数据治理赋能高校“四新”专业教学质量保障：实践阻塞与路径选择

李博 周萍

摘 要：高校专业质量保障目前存在理念模糊与持续改进内生动力匮乏、数据孤岛与数据价值挖掘利用不够、管理队伍分散与管理理念更新落后等问题。对此，从数据治理赋能角度将大数据理论和内部质量保障理论有机结合，提出构建基于全面质量管理的专业教学质量保障体系，建构专业教学质量保障平台，推进专业教学数据全链条管理与应用，切实发挥“四新”专业教学质量保障功能，培养国家所需的高素质人才。

关键词：数据治理；“四新”专业；专业教学质量保障

一、数据治理：高校“四新”专业教学质量保障的时代诉求

高等教育质量的提高已经成为全球高等教育发展与改革的共同命题。习近平总书记指出，一个国家的高等教育体系需要有一流大学群体的有力支撑，一流大学群体的水平和质量决定了高等教育体系的水平和质量[1]。一流大学建设目标是提高高等教育质量，根本任务是培养人才。专业作为人才培养的基础工作，是提高高校教学质量的关键所在，高校的一切教育教学活动都是围绕学科专业而展开的[2]。“四新”专业作为新一轮人才培养的路径转型试点，突出交叉融合，强调与大数据、人工智能为代表的新技术融合，为国家培养在关键领域实现从“0到1”突破的原始创新储备人才[3]。因此，建立全面、科学的高校专业教学质量保障体系对于人才培养具有重要意义。为更好地保障专业办学质量，外部的评估和认证成为衡量专业发展水平的标尺。我国从1985年开始逐步推行高等教育专业认证，1990年开始试点探索开展本科教学评估，先后经历了水平评估、合格评估和审核评估等阶段[4]。二者的实施有效推动了高等教育专业的发展与提高。但不可否认，无论是专业认证还是本科教学评估，数据管理均存在“重采集轻管理、重规模轻质量、重利用轻安全”现象[5]。

随着数字化时代的到来，以信息技术为主要特征的大数据正逐步渗透到经济、政治、文化等各领域，并从国家战略的高度引领着社会各界的方方面面。数据已经逐渐成为国家高等教育事业的战略性资源，有数据的地方必然存在数据治理。《中国教育现代化2035》把“推進教育治理体系和治理能力现代化”作为教育现代化十大战略任务之一，把“形成全社会共同参与的教育治理新格局”作为2035年中国教育现代化主要发展目标[6]。《加快推进教育现代化实施方案（2018-2022年）》进一步强调要完善高等教育质量标准和监测评价体系，开展大数据支撑下的教育治理能力优化行动，推动以互联网等信息化手段服务教育教学全过程[7]。

在“四新”专业建设发展的升级阶段，充分利用专业发展数据，实现专业发展价值增值，从根本上保障“四新”专业发展质量，是实现“四新”专业发展变轨超车的有效路径。因此，厘清“四新”专业教学质量保障的数据治理逻辑，明确“四新”专业教学质量保障存在的问题，明晰“四新”专业教学质量保障的数据治理路径，是实现“四新”专业发展加速人才培养的必然要求。

二、数据治理赋能高校“四新”专业教学质量保障的基本逻辑

在高等教育领域，大数据也越来越受到高度重视和共同关注，认识大数据，利用大数据，既是高等院校践行国家大数据战略的重要内容，也是高等院校推进高等教育综合改革，提升本科专业教学质量的重要抓手。必须承认，高校教育过程背后所产生的数据对高校专业发展影响巨大。从专业外部评价到内部建设需求，高校管理者、教师、学生无时无刻不在与数据打交道，但是，最能对高等教育的发展产生变革性影响的数据却常常在海量数据群中被忽略。因此，数据治理对于高校“四新”专业教学质量发展至关重要。厘清数据治理理论逻辑、技术逻辑和队伍逻辑成为高校数据治理有效保障“四新”专业教学质量的必然要求。

1．理论逻辑：从“数字”到“数据”，强调数据质量管理

有学者提出社会从20世纪70年代已经迈入了“数字时代”，数字化的提出意味着社会发展研究变得非具象化，逐渐走向抽象发展。随着社会发展，数据化逐渐被提出，数字逐渐被数据取代，研究者深度解读数字和数据，认为数据是包含数字的，数据更注重考量现实情境和事物之间的关联，数据具有实践导向性[8]。专业教学质量保障主要依托于政府主导或第三方评价机构主导的外部评价，为获得“优秀”结果，“形式主义”“机会主义”行为时有发生，导致高校忽视评价为提高专业发展、人才培养质量的目的[5]。对数据的精准分析有助于动态、科学呈现高校“四新”专业教学质量的整体样态，而数据集的综合质量是影响教学质量诊断的关键因素。因此，推动学校专业的内涵发展，必然要求专业教学质量保障要从“数字思维”转向“数据思维”，在借助数据治理完善“四新”专业教学质量保障机制的行动链条中，注重数据质量管理，完善数据标准，是提升高校数据治理效能、“四新”专业教学质量以及人才培养质量的基本要求。

2．技术逻辑：从“孤岛”到“共享”，强调数据价值释放

在信息化时代，高校充分利用信息技术不断优化学校管理、服务教学科研，享受信息技术带来的优秀成果同时，也面临着数据冗余、标准模糊、流程阻塞、应用滞后等问题[9]。特别是在专业发展建设中，不同外部评价标准、不同渠道收取专业发展数据，耗时耗力同时导致很难有效利用数据反哺专业发展建设。在智能时代，数据的产生与流动具有显著的“液态化”属性，未经过组织整合的、不可预测的、割裂的“数据流”蕴含的深层价值难以被有效挖掘[10]，这要求高校建立标准化、结构化的数据共享机制。因此，开展数据治理，加强数据价值释放，打破数据孤岛，促进数据共享，发挥数据价值成为高校专业发展的必由之路[11]。基于改进“四新”专业教学质量的总体目标开展数据治理工作，就要完备数据价值释放的治理制度保障，解决当前专业数据共享中存在的问题，标准化规范化地推动专业数据的采集、分析与应用，实现对高校专业数据的有效管理和深度共享。

3．队伍逻辑：从“离散”到“归一”，强调部门协同合作

推进数据治理的基础是数据管理水平，也就是数据管理队伍建设，这也成为当前大数据治理改革各种矛盾的焦点，提升数据管理水平不完全在于技术的发展与运用，更多的在于数据管理队伍结构及制度完备情况[12]。高校专业发展过程中，缺少完备的质量保障队伍，部分高校即使有相关队伍或机构，更多的是发挥单向管理职能，缺少管理经验与技术。同时，面临全校海量专业数据，队伍组成过于单一，教师、学生等利益相关者的治理参与程度不足，无法有效发挥数据应有价值。为充分整合与发挥不同组织部门与治理主体的治理效能，高校专业数据治理队伍建设要加强部门协同，实现相关机构多方参与，从分散走向归一。同时，要加强队伍专业性建设，从思想价值上提升队伍管理水平，改善认知偏差。

三、数据治理赋能高校“四新”专业教学质量保障的实践阻塞

专业内部的教学质量保障既是其内部的生存需求，也是其持续发展的内在和外在驱动力。目前，国内高校专业教学质量保障多数依托于外部驱动的各类审核评价或认证等活动，一定程度上虽然阶段性促进了专业教学改进与发展，但内部驱动、常态化的专业质量保障建设仍然是多数高校专业发展的缺口。

1．专业质量保障理念模糊与持续改进内生动力匮乏

《教育部关于普通高等学校本科教学评估工作的意见》（教高〔2011〕9号）提出把专业评估作为我国高校本科教学自我评估制度的重要内容，2014年教育部和部分省级教育行政部门已启动了普通高等学校本科教学工作审核评估，引导学校建立自律机制，不断加强质量保障体系建设。这标志着我国对教学评估本质认识的深化，自我评估被置于首要和基础地位，专业评估已经成为高等教育行政主管部门关注的焦点之一。同时，由于高校单一评价体系与其多样化的系统之间的矛盾使得更加聚焦、更加专业的高校单项评估的呼声不断增加，因此，专业评估外部评价模式兼顾性改革和高校内部的专业评估成为发展的热点。近年来，教育部广泛开展了针对工科专业的工程认证，同时陆续开展了医学类、师范类专业认证工作，基于成果导向（OBE，Outcome-based education）理念的专业认证工作，其实仍然是一个外部导向的持续改进过程。持续改进缺少内生动力，则缺少发展灵魂，如何实现由外而内的转变，核心在于师生共同参与，落脚点在于提升数据质量，最终改进成效要体现在师生的在校工作、学习及生活中。

2．数据孤岛与数据价值挖掘利用存在局限

随着大数据、人工智能等新一代信息技术对教育的深度赋能，“以数据为核心资产、以数据驱动业务革新”的发展模式已成为高校高质量发展的必然趋势。长期以来，高校虽然在专业建设与运行过程中形成了大量数据，但各教学环节数据采集一般从个别需求出发，同时管理人员数据处理与应用意识相对淡薄，没有从规划全局、全校发展层面有效予以利用，数据平台建立冗余庞杂，导致数据集成困难，出现了“数据孤岛”情况。“四新”专业作为当前国家探索的人才培养新路径，在办学过程中更加注重以数据为核心依据进行管理决策，强调用数据说话，事实说话，摒弃主观主义，经验主义，利用数据挖掘辅助教育决策，着力推进数据驱动的教育治理模式，切实提高教育决策的客观与科学性。因此，打破数据孤岛，统合与人才培养的关键数据，唤醒积累的办学数据，常态化获取培养过程相关的实时数据，全方位呈现各专业人才培养的画像，厘清人才培养全过程的瓶颈，为专业精准化办学提供教学管理决策是当下面临的新挑战。

3．管理队伍分散与管理理念更新落实存在差距

数据互联互通与开放共享是大数据在“四新”专业建设与教学质量常态化监测中得以有效应用的基本要求，也是数据治理的应有之义。但既有行政边界与数据治理开放共享需求之间存在天然对立，业务需求部门缺少实际情况考量，往往从自身需要出发提出专业数据采集要求，同时与关联部门间没有做到有效沟通，导致数据往往会重复采集，时间点、采集人员的差异导致数据互动共享成为空谈。简言之，跨行政层级、跨教学单位所导致的职能和权责差异、组织领导差异等因素形成的行政壁垒，是阻碍数据共享与分析的重要因素[13]。结合目前我国多数高校的诸多分析报告主要依靠手动来完成，对海量数据的价值挖掘有限，在应对纵向、历时以及不同发展阶段分析的灵活度及复杂性方面存在先天不足。因此，構建质量监测平台的运行状况模型对培养目标、教学投入、培养过程、结果及机制建设等人才培养核心环节的整体质量进行监测，快速高效地识别学习效能、教学效能、资源的充足和有效性、人才培养达成度等关键指标的达成情况，这些都是整个内部质量体系能否真正发挥“保障”作用的关键。因此，在多部门协同推进“四新”专业高质量发展过程中，架构专业教学质量监测平台，促进部门间的数据开放与数据共享，打通因层级边界、部门边界形成的数据壁垒，实现学院内部专业部门之间、各级职能部门之间数据合作关系的构建已然成为我们研究的关键。

四、数据治理赋能“四新”专业教学质量保障的实践路径

2022年1月教育部、财政部、国家发改委发布《关于深入推进世界一流大学和一流学科建设的若干意见》，强调要健全国家急需学科专业引导机制，对现有学科体系进行调整升级，打破学科专业壁垒，推进新工科、新医科、新农科、新文科建设，积极回应社会对高层次人才需求[14]。“四新”建设归结起来就是专业建设，专业教育质量对高等教育人才培养起着关键作用。因此，秉承数据驱动、数据治理的理念，通过分析“四新”专业建设的办学特点，将大数据理论和内部质量保障理论有机结合，以研制常态化监测策略、探索共享办学数据策略、研究部门协同的质量对话与教学改进机制等为主线进行综合性探索与实践，对于充分发挥专业教学质量的功能，激励专业持续推进教学改进，培养“新型人才”、优化高校学科结构、提升高校整体竞争力具有重要的意义。

1．理论治理：构建基于TQM的专业教学质量保障体系

专业教学质量保障实现可持续发展的基石在于质量体系建设，质量体系的质量决定了专业教学质量监测的深度与广度。全面质量管理（Total Quality Management，TQM）理论是以质量为核心、以全员参与为基础建立的一套质量体系，以全程、全面、全员为分析原则，包含质量策划、质量保证、质量控制、质量改进四个方面，最终实现提升质量的目标[15]。

（1）质量策划。在专业质量体系建设中，首先要做好专业质量建设的问题识别。“双万计划”明确提出要建设新工科、新医科、新农科、新文科示范性本科专业，引领带动高校优化专业结构、促进专业建设质量提升。“四新”建设直面的是专业建设，“四新”的专业建设目标是交叉融合，且均与大数据、人工智能为代表的新技术有关，目的是培养创新能力强、实践能力强、跨学科能力强、具备国际竞争力的高素质复合型人才[3]。因此，要以全员参与为原则，全面清晰地识别与定义“四新”专业教学质量监测中的关键性问题，明确大数据时代专业教学质量的功能定位，深刻把握大数据背景下专业教学质量的特征。

（2）质量保证。要明确影响质量的各要素，厘定质量标准，确保质量监测有序进行。对于专业教学质量保障体系建设而言，对专业教学数据的收集、整理与分析是开展专业教学质量监测的重要途径。专业教学质量数据直接产生于教学、管理、科研等各种教育活动中。依据教育部2018年颁布的《普通高等学校本科专业类教学质量国家标准》，在深入剖析国家数据平台的数据内涵及数据间内在联系的基础上，基于数据的量化分析思维，通过收集专业发展中各类过程性数据，运用关联规则法、决策树、逻辑回归分析法对海量专业教学相关的横向和纵向数据进行模型建构，实现对专业教学质量实施全方位、全样本、全过程的监测与评价。同时，对专业教学质量的短板问题要做好风险预判和分析，明确“顽固问题”和“易改问题”两类关键短板问题的分布，以保证后续有效做好质量控制和改进。

（3）质量控制。专业教学质量保障的核心因素是人，也是目前所有高校在专业教学质量监测环节中可控难度最大、最高风险的短板问题。基于TQM全员参与原则，有效将学校人员划分参与主体、控制主体、监督主体三部分，学生、教师作为参与主体，从源头上加强自身参与度，有效保证数据采集质量；行政机构作为管理主体，要打破部门壁垒加强数据采集沟通交流；评估、信息化等部门作为监督主体，要做好数据平台的搭建，实现校内数据的畅通，及时协调好各种资源有效保证专业教学。所以，充分协调利用好专业教学质量保障体系中学生、教师、行政人员等相关参与主体，查找各质量监测环节存在的影响因素，有效采取措施进行控制调节，提前或者及时纠正错误，将为质量改进提供有效路径。

2．技术治理：建构全员参与的专业教学质量监测平台

基于大数据的监测与评价，为多方主体在不同情境下共同参与专业教学质量保障活动架设了桥梁。一方面专业教学数据涵盖在学校教育教学活动各环节，各部门专业教学数据因其平台建设的独立性及归口问题，很难实现专业教学数据的统一规划。另一方面目前诸多高校教学基本状态数据上报主要靠人工进行数据采集，采集耗费的人力与时间成本较高，且数据的共享度不足。因此，专业教学数据在采集过程中受时间和空间限制，采集难度大，流程不顺畅，反馈不及时。在确定多元化采集主体的基础上，搭建数据治理视域下的高校专业教学质量保障系统，涵盖数据采集、数据校验、数据仓库、数据可视化等功能，实现专业教学数据的信息化、集成化，解决传统专业教学数据采集过程中存在的问题，为专业教学发展提供有力的数据支撑和科学的理论依据。

传统数据采集单纯依赖技术的信息化已经不能满足教育发展与教育治理要求。为促进数据在各业务领域的融合贯通，打破“数据孤岛”，基于专业教学质量保障系统，一方面通过对专业教学数据挖掘、分析、优化，逐层钻取直至明细信息，使部门、学院、教师一目了然，实现学工、教务、人资等重要业务部门采集的数据反哺业务工作需要。另一方面打破部门数据流通壁垒，实现专业教学数据的全方位应用。基于基础数据加强数据深度挖掘与分析，做好专业教学质量保障系统的升级改造，根据学院、部门等不同需求，综合考量影响质量发展的不同关键影响因素，针对采集系统设计各部门、学院不同预警指标体系，实现学院专业及部门业务工作常态化监测及预警。加强数据利用分享，将数据细分到教师、学生个人，服务师生需要，将常规线下服务变为创新线上服务，提升管理质量、提高服务效率，从而建立长效的学校专业教学质量监控机制。

3．队伍治理：推进专业教学数据全链条管理与应用

传统高校数据管理的主体参与者以信息化管理者为主，所推行的“数据管理”仍主要偏重“信息化工作人员层面的数据管理”，在一定程度上忽视了教师、学生等人的多方协同管理[16]。数据治理视域下的“四新”专业教学质量保障基于TQM全面质量管理理论，搭建教学质量监测平台，实现“一库多用、数据复用”，数据一次采集多次使用，既提高数据填报效率，也为学校各类数据上报、评估工作提供统一的、准确的数据源。在事实数据的基础上，强调科学评价和精细化管理，促进部门间的数据开放与数据共享，打通因层级边界、部门边界形成的数据壁垒，实现学院内部专业部门之间、各级职能部门之间数据合作关系。加强各环节相关主体基于质量分析结果，共同参与探讨改进，实现对培养目标、教学投入、培养过程、结果及机制建设等人才培养核心环节的整体质量进行监测，更好地统筹、协调配置专业教学资源，有效发挥数据对专业教学高质量发展的支撑作用。

参考文献：

[1]深入推进新一轮“双一流”建设（人民时评）[EB/OL]. （2022-02-22）[2023-05-30]. https：//m.gmw.cn/baijia/2022-02/22/35534537.html.

[2]顾明远.教育大辞典[M].上海：上海教育出版社，1988.

[3]邬大光. “四新”的起点[J]. 高等理科教育，2022（3）：1.

[4]江艳.从耦合观点看教学评估与专业认證对高等教育质量保障的作用[J].上海教育评估研究，2022，11（4）：24-28.

[5]蒋成飞，朱德全.大数据时代本科教学评估数据治理：逻辑与路向[J].高等工程教育研究，2019（6）：99-105，124.

[6]中共中央  国务院．中国教育现代化2035[N]．人民日报，2019-02-24（001）．

[7]中共中央办公厅  国务院办公厅印发《加快推进教育现代化实施方案（2018—2022年）》[EB/OL]. （2019-02-23）[2023-05-30]. http：//www.gov.cn/xinwen/2019-02/23/content_5367988.htm.

[8]张康之.数据治理：认识与建构的向度[J].电子政务，2018（01）：2-13.

[9]余鹏，李艳.大数据视域下高校数据治理方案研究[J].现代教育技术，2018，28（6）：60-66.

[10]刘志雄，谢建邦.数据流动与数据生态治理研究[J].中国特色社会主义研究，2022，No.167，No.168（Z1）：66-75，161.

[11]唐要家，唐春晖.数据价值释放的理论逻辑、实现路径与治理体系[J].长白学刊，2022（1）：98-106.

[12]张翔.“复式转型”：地方政府大数据治理改革的逻辑分析[J].中国行政管理，2018（12）：37-41.

[13]王玉龙，王佃利. 需求识别、数据治理与精准供给——基本公共服务供给侧改革之道[J]. 学术论坛，2018，41（2）：8.

[14]教育部  财政部  国家发展改革委发布《关于深入推进世界一流大学和一流学科建设的若干意见》[EB/OL]. （2022-01-29）[2023-05-30]. http：//www.moe.gov.cn/srcsite/A22/s7065/202202/t20220211_598706.html.

[15]宫华萍，尤建新. 基于TQM的高校在线教学质量因素与短板改进研究[J]. 中国电化教育，2021（10）：8.

[16]赵磊磊.人工智能赋能高校数据治理：逻辑、挑战与实践[J].重庆高教研究，2022，10（1）：71-79.

[基金项目：江南大学2021年本科教育教学改革研究项目“数据治理视域下高校专业教学质量保障体系的构建”（项目编号：JG2021068）]

[责任编辑：杨裕南]