据专家们表示，推进数据治理最大的阻力就是用户对数据治理的认同度。他们给出的解决方案是，加强全校范围沟通，积极倾听并换位思考，理解来自师生对数据治理的合理关切和担忧，并针对性地做出回应和改进，积极开展数据素养相关培训，培养以数据为依据决策的校园文化。

在观念意识方面，除了对数据治理工作认可、支持并积极参与，还要防止出现“认知偏差”，也即不要把具体的治理落脚点，当成治理的全部或重心，而应从宏观的、从整个学校的高度审视数据治理问题。

二是体制机制挑战。传统管理模式下，高校各部门间数据系统往往相对封闭，信息难以有效共享，数据治理的标准和规范不统一，数据难以兼容和互认，形成了“数据孤岛”。打破“数据孤岛”，体制机制变革势在必行。因此，在明确数据治理目标的基础上，建立完善的数据治理框架是首要任务。

英国牛津大学通过创建数据治理框架和实施数据战略来明确各方角色和职责、标准和程序，确保数据的准确性、完整性、一致性、有效性、及时性和唯一性，并将数据应用于各种需求。

澳大利亚昆士兰大学对数据信息的整个生命周期，从“创建和捕获”，到“保留和归档”，再到“处置或销毁”，做出详细规定，优化对数据的使用，将数据用于做出更明智的业务决策。

对外经济贸易大学信息化部门成立专门的“规划科”，制定数据治理规划方案，召开数据治理研讨会，协同推进数据治理工作。

中国石油大学（华东）通过聚焦“人、财、物”三要素和“办事、信息”两个关键联结点，布局数字化平台，以平台聚力，协同推进，精准对接，推动学校组织从分散化到整体化、层级化到扁平化转变。

总之，制定科学合理的数据治理规划，加强顶层设计和统筹协调，完善数据治理标准和规范，是打破数据壁垒，推进数据治理和应用的关键。

三是数据质量挑战。在高校数据治理中，由于数据采集、存储过程中的标准不一，导致数据质量不高，影响分析结果的准确性，这种现象普遍存在。

数据质量是数据治理的基础性工作，只有高质量的数据才能确保数据治理的有效性。关于如何确保数据质量，我们从高校数据专家的建议中归纳出两个关键点：

首先要重视数据的源头，确保“一数一源”，统一规范；其次要在数据治理的动态过程，也即数据的联通、使用、校准中，通过有效措施持续进行数据质量监测和改进，把好“质量”关。

四是数据安全挑战。随着高校数据规模的不断扩大，数据安全和隐私保护问题日益严峻。数据洞察力和数据安全之间如何取得平衡？数据价值挖掘如何在合法合规、遵循伦理约束的前提下进行？是高校数据治理必须解决的难题。

在高校数据治理中，要建立全生命周期的数据安全治理体系，完善数据安全分类分级制度，细化数据权限管理机制，以发展保安全，以安全促发展。

杨爱民表示，在数据治理实际工作中，要确保数据安全，必须做到“事前有防范，事中有管控，事后有审计”。

吴驰表示，确保数据安全可控的关键是建立全方位、立体式，管理和技术深度融合的安全防护体系。“要做到用制度管住人、用技术管住数据。”

其中，在隐私保护方面，学校可以根据实际情况来设置隐私保护的领导机关。在国外高教领域，一些学校设立了首席隐私官（CPO）；也有一些由首席信息安全官（CISO）负责。

除了严格的安全制度规范，数据安全保护还要依靠技术实现。

正如中国工程院院士、清华大学教授吴建平所述，在数据治理过程中，对数据的保护和使用需要由核心技术处理。要重视对网络安全和数据安全新技术的应用，用核心技术解决数据安全问题。

五是人才团队挑战。高校数据治理需要专业人才支撑，缺乏专业的数据治理团队和技术支持，难以有效应对复杂的数据管理和分析需求。

为此，高校应建立一支高素质的数据专业队伍，培养和引进数据专家、数据分析师，提高数据治理人员的专业素质和能力。专业团队要覆盖学校信息化规划部门、建设实施部门和其他二级单位，确保数据治理工作可以实现“顶天立地”。

高校数据治理的最终目标是什么？简而言之，可以用“赋能”这个关键词来概括，就是要让高校“依靠数据决策”，来代替传统的“依靠经验决策”。高校数据治理，应深度挖掘数据要素价值，推动数据赋能，使数据与教学、科研、管理充分融合，发挥数据“乘数效应”，推动高校治理体系创新与高质量发展。

高校数据治理的“赋能”涵盖了学校发展规划、师生管理与服务、智慧校园建设以及跨校际与跨行业数据共享等各个方面，涉及教育的全方位、全过程、全要素，不断助力提高管理效率、优化资源配置、促进科研创新、提升教育公平、培养创新人才。

在2024年EDUCAUSE十大教育话题中，数据赋能是其中不可忽视的亮点，其中包括深入挖掘数据，改进数据质量和治理，以降低管理成本、助力高校财务决策、解决招生危机、改进学生学习等等。

中外高校推动数据赋能的案例也不胜枚举。

美国密歇根大学启动了科研数据管理计划（RDSI），为大学的科研社区分享与科研数据管理相关的资源、挑战和最佳实践。

美国圣地亚哥州立大学采用数据驱动的方法，建立了协作模式的多机构平台——公平人工智能联盟（EAIA），倡导可访问的人工智能解决方案并分享最佳实践。

上海财经大学采用数据中台理念，规划设计并开发了独立的人员数据中心库，构建高质量的人员数据中台，进而支撑业务系统建设，充分挖掘、释放人员数据价值。

华中科技大学针对师生反应强烈的数据“三不一反复”问题（数据不集中、不准确、不一致，以及单位、师生反复填表），全面推进“一张表”平台的建设与应用，对提升数据价值、提高管理效率具有重要意义。

随着人工智能等信息技术的飞速发展，数字化转型已成为高校高质量发展的必然趋势。数据治理作为数字化转型的重要组成部分，通过构建数字化协同场景、打造数字化管理平台、运用数字化技术手段等，推动高校实现更加便捷、高效、智能的管理和服务，为师生提供更加优质的学习和工作体验。

数据治理通过赋能数字化转型，助力“因材施教”的千年梦想照进现实。

来源：《中国教育网络》2024年6月刊