高等教育數據分析領域的宏觀趨勢、技術實踐和未來場景

蘭國帥 魏家財 黃春雨 李蒲 李晴文

摘? ?要：美國高等教育信息技術專業機構EDUCAUSE于2022年7月首次發布的《EDUCAUSE地平線報告2022（數據分析版）》，對各國政府預測和研判未來高等教育數據分析領域數字化轉型來說是一個重要的參考。分析該報告的內容有助于探明塑造高等教育數據分析領域的宏觀趨勢、關鍵技術與實踐以及未來發展場景，從而有益于為我國高等教育數字化轉型和高質量發展制定前瞻性決策和戰略規劃?；诖?，文章從非工具性分析視角，提出我國高等教育數據分析領域的未來創新發展路徑：一是完善專業化數據分析服務，建立現代化高等教育數據架構，奠定機構數據分析的技術應用基礎;二是采用數據治理思維，構建科學合理的數據治理體系，推動高等教育數據治理現代化;三是堅持需求導向，開展數據素養培訓，提升利益相關者的數據素養，奠定高等教育數據分析領域的數字能力基礎;四是完善數據治理政策法規，實現數據分析的多樣性、公平性和包容性，推動我國高等教育數據分析領域數字化轉型。

關鍵詞：地平線報告;宏觀發展趨勢;關鍵技術與實踐;未來發展場景;教育數字化轉型;數據素養;數據分析

中圖分類號：G434;G649.1? ? ?文獻標志碼：A? ? ?文章編號：1673-8454（2022）10-0018-13

一、相關背景

新冠肺炎疫情促使全球高等教育的格局和運作方式發生深刻轉變。作為高等教育數字化轉型的核心要素之一，高等教育數據分析領域已成為我國高等教育數字化轉型與高質量發展的關鍵決定因素[1]。

當前，我國高等教育數據分析領域的應用實踐主要存在以下問題：基于數據決策的思想文化與教育數據的現實應用規范不符[2]、基于經驗的教學管理與決策弱化了教學管理的規范性和科學性、師生數據素養薄弱等[3]，也反映出高等教育數據分析領域的相關主體數據素養薄弱的現實困境。

為充分發揮高等教育數據分析領域在高等教育數字化轉型升級和高質量發展進程中的重要作用，亟需立足發展現狀，基于非工具性分析視角，創新思考塑造未來高等教育數據分析領域的宏觀趨勢、關鍵技術與實踐、未來發展場景。

美國高等教育信息技術專業機構EDUCAUSE于2022年7月首次發布的《EDUCAUSE地平線報告2022（數據分析版）》（2022 EDUCAUSE Horizon Report，Data and Analytics Edition，以下簡稱《數據報告》），為各國政府預測和研判未來高等教育數據分析領域數字化轉型提供了重要參考。

《數據報告》采用改進的德爾菲法、技術預見方法、“STEEP趨勢框架”，以及“設想替代未來”和“4種場景原型”工具，呈現了影響全球高等教育數據分析領域的15種宏觀趨勢、6項關鍵技術與實踐、4種未來發展場景、6個典型案例及專家反思觀點（見圖1）。分析該報告的內容及其價值趨向，有助于在借鑒經驗的同時自查自省，從而為我國高等教育數字化轉型和高質量發展制定前瞻性戰略規劃提供參考。

二、塑造未來高等教育數據分析領域的

宏觀趨勢

《數據報告》采用德爾菲法（即專家調查法），從社會、技術、經濟、環境、政治五個趨勢類別的全球視角，綜合世界各類高等教育機構以及不同區域的復雜性和多變性，為探索未來高等教育數字化轉型拓展了思路。

（一）社會趨勢：數據驅動教育決策、彌合數字鴻溝、滿足公平的學習和工作環境的現實需求

為應對社會、政治和經濟變化對高等教育未來穩定的威脅，高等教育機構日益依賴數據分析作為應對廣泛社會問題的解決方案。然而，這種對數據的依賴需要高等教育機構大量投資于數據基礎設施和數據治理，還需要對高等教育機構文化和運作進行有意識的協調轉變。隨著高等教育機構高層領導在進行重要戰略決策時對基于數據分析的因素越來越重視，相關研究機構在高校中的作用也變得越來越重要。

數據的收集、分析和報告都依賴于人類模型和分類過程，即將復雜的現象分解成更簡單、更容易理解的信息片段。人類模型和分類過程容易受到偏見的影響，使信息過于簡化和不完整，或者產生最壞情況，即邊緣化、錯誤分類和惡意歪曲，使學生個體遭受傷害。高等教育機構進行其數據分析實踐時，必須采取有助于發現和解決不平等的措施。

高等教育機構將繼續推進其使命和目標，以服務不同的學生群體和支持多樣化的勞動力，而公眾對提高學習結果公平性的需求將進一步強化高等教育機構的承諾。數據分析專業人員將有機會使其實踐更具包容性，為數據分析尋找多元化的可替代方案開辟更多空間。

（二）技術趨勢：更新數據基礎設施、實施數據治理系統、提升數據素養和人工智能技能

人工智能、機器學習和自然語言處理等先進工具的采用，使大規模數據倉庫技術的應用更為普遍和復雜。學生信息系統（Student Information System，簡稱SIS）等高等教育機構內部系統日益落后于其他部門基于云的技術進步，這將無法滿足日益復雜的期望以及學生、員工和領導的需求?？缏毮軉挝缓筒块T孤立數據源的持續存在，將繼續產生不可靠和無效的數據分析結果。

數據治理是一個艱巨的挑戰，需要高等教育機構進行深刻的文化變革和持續的跨部門協作，應設立專門的領導職位，以及與更廣泛的技術基礎設施和戰略保持一致。缺乏對任意一個關鍵組成部分的治理，或者無視其他因素而過分強調某一因素，都會阻礙數據治理計劃的實施，導致對高等教育機構數據資源的持續浪費和濫用。

在未來幾年內，包括機器學習和自然語言處理在內的大數據技術的進步，將會加速推動跨部門協作發展，技術的應用需要新的勞動力技能和終端用戶數據素養的支持。各個高等教育機構需要為擁有專業知識和技能的新型領導者、專業人員創造專業發展空間，為學生和工作人員開發資源、開展數據素養培訓。

（三）經濟趨勢：非認證平臺證書普及化、大學學位價值受到質疑、技術專業人員工資指數級增長等多重危機

高等教育機構必須學會適應并應對不斷變化的金融狀況和勞動力趨勢。谷歌和亞馬遜等公司決定將非認證形式的培訓和教育同傳統大學學位置于同等水平，這將成為組織和機構聘用非傳統候選人（未受過傳統高等教育的群體）擔任重要領導崗位和員工職位的前景。高等教育機構將經歷的這些變化，既可以增加低成本項目對學生入學人數的競爭，也可以從非傳統候選人群體中注入新的勞動力人才。隨著技術在社會和經濟生活中日益發揮著核心作用，專業技術人員的工資更是呈現指數級增長。支持技術所需的高級專業技能為專業技術人員提供了談判更高薪酬的籌碼。許多高等教育機構將竭力吸引并留住所需的人才。

（四）環境趨勢：高等教育機構物理空間使用、通勤模式、綠色IT服務需求的多重挑戰

隨著高等教育機構更加認真地考慮物理校園空間的使用，并尋求作出更環保的決策，校園設施、占地面積、入住率以及其他相關數據的清單，可以幫助確保這些決策的恰當和有效。然而，由于高等教育機構對這些領域的以往數據未能全面收集和妥善維護，致使許多高等教育機構還未能充分利用這種分析能力。

新冠肺炎疫情的常態化導致人們的交通和工作模式發生新的變化，并將為尋求作出最佳決策以滿足其特定工作環境和員工需求的高等教育機構，開辟了數據知情決策的新領域。靈活的工作環境將使高等教育機構能夠吸引和留住數據分析人才，將更好地滿足其數據需求。IT運營的碳足跡可能相當大，因為數據中心尤其依賴于驅動能源消耗和排放的強大設備。隨著高等教育機構開發更可持續和更環保的技術和數據基礎設施的壓力增加，云計算和虛擬化等解決方案可以減少物理設備的使用，并降低數據中心的功耗。

（五）政治趨勢：數據隱私法、公共教育的政治參與、人工智能新應用的深刻影響

即使是規模最大、資金最充足的高等教育機構，也會在數據收集、存儲和共享方面，面臨著無法跟上不斷發展且日益復雜的國家和國際法律的局面。由于數據法律和數據標準各異，以及全球政治的緊張局勢侵蝕了信任和合作意愿，國際合作和數據共享將變得更加困難。國家和地方政治領導人將公立高等教育機構視為傳遞特定世界觀、保護和建設所期望的未來社會的重要平臺。隨著高等教育機構受到的關注和審查越來越密切，有關機構運作、學生成績的準確、可核實的數據等，對于問責以及防止謊言和指控至關重要。

隨著國際領域政治分歧的加劇，沖突和暴力的風險在世界各地的大學校園里蔓延。許多高等教育機構將依靠人工智能技術來增強其校園監控能力，這也引發了關于使用此類技術的法律和道德問題的質疑和辯論。支持這些技術的算法將受到更嚴格的審查，并迫使高等教育機構在所有人工智能應用中開發更公平的分析實踐，而不僅僅是監督和監管。

三、影響未來高等教育數據分析領域的

關鍵技術與實踐

專家小組成員通過小組討論和幾輪投票，確定了其認為將對未來高等教育數據分析領域產生重大影響的6項關鍵技術與實踐。

此外，《數據報告》對高校在推進這6項關鍵技術與實踐時可能遇到的挑戰，及其影響的性質、程度等，從以下6個維度進行了評估（見圖2）：①在多大程度上需要關鍵利益相關者的支持？②它對高等教育機構戰略目標產生重要和積極影響的潛力是什么？③它在支持高等教育機構數字化轉型方面有何潛力？④整個高等教育機構的優化需要多少機構支出？⑤優化會以何種方式影響高等教育機構的勞動力群體？⑥優化在多大程度上需要提高或重新培養高等教育機構現有員工的技能。

通過這種方式，專家小組成員不僅確定了高等教育數據分析領域的可能影響因素，還預測了其可能產生的影響?！稊祿蟾妗愤€提供了利用這6項關鍵技術與實踐，進行高等教育數據分析領域創新實踐的全球范例項目（見表1）。

（一）數據管理和治理

數據管理和治理包括廣泛的高等教育機構流程，包括但不限于工作流程自動化、訪問管理、系統集成、數據完整性管理、自助服務儀表盤、數據隱私和安全、許可管理等。這些流程對于高等教育機構的成功至關重要，通常需要利益相關者的廣泛參與。這些工作流程依賴于高等教育機構各部門跨越部門界限的協調運作，但高等教育機構往往缺乏這方面的專職人員和資源投入。

數據分析領域專業人員正在倡導借助自動化系統和人工智能增強的流程，實現數據管理的進步，并幫助高等教育機構最大限度地減少因領導層和員工流動造成的干擾。這些技術驅動的變革在基層實施起來可能具有一定的挑戰性，特別是對于那些文化上抵制這種變革的高等教育機構而言，更是一種較大的挑戰。與此同時，這些變革具有深刻和廣泛的性質，可能使關鍵利益相關者難以完全理解什么是數據管理和治理，以及為什么需要支持數據管理和治理。因此，數據分析領導者應隨時準備幫助利益相關者和社區，了解改進數據管理和治理的必要性和好處。

數據管理和治理與高等教育數據分析的相關性主要體現在以下兩個方面：

一是基礎實踐。數據的有效管理和治理需要對高等教育機構現有的數據實踐進行真實評估，并一致和系統地采用創新實踐。專家小組成員建議可開發數據管理和治理方面的新基礎實踐，將規劃、創建、測試、運行和監控設置在一個反饋循環周期中，以實現持續改進和優化。

二是網絡安全。本土和國際數據隱私和保護法正在全球范圍內迅速普及。云存儲和軟件服務解決方案的增長，再加上遠程工作的普及，導致人們越來越關注數據存儲的實際位置、數據訪問的位置和方式，以及如何保護數據。特別是零信任架構（Zero Trust Architecture）的原則可以成為高等教育機構的解決方案。雖然真正的“零信任”不可能實現，但隱私專家正在努力通過對數據過程的驗證和監控來減少對信任的依賴。

（二）統一數據源

作為復雜的數據生態系統，高等教育機構擁有大量的數據存儲，這些數據存儲通常在互不通信的計算系統之間脫節，削弱了高等教育機構參與整體數據分析和決策實踐的能力。數據專家正在敦促高等教育領導者支持重大的文化變革和金融投資，以統一數據源。實際上，統一數據源是數據管理和治理的一部分。統一數據源需要持久標識符、一致的數據字典、嚴格的安全措施等要素。專家小組認為統一數據源對高等教育機構的戰略目標和數字化轉型具有重大的潛在影響。

統一數據源和高等教育數據分析的相關性主要體現在以下兩個方面：

一是戰略行動。隨著高等教育機構領導人日益注重作出基于數據的教育決策和戰略計劃，也越來越依賴集成高等教育機構多個職能領域的穩健數據集。轉向統一數據系統將使高等教育機構利益相關者能夠進行更有意義的分析，以解決復雜的主題，如各種學位項目的投資回報率（Return on Investment，簡稱ROI）、終身學習者的學習投入或學習者在高等教育機構各種服務中的不同體驗。

二是跨機構合作。統一數據源有望激發更廣泛的努力，促使在高等教育機構和其他相關數據源之間整合數據與分析。要在統一數據源方面取得進展，需要國家層面的數據解決方案和各高等教育機構更有效地參與。

（三）現代數據架構

現代數據架構是數據管理和治理的另一個關鍵組成部分。統一數據源后，必須建立數據結構以便分析。許多現代軟件和服務解決方案可用于維護高等教育機構的數據結構，但沒有一種得到廣泛采用。此外，傳統的數據架構無法支持機器學習和自然語言處理等更復雜的分析功能。如果沒有可擴展、適應性強且靈活的數據架構，數據用戶就無法有效地使用現代數據分析功能，數據分析的可信度也會受到質疑?，F代數據架構在2022年所有關鍵技術和實踐中排名最高，要求提高和重新培訓高等教育機構現有員工的技能，以及增加高等教育機構在優化現有數據架構方面所需的支出。

現代數據架構和高等教育數據分析的相關性主要體現在以下兩個方面：

一是現代數據架構不僅需要存儲大量數據，還需要為用戶提供對有邏輯、有組織和可用的數據庫的訪問。高等教育機構一直在使用數據湖存儲原始數據，同時使用數據倉庫來存儲經過清理和組織并可供使用的數據。

二是柱狀數據庫是一種較新的數據架構方法，便于跨不同數據集進行分析。與傳統面向行的數據庫不同，柱狀數據庫格式更有效、更綜合。在這種格式中，每列數據都存儲為一個單行項目。查詢列數據庫時，只需要查詢相關的數據列，就能實現更快、更高效的分析。

（四）數據素養培訓

2022年所有關鍵技術與實踐的共同主題是對“大數據”見解的需求增加。但終端用戶從數據中產生見解的能力，要求他們理解這些數據代表什么，知道如何解釋和負責任地使用這些數據。因此，專家小組成員將數據素養培訓提升為今年6項關鍵技術與實踐之一。

盡管近年來高等教育機構收集的數據數量和類型顯著增加，但并沒有看到終端用戶解釋和使用研究結果的能力有相應的進步。高等教育機構開展大規模的數據素養提升活動可能成本高昂、耗時較長，但這也可能帶來巨大的投資回報。由于在使用數據方面有了更多的專業知識和舒適度，整個高等教育機構的利益相關者（包括員工、教師和學生）可以更有效地使用數據，為其決策和實踐提供信息，改善學生的學習效果，并且這種方式尊重隱私，將數據訪問和共享的風險降至最低。專家小組成員預計，與其他關鍵技術與實踐相比，數據素養培訓對高等教育機構的勞動力規模影響不大，成本相對較低。

數據素養是當今以數據為中心的專業市場中領導者和員工所需的最重要的基本技能之一。然而，與數據分析相關性不大的專業很少提供專業的數據素養技能培訓。因此，高等教育機構有義務通過讓員工在工作中理解和使用數據，來支持其作為數據分析專業人員的專業成長。

此外，數據素養培訓可以個性化定制。高等教育機構所有層次利益相關者——從董事會成員到行政管理人員、教師、學生和工作人員，都可從數據素養培訓的投資中獲益。但每種類型的利益相關者都以不同方式使用和交換數據。分析學生成績數據以改善教學的教師與解釋收入報告的董事會成員的需求有很大的差異。因此，各高等教育機構必須為數據素養培訓創建特定的角色和通用資源。

（五）數據分析的多樣性、公平性和包容性

數據分析專業人員在收集、管理和分析數據的方式上日益注重多樣性、公平性和包容性。除了避免不道德的實踐外，利益相關者還致力于利用數據分析來推動高等教育的公平。然而，數據分析的專業規范是由大多數人制定，也是為大多數人制定的。數據分析專業人士正以批判的眼光審視和質疑這些規范?？傊?，該領域正在重新審視誰在選擇和收集什么數據、如何收集數據、數據的用途，以及每一步都隱含哪些偏見。

除此之外，數據分析專業人員正致力于利用數據分析來支持多樣性、公平性、包容性的目標和戰略計劃。高等教育機構領導人正在編寫具體化、可觀察結果的目標，以便通過數據分析評估進展情況。通過這種方式，數據分析可以用來檢查各種利益相關者群體如何受到當前機構結構的差異影響，并設計新的結構以消除差異影響，以及評估這些新結構的結果。

數據分析的多樣性、公平性和包容性與高等教育數據分析的相關性主要體現在以下兩個方面：

一是數據分析方法。公平分析的最佳實踐不斷變化。分析人員正在學習如何收集包括人口統計信息在內的準確完整的數據集，同時確保不會對代表性不足的群體造成進一步傷害。利益相關者正在討論數據作為高等教育機構成果證據的合理性。

二是數據分析中的偏見意識。數據分析的目的是從可觀察數據中得出有意義的結論。但提出什么問題、分析什么數據、如何進行分析以及產生什么數據見解都是由人們決定。由于每個人都有隱含的偏見和不同的解釋世界的方式，這些偏見和差異就會被納入分析過程中。隨著對這些問題的認識逐漸變得清晰，高等教育利益相關者將越來越多地檢查分析工具中嵌入的假設。

（六）評估和改進高等教育機構數據分析能力

高等教育機構正在審查機構數據的質量和分析過程的有效性。盡管高等教育的主要功能之一是產生新知識，但機構實踐本身往往落后于當前的創新。無論所面臨的挑戰是資金有限還是缺乏戰略支持，數據分析專業人士都在評估和提高自身能力，以滿足對高質量、有影響力的分析見解的強烈期望。專家小組成員將評估和改進高等教育機構數據分析能力列為最具影響力的實踐之一。

評估和改進高等教育機構數據分析能力與高等教育數據分析的相關性主要體現在以下兩個方面：

一是全面評估。高等教育日趨復雜化，也使得以前孤立的數據分析辦公室和人員必須進行協作、共享資源，特別是內容知識和技術技能。在此背景下，“全面”不僅意味著跨部門合作，還意味著必須統籌高等教育機構數據分析工作流程的每一步。收集、存儲和分析數據的方法以及傳播數據見解的過程也必須經過協調評估。對數據分析能力的全面評估，需要高等教育機構各級領導人的支持，并配以適當類型的人員和專門知識。

二是提高評估效率。收集更多數據和使用機器學習算法等工具的努力并不總能帶來更好的結果，高等教育機構也常常發現自身面臨著更大的問題，如設計可擴展的道德實踐、安全存儲和保護私人數據。評估和提高高等教育機構的數據分析能力，需要高等教育機構領導人和專業分析人士判斷其是否能夠有效地利用龐大的數據存儲來產生有益的數據見解。隨著數據分析流程的優化，高等教育機構領導人可以思考數據分析在未來可以發揮什么作用，跨機構合作也將更加安全、實用、有利。

四、預測未來高等教育數據分析領域

的發展場景

《數據報告》借助未來研究所的“技術預見方法”，從不同視角設想了2022—2032年高等教育數據分析領域的四種未來發展場景，以更好地預測和調整高等教育數據分析領域的未來發展趨向，并為之提前作好戰略規劃（見表2）。

（一）增長場景：高等教育數據分析領域蓬勃發展，但仍有關鍵問題未得到充分解決

在“假新聞”文化盛行和公眾不信任的壓力下，越來越多的高等教育機構被要求堅持數據驅動的教育決策過程。從制定新政策到實時響應突發事件，每個教育決策都必須有數據分析的支持。高等教育機構的政策與實踐受到政治壓力的嚴重影響?！爸挥袦y量才重要”幾乎用于所有高等教育機構成果的設計和評估。私營機構也已經過渡到數據驅動決策，并能夠提供一些“具有吸引力”的福利，如靈活的工作時間、遠程工作，以及比高等教育機構高兩到三倍的薪酬。因此，高等教育機構正在經歷合格數據分析師的嚴重短缺，被迫用更少的資源做更多的工作。

此外，由于工作負擔過重，高等教育機構數據分析人員沒有時間進行專業發展，也無法更新技術上已經過時的計算機系統或應用程序。高等教育機構收集、存儲和共享數據的過程幾乎與十年前相同，其數據泄露風險也正在加速。

一些高等教育機構抵制“大數據”文化的轉變。在數據驅動的時代，許多利益相關者看不到小規模定性數據的價值。事實上，“數據”現在幾乎被普遍理解為大規模的量化數據，以前被稱為大數據。大數據模型在很大程度上忽視了歷史上被邊緣化的學生群體。致力于數據驅動流程的院校繼續流失學生，而采用數據引導流程的院校正迎來新的入學高峰。

（二）約束場景：高等教育數據分析領域受核心指導價值觀支配

自本世紀20年代初以來，用更少的資源完成更多工作的必要性從未減弱。近年來，大多數高等教育機構沒有足夠的資金更新日常運營基礎設施，尤其是數據基礎設施。負責基礎設施工作的IT員工越來越少，并且員工只是在為過時和混亂的系統提供零碎的維護。數據分析專業人員只能試圖用越來越多的問題數據為關鍵的機構決策提供信息。

主流媒體質疑高等教育機構數據分析產生見解的真實性。保守派政治家主張增加數據處理的立法，以保護個人隱私和安全。然而，由于沒有解決數據分析最佳實踐的國際標準，人類數據收集、存儲和使用的全球法規變得越來越復雜，這種復雜性給已經不堪重負的高等教育體系又增加了一層負擔。

由于高等教育機構領導人一直在努力以較少的資源來優先處理日益增長的工作量，數據分析人員尚未確定如何公平地收集、分析和傳播數據。因此，不公平的數據實踐仍然沒有改變，世界各地數據分析應用的公平差距繼續擴大。學生和一些數據分析師正在向各高等教育機構施壓，要求其在數據處理中采用區塊鏈技術。大量證據表明，轉向區塊鏈數據管理系統的機構總體上效果更好。在當前經濟形勢下，高等教育機構的領導者在制定機構優先事項時，預算變化繼續成為重要的影響因素。

（三）崩潰場景：高等教育數據分析領域受自身無法控制的變革力量困擾并遭受重創

21世紀20年代初，傳統高等教育學位的價值和投資回報率受到質疑。學生們開始意識到自己是擁有選擇權的高等教育產品消費者。高等教育機構比以往任何時候都更加努力地吸引新生。招生的新方法包括分享大量有關學生滿意度和工作成就的數據。然而，這些額外的分析負擔并沒有很好地配備數據分析人員。高等教育機構難以招聘和留住數據分析人員，因為其無法與行業薪資競爭，而且許多高等教育機構拒絕提供遠程或混合工作。由于沒有必要的數據分析人員支持內部分析，高等教育機構越來越依賴于成本更低、更容易實施的外部數據解決方案，但這往往會削弱高等教育機構領導力和員工的參與度，以及對決策數據的信任。學生也正在為自身教育尋求更公平的選擇。因此，許多高等教育機構的入學人數正在下降，許多高等教育機構也正在關閉。

從高等教育機構到個體教育者，任何人現在都可以通過區塊鏈教育提供免費或低成本的證書。雖然這還不是高等教育和繼續教育最普遍的選擇，但它在高等教育領域正逐漸興起并日益被認可。學生可以將多個經認證和非認證項目的區塊鏈證書組合起來，作為一個自主生成的類似學位的投資組合。所有的微認證選擇加劇了對認證高等教育學位需求的下降。自由市場競爭導致以更低的成本提供更好的項目。盡管傳統的高等教育體系正在面臨非認證項目興起而引發的大學學位價值信任危機，但新技術仍在繼續促進人們獲得新的教育選擇。開放獲取、靈活性和自主性是高等教育的新支柱。

（四）轉型場景：高等教育數據分析領域重新建立發展新范式

近年來，高等教育面臨的最大挑戰之一是通過重新定義物理空間的目的和用途，來改善全球生態系統的健康。高等教育機構正在利用最新技術，在更高效的教學、學習和工作方面引領世界。高等教育機構領導人不可避免地轉向日益復雜的數據生態系統，依靠改進的數據架構和數據素養方案，為戰略決策提供信息。

過去十年中，遠程工作和學習受到了廣泛關注，技術人員競相跟上迅速變化的世界。雖然一些利益相關者仍在關注如何更好地開展遠程或混合工作與學習，而其他利益相關者已經將注意力轉向支持遠程或混合工作與學習活動開展所需的計算變革。隨著對面向用戶過程的關注，軟件系統已經發展到支持更復雜的數據架構和執行更強大的計算。然而，硬件開發一直相對滯后。目前，全世界正在努力改進硬件流程，普遍致力于最大程度地降低IT對環境的影響。各高等教育機構面臨著越來越大的政治壓力，要求高校盡可能地轉向虛擬運營，以證明高校對地球健康的承諾。

五、我國高等教育數據分析領域

創新發展路徑

《數據報告》為教育數字化轉型時代，我國高等教育數據分析領域實現高等教育數據架構，構建科學合理的數據治理體系，奠定高等教育數字化轉型的數字化能力基礎，促進數據分析的多樣性、包容性和公平性，提供了啟示與參考。

（一）完善專業化數據分析服務，建立現代化高等教育數據架構，奠定機構數據分析的技術應用基礎

《數據報告》指出，高等教育教學中所挖掘的數據分析建模，可以促進管理者更理性地進行教育決策、精準分析，以均衡教育資源配置，還可以推進教師教學能力的流轉，改善教育方式單調化等難題[4]。然而，要建設持續、動態匯聚海量數據架構，就要破解教育決策缺乏數據支撐、教育資源分配不合理、發展不平衡、教師數據能力欠缺、外部支持不足等一系列挑戰。要構建穩固的高等教育數據架構，就要瞄準專業化數據分析服務，直面高等教育現代化的顯性難題，完善高等教育數據分析的技術應用基礎。

首先，在數據驅動教育科學決策方面，教育管理者要關注教育大數據的整體應用， 將數據搜集、分析、儲存都納入法律法規的制定范圍內，增加教育數據保護的全面性[5]。還要從傳統經驗決策轉型到數據驅動的決策，利用教育數據準確地了解教育教學情況，預測不利事件， 更加科學合理地作出教育決策[6]。

其次，在數據促進教育資源分配方面，要加大投資各級數據庫力度，充分利用數據深度分析、動態審查掌握各區域的教育教學現狀，并結合區域背景，模擬未來區域教育運行，合理布局、調配師資、劃撥教育經費等，進而實現高質量的教育資源均衡配置[7]。

最后，在數據驅動教師隊伍建設方面，要充分發揮數據分析的優勢作用，精準識別教師專業發展的動態性和個性化需求，設計更加精準、個性化的細化目標[8]，改進教師管理服務，進而輔助高等教育相關管理部門實現對教師隊伍的精準治理，促進教師隊伍治理的現代化[9]。

（二）采用數據治理思維，構建科學合理的數據治理體系，推動高等教育數據治理現代化

高校教育數據治理，不僅能夠提高教育數據質量、解決教育數據流向混亂、共享不足等問題，更有利于提高高校決策的科學性與管理效率[10]。然而，如何治理日益龐大的數據集、高效整合數據資源、釋放數據價值、創新深化數據應用，從而更好地服務于高校的精準管理和科學決策，是亟需解決的現實問題[11]。

首先，設置首席數據官，明確首席數據官的職能定位與權責配置。作為領導者，首席數據官要發揮導向功能，確保數據驅動決策;作為協調者，首席數據官應與首席信息官、數據管理員以及其他利益相關者深入合作，建立一種新型的合作管理機制，共同推進數據的使用與分析[2];作為賦能者，首席數據官要積極尋找組織開發利用大數據的新機會，促進教育數據價值的挖掘與應用。

其次，著眼于高校實際需求，構建統一數據平臺，提升數據資產價值。高校應當在數據標準基礎上，建立校級統一共享的集數據歸類、存儲、共享、治理、分析、應用等功能于一體的數據平臺，實現數據的全生命周期管理，提升數據治理水平[11]。

最后，融合多方人才的智慧與優勢，構建基于數據責權厘定的智能化精準數據決策體系。一方面，高校應充分調動教師、學生和學校管理者等協同參與數據治理，在高校數據采集、存儲、共享、應用等方面做好責權劃分，形成完善的數據治理組織閉環[12]。另一方面，可充分利用關聯分析、區塊鏈、人工智能等技術，加強軟件和硬件建設，為教育數據治理提供堅實的技術保障。此外，在人工智能與高等教育數據治理的深度融合中，在處理數據、技術與人的相互關系時，應遵循“有用”和“無害”的倫理訴求，充分發揮數據和技術的育人價值[13]。

（三）堅持需求導向開展數據素養培訓，提升利益相關者的數據素養，奠定高等教育數據分析領域數字能力基礎

數據是高等教育數字化轉型的核心要素[2]，要發揮數據要素在高等教育數字化轉型中的重要作用，就必須提升包括教育決策者、教師、學習者等所有教育利益相關者的數字素養，從用戶側驅動高等教育數據分析領域數字化轉型[14]。

當前，我國高等教育數據分析領域數字化轉型進程中，暴露出教育決策者基于經驗的教學管理與決策缺乏規范性和科學性、教師借助數字化創新教學的實踐能力薄弱、學習者缺乏數字化學習的自我管理能力等數據素養薄弱的局限[3]。若要顯著提升高等教育數字化轉型利益相關者的數據素養，就必須面向教育決策者、教師和學生等不同群體開展數據素養培訓，為高等教育數據分析領域奠定數字能力基礎。

在提升教育決策者數據素養層面，可布局數據自動化采集與智能化分析技術體系，記錄師生在各類情境中認知、行為、情感等多方面真實表現的數據，基于多維數據的關聯交叉分析，同時結合專業知識和實踐智慧作出科學循證決策[15]。

在提升教師數據素養層面，鑒于當前教師數據素養常規培訓形式（線上、線下或者線上線下混合）效果欠佳的現狀，可堅持“場景嵌入式、服務伴隨式、學習泛在式”的基本理念，重點結合一線教師的工作場景設計數據應用案例與策略，通過活動促進、榜樣示范、環境熏陶等途徑，全方位滲透數據意識、知識、技能與思維[16]。

在提升學習者數據素養層面，要致力于培養學習者科學的數據意識、倫理和規范，使其具備數據收集與評估、數據管理、數據分析與應用等方面的知識技能。在認知階段，注重提升大學生數據意識、安全意識和法規意識;在能力階段，重點培養大學生數據收集、評估、管理和分析能力;在應用階段，培育大學生數據利用、表達與交流能力，具備批判精神[17]。

（四）完善數據治理政策法規，實現數據分析的多樣性、公平性和包容性，推動我國高等教育數據分析領域數字化轉型

隨著以5G、人工智能、大數據等技術為核心支撐的智能時代的到來，教育數據治理面臨著全新的挑戰[18]，如數字鴻溝擴大、數據分析中隱含偏見、數據隱私法越來越復雜、教育數據收集和分析手段有待改進等。從本質上看，這些問題是由于缺乏大數據治理的法律和規章制度方面的保障[19]。

為確保數據分析的公平性，實現數據治理高效化，加快高等教育數據分析領域數字化轉型，需要重點加強以下幾個方面的探索與實踐：

首先，要采取自上而下的政策機制，出臺高等教育數據分析領域數字化轉型國家層面的法律和規章制度，為數據收集、數據監管、隱私保護、數據公開、信息使用、教育數據服務倫理秩序等提供專業規范。同時，還要加強頂層設計，消除當前存在的“數據壁壘”，建立一個系統集成、互聯互通、協同共享的教育領域數據治理框架，實現從政府主導的傳統治理模式向多元主體廣泛參與的共同治理模式轉變[20]。

其次，采取有力措施，建立由政府、高等教育學會和高校聯盟等組織協調的，集高等教育和社會與經濟為一體的、多層面的高等教育大數據共享平臺。數據平臺的建立可實現數據標準規范化、數據內容清晰化、數據收集簡便化、數據管理脈絡化，從而實現數據分析高效化，并從教學、科研、管理、服務等方面全方位提升高校數據分析能力。

最后，倫理是人類共生共存的底線。數據治理中，除認真遵守法律法規外，還必須從科技研發、推廣與使用等環節系統性地植入倫理規則，使倫理成為法律創新的指南針，從而實現法律與倫理的有效對接[21]。

注：本文部分內容來自2022 EDUCAUSE Horizon Report，Data and Analytics Edition，報告網址如下：https：//library.educause.edu/-/media/files/library/2022/7/2022hrdataandanalytics.pdf？la=en&hash=9FA4BFE5CDA22F19AEB4F7B46F8F1AAC 6206BE3F

參考文獻：

[1]徐曉飛，張策.我國高等教育數字化改革的要素與途徑[J].中國高教研究，2022（7）：31-35.

[2]蘭國帥，魏家財，黃春雨，等.國際高等教育數字化轉型和中國實施路徑[J].開放教育研究，2022，28（3）：25-38.

[3]李銘，韓錫斌，李夢，等.高等教育教學數字化轉型的愿景、挑戰與對策[J].中國電化教育，2022（7）：23-30.

[4]EDUCAUSE. 2022 EDUCAUSE Horizon Report | Data and Analytics Edition[EB/OL]. （2022-07-18）[2022-08-13]. https：//library.educause.edu/-/media/files/library/2022/7/2022 hrdataandanalytics.pdf？la=en&hash=9FA4BFE5CDA22F19AEB 4F7B46F8F1AAC6206BE3F.

[5]郭春雷.教育大數據在教育管理中的運用分析[J].教學與管理，2017（9）：37-39.

[6]余勝泉，李曉慶.基于大數據的區域教育質量分析與改進研究[J].電化教育研究，2017，38（7）：5-12.

[7]楊現民，陳世超，唐斯斯.大數據時代區域教育數據網絡建設及關鍵問題探討[J].電化教育研究，2017（1）：37-46.

[8]馮曉英，郭婉瑢，黃洛穎.智能時代的教師專業發展：挑戰與路徑[J].中國遠程教育，2021（11）：1-8，76.

[9]崔延強，權培培，吳葉林.基于大數據的教師隊伍精準治理實現路徑研究[J].國家教育行政學院學報，2018（4）：9-15，95.

[10]董曉輝.活動理論視角下高校教育數據治理體系構成要素研究[J].中國電化教育，2021（3）：79-87.

[11]周煒.大數據視域下高校數據治理優化路徑研究[J].教育發展研究，2021，41（9）：78-84.

[12]趙磊磊.人工智能賦能高校數據治理：邏輯、挑戰與實踐[J].重慶高教研究，2022，10（1）：71-79.

[13]蘭國帥，魏家財，張怡，等.未來高等教育教學：宏觀趨勢、關鍵技術實踐和未來發展場景——《2021年地平線報告（教學版）》要點與思考[J].開放教育研究，2021，27（3）：15-28.

[14]楊現民.開辟教育全面數字化轉型新局面[EB/OL].（2022-04-07）[2022-08-14].https：//mp.weixin.qq.com/s/chHX0b5GiqWw8SFoQQlHKA.

[15]郝祥軍，顧小清.高等教育如何轉向未來技能培養——來自德國“未來技能”項目報告的啟示[J].現代遠距離教育，2021（5）：33-42.

[16]楊現民，張瑤.教育規?；c個性化矛盾何以破解？——數據驅動規?；虿氖┙痰倪壿嬁蚣芘c實踐路徑[J].中國遠程教育，2022（8）：42-52，79.

[17]張薇薇，施茜薷.基于知識建構的本科數據素養教育學習環境設計[J].現代情報，2021，41（3）：121-130.

[18]趙磊磊，張黎，代蕊華.智能時代教育數據風險治理：實然困境與實踐路徑[J].湖南師范大學教育科學學報，2021，20（6）：94-102.

[19]常桐善.高等教育大數據建設路徑——美國的經驗及其對中國的啟示[J].重慶高教研究，2022，10（4）：20-30.

[20]張培，夏海鷹.教育領域數據治理的基本思路與實踐路徑[J].現代教育技術，2020，30（5）：19-25.

[21]黎四奇.數據科技倫理法律化問題探究[J/OL].中國法學：1-21[2022-08-17].https：//kns.cnki.net/kcms/detail/detail.aspx？dbcode=CAPJ&dbname=CAPJLAST&filename=ZGFX 20220721006&uniplatform=NZKPT&v=QcpUsEBxFrcu9lNG-bs26kFz6YJdsUXF6QZMPUTl_EEjLCakp1M9DTji02KEYVnd.

作者簡介：

蘭國帥，副教授，博士，教育學博士后，主要研究方向為智能技術教育應用，郵箱： cqdxlgs@163.com;

魏家財，碩士研究生，主要研究方向為信息技術教育應用，郵箱：3070204732@qq.com;

黃春雨，碩士研究生，主要研究方向為信息技術教育應用，郵箱：1214747358@qq.com;

李蒲，碩士研究生，主要研究方向為信息技術教育應用，郵箱：2503129275@qq.com;

李晴文，碩士研究生，主要研究方向為信息技術教育應用，郵箱：XYSYLQW@163.com。

Digital Transformation in the Field of Higher Education Data and Analytics： Macro Trends， Technical Practices and Future Scenarios

——Interpretation of US 2022 EDUCAUSE Horizon Report， Data and Analytics Edition

Guoshuai LAN1，2， Jiacai WEI1， Chunyu HUANG1， Pu LI1， Qingwen LI1

（1.Faculty of Education， Henan University， Kaifeng Henan 475004;

2.Education Informatization Development Research Center in Henan Province， Kaifeng Henan 475004）

Abstract： The 2022 EDUCAUSE Horizon Report， Data and Analytics Edition， firstly released by the Higher Education information technology institution（EDUCAUSE） in July 2022， is an important reference for governments to predict and analyze the digital transformation of higher education in the field of data and analytics. Analyzing its contents would be helpful to figure out macro development trends， key technology and its practices and future development scenarios in the fields of higher education data and analysis， so as to make forward-looking and strategic decisions and plans for digital transformation and high-quality development of higher education in China. Based on the perspective of non-instrumental analysis， this paper proposes the future innovative development path of digital transformation in the field of higher education data and analysis in China： Firstly， improving professional data analysis services， establishing a modern higher education data architecture， so as to lay the technical application foundation for institutional data and analysis; secondly， adopting data governance thinking， constructing scientific and reasonable data governance system， promoting the modernization of higher education data governance; thirdly， insisting on demand-oriented data literacy training， improving the data literacy of stakeholders and laying the foundation of digital capability for digital transformation; fourthly， improving data governance policies and regulations to achieve diversity， equity and inclusiveness in data and analytics， then promoting the digital transformation of data and analytics in higher education in China.

Keywords： Horizon Report; Macro development trends; Key technologies and practices; Future development scenarios; Digital transformation of education; Data literacy; Data and analytics

編輯：李曉萍? ?校對：王天鵬