基于组合赋权法的区域教育数据治理体系构成要素研究

章璐 许啸 侯元东 李宁宇 王佑镁

[摘   要] 教育数据治理体系是对教育数据治理活动的基本要素及要素之间的结构和关系的逻辑表达，对核心要素的权重配置是分析的关键。文章基于整体性治理视角，对浙江省和温州市的省、市两级教育数据治理相关政策文本，通过内容分析法进行编码和要素提炼，构建包含治理目标、主体、客体和工具4个维度42个要素的区域教育数据治理体系通用要素框架，通过组合赋权法计算得出区域教育数据治理体系指标权重，系统解释框架中所提出要素的合理性与重要程度，以期为同类型地方教育数据治理体系建设提供参考。

[关键词] 区域教育数据治理； 整体性治理； 通用框架； 核心要素； 组合赋权法

[中图分类号] G434            [文献标志码] A

[作者简介] 章璐（1989—），女，浙江温州人。助理研究员，博士研究生，主要从事教育大数据、数字化改革研究。E-mail：215626699@qq.com。王佑镁为通讯作者，E-mail：wangyoumei@126.com。

一、引   言

习近平总书记强调，“实施国家大数据战略，加快建设数字中国，促发各领域以数字化为形式、信息技术为手段的全方位治理变革，其意义在于推动生产关系适应数字时代的发展规律与特点，促进生产力发展以形成全社会共享的‘数字红利”[1]。步入不可逆的信息社会，顺势出现的教育数据治理，则主要集中在以数据驱动的教育治理和面向教育的数据工具深度融合的具体行为模式[2]。步入不可逆的信息社会，传统“封闭—控制”的治理体系面临范式转换（Paradigm Shift）失灵[3]，因而旧的治理框架不能停留在对新工具的异态情形补充，亟须寻找新的解决思路[4]。当前研究理论方面聚焦于对教育数据治理概念、价值和意义的讨论，实证方面基于新技术应用揭示了数据技术的创新进路，数据治理体系中的要素溯源以学术文献为主，未能深入实践背后挖掘其构成要素与规律以作为互相对话的共同基础，且现有教育数据治理体系框架多基于高校数据治理范畴，鲜有区域层面案例研究。因此，本文将继承技术与组织结构关系研究的思路，聚焦数据技术与政府组织或结构间的影响，并以浙江省和温州市的省、市两级作为案例进行实证分析。

二、区域教育数据治理体系通用要素框架构建

（一）整体性治理视角下区域教育数据治理体系概念界定

20世纪末兴起的整体性治理理论（Holistic Governance），是对当时新公共管理碎片化的反思，“Holistic”的词源“holon”即整体性或子整体，意为“由结合的整体所构成的世界不能简单地还原为其各部分的总和”。佩里·希克斯（Perry Hicks）提议，在机制层面推进整体性协调，使得各部门、各级政府、公私部门得以凝聚合力，形成跨界协作的一种新型共治形态[5]；帕特里克·邓利维主张，以技术手段强化治理行动，构建基于虚拟角色的线上线下灵活组织重组结构，利用自动化重塑流程、政府部署“能力池”集成、信息智能双向匹配、走向敞开书卷式的政府等系列策略[6]，打造透明化、有效率的数字政府，使群众在部门和机构间不再疲于奔命[7]。整体性治理作为社会理论，在宏大的治理话语与中立的治理工具之间起到指引与支撑作用[8]，基于其“协调与整合”的核心理念对区域教育数据治理体系构成要素的探索，能系统性理解基于数据流转促进多元主体跨部门协作的逻辑进路，明晰基于数据赋能为消解治理边界、抽离既有制度提供“能力池”和“去中心化”决策场域的技术进路[9]。综上所述，区域教育数据治理是依托一体化智能平台，解决跨域教育议题，促使区域内教育、民政、卫生等多主体围绕教育治理需求，有序开放API接口，促进数据跨系统、跨部门和跨层级流动，实现基于虚拟治理场域进行集体决策和分发集成的数字化服务，激发教育部门、学校师生、社会教育力量的活力，促进教育治理形态集约化。

（二）整体性治理视角下的区域教育数据治理体系构成通用要素

本研究基于治理要素控制的方法论视角，结合整体性治理理论提出了涵盖目标、主体、客体、工具4个维度的区域教育数据治理通用要素框架[10-11]，并对32份浙江省和温州市的教育数据治理代表性政策文件进行了内容分析，通过三级编码共提取42个相关要素，各要素之间的结构关系如图1所示。治理目标的拓展与升级，从数据流动贯通带动数字资源的重新配置，使经济社会的运转以及治理建立在开源化、集成化、智能化的基础上，主动引领区域教育形成价值共创的数据利他生态[12]。治理客体的集成变革，从以政府数字化转型为引领的重点突破，向政务服务智能化、校园服务数字化和社会服务一体化发展，以“一个政府”形态回应区域教育需求，信息空间成为重塑物理空间与社会空间的新载体。治理主体通过传统信息化部门和专班专岗业务部门，形成业务协同体的跨多协同，一是面向“层级”（Tiers）实现市县校三级联动，二是面向“功能”（Functions）促使区域内教育、民政、卫生等多主体围绕教育治理需求集成服务，三是面向“部门”（Sections）聚合政府、学校和社会多方资源。治理工具推进整体性教育业务逻辑的深度融合，不仅包括技术要素方面，更需要以规则要素创新保障，从而构建数据治理体系。

三、研究方法与数据来源

（一）研究对象的选择

云计算、数字工具、智能算法等新技术革新助推信息社会进入“蓝海”，治理模式的迭代缺乏成熟的经验参照，因而浙江省率先开展了探索实践，发布了《数字浙江建设规划纲要（2003—2007年）》，2007年底全省信息化水平评价指数位居全国第四[13]；2017年，启动“最多跑一次”改革，形成“全打通、全归集、全共享、全对接”的数字化转型先发优势；2020年，印发《浙江省教育领域数字化改革工作方案》，实施“教育魔方”工程，聚焦系统融合，以场景化的多业务集成为抓手，实现从部门分割到整体协同的螺旋式上升，打造整体智治的现代政府。温州作为浙江省教育大数据建设的先行试点城市，于2020年印发《温州市创建国家“智慧教育示范区”实施方案》《温州市教育“数字大脑”建设实施方案（2020—2025 年）》，整体形成基于一个数据中枢，教育治理、泛在资源、未来学校三大服务中心和X个教育应用场景的未来教育生态，发挥“智慧教育示范区创建+数字化改革”的政策叠加优势，大力推进区域教育数据治理体系建设。在此背景下，选取浙江省和温州市的省、市两级数据治理实践作为典型案例，可以明晰数据在纵向贯穿省、市、縣、校四级的流动特征，横向跨区域、跨部门、跨业务、跨系统间的数据共享调用与业务协作模式，从治理目标、主体、客体等方面分析和验证区域教育数据治理体系构成各要素的合理性。

（二）研究数据的采集

本研究的數据采集主要来自浙江省和温州市近年来省、市两级的区域教育数据治理代表性政策文本（2015—2021年）共32份，具体政策样本见表1，基于内容分析法，使用Nvivo软件进行数据分析。在这些政策中，省级政策18份、市级政策14份；其中，政策种类为：省级规范9个、指南3个、意见1个、标准1个、通知4个，市级方案7个、计划2个、通知3个、指南1个、办法1个。

（三）数据分析方法

本研究采用了内容分析法和组合赋权法对数据进行处理，完成要素的提取与赋权两个环节。内容分析法是对文本内容进行编码、分类、语义判断及形成可供统计分析之用的量化分析方法，兼具量化与质化特性，强调系统化（Systematic）、客观性（Objective）和可量化（Quantifiable）[14]。基本步骤有：提出研究问题、抽取文献样本、确定分析单元、制定类目系统、内容编码与统计、解释与检验[15]。其中，分析单元是内容分析时拟定的最小单位，本研究将词语和短句作为分析单元，并将区域教育数据治理体系通用要素框架作为类目系统，便于分析单元的归类。主题编码的次序根据其在文本中出现的先后进行排列，一个主题出现多次只计一次，同时要考虑主题出现的位置，如“目标”一般在政策文本前面进行提取。

组合赋权方法分主客观两类[16]，主观赋权是由决策者直接根据经验给出的主观判断，如专家调查法、德尔菲法、G1法、层次分析法（AHP）等，求得权重结果通常符合领域常识，但个人偏好对结果的可靠性影响较大；客观赋权是基于决策矩阵信息，通过建立数学模型计算出权重系数（如熵权法），弱化决策者的主观判断，但可能出现权重结果与实际情况偏离较大的现象。本研究中，区域教育数据治理体系中各要素专业性强，且在教育数字化改革进程中，行政管理者和技术开发人员等不同角色的实践者对各要素的接触程度不同，导致对要素解读也有差异，由此本研究首先将采用层次分析法（AHP）邀请同时兼任行政和技术岗位的综合型专家对全部指标进行整体主观赋权得W1；其次，向温州市不同区县、部门、职务的教育数字化改革专班小组成员分发30份问卷，收集数据并通过熵权法进行客观赋权得W2；最后，通过组合赋权方法得W3，使得排序结果兼顾主客观信息[17]。

四、区域教育数据治理体系构成要素映射分析

（一）区域教育数据治理目标要素

区域教育数据治理目标设置是针对区域内具体教育数据管理的顶层规划和控制[18]，为区域教育数据治理体系优化发挥了价值引领作用，存在呈三层结构的阶段性任务，主要目标要素编码内容见附表1。实现数据流动是基本目标，是上层目标实现的前提，需要搭建数据中枢，为数据空间形成提供载体；教育业务逻辑与数据逻辑的融合，是一切教育数据得以转化为功能的关键，也是最终形成线上线下贯通的信息空间的意义。数据资源重新配置下的组织结构变革是进阶目标，打破条块分割、单部门内循环模式，实现纵向省、市、县、校各层级的自上而下统筹和自下而上应用场景创新相结合，横向各部门、各领域跨场景协作，一体推进以发挥整体性数据治理的最大效应。价值共创氛围下数据利他生态的形成是终极目标，以应用场景耦合、综合服务集成和开源智能环境（一体化智能化公共数据平台+“数字大脑”）的支撑，推动区域教育数据共建共享，激发数据生产要素对区域教育功用的放大、叠加、倍增作用。

（二）区域教育数据治理主体要素

数据的多向流动强化了区域教育治理不同主体间的依存关系[19]，主要主体要素编码内容见附表2。除传统信息化部门、业务部门及业务协同体外，依托一体化智能化公共数据平台，重构以场景为中心的工作组替代原先以职能划分的组织架构，可将相关治理主体快速拉入虚拟治理空间，打造形成灵活解决区域教育需求的治理大共同体。其中，教育“数字大脑”建设工作领导小组、浙江省教育系统数字化改革工作领导小组等是区域教育数据治理的中心决策层；数字化转型办公室是数据治理的组织协调机构，尤其是对跨部门、跨职能、跨层级的治理活动具有整合与协调作用；学校信息化建设委员会、首席信息官（CIO）和数字专员等是学校和各业务部门的数据事务对接人，负责将教育数据治理的政策和标准规定落实到具体的数据管理活动中[20]。

（三）区域教育数据治理客体要素

从语义上看，教育数据治理既是面向教育的数据治理，也是针对教育数据的治理，在提高数据质量和保护数据安全的基础上，从数据中获取最大价值[21]。区域教育数据治理客体包括了基于教育业务范畴的主题数据和数据本身相关事务，与学校数据治理不同，区域教育数据的流动基于一体化智能化公共数据平台上的应用集成，与不同部门、主体、地域相结合，形成包括基础设施公共底座和针对具体治理场景的应用创新两部分的“大脑+”系列产品[22]，其中，主要数据事务要素编码内容见附表3。

区域教育主题数据来源于政务服务、校园服务和社会服务三类数字化转型场景，见附表4，以集成方式跨部门和跨业务汇聚数据资源，通过对这部分主题数据的治理，能够反哺形成教育业务服务的多跨协同模式，促进治理流程再造，为公众提供无缝隙的教育服务。

（四）区域教育数据治理工具要素

数据治理工具包括技术与机制两方面，是主体作用于客体最终达成目标的关键中介要素。从实践来看，区域教育数据治理工具中主要技术包括：需要构建基于Saas的云边端结构，采用以Hadoop为主的技术架构体系，浙江省率先利用东方通系统支持关系型数据与非关系型数据分布式存储、传输与交换，以“浙政钉”和“浙里办”两个前端集成开发应用，后端可实现分权限的自定义可视化数字“驾驶舱”，见附表5。

规则要素主要是针对数据建设、项目统筹和机制保障三方面的规则。从内容分析得出，浙江省教育数据建设包括“一数一源”“数据高铁”“以用促建”“定期核验”“按需尽享”“谁提供谁负责”等机制创新，推动实际可行的区域数据建设与跨部门数据调用；教育数字化项目以“专班运作”“全省一地创新全域共享”等机制高效统筹推进；机制保障方面坚持教育信息化工作“一把手”负责制、创新引入学校首席信息官（CIO）和数字专员机制，并将数字化能力纳入教师专业发展激励范畴和领导班子考核体系，以保障区域教育数据治理人才队伍建设，见附表6。

五、基于组合赋权的评价指标权重計算的发现

（一）层次分析法主观赋权W1

构建指标层次结构之后，首先，对同层各指标之间进行两两对比，通过 Satty等人提出的1～9标度法（见表2），将定性的重要程度量化，根据领域专家的专业性建议，对判断矩阵的值进行确定，从而构建出判断矩阵（见表3），并需要满足如下性质：（1）aij＞0；（2）aij=1/aij；（3）aii=1。

其次，需要计算每一个判断矩阵的最大特征根，及其对应的特征向量，在通过一致性检验并进行归一化后，所求出的特征向量便是我们所需的指标权向量[23]，而判断矩阵的一致性比率CR[指标一致性 （CI）和随机一致性指标（RI）的比值]<0.1时，则证明判断矩阵的一致性符合要求。

综上过程采用MATLAB软件编程，部分MATLAB代码如附图1所示，最后得到区域教育数据治理体系中各个指标权重，且所有矩阵都符合CR<0.1，均通过了一致性检验。

（二）权法客观赋权W2

熵值法是通过指标数据计算信息熵的方法，可以避免各个评价指标权重受到某些人为因素的干扰，从而让评价的结果更加符合实际情况，用熵值法确定指标权重的步骤如下[24]：

（1）计算各个指标熵值。设ej是第j个评价指标熵值，那么熵值ej则为：

其中，fij是第j项指标下第i个维度的特征比重，xij是第i个系统中的第j项指标的数值，j是第j项指标所有的数据和。

（2）计算各个指标熵权。设W*j为第j项指标熵权，那么：

其中，ei是第j个指标熵值。

采用Matlab软件编程，得到区域教育数据治理体系中各个熵权法客观赋权的指标权重，部分Matlab代码如附图2所示。

（三）组合赋权W3

组合赋权方法主要用来验证主、客观赋权法是否具有一致的结果。我们可以根据CRITIC法计算出组合权系数，并求得最优是组合赋权向量，从而进行多属性综合评价[25]，采用Matlab软件编程，得到区域教育数据治理体系中各个层次分析法和熵权法组合赋权的指标权重，部分Matlab代码如附图3所示。

（四）区域教育数据治理体系指标权重

基于AHP和熵权法的组合赋权构造的判断矩阵以及MATLAB软件编程，最后得到区域教育数据治理体系指标权重，见表4。

六、结论与建议

通过基于政策文本的通用要素框架构建，并使用组合赋权法进一步探析影响区域教育数据治理的各要素，较为创新地在4个维度上形成逻辑路径，并对核心要素进行解读。

第一，治理目标维度的三级任务中，由数据流动筑建的信息空间使得区域内教育资源配置成为可能，伴随着治理权力的转移和再生产，最终形成区域内各主体价值共创的数据利他生态。数据汇聚伴随业务逻辑融合促发的“数据空间形成（2.23%）”是整体性治理强调的基于问题解决的协调性的基础，有效契合区域教育事务需要跨部门协作的治理趋势，推动教育业务的“流程再造（5.39%）”，“公民需求导向（4.44%）”是当下各领域数字化改革的精准切口，也是区域教育数据治理满足公共利益的最终目标、提供整体性服务的价值旨趣，尤其需要“开源环境支持（3.38%）”。教育行政部门应重视数据中枢建设，制定数据标准，为基于开源环境的多元主体数据汇聚提供顶层统筹。

第二，治理主体维度分析得出“信息化部门（19.58%）”仍然是支撑整个区域教育数据治理的关键主体，负责开发技术与数据相关规则制定；数字化改革背景下形成的“专班专岗（7.68%）”，其成员也抽调自信息化部门，数字化转型办公室、学校信息化建设委员会、首席信息官（CIO）和数字专员等专职机构或人员的产生正是专班专岗常态化的体现，也是基于数据治理实现多跨协同的时代产物。这表明需要重视教育信息化人员的地位与权力分配，推进其与教育业务部门的对接，同时可以考虑在考核机制上提高针对性倾向，选拔同时具备教育技术与行政能力的管理者，并持续开展相关培训。

第三，治理客体维度划分为两类，教育主题数据具有“政务服务智能化（3.55%）”“校园服务数字化（2.08%）”“社会服务一体化（2.68%）”的具体特征。不难发现，相较于校园而言，行政部门和社会窗口是教育数字化改革的前沿阵地。教育数据事务本身，“数据交换与集成（1.63%）”是区域内不同数据之间调和的重点，存在技术接口和行政管理两方面的阻碍，极大程度上影响了后续的“数据共享与开放（1.25%）”；“数据可视化（1.25%）”方面，目前区域做法是利用可支持分层分权操作的“数据驾驶舱”，为不同角色的管理者直观呈现其职权范围内的决策数据源，并在各类数据汇聚时进行市、县、校三级的逐层下行细分。

第四，治理工具维度分析可得，在区域教育数据治理体系建设过程中，“规则要素（19.71%）”的重要程度远高于“技术要素（6.57%）”，其中，诸如改革专项经费保障、“一把手”负责、专班专岗抽调等“机制保障规则（9.28%）”尤其重要，需要教育行政部门加强机制创新，将新增投入对教育信息化作倾斜，积极探索“政府主导+社会参与”的理论研究与实践模式，形成技术融合度高的区域教育“大共同体”结构。

（附表及附图请扫二维码）

[参考文献]

[1] 田刚元，陈富良.习近平数字经济发展思想的历史逻辑、核心要义及其时代价值[J].理论导刊，2021（1）：4-9.

[2] 杨现民，郭利明，邢蓓蓓.区域教育大数据分析架构与展示设计研究——以江苏省A市为例[J].电化教育研究，2020，41（5）：66-72.

[3] 托马斯·库恩.科学革命的结构[M].李宝恒，纪树立，译.上海：上海科技出版社，1980.

[4] 張培，夏海鹰.数据赋能教育治理创新：内涵、机制与实践[J].中国远程教育，2021（7）：10-17，76.

[5] 章璐，侯浩翔.人工智能视阈下区域教育整体性治理：困境、转变与行动路径[J].远程教育杂志，2021，39（5）：104-112.

[6] DUNLEAVY P， MARGETTS H， TINKLER J， et al. Digital era governance： it corporations， the state， and e-government[M]. New York： Oxford University Press， 2006.

[7] 竺乾威.从新公共管理到整体性治理[J].中国行政管理，2008（10）：52-58.

[8] 黄璜.对“数据流动”的治理——论政府数据治理的理论嬗变与框架[J].南京社会科学，2018（2）：53-62.

[9] 南旭光，张培.智能化时代我国高等教育治理变革研究[J].中国电化教育，2018（6）：1-7.

[10] 梁芷铭.大数据治理：国家治理能力现代化的应有之义[J].吉首大学学报（社会科学版），2015，36（2）：34-41.

[11] LI Q， LAN L， ZENG N， et al. A framework for big data governance to advance RHINs： a case study of China[J]. IEEE access， 2019， 7： 50330-50338.

[12] 陈宏彩.“最多跑一次”改革：新时代的政府效能革命[J].治理研究，2018，34（3）：39-44.

[13] 《中国信息化水平评价研究》课题组.中国信息化水平评价研究报告[J].统计研究，2006（2）：3-9，81.

[14] 张荣显，曹文鸳.网络舆情研究新路径：大数据技术辅助网络内容挖掘与分析[J].汕头大学学报（人文社会科学版），2016，32（8）：111-121.

[15] 邱均平，邹菲.关于内容分析法的研究[J].中国图书馆学报，2004（2）：14-19.

[16] 樊治平，张全，马建.多属性决策中权重确定的一种集成方法[J].管理科学学报，1998（3）：52-55.

[17] 陈坤.基于系统动力学的产业技术路线图制定[J].科学学与科学技术管理，2011，32（4）：32-36.

[18] 夏义堃.试论政府数据治理的内涵、生成背景与主要问题[J].图书情报工作，2018，62（9）：21-27.

[19] 陈良雨，陈建. 大数据背景下的教育治理能力现代化研究[J]. 现代教育技术，2017（2）：26-32.

[20] 丁辉侠. 地方政府大数据治理：行动、挑战与应对[J].郑州大学学报（哲学社会科学版），2018，51（1）： 76-80.

[21] 曹建军，刁兴春. 数据质量导论[M].北京：国防工业出版社，2017.

[22] 郁建兴，黄飚，高翔，沈永东，谈婕.浙江建设“重要窗口”的制度基础[J].浙江工商大学学报，2021（1）：5-17.

[23] 王小根，王丽丽，吴仁昌.基于层次分析的语文阅读多媒体教学绩效评价指标研究[J].电化教育研究，2013，34（7）：87-93.

[24] 章穗，张梅，迟国泰.基于熵权法的科学技术评价模型及其实证研究[J].管理学报，2010，7（1）：34-42.

[25] 张玉，魏华波.基于CRITIC的多属性决策组合赋权方法[J].统计与决策，2012（16）：75-77.

Research on Elements of Regional Education Data Governance System

Based on Combination Weighting Method

ZHANG Lu1，  XU Xiao2，  HOU Yuandong3，  LI Ningyu4，  WANG Youmei4

（1.College of Education， Zhejiang University， Hangzhou Zhejiang 310028；

2.College of Education， University of Illinois at Urbana and Champaign， Champaign Illinois 61820；

3.Educational Technology Center of Whenzhou， Wenzhou Zhejiang 325000；

4.Research Center for Big Data and Smart Education， Wenzhou University， Wenzhou Zhejiang 325035）

[Abstract] The educational data governance system is the logical expression of the basic elements of educational data governance activities and the structure and relationship between the elements， and the weight allocation of the core elements is the key to analysis. Based on the perspective of holistic governance， this paper codes and refines  the relevant policy texts of educational data governance at the provincial and municipal levels in Wenzhou， Zhejiang Province through content analysis， constructs a general element framework of regional education data governance system， which  includes 42 elements from 4 dimensions of governance objective， subject， object and tool. The index weight of regional education data governance system is calculated through the combination weighting method， and the rationality and importance of each element in the framework is systematically explained， with a view to providing reference for the construction of local education data governance system of the same type.

[Keywords] Regional Education Data Governance; Holistic Governance; General Framework; Core Element; Combination Weighting Method