来源：光明日报   2024-10-08

高等教育管理数字化在推动高等教育数字化转型中发挥着重要作用。大数据、人工智能、云计算等数字技术的广泛应用，成为优化教育过程、重建教育场景与改善教育评价的重要推力。然而在高等教育管理数字化推进过程中，也暴露出一些问题，诸如数据使用意识淡薄、数据采集处理质量不高、数据分析能力不足等，直接影响到高等教育数字化转型的成效。因此，有效提升数据使用效能，提升高等教育管理数字化水平，解决高等教育数字化领域中的应用问题，关键要从数据的“想用、好用、活用”三个层面着手。 

“想用”：强化数据使用意识

在当前的高等教育管理实践中，如教学资源、学习过程、考试成绩、教学管理、教学评价等各类数据，往往被分别存放在各个平台和系统中，未能充分发挥其潜在价值，而管理和决策过程仍依赖传统的经验主义和惯性思维。出现这一状况的首要原因是数据使用意识不强。从教育管理角度看，必须充分重视数据在高等教育数字化转型中的基础地位，不再把数据视为静态记录，而是作为洞察、评估和决策的有价值资源，强化“想用”数据的意识，挖掘各种数据的教育应用空间，为高等教育数字化转型提供坚实支撑。  

一是充分认识数据的重要价值。加强对数据重要价值的宣传教育，强调数据在提升教育质量中的重要功能，让教师、学生以及教学管理和服务者都意识到数据在教育和学习中的关键作用，推广数据的教育应用自觉。可以通过具体案例研究和实践展示数据如何在现实中发挥作用，例如，通过数据分析来识别学生的学习差异、定制个性化学习计划，通过跟踪数据来评估教学方法的有效性等。  

二是构建数据赋能的教育思维。制定和推行数据使用政策，明确数据在教育中的角色和价值，鼓励在教学和管理中主动利用数据，逐渐养成“让数据说话”的工作理念，以数据思维全面赋能学生学习、教师教学、教学管理以及教学创新等各个方面。  

三是促进教育数据的效能转化。在教育教学管理决策过程中，积极推动教育数据向教育成效的实践转化机制。建立数据分析团队，专门负责搜集、分析和解读数据，为教育决策提供依据，并将结果反馈到数据分析中，形成闭环改进机制。  

“好用”：提高数据处理质量

数据具有准确性、全面性、适用性等特征，能够为分析、解决相关问题提供支撑。随着高等教育数字化转型向纵深发展，数据逐渐呈现出来源多元化、格式多样化、属性多维化趋势。但在数据使用中，经常出现“数据不能用”“低价值数据”和“不易清洗数据”等难题，制约了数据运用效果。数据采集处理的质量不高，数据采集的规范体系尚未建立，影响了教育管理数字化向教育数字化的转化。必须建立科学完善的数据采集体系，把好数据准入端口，提高数据采集处理质量，为全流程高等教育数字化管理提供支撑。

首先，建立完善的数据治理体系。该体系可有效提高数据采集和处理的质量，确保数据的准确性和可靠性，使数据更加好用。教育部建设了高等教育质量监测国家数据平台，通过收集各高校在7个维度75个监测点上的标准化高质量数据，对全国高校实现常规监测，并以此作为评估各高校教学水平、人才培养质量以及专业建设成效的重要依据。高等院校也可根据自身学科和专业的具体情况，设置数据采集的完备体系，保证数据入口端的质量。  

其次，建立完善的数据管理制度。这对于提高数据采集处理的质量发挥着直接、显著的作用。重点是明确相关部门、岗位在数据采集中的职责和权限，规范多元数据采集中需求确定、数据收集、数据处理、数据提交等环节的程序与标准，确保数据的合规性和准确性。  

最后，建立数据共享平台及关联机制。通过该平台及机制，将不同来源、不同类型的数据进行关联和整合，形成完整的数据链条，实现数据互通和共享。这样一方面可以促进不同部门间的联系合作，提高数据利用效率和价值，另一方面也有助于提高数据准确性和全面性，保证教育数据在整个教育流程中的运转质量。  

“活用”：提升数据分析能力

充分、灵活地运用数据是提升数据运用效能的“最后一公里”。随着高等教育数字化转型进入“后半程”与“深水区”，强大的数据分析能力愈发重要。对此，必须确保相关数据能被有效解读并应用于实际决策，扩展其在高等教育数字化管理中的应用场景、应用功能与应用价值。  

一是提升数据处理能力。通过培训和实践，提高广大高等教育工作者在数据采集、整理、分析等方面的技能，使他们能熟练掌握数据分析工具和方法，对数据进行有效挖掘和应用。例如，中国人民公安大学通过对50余万条学生评教文本数据的深度挖掘，构建了包含5个维度23个层级的教学质量评价模型，有效实现了对教师教学质量的精准评估和诊断。  

二是创新数据分析方法。运用大数据分析、云计算、人工智能等技术对数据分析方法进行创新，可以深入挖掘教育数据，建立教育管理大模型，更好地发挥数据的潜在应用价值。例如，重庆大学通过建立教学数据模型，实现了教学质量的动态监测和评估，推动了教学质量的精准判断和科学决策。

三是加强数据可视化展示。复杂的数据通过可视化转化为易于理解的图形、图像、图谱等形式，可以提高数据的可读性和知识化，便于教育工作者和使用者理解、应用。例如，北京理工大学着力推动“三谱合一”（知识图谱、素质图谱、能力图谱）下的人才培养，通过将知识图谱与学生的素质图谱进行匹配，构建出学生的能力图谱。  

综上，高等教育管理数字化是高等教育数字化的重要推力。在我国高等教育数字化转型向纵深推进的关键阶段，数据的运用效能是决定转型质量的关键因素。通过强化数据使用意识、提高数据采集和处理质量，提升数据分析能力等举措，可以有效提升数据运用效能，提升高等教育管理数字化水平，赋能高等教育数字化转型，推动高等教育向高质量、智能化、个性化方向发展，为建成教育强国提供有力支撑。  

（作者：李建龙、牛振东，分别系中国人民公安大学教务处助理研究员、北京理工大学教育学博士生，北京理工大学教授、博士生导师）