大数据时代高校研究生教育管理的变革——基于发达国家实践的考察

张凌云 陈 龙



大数据时代高校研究生教育管理的变革——基于发达国家实践的考察

张凌云 陈 龙

大数据时代下，主要发达国家都从学校、区域、国家与国际四个层面构建研究生教育管理大数据，并积极对管理进行变革，主要趋势表现为：管理理念由“管理本位”向“服务本位”转变；管理范式由“数据驱动决策”向“数据形成领导力”转变；管理目标由“以提高管理效率为目的”向“以研究生增值为中心”转变；管理手段从以控制为主向以预测为主转变。我国研究生教育管理变革应优化大数据环境，激发高校作为；重塑研究生教育管理理念，催生高校研究生教育大数据战略；构建大数据服务模式，促进多元主体的参与与协同；优化大数据平台与服务系统，增强服务与预测能力。

大数据；研究生教育；管理变革

大数据时代，研究生教育管理实践既面临着诸多问题，如数据规模的扩张与数据管理水平低下间的矛盾，数据的爆炸式增长与处于朦胧状态的数据分析能力间的矛盾等；同时又面临前所未有的发展机遇，发达国家都积极抓住大数据带来的契机进行管理的革新与探索。而真正把握机遇的关键是要对研究生教育管理大数据深入洞察，对研究生教育管理在大数据时代的变革趋向进行系统的把握。

一、大数据与研究生教育管理大数据

大数据不仅是现有数据的扩展，而且还用于描述数据（包括结构化、半结构化与非结构化数据）的增长与可利用性。这既是对数据本义的回归，又意味着数据在收集与挖掘过程中的系统性与复杂性。

1.大数据及其特征

学术界对于大数据特征的解读主要集中在两个方面：①从数据本身出发，认为大数据以“4V”为特征。volume即数据量，主要指数据的全局性、海量的规模；velocity即数据速度，强调数据的实时性；variety即数据多样性，强调数据的多元性与异质性；value即价值，强调大数据的洞察力。每个“V”既是对大数据特征的描述，也预示着大数据将要带来的变革与挑战。②从过程与投入的视角出发，侧重于大数据技术的可利用性与影响度。从这个角度看，大数据呈现出复杂性与持续性特征，这种复杂性体现在大数据收集、分析与挖掘的方方面面，包括网络、云计算等计算能力、存储和归档设施等基础设施的构建；数据基地、数据挖掘与探索等核心信息技术的运用；机器学习，视觉分析，统计数据等分析能力的习得与应用；以及贯穿其中的伦理问题等。

2.研究生教育管理大数据

研究生教育的特殊性及其与社会发展、知识生产的密切关系决定了研究生教育管理大数据具有很强的实时性、历时性、全面性、多样性和自然性的特征，数据的采集、挖掘、分析与应用更加复杂。笔者认为研究生教育管理大数据应包括整个研究生教育过程中所产生以及根据需要采集的，乃至与研究生教育相关联的其他领域的一切用于研究生教育管理和教育发展的数据。从空间维度上看，包含学校层面、区域层面、国家层面与国际层面。

（1）学校层面数据，主要指围绕研究生培养所产生的研究生个体与群体、教师、管理者的行为数据和各种综合性数据。既包括状态描述数据，如学生人数、研究生奖助学金覆盖情况、学生毕业信息等；也包括过程数据，如学生过往信息、选课信息、参与学术活动信息、师生互动信息等；同时还包括研究生教育管理的综合数据，比如学校研究生教育基本状况数据，各项评比数据等。而从数据类型看，包含结构化数据，如学生档案、校友档案、导师信息等，这类数据多存储在数据库里；也包括各种非结构化数据，如学生个人的表现、师生交流情况等通过全文文本、图象、视频、超媒体等呈现的数据。

（2）区域层面数据，即区域层面研究生教育数据的发掘、收集与共享。政府与第三方组织在其中扮演着重要的角色。以美国为例，一方面，政府在大数据收集、数据平台建设与数据挖掘方面发挥组织与联系的作用。比如为了跟踪学生教育信息，美国教育部开始与州合作，开发各州之间的长效数据系统（SLDSs State Longitudinal Data Systems）。为了挖掘研究生就业结果的信息，部分州实现了公共就业数据库的共享，但这种做法的缺点在于无法跟踪在其他（非合作）州就业的学生信息。为了有效弥补这一缺陷，西部各州试点了各州之间的数据共享协议，即“合法的数据共享协议”[1]。另一方面，美国许多高校通过与第三方合作，实现数据的共享，合作的前提是要保证数据的延展性。比如研究生院委员会（Council of Graduate Schools，CGS）各成员高校积极参与CGS组织的“最好的训练”项目，收集各机构的聚合性数据用来比较和建立基准。其他由第三方资助的项目如由美国国家科学基金会支持的项目“少数流失博士的主动性与完成率（DIMAC）”，就允许第三方组织参与且带有双重目的，即数据被机构使用，并被用于整合以便为政府层面的决策提供依据[2]。

（3）国家层面数据，主要汇集各个区域的研究生教育与管理的数据，着眼于数据的整合性与可延展性。近年来，德国在国家层面积极进行大数据国家框架的探索。德国科学理事会成立了“信息基础设施委员会”，协调全国研究信息和数据的基础设施战略。联邦教育和研究部（BMBF）最近推出了两个国家级“大数据研究中心”，资助大数据的相关研究，解决大数据技术与大数据应用的相关问题。而德国学术界也正在就“在德国建立一个‘数据生态系统’”而努力[3]51。

（4）国际层面数据，体现为一种更大的数据视野与方法。目前国际层面大数据的合作主要体现在：建立一个共同的大数据保护规则与使用框架，保障数据的收集与挖掘。例如，欧盟委员会目前正在对数据治理规则进行综合改革，计划统一欧盟的数据保护法律，推出欧盟“一般数据保护条例”（GDPR）[3]53。

二、大数据时代发达国家研究生教育管理变革的趋向

随着大数据进程的推进，发达国家积极在研究生教育管理领域进行革新，其革新的整体图景大致可描述为：大数据通过对研究生管理理念产生影响，进而影响管理范式的形成，管理目标的确立与管理方式的选择。

1.管理理念由“管理本位”向“服务本位”转变

“以学生为中心”已成为各国研究生教育发展的重要命题，而研究生群体的日益多元化，也是各国不得不面对的现实问题。大数据进程的推进与信息技术的发展，进一步扩展了研究生教育信息的丰富性、透明性，增强了学生选择的主动性，造成了高校间竞争形态的变化。从当前世界各主要国家的实践中不难发现，其管理理念也正在发生变化：管理变革由传统的内部效率驱动向顾客驱动市场驱动转变；从关注研究生的就业向关注研究生的在学体验和职业发展转变；从把质量管理看作是管理的一部分到将其视为核心部分；同时，更加注重市场的关注，即通过清晰化、明确化的数据让社会感知研究生教育的状况。这是一种更具人本性、更具开放性，更强调广泛参与的管理理念。大数据既是动因，又为“服务本位”理念的形成与践行提供了可能。与此同时，随着大数据进程的推进，使得传统的以专业化的分工管理为特征的管理向组织间及组织内部部门间的合作转变，合作本身就蕴含了“我为人人，人人为我”的服务理念。故研究生教育管理理念呈现了较强的“服务本位”特征。

2.管理范式由“数据驱动决策”向“数据形成领导力”转变

强调数据驱动决策（data-driven decision-making）是对传统决策路径的革新。从决策思维上看，两者分别遵循的是归纳与演绎，在具体的管理语境下，两者都具有合理性。而过分地强调数据对决策的驱动，似乎有一条腿走路之嫌，同时也可能造成“数据独裁”。为了避免数据独裁，管理者的领导力在决策中发挥着重要作用，决策水平的高低很大程度上取决于管理者领导力的水平。而领导力是一个多维复合概念，决策力只是其重要组成部分。根据现代领导力理论，领导力的形成是管理者、各利益相关者及环境之间的互动与作用的结果。故领导力的形成与“服务本位”的理念存在着一致性。

大数据对领导力形成的作用，首先体现在对管理者思维的重塑上。在样本数据时代，管理思维是简单地寻求因果关系的线性思维，而在大数据时代要“用全体数据说话，通过全体数据掌握研究生教育的全貌，通过数据集体发声来把握深层次的问题”，这就需要管理者具备全局的、发展的、非线性的管理思维。同时，大数据的历时性与共时性、系统性与平面性特征为管理者战略思维的形成奠定了基础。

其次，大数据改变了管理者的行为。面对纷繁复杂的大数据，管理者必须通过挖掘、分析、综合和发布数据，通过创新、重组与再利用数据，依靠管理者的创新性分析才能将数据转化为有效的管理行为。例如，美国德州农工大学新开发了一个研究生门户工具，用于日常数据的收集，内容包括：跟踪研究生的学术水平发展、学业发展、学术论文和毕业论文的进展等；收集研究生资助数据；收集研究生参与实习、培训和专业发展指导的数据；收集博士生的毕业和职业生涯发展数据等。围绕这些数据，学校既进行了基于特定问题的数据分析，例如，学校参与了CGS组织的“STEM硕士毕业与损耗”项目①，通过本校数据与常模比较，从而确认毕业率低和招生不合理的专业。同时，通过数据提取、整合与挖掘，学校可以确定跨学科培养的学生、确定学院或跨学科研究生项目的经费，还可以分别从专业、学院的角度对年度研究生数据进行分析，从而评估学院发展特色，进而找出学校特色，为研究生教育资源的配置和发展战略的制定提供决策依据。

再次，大数据不但从管理思维、管理行为上改变了管理者，而且形塑了管理者、各利益相关者之间的交往模式。大数据的容量大与多样性的特征，使得各利益相关者都能从中寻求表达各自利益的依据，而大数据收集与挖掘的需要，使得更多的利益相关者参与其中，传统的精英决策模式被打破，集体决策模式开始引入进来，在这一状况下既要求实现领导力再造，也为领导力再造提供了可能。

3.管理目标由“以提高管理效率为目的”向“以研究生增值为中心”转变

无论从研究生教育的本质属性还是基本功能看，人都是根本。如何提高研究生的参与度和获得感，促进学生的增值是研究生教育及管理的重要价值追求。在样本数据时代，由于数据的客观性、代表性，使得管理者通过数据达成管理效率提高的愿景成为可能，但样本数据的局部性、概括性使得其更多反映的是一般性的问题，对于触及学生个体行为的信息就显得捉襟见肘了。大数据触摸到了人的关系、经历与情感，使得管理更加个性化，避免了个体遭遇集体“画像”的干扰。特别是研究生教育在管理系统、学习系统、个人和组织评估领域的新趋向，不仅提高了学生数据的具体性与可用性，而且为精细数据收集提供了可能。特别是计算机化的教育环境产生大量高维数据，这些数据直接反映学生个体的特点，大数据的可利用性意味着一种更微妙的测量和更深入的了解学生的能力，反过来，这也为改善学生体验提供了量身定制的、详细的和可实践的反馈。

美国教育考试服务中心（ETS）认为要保证研究生增值，高校应该从四个方面入手收集数据：①来源于辅助信息的大数据，包括学生过往经历、现在的成绩、考勤，人口统计等。这类数据具有前车之鉴的意义，可为学生提供参考与咨询，但这类数据效能的发挥需要一个非常大的数据容量而非随机的个案来确保其是有意义的。②来源于过程的大数据，这些数据在培养过程中收集，通常包括结果，也包括关键培养节点和各个培养阶段的信息。③来源于协作交互的大数据，世界经合组织（OECD）认为，合作是21世纪必须掌握的技能之一。目前的实践中，该类数据主要通过在线学习系统收集，围绕两位或更多的研究生解决问题的过程，收集所有循环交互过程数据。④来源于多渠道的行为数据，这些数据在学习期间通过移动终端、录像机、传感器等工具收集，包括课堂教学中学生的言行、手势、身体语言，一些教具的摆放等环境数据。通常将之与过程数据相结合或与形成性评估相结合，既可有效了解学生的参与情况，也可用于学生的自查[4]。

据此，一些高校积极进行探索，比如康奈尔大学在努力提高中央数据源准确性的基础上，系统地整合有关学生进步的实时数据、特别是学生参与学术活动和课外体验的信息，以及反映学生和校友对学术和学校意见的信息、毕业生职业发展、经验发现等关系数据。例如在收集学生参与学术活动数据时，通过扫描参与工作坊、学术讲座、学术讨论会的学生ID，获取学生的参与信息，及时捕捉学生的参与情况，并根据学生参与的频次来分析学生的兴趣，从而探索各种有效的学术交流模式，并提出促进个别学生和不同学生群体参与学术交流活动的有效举措。在此基础上建立和使用数据可视化技术使这些数据变得具体、清晰，并以可接受的形式提供给教授、导师和助教等[5]。

4.管理手段从以控制为主向以预测为主转变

在样本数据时代，往往是根据管理需要获取抽样数据，以此来判断整体情况，但受制于样本数据容量与特征的限制，这种推测很难超出事先的预设。大数据所采用的新的分析思路和分析工具，为管理开拓了新的视野，为有效的预测提供了可能。大数据的包容性，使得数据分析不仅关注因果关系，更着眼于相关关系。相关关系能帮助我们更好地了解现在，预测未来，使得研究生教育管理更具前瞻性。

研究生的学习分析是大数据预测作用的一个重要体现，即利用大数据与建模分析来预测学生的进步情况、未来可能的表现和潜在的问题。比如，前文提到的美国德州农工大学通过使用本校研究生门户工具提供的扩展数据可全面获悉博士生的学术背景、之前修过的课程、已经发表的文章和社会经济地位等信息，有助于管理者对学生的需求和能力进行把握，从而提高管理政策的前瞻性与针对性。大数据预测功能的发挥，通常需要相关数据的联动，美国考试中心（ETS）与Civitas Learning TM的合作就是一个很好的案例。由ETS管理的SuccessNavigator®数据库，原本是旨在帮助高校评估接触有风险的学生，以提高研究生的保留率和完成率，而它与Civitas Learning TM数据库的联动，可以结合不同类型的数据形成更具洞察力的见解与措施。例如，通过Civitas Learning TM数据库，能够获知绩点低的学生目前的课程表现差，但这可能不足以提供任何可操作的信息。但是，知道绩点低且具有高压力弹性（根据评估数据的分析）的学生和绩点低且具有低压力弹性的学生相比，与重新注册之间的相关度显著降低，这使得数据信息更具操作性[6]。大数据的预测性还体现在能为研究生发展战略的制定提供服务，大数据使高校研究生教育的历史、现状与未来发展之间实现了贯通，为准确预测未来发展的趋势提供了重要保障。

三、大数据时代我国研究生教育管理改进的策略

抓住大数据的契机改进研究生教育管理，既是世界各国研究生教育管理的共同举措，也是进一步深化我国研究生培养机制改革，提高研究生教育质量的重要路径与保障。根据研究生教育管理大数据的特征、发达国家改革的趋向并结合我国研究生教育的现状与特点，本文试图提出我国研究生教育管理的改进策略。

1.优化大数据环境，激发高校作为

大数据环境的优化需要一个超越高校的更大框架，政府应发挥重要的作用。政府应通过政策引导与激励，调动第三方的积极参与，扩展区域合作、国际合作的空间；通过建立完善大数据政策与法规体系，包括数据采集制度、存储制度、使用与挖掘制度、发布制度、安全制度等，为高校管理变革提供条件与保障。而高校作为管理变革的主体，应通过组织与制度建设使这些政策落到实处。比如，2012年，新加坡通过《个人数据保护法案》，随后，新加坡国立大学建立了数据保护办公室，负责管理大数据保护政策的贯彻。需要指出的是，优化大数据环境的举措既包括上述直指数据管理本身的，还应包括推进政府在研究生教育领域正在进行的改革，诸如进一步扩大高校自主权等。高校自主性的增强是其能够正视大数据，开发并利用大数据的前提。

2.重塑研究生教育管理理念，催生高校研究生教育大数据战略

大数据既是一个客观的存在，也是一种技术，还是“一种价值观、方法论”[7]，这就决定了其对研究生教育管理的影响是全面的、深入的。而研究生教育管理首先需要的就是革新研究生教育管理理念，理念包含两方面的内容：一是研究生教育管理的价值目标和秩序；二是实现这一目标或秩序的路径与方法。大数据时代我国研究生教育管理应秉持管理服务的理念，突出研究生本位与导师本位。为了有效践行这一理念，高校应从顶层设计上对研究生教育大数据的收集、挖掘、分析、运用与发布进行系统地架构与规范，制定符合学校定位与发展实际的大数据发展战略。

3.构建大数据服务模式，促进多元主体的参与与协同

在理念的革新、顶层设计的形成基础上，在管理实践中要实现参与主体和参与模式的革新，促进多元主体的参与和协同。要真正达到这个目的，就要从多元主体的利益与需求出发，建立以需求为导向的互助互利的大数据服务模式。发达国家的普遍做法是：建立学生信息服务平台，通过大数据平台，发布教职工的学术生产力和学术影响力，从而增强他们的主体地位与主动性；通过收集研究生职业发展的数据，既有利于学生发展，又有助于管理者教育决策，同时又可为校友参与提供平台，有利于竞争优势获取与维系。而第三方组织由于其客观性、公正性、专业性的特点，也应参与数据收集和挖掘。美国在鼓励第三方参与中所使用的“允许第三方参与且带有双重使命参与”的策略也是值得借鉴的。当然所有的这些都必须以高校的管理活动为载体，这无形中对管理者的领导力水平有着更高的要求。正如Jeffrey Sun教授所指出的：高等教育机构必须衷于进行更好的数据管理实践，具体措施应包括自愿协商一致的标准、基本维护隐私的做法、明确的分工与职责划分等[8]。

4.优化大数据平台与服务系统，增强服务与预测能力

首先，优化的前提是高校要根据研究生教育的发展战略，明确可管理与可运用的数据范围，建立数据管理的标准，从而有效规避管理成本的扩张与数据噪声的扩大。其次，系统完善的大数据平台与服务系统是提高管理服务水平的基础。当前很多高校的数据管理系统呈现异构化的特征，统一技术平台在很多高校尚未形成。因此应建立支持多源数据的集成系统与平台。再次，大数据分析需要数据挖掘，需要开发和使用恰当的算法来有效搜索和分析数据。然而，当前很多高校数据的分析能力却远未跟上数据的增长速度，如在对研究生进行学习分析时，计算机化的教育环境产生大量的高维数据、各种多模态数据、来自交互式学习系统和计算机化评估的数据等，处理这些不同类型的数据的一个方法是利用计算心理测量学的相关方法，它是数据库与数据挖掘领域的一个新兴研究方向，整合了数据挖掘技术、人工智能、机器学习算法和心理测量的相关理论与方法等。美国一些高校正在进行该方向的人才培养[3]66。故除了物质的投入外，提高管理人员的数据分析能力，并在研究生培养中注入大数据的学习内容，或者进行专门的人才培养，才是解决这一问题的根本之道。

[1] PRESCOTT B T. Beyond borders: understanding the development and mobility of human capital in an age of data-driven accountability. [EB/OL]. (2014-06-05) [2017-02-01]. http://www.wiche.edu/news/release/100913/.

[2] KENT J. Legal and ethical issues surrounding the collection of alumni outcomes: a view from the US graduate education context implications of “big data” for graduate education. [EB/OL]. (2016-01-20)[2017-02-15]. http://www.cgsnet.org/ninth annual strategic leaders global summit-2016.pdf.

[3] MCNAMARA M. Preparation of graduate degree holders for the world of big data [EB/OL]. (2016-01-20) [2017-02-18]. http://www.cgsnet.org/ninth annual strategic leaders global summit-2016.pdf.

[4] PAYNE D. The powerful merge of “big data” and assessment data in support of student success[EB/OL]. (2016-01-05) [2017-02-18]. http://cgsnet.org/policy-paper/policy-papers-and-resolutions.

[5] 维克托. 大数据时代[M]. 盛杨燕, 周涛, 译. 杭州: 浙江人民出版社, 2013: 134.

[6] DAVIER V A. Virtual & collaborative assessments: examples, implications, and challenges for educational measurement [EB/OL]. (2015-07-09) [2017-03-01]. http://dsp. rice.edu/ML4Ed_ICML2015/.

[7] KNUTH B. Using big data to individualize graduate education [EB/OL]. (2016-01-05) [2017-03-03]. http://cgsnet. org/policy-paper/policy-papers-and-resolutions.

[8] MANYLKA J, et al. Big data: the next frontier for innovation, competition, and productivity[EB/OL]. [2017-03-06]. https://www.mckinsey.com/mgi/.

（责任编辑 赵清华）

①STEM Master’s Completion and Attrition Project，美国研究生院联合会发起并组织的关于全美科学、技术、工程和数学领域的硕士研究生完成与损耗情况的调查项目。

10.16750/j.adge.2018.06.007

张凌云，武汉理工大学教育科学研究院副教授，武汉430070；陈龙，武汉理工大学教育科学研究院研究生，武汉430070。

中央高校基本科研业务费专项资金资助项目“增值理念下高校研究生教育内部质量保障体系改进研究”（编号：2017IV068）