智慧校园视域下高等教育数据生态治理体系研究

余鹏 李艳

摘要：在智慧校园背景下开展数据生态治理有助于消除数据孤岛、缩小数据鸿沟，统一规范数据标准，科学管理数据资产，优化改善数据质量，有效监督数据安全，明晰共享数据权责，实现参与教育大数据应用的各单元协同配合，进入教育大数据的各个环节良性循环，服务教育大数据的各种对象全面入微。从高等教育迈入“全智慧”校园所面临的问题出发，借鉴了国内高等教育领域数据治理研究理论与实践经验，探究了智慧校园视域下高等教育数据生态治理的必要性。从当前教育数据治理工作发展的困境与任务入手，提出了高教数据生态治理的三层次模型。在综合分析高教数据治理体系建设原则与内容的基础上，构建了一套完整的数据生态治理体系参考架构，以期刻画高教数据生态治理相关单元功能内容，用以辅助破解高教数据发展困境，驱动教育大数据与智慧校园创新应用深度融合。最后，运用数据治理实践案例，从垂直与水平维度视角剖析了数据生态治理工作开展与推进高教组织变革之间的逻辑关联，论证了数据治理对驱动高校智慧校园建设的重要作用。

关键词：智慧校园;数据生态治理;教育大数据

中图分类号：G434 文献标识码：A

一、引言

2018年4月，教育部颁布了《教育信息化2.0行动计划》，进一步明确了教育发展的重要任务之一是在全国教育范围内开展智能教育与智慧教育革命，充分运用信息技术全面辅助提升教育信息化发展水平，实现“互联网+信息技术”与教育创新发展的深度融合。当前，教育改革与发展的核心内涵更强调一个“化”字，着力实现由重点关注量变向重点关注质变的转化，全面构建智慧校园“三化”（即：数据化、服务化、智慧化）应用，由强调以应用驱动、融合发展向注重创新引领、生态变革转化。智慧校园以“云、大、物、移”信息技术为特征，其特点主要表现在：全面高效地支撑宽带泛在的校园网络互联空间，全面透彻地发现并感知师生个性化需求，全面智能地融合丰富多样的校务应用，全面科学地辅助可持续化的决策创新。“全智慧化”校园在充分运用大数据、云计算、虚拟化、AR/VR、人工智能、数据挖掘等先进信息技术的基础上，强调了“开放、共享、创新”的基本原则，旨在以全方位提高校务管理效率、改进教学水平、提升办学水准、培养创新人才为发展目标，不断改善教育治理体系与综合治理能力迈向智慧化、现代化。当前，教育信息化的核心工作已从运用信息技术改善校务活动由线下师生“跑腿”变为线上“无纸化”办公的问题，逐步转化为如何科学地运用信息技术有效地催化教育数据“发酵”，有力地促进教学、科研、管理与服务方式发生深层次变革的议题中。教育数据的有效利用是高校实现信息化创新的重要基础，其作为智慧校园体系中的核心资源，沿袭着“数据一信息一知识”的智慧化路径在不断演进;教育数据作为驱动高等院校由数字化向智慧化转型的重要载体，亦是全方位实现高等教育现代化的基石。

充分运用创新信息技术构筑智慧化校园环境，科学利用已积淀的教育大数据资源反哺高校，并以数据多样化与统一集中管控为基础，全面服务泛在化的网络学习空间、个性化的师生成长发展空间智慧化的校务管理服务总线、透明化的校务综合治理手段、多彩化的校园文化情境，构筑教育信息化的高端形态，逐步形成“智慧教学、智慧科研、智慧管理、智慧服务、智慧运维”的一体化智慧体系，是高等教育智慧校园发展的重要任务。

二、高等教育迈入“全智慧”所面临的问题刍议

（一）“非智慧”“半智慧”向“全智慧”校园发展困境研究

结合智慧校园相关研究成果，刘革平等认为，高校依然存在“重管理、轻服务”“重功能实现，轻应用实践”“流程模式固化，动态数据缺乏权威性”等诸多发展困境，提出了以流程驱动数据流转、以数据反作用流程变革支撑智慧校园建设的思路;周南平等认为，诸多高校智慧校园信息化发展所依赖的教育管理机制与模式仍未科学地建立，信息孤岛问题逐步演变为数据孤岛，数据管理缺乏保障机制，管理者普遍缺乏大数据意识及信息化素养，顶层设计机制不够明确，高校治理体系与治理能力不够夯实，提出了科学运用大数据思维、技术手段及管理方法开展智慧校园信息化建设的实践策。沈霞娟等认为，国内智慧校园的建设仍处于起步阶段，强调重视以技术与管理为中心而易忽略用户个性服务、顶层设计与体系建构简单且理想化、信息技术与核心校务应用耦合不紧密等问题，以致智慧校园尚不智慧，通过分析国外顶尖高校智慧校园案例，提出了智慧校园六维评估模型，强调了以IT治理机制创新、以用户服务为本、以数据为驱动的信息技术深度融合教育教学对智慧校园可持续发展的重要作用。

综上研究可以看出，智慧校园的发展困境囊括了组织机构、制度规范、体系架构、管理流程、应用服务等多个方面的突出问题，其中一项重要的环节即是如何科学地开展数据治理、数据管理与数据创新应用服务来解决当下智慧校园实践中的不足，以期为高校制定适合自身发展的校本智慧校园体系提供支撑。笔者认为，在智慧校园全面建设的大趋势下，国内诸多高校将在较长一段时间内处于智慧发展的初级阶段，即夯实底层基础、完善顶层设计的阶段。当前，国内部分高校已通过一轮或多轮的数字化校园建设，构筑了良好的信息化軟、硬件基础设施，形成了一系列管理规范与流程应用，积累了一定体量的教育数据，底层环境初具规模，但仍未达到“全智慧”校园所需的基础。全智慧取决于数据的科学化管理与知识化运用，正所谓“巧妇难为无米之炊”，由于当前高校信息化建设初期各类业务的分散实施，数据管理缺乏统筹规划、数据标准缺乏统一规范，致使所累积的大体量教育数据存在碎片化、不一致、质量低、冗余多、难共享等突出问题，进而催生出“数据质量不高、数据源头不清、数据流转不畅、数据共享不足、历史数据缺失”等“病根”的形成，为高等院校智慧校园的多元化智慧应用落地带来较大的局限性，主要表现在：面向半独立、紧耦合的业务条线、事务处理缺乏行之有效的整合;信息孤岛林立，数据质量与数据应用的有效性较低，导致数据的再利用存在一定困难;教育数据体量高速增长，对有效数据的深度加工与综合运用仍不够科学，导致多源异构的数据“活性”得不到有效的挖掘与应用，数据资源转化为优质资产价值仍未得到充分的体现。因此，开展对教育数据的治理与研究，科学地运用信息化、现代教育、人工智能等技术与教育数据发生“催化效应”，能够有效地促进信息技术与智慧高等教育的有机融合，并激发信息技术驱动高等教育产生变革性影响，推进教学手段与方法现代化、人才培养与社会服务模式智能化、管理服务与改革创新科学化，从而全面实现“精细化管理、协同化支撑、个性化服务”的发展目标。

（二）高等教育数据发展困境研究

结合高等教育信息化发展现状，许晓东、周南平、董晓辉、张世明、李青、余鹏、魏楚元、章浩等学者从教育大数据实践中的突出问题人手，较为全面地分析了当前高等教育数据发展面临的困境，为本文进一步开展高等教育数据生态治理（下文简称“高教数据治理”）体系的研究提供了方法支持与理论支撑。相关文献主要围绕数据、质量、管理、应用等方面与基础设施、体制、机制、管理思维等方面面临的问题开展研究，主要表现如下页表1所示。

三、高教数据治理研究现状及必要性分析

（一）高教数据治理的科学内涵

通过相关文献的检索，结合对数据治理学术动态研究分析，从教育信息化、教育现代化发展的角度审视，笔者认为，高教数据治理是教育大数据发展到一定阶段衍生出来的一种“数据管理与信息管理”组织方法，是消除数据孤岛、缩小数据鸿沟，统一规范数据标准、科学管理数据资产、持续优化数据质量、有效监督数据安全、明晰共享数据权责的系统化、科学化工程。

数据治理从字面意思解析，是围绕当前教育数据暴露出的一系列问题开展的数据梳理、校验与规范性管理的工程，以此提升数据质量，挖掘数据价值，实现广泛性的数据交换与共享;从深层次探究，数据治理工作能够辅助价值实现与风险管控，完善数据管理主体权责与管理层面的决策辅助战略，以健全尚未完备的数据运行与管理体制，补充尚未明晰的数据管理职能，约束尚未规范的数据事务行为与流程。笔者认为，数据治理的实质是紧密围绕教育对象活动中产生的不同类别、不同维度的全量教育数据，不断规范教育数据全生命周期过程的管理，整合教育数据相关体制、人员对象、技术手段、管理方法等方面协同配合，形成教育数据从源头到终端再回到源头的闭环式反馈体系，以科学服务智慧校园方方面面的创新应用。

（二）高教数据治理的研究动态

近年来，数据治理已被国内学者广泛应用于教育行业，与教育大数据在驱动教育模式改革、改善教学管理质量、创新教育方法多样化、推进数据辅助决策等方面的突出作用密不可分。随着教育活动中各类业务流程、个性化应用服务对教育数据的依赖程度越来越高，教育主体对数据的重视程度亦在不断增强，加之数据治理在实现教育主体进行内、外部数据主动式管理，建立数据决策权与职责的科学化分配，促进教育生态良性发展等方面的优势，为数据治理研究工作的开展提供了新的契机。

南旭光、刘金松等学者认为，以数据为驱动的智能革命，使其与高等教育治理有机融合，并充分吸纳多重利益相关者共同参与高等教育的发展、决策与监督过程，形成治理的合力，共享治理成果，是提升教育治理能力、推进教育治理创新、完善治理现代化水平的客观要求与基本途径之一。许晓东、宓泳、董晓辉、吴筱萌、包冬梅等学者认为，高等教育的创新性发展与信息技术进步紧密关联，与教育数据的科学化运用密不可分。信息技术方法与手段的合理运用，有助于辅助教育对象不断提升信息化素养与数据意识。一方面，能够有效地驱动高等教育管理与服务体系“去行政化”，顺应由“管理”迈向“治理”，由“被动”转向“主动”的趋势;另一方面，能够有机地辅助高等教育过程中教学方法、教学形式、学习途径、学习成效等方面的提升与改善，缓解教育发展中教学方法不活、教学形式枯燥、学习途径单一、学习成效不佳的矛盾。同时，多源异构教育大数据的科学化管理与应用是提升高等教育质量、实现科学性的决策、优化高校管理效率的重要因素。然而，教育数据在制度保障、交换共享、存储计算、安全管理、挖掘分析等方面所面临的一系列问题，极大地阻碍了高等教育的转型发展。开展教育数据的治理工作是必要且必须的，通过深入探讨高教数据治理框架、构建数据治理模型与方法论、探究数据治理模式与实施策略，形成适宜的校本“服务治理一能力开放一数据治理一数据应用”的良性生态体系，有利于实现教育大数据全面服务高教事业的创新与教育治理能力的综合提升。

（三）高教数据治理的必要性探究

智慧校园中的各项教育活动愈来愈依赖于现代信息技术、智能技术的支撑，并以教育数据作为载体创新智慧应用。高等教育将转型为“大数据定义教育、大数据驱动发展”的时代，数据治理亦逐步成为高校由数字化校园转型为智慧校园的必要条件。其必要性主要围绕“国家政策、新兴技术、应用需求、业务发展”四个层面开展探究。

1.国家政策驱动

十八大报告中明确提出要“全面推进‘数据战略，将社会资源进行数据化处理，从海量数据中挖掘巨大潜在价值，以大数据驱动创新，全面提升国家竞争力，推动经济社会实现跨越式发展”。在信息化时代，数据战略已被提升到国家现代化高速建设进程中的关键环节，大数据分析与挖掘应用成为驱动社會发展的重要因素之一。从行业大数据支撑国家全方位发展的角度而言，高等教育大数据作为行业大数据的子集，无疑成为教育领域推动教育事业改革与创新的重要基础。然而，长期积累的教育数据在管理、使用、职能划分等层面暴露出的一系列问题，进一步明确了教育数据治理的任务，为教育数据在管理策略的指导下实现教育业务流程与风险管理全过程的规划、监督与控制，促进教育大数据的规范化、科学化、系统化应用奠定了基础。

《中国教育现代化2035》提出要“加快推进教育治理方式变革，大力推进教育治理体系与治理能力现代化;建设智能化校园，实现教育治理常态化，构建全社会共同参与教育治理新格局”;同时，在《加快推进教育现代化实施方案（2018-2022年）》提出要“大力推进教育信息化，着力构建基于信息技术的新型教育教学模式、教育服务供给方式以及教育治理新模式，开展大数据支撑下的教育治理能力优化行动”。如果把教育现代化事业看作一颗参天大树，笔者认为，教育工作者与学生好比大树的根基，智慧校园可比做大树的主干，多源异构的教育数据好比是主干的分支，教育数据治理比做分支上的叶片。叶片通过光合作用，为分支、主干、树体进行系统地调度、监督并管理“养分”的供给，并辅助大树实现“氧气蒸腾”，将数据价值回馈教育。

2.新兴技术驱动

新兴技术作为智慧校园建设的辅助工具与手段，随着大数据、云计算、虚拟现实、增强现实、区块链、人工智能、物联网等新兴技术在教育行业的普及应用，为教育数据的治理提供了可能。数据治理的基础是数据源，在当前多源异构的数据源载体背景下，配合新的管理体系与方法，新兴技术在处理数据良性交互、数据快速存储、高并发数据实时计算、实时数据解析、关联与控制、数据结果深度分析与挖掘、数据资产可视化管理及应用等方面表现出了较好的特性与优势，有效地促进了教育主体内部智慧课堂、智慧教育、智慧学习、智慧管理、智慧评价、智慧文化、智慧素养、智慧创新等业务的融合发展。同时，伴着信息化计算资源、存储资源、网络资源的价格成本逐渐降低，新兴技术应用的底层环境基础日渐夯实，更加快了新技术在智慧校园中的推广与应用。

3.应用需求驱动

“数据一信息一知识”的智能演化路径决定了教育对数据深层次利用的重要性。在教育数据化的过程中，以“原子”呈现的零散教育数据，表现出数据来源多元化、数据异构维度高、数据类型多样化、数据整体价值高的特性，教育数据的应用基本贯穿了从数据输出、信息展示到知识决策的全过程，教育数据的服务涵盖了从分离的基础教育、职业教育、高等教育、成人教育到面向人的全生命周期。从应用需求的角度出发，数据治理能科学地指导教育运行机制由“管理”迈向“治理”，促进教育信息化形成“治理”思维，从而推进教育治理的发展;数据治理能有效地驱动教育服务模式由“建什么就得用什么（被动服务）”转向“需要什么就建什么（主动服务）”，促进教育服务对象享受“主动发现式的用户体验式服务本位”，构建真正“以人为本”教育生态环境。

4.业务发展驱动

现代化的智慧校园，更多呈现的是集中门户式的一站式服务。教育数据围绕“从哪来一怎么来一到哪去一如何用”全生命周期业务逻辑，将各层次用户角色纳入数据生态体系。一方面，围绕用户业务流产生的各类数据从“私有”变为“公有”，通过数据治理将游离于生态体系外的教育数据有机纳入到体系内，逐步形成全量的教育数据集合，推动数据生态体系的有效运行。另一方面，运用数据反哺业务，进一步规范并改进业务流程，使各层次用户角色成为数据消费的受益者，为数据治理工作与教育大数据辅助教育发展提供支撑，催化教育模式与教学方法变革、信息融合与数据服务应用、教育态势感知与科学决策等业务发生“质变”。

四、高教数据治理体系

高等教育视域下的教育信息化是数据治理的关键因素。依托信息技术将多源异构教育大数据通过采集、处理、利用并加以高效组织与科学管理，形成数据资产并健全规范管理制度，强化组织架构、原则、过程与规则，以提升数据质量、保护数据隐私、巩固数据安全，确保数据的准确应用、合理共享与敏感数据保护。开展从教育数据“获取一处理—使用一服务一反馈”全生命周期过程的监管，通过“发现一监督一控制一沟通一整合”的数据服务模式进行应用与保障，建立基于“服务治理”与“数据治理”模式的数据生态闭环体系，使数据综合应用成果得以有效应用于教学、科研、校务管理与科学决策的全过程，促进全面提升高校核心竞争力取得成效，是教育信息化数据工作的核心内容。

（一）高教数据治理模型

丰富的智慧应用需求必然会驱动数据资源转变为决定高教核心竞争力的战略（数据）资产，而有效的数据治理体系是保障战略（数据）资产形成的必要条件。如图1所示，高教大数据治理三层次f数据1模型系统地诠释高教大数据治理体系的核心内容。

1.数据基础层：该层是高教数据治理体系的底层单元，可看作为数据化阶段。该阶段应明确数据治理工作任务，建立完备的数据管理与服务机制，夯实并完善数据交换平台、数据存储与计算平台等基础设施，实现有效的数据交换与集成。依据拟定的数据规范标准，选择合适的数据采集、清洗、存储工具，构建教育实体数据模型，以较低的经济成本与学习成本交付给业务对象。

2.流程协同与服务催化层：该层是高教数据治理体系的中层单元，可看作为服务化阶段。该阶段的工作流程为：结合高教实际应用需要，深入梳理并厘清各类业务流程逻辑，理清数据来源及去向脉络，科学地设计高效的工作流引擎，实现各类教育数据的快速配置与部署实施，实现多层、多级关联业务之间权限、信息、流程的深度交互，促进松散耦合的业务流程协同工作;通过服务化的视角重组数据信息，以应用服务催化流程再造，促进教育大数据由数据资源向数据资产转化，建立层次化的数据服务与数据资产可视化的应用管理体系，形成良性循环的数据生态系统。

3.智慧服务层：该层是高教数据治理体系的顶层单元，可看作为智慧化阶段。重构教育数据服务架构，形成“数据一信息一知识”的智慧演化路径。将数据应用端与服务端实行有机分离，驱动智慧应用与教育数据的“解耦”;规范定义服务接口标准，通过数据接口“屏蔽”底层，为业务主体提供可靠的数据分析结果而非分析过程与技术实现;建立服务的数据驱动模型，强调对教育数据循环利用，即构建由生产大数据（系统、管理、业务）流程进入存储大数据（实施、运维、存储）流程，再进入使用大数据（挖掘、决策、服务）流程，最终返回生产大数据（数据、知识、信息）流程的全生命周期闭环模式，实现业务与服务的标准化、耦合化与碎片化，全面融合到智慧校园建设的方方面面。

（二）高教数据治理体系建设原则及内容

为破解数据治理发展面临的困境，驱动教育大数据与智慧校园创新应用的深度融合，科学地运用信息技术全面辅助高校改善教育环境，促进教学手段与教学方法不断趋近现代化，创新高校人才培养模式，提升学科教育建設水平，提高教育管理对象与受教育对象的信息化素养，促进泛在化的网络学习空间、智能化的管理服务、智慧化的校务治理、创新化校园文化传承的需求发展，高教数据治理工作应充分遵循智慧校园总体发展纲领，紧密围绕顶层设计展开，应满足以下六项原则，如下页图2所示。

（1）有效性原则：保证数据治理过程中教育数据源真实有效、精确可靠，数据在实现高效流转与深度共享时严格遵循规范化的数据标准，数据在提升质量与挖掘价值过程中应遵从数据实事求是有效运用的原则。

（2）价值化原则：数据治理工作的开展是以多源异构数据资产为基础，数据资产的整体性价值描绘了校园智慧应用的全局，创新应用成效的体现即是教育数据资产价值的体现。

（3）统一性原则：数据治理的各个单元、各个环节与高等院校改革创新发展战略目标协同统一，充分满足组织架构完备、制度供给配套、技术方法合理、风险管控有效、循数治理科学、创新应用着力、成效评估完善的良性统一生态机制。

（4）开放性原则：避免由信息孤岛向数据孤岛发展的趋势，做到数据治理工程合力促成教育对象全员参与、人人是数据的生产者亦是数据成果的享有者的开放共同体。同时，充分实现高校内、外部非敏感数据或脱敏数据的开放共享服务功能。

（5）服务性原则：是数据治理能力有效性、服务性的综合体现，通过科学地运用多源异构教育数据资产集全方位服务高等教育数据生态体圈内、外部用户，谋求改革教学方法、改善教育环境、提高校务治理效率、提升教育管理水平的服务效能。

（6）安全性原则：数据治理过程中，在数据安全政策约束与安全策略措施管理的范畴内，实现教育数据全生命周期内的安全管理、安全应用与隐私保护。

六项参考建设原则严格遵循了智慧校园以人为本、创新精准服务的可持续发展生态理念，亦为高教数据治理体系的建设提供了科学的指导基础。结合当前开展高教数据创新应用中面临的一系列问题，数据治理工程设计理应融合到智慧校园发展战略的顶层规划中，并作为驱动高校建立智慧教学环境、智慧教学资源、智慧校园管理、智慧校园服务、大数据创新应用的源动力。在智慧校园建设的初级阶段，高校应将数据治理作为一项长期工作，通过综合运用全量教育大数据辅助开展信息化实践、教育治理与校务治理，最终形成适合自身发展的总体性科学治理体系，相关建设内容包括了“体系架构”“政策制度”“数据治理组织”“数据标准”“元数据”“数据质量”“数据资产”“数据安全”“数据集成”九个单元内容。

1.体系架构单元

高教数据治理体系参考架构如下页图3所示，从多源异构数据的产生到教育大数据经生态治理后在智慧校园中全方位、多角度的科学应用，离不开数据治理机制与体制、组织机构运营与管理的协同保障。在政策与人员的共同作用下，教育数据治理围绕“数据采集一数据存储一数据清洗转换一数据交换共享一数据分析计算一数据应用服务”的全治理周期流程开展，经数据标准单元、元数据单元、数据质量单元、数据资产单元、数据安全单元、数据集成单元的协同作用，发生“数据质变增值效应”。数据治理的整体实施，将为高校数据资产的统一管理与使用带去极大的便利，主要表现为：（1）完整地掌控学校现有的数据资产，在全局层面提供统一的规划与管理;（2）通过统一的标准，打通各类数据之间的壁垒，消除数据在描述上存在的歧义，便于管理者与业务者更加清晰且高效地使用教育数据;（3）制定数据质量的管理规范，建立“谁生产，谁维护”的基础性原则，实现高校数据资产的准确性、完整性与可复用性机制;（4）建立数据治理的完整机制及实施流程，使得新产生数据能够依照数据治理体系快速成为高校可用的数据资产;（5）为智慧校园开展创新活动所需的教育数据采集、清洗、存储、交换、分析、挖掘与多样化的展示应用做好铺垫，为促进高校管理者、教育者及受教育者全面提升教育大数据信息素养奠定基础。

2.政策制度单元

数据治理的政策与制度作为数据治理各环节功能的理论纲领，从人员、技术、方法、管理等方面全面指导并规范数据治理流程中各单元工作的有序开展。相关政策与制度的制定应符合国家、行业总体发展方针及战略目标要求，并结合实际的校情校况制定适合自身阶段性或长远发展的办法。数据治理政策及制度的建设应遵循“整体统一管控、按需开放共享、服务挖掘应用、安全脱敏可控”的基本原则，通过科学的建章立制来完善公共数据共享交换机制，加快基础数据库与主题数据库的建设，有序推进公共数据开放共享，加强对数据质量、数据资产、数据安全相关环节的管控，实施多源异构数据的集中统一管理。笔者认为，高教数据治理相关参考政策及制度包括：（1）基于人员管理方面，制定《数据管理组织的角色权责指导原则及方法》《数据人员考核评估办法》等;（2）基于技术方法方面，制定《xx大学数据管理办法》《数据管理信息标准规范》《元数据质量标准及评估指标》《数据质量管理办法》《数据安全分类分级管理规范》《数据资产价值评估指标》《数据服务管理机制与管控流程》《数据质量服务能力评价办法》等。

3.数据治理组织单元

数据治理组织描述了数据治理体系中开展数据事务的人员组织，依据各级角色职能与权责分配建立数据治理责任体系，保障数据治理的各项管理办法、工作流程有序实施，以推进数据治理工作的有序开展。基于国内高校的现状及架构，为明确数据治理项目的执行机制，确定相关职能，笔者将数据治理组织划分为三个层次，自上而下定义为“决策层”“控制层”与“执行层”，其组织机制与工作职能如下页图4所示。

决策层由校领导及信息化工作领导小组（或信息化建设决策组织）担当，主要统筹管理智慧校园数据发展与应用总体方向及整体规划决策。校领导主抓数据治理工作，通过行政手段强化落实各级部门信息化与数据治理意识;信息化工作领导小组牵头进行数据治理各项工作协调，完成各项任务的督察与督办。控制层由信息化办公室及信息中心f或职能相近组织机构）担当，信息化办公室在数据治理工作中的职能侧重于管理服务，信息中心侧重于技术服务。信息化办公室负责牵头起草并制定各类数据权责管理相关制度，组织开展数据治理工作会议，统筹协调相关部门执行决策任务，并向决策层上报相关任务进度情况。信息中心负责制定统一的数据标准，搭建数据共享与交换平台，完善数据共享系统，协同信息化办公室、业务部门、教学院系建立（交叉）数据分析模型;负责构建面向不同服务对象的数据管理与服务平台，开展数据采集、清洗、分析等工作，科学运用数据可视化工具，深化数据挖掘与创新应用。执行层由业务部门、教学院系及系统开发商组成，是业务数据源的生产方及业务流程的制定方。业务部门与教学院系主要负责落实并嚴格执行数据管理政策，协调业务科室提交业务数据，解释并不断梳理业务流程，依据业务过程化管理中的问题不断修正错误数据，保证数据源的唯一性与数据的真实可靠性;系统开发商在系统研发过程中，应严格执行国家级、行业级、校级数据标准要求，编制清晰、规范的数据字典，提供可靠的数据交换接口文档。

4.数据标准单兀

数据标准属于一种行业规范性约束，能够全面保障高校数据治理组织机构开展内、外部数据交换及使用的一致性与准确性，是开展数据治理工作的先决条件，亦是数据治理治理体系中的基础环节。2018年12月，由中国信息通信研究院云计算与大数据研究所及大数据技术标准推进委员会共同颁布的《数据资产管理实践白皮书（3.0版）》文件中明确了数据标准管理对大数据创新应用的重要性。同时，数据标准作为高教数据治理的基础范式，一方面为教育大数据的智慧管理与科学应用提供了统一性的数据标准定义规范，另一方面为衡量数据资产的运营与管理提供夯实的评估依据。

数据治理体系中的数据标准参考模型主要包括四方面内容：（1）业务分类与定义，囊括了数据标准体系分类、数据标准内容制定、数据标准建设需遵循的原则相关内容;（2）数据标准管理，囊括了数据标准制定、数据标准执行、数据标准维护、数据标准监控相关内容;（3）数据标准建设范围与内容，囊括了数据标准规范、数据标准管控相关内容;（4）技术实施原则为开展数据标准管理与应用提出了具体的要求，包括了规范性原则（数据平台建设与实施应用遵循数据标准规范）、协同性原则（数据标准管理的组织架构、数据标准管理的办法及制度流程、数据标准管理的工具）、统一性原则（数据业务与技术口径协同统一、老数据在新数据标准规范下的迁移需统一）、标准性原则（新增数据接口内容需满足行业标准化定义）。

高教数据标准管理的总体方针及目标是：在严格遵循国家数据标准、行业数据标准规范的基础上，制定适合高校长远发展的数据标准管理办法、组织架构、体系、内容、实施流程、实施路线、实施方案、应用工具、评估考核等。数据标准的制定与发布，为数据治理体系内部可供交换、分析与挖掘的多源异构教育数据的完整有效性、规范一致性、开放共享性提供规范要求及指导基础，同时为科学构建教育大数据利益共同体提供坚实的保障。除使用关系型数据库所存储的结构化教育数据源外，在综合分析校务活动中所产生的各类多源异构半结构化数据源（如日志、文本数据等）及非结构化数据源（如视频、语音数据等）的基础上，构建教育数据标准化管理流程，实现与元数据管理、数据质量及数据资产管理单元的深耦合，开展对校务活动及教育对象相关联的全量大数据的科学管理、分析与挖掘应用，实现教育数据驱动流程重构，教育数据辅助应用创新，教育数据引导教育体系改革，卓有成效地提升高教的管理能力与治理水平。其中，数据标准制定的原则如表2所示。

5.兀数据单元

元数据的定义是“描述（实际）数据属性的数据”，可以被看作是实际数据的信息特征标签，被用来识别、评价、追踪实际数据资源在使用过程中的变化标识，实现数据资源的有效发现、查询与管理。在高教数据治理体系中，元数据表征了高校整个业务体系运转所需的数据属性信息（包括：数据类型、数据结构、数据范围、数据表关系、数据字典、数据流等），是教育大数据充分实现共享、交换，并通过催化、发酵产生质变效益价值的“二维标识码”。

元数据单元包含了四类主要模块，即：元数据管理模块、元模型模块、元数据运维模块与元数据应用分析模块。（1）元数据管理模块实现了元数据“创建一存储一整合一控制”的全流程，其管理内容包括：教育数据字典功能、全局元数据查询检索功能、元数据信息描述功能、血缘或影响分析功能、元数据接口服务功能、元数据应用功能;（2）元数据模型模块支持CWM的三个标准：UML（Unified ModelingLanguage，OMG建模标准）、MOF（Meta Object Facility，OMG建立元模型和模型库的标准）和XMI（XML Metadata Interchange，OMG元数据交换标准），可完全扩展且支持层次结构的元数据展现;（3）元数据运维模块分为运行与维护两个研究维度。就运行维度而言，支持元数据维护、元数据关系维护，实现元数据自动获取，对关系型数据库及相关工具中元数据的自动提取功能，并以元数据自动获取插件适配器的方式进行扩展;就维护维度分析，确保各类元数据明晰地标识机构及责任个体信息、数据隐私级别信息、分类管理信息，确保元数据版本迭代更新的过程与自身所关联权限的可视化监督与管理，保证其在满足使用要求的条件下所赋予的最小权限，以期降低元数据在科学使用状态下的安全风险管控;（4）元数据应用分析模块具备元数据检索、血统分析、影响分析等功能。

6.数据质量单元

数据质量描述了数据价值含量的指标，是保障教育大数据辅助高教开展多样化智慧创新应用的基础。数据治理体系中数据质量的建设与管理范畴，贯穿于源数据从输入至输出数据平台的全生命周期过程。数据质量单元的主要功能有：提供服务于不同用户对象的数据质量监控机制，采用优化或扩充公共规则库的方式，增强数据管理平台对异类数据仓库或非结构化数据的兼容性，以期提供干净可靠、准确完整、结构清晰的数据质量服务满足智慧校园中各类智慧应用需求。如图5所示，数据治理体系中的数据质量参考模型包括以下：数据质量监控模块、数据质量服务模块、数据质量业务规则模块、数据质量管理追踪模块、后台支撑交互共享模块、数据质量应用模块。

数据质量单元内部模块间的协同运营为数据管理者及数据应用者提供了可视化的数据质量管理、监控与应用支撑，数据质量单元强调了“共享交互式”“人人参与”的理念，通过开展数据质量监控（包括：服务于外部用户的数据质量监控对象可视化查询、数据质量监控规则的定义、数据质量优劣告警及结果审查、数据质量问题的跟踪及处理）、数据质量服务（包括：资产稽核、资产评估）、数据质量业务规则定制（包括：质量监控规则的定义、基于不同场景的规则划分）、数据质量管理追踪（包括：数据质量測试与验证、数据质量性能测量与监控）、后台支撑交互共享应用f包括：数据交换接口定义、数据仓库的自适配等）、数据质量应用（包括：数据质量服务水平评估、数据质量体验与改善）等工作，促进数据管理及使用部门对所提供或消费的数据进行便捷化、可视化的数据质量管控。

7.数据资产单元

高等教育范畴内的数据资产特指由高校拥有或控制，为其带来潜在经济利益的数据资源。然而，并非所有的教育数据都可以转变为数据资产加以使用，教育数据资产化使得从资产的角度开展数据管理工作变为可能，再经科学的管理、合理的甄选与利用，通过有效的数据治理来促进一部分教育数据有效转化为支撑各项应用赖以运转的重要资源。教育数据资产作为提升高校核心竞争力的战略资产，强调从多维度、全方位开展对其的深层次利用，通过实现服务的碎片化，全面性渗透到教学、科研、管理与服务的每个角落。数据资产单元参考模型包括：“数据资产范围”“数据资产标识”“数据资产管理”“数据资产架构”及“外部数据关联”五方面内容。其中，数据资产范围涵盖了高校各项校务活动中已积累并存储的部分结构化数据、半结构化数据及非结构化数据;数据资产标识描述的是用结构化字符串标识数据资产特征（如：所属业务、类型、提供者等）信息的标签。围绕数据资产开展科学的管理，即在数据资产全生命周期内，以数据资产战略及策略为导向，依照数据资产纲要规划及设计规范，对纳入高校数据平台进行存储、访问、操作的数据资产定义结构、注册入库，并开展健康有序的运营维护，迭代式优化数据资产质量，实现数据资产业务增值，最终完成无效或失效资产的注销报废;数据资产架构囊括了“五元管理与一元统计分析”功能子模块，即注册管理、变更管理、审计管理、权限管理、接口管理与资产统计分析功能。六元子模块间协同运作，系统地构筑了数据资产管理体系的核心内容，有机地促进了无序、低价值的教育数据资源“变废为宝”，转化为数据资产的高端形态;外部数据关联以数据接口的形式实现与元数据、数据质量及数据安全模块间的信息交互，完成数据资产信息的登记、更新、评估及安全访问权限等内容。

8.数据安全单元

数据安全的管理与监督是数据治理体系中易被忽视的环节，有效制定科学的数据安全管理体制及策略，为高校教育数据资产的使用提供可靠的认证、授权、访问与审计功能，充分实现对非敏感数据、敏感数据脱敏、隐私数据保护工作的运营管理是数据安全单元的核心内容。数据安全单元的主要功能体现在：依据教育数据体系中的安全管理策略，通过对数据平台内部数据的科学应用，不断加强与其它单元间的数据交换安全管控，保障教育数据资产全面满足“存储、管理、使用”三位一体化的数据治理安全标准，实现“事前可管、事中可控、事后可查”的全过程管理目标。数据治理体系中的数据安全单元参考模型如图6所示，主要囊括了三个子模块内容：数据管理安全模块、数据交换安全模块、数据治理安全模块。

在数据安全保障政策与策略范围内，从数据层面为数据平台提供安全防护能力，应满足如下保障措施：（1）安全策略集中管理。数据平台建立安全管理策略，设置集中管理、修订与更新的安全规则;（2）安全角色分级管理。数据安全管理应根据职能与机构分级设置，严格区分用户角色，并根据不同权限关联可访问资源的许可范围;（3）测试、生产环境分离。开发、测试环境必须与生产系统严格分离，降低生产应用环境的安全风险;（4）操作行为事后审计。杜绝直接连接数据库、服务器等操作，通过堡垒机进行行为记录，便于事后行为审计;（5）漏洞补丁定期更新。

9.数据集成单元

数据集成属于数据治理体系架构中的顶层建设部分，为教育大数据的个性化应用、综合分析展示、科学决策等数据服务提供有效支撑。不同的数据源通过ETI工具或数据总线集成到数据平台，完成数据的同步和一部分数据的清洗转换。对于数据集成的过程，除了可从底层ETI工具和数据库捕获其状态和变化之外，还需要通过标准化的工具来提供线上的过程管理。数据治理体系中的数据集成单元参考架构由数据集成管理模块构成，如表3所示。

五、高教数据治理探索实践

高校智慧校园的智慧发展与应用是一项庞大的体系工程，涉及人、财、物、制度、管理、技术等多方面的协同配合。“十三五”期间，尽管我国诸多高校迎来了智慧校园建设的热潮，并在一定程度上取得了卓有成效的建设实践，但“罗马建成非一日之功”，以期在短时间内有效地协同并解决上文所述的痛点问题，实现智慧校园工程的全面落地，对于高等教育的管理者与实践者来说，仍是一项漫长且艰巨的任务。高等院校应以高教数据治理工作作为推动智慧校园建设发展的抓手，以数据需求为导向开展高教数据治理可有效地降低治理的难度与风险，并推动组织不断发生变革。

如图7所示，为了解构高校组织变革所处的外部环境与内部结构间的相互作用机理，进一步探究外部数据治理驱动高校组织变革的重要作用，深入分析组织结构内部在开展业务流程优化与业务流程重组过程中的时间花费、成本开销、风险代价与回报收益之间的逻辑关系，笔者设计一套数据治理驱动组织变革层次模型（下文简稱“组织模型”），该组织模型自下而上依次分为四个层次，即“自动化层”“业务流程改善（Business ProcessImprovement，BPl）层”“业务流程重组（BusinessProcess Reengineering，BPR）层”“管理一服务模式转变层”。

遵循统一的数据标准，完善自动化的数据采集、解析、交换与共享环境，通过“创新化应用需求”作为数据治理工作的切入口，运用目标结果催化数据“活性”，并依照“教育数据有机融合、业务流程持续再造”的原则，迭代式地驱动高教管理一服务模式的转变，逐步实现以管理为中心（被动式）向以用户服务为中心（主动式）模式的变革。在数据全生命周期单元内，业务流程持续再造过程囊括了业务流程变革改善与业务流程优化重组两块核心内容，其中心工作主要体现在BPI层与BPR层。BPI层的主要任务是业务支撑部门理顺业务流程逻辑，开展对业务流程的反复优化;BPR层以BPI为基础，通过持续完善资源整合与优化工作，实现渐进式的业务流程再造与重组。

依据组织模型内容，从垂直维度分析组织模型逻辑关系，依据自下而上的层次关系反复迭代来改善、优化组织模型。经实践研究结果表明：所投入的成本开销、风险代价与回报成线性递增关系，即在数据治理规范开展的条件下，组织模型的变革程度越高，其成本开销与风险代价越高，与之对应的回报也越高。

如表4所示，从水平维度分析组织模型的BPI改善程度与BPR改善程度发展趋势。经实践研究结果表明：在改革初期（第1-2年），数据治理工作主要集中在改进底层自动化环境。在改进过程中，逐步梳理业务流程内容、厘清业务流程逻辑关系，BPI改善程度呈低速提升趋势，与之对应的BPR改善程度相对缓慢;改革中期（第3-5年），随着业务流程架构逐步健壮，体系逐步完善，信息化主要工作由治理逐步向资源整合与优化过渡，渐进式的业务流程再造与重组推动BPI改善程度显著提升，与之对应的BPR改善程度也呈现出显著提升趋势;改革后期（5年以上），随着数据治理工作的持续开展，规范化、全量化的教育数据集合不断夯实，逐步形成“学校领导有数据管理意识、业务部门有数据治理意识、管理技术人员有数据分析的意识、高校建成大数据研究学术氛围”的数据生态体系，业务BPI与BPR的改善程度将逐步呈现出平稳趋势。

六、结语

智慧校园视域下的高教数据治理体系的构建是一项庞大、复杂、长期的系统工程，涉及到组织人员、政策制度、规划方案、体系架构等多方面因素的有机协同与保障。在高等教育全面提倡“智慧教育、智慧管理、智慧服务”的时代，教育大数据服务囊括了从分离的基础教育、职业教育、成人教育、高等教育到面向教育对象的全生命周期服务过程，教育大数据的应用贯穿从数据输出到数据展示，再到知识决策的全过程。针对当前教育数据所面临的“质量不高、源头不清、流转不畅、共享不足、部分缺失”等系列问题，本文设计了一套融合智慧校园建设的高教数据治理参考体系，旨在为高校在大数据管理与应用方面查摆痛点、建设规划、完善制度、厘清权责、梳理流程、构建体系、强化保障提供一定的参考，并指导高校逐步建立“构成教育大数据的各组件标准规范，参与教育大数据的各部门紧密配合，进入教育大数据的各环节良性循环，服务教育大数据的各对象全面入微”的良性数据生态环境。