基于数据治理开展职业院校质量保证体系诊断与改进的理论探索与实践应用

戴 浩

（广东邮电职业技术学院，广东 广州 510630）

2014年，国务院印发《关于加快发展现代职业教育的决定》，做出了加快发展现代职业教育的全面部署［1］。2015年，教育部办公厅、教育部职成司先后颁布了《关于建立职业院校教学工作诊断与改进制度的通知》［2］《高等职业院校内部质量保证体系诊断与改进指导方案（试行）》［3］，正式启动职业院校教学“诊断与改进”（以下简称诊改）工作，并将诊改工作纳入高职院校内部质量保证体系构建的重要内容。继《国家职业教育改革实施方案》明确指出要“推进高等职业教育高质量发展”后［4］，2020年9月，教育部等九部门在关于印发《职业教育提质培优行动计划（2020—2023年）》的通知中，提出“完善以章程为核心的校内规则制度体系，健全职业学校内部治理结构，深入推进职业学校教学工作诊断与改进制度建设，切实发挥学校质量保证主体作用”，将职业学校教学工作诊改建设进一步提升到学校的制度体系建设和治理结构优化的高度，成为学校发挥质量主体作用的核心载体。

通过相关政策的颁布轨迹和逻辑结构来看，诊改作为职业院校查找人才培养不足与完善提高的工作过程，定位是基于学校内部质量保证静态“制度体系”之上的动态“运行机制”，诊改需要将质量规章制度内化为质量机制引擎，要求质量主体全员参与、全程贯穿，让质量成为学校治理文化的一部分，通过质量主体的“自我诊改”，实现办学质量的持续提升。

1 质量诊改的理论依据、现实困境与解决思路

1.1 理论依据

基于诊改的建设任务，根据当前学术界的研究共识，职业院校需要构建以“五纵五横一平台”为结构的内部质量保证体系［5］。“五纵”具体包括“决策指挥、资源建设、支持服务、质量生成、监督控制”，体现内部质量保证体系的全要素、网络化、制度化、常态化和信息化；“五横”具体包括“学校、专业、课程、教师和学生”，体现内部质量保证体系元素相对独立完整又相互关联支撑［6］。“一平台”指信息管理平台。有学者将“目标、标准、实施、保障、信息”作为深向五链环，进一步完善职业院校内部质量保障体系的关系链条［7］，在“五纵五横一平台”的基础上进行一定的理念创新，但不影响“五纵五横一平台”成为职业院校开展内部质量保证体系构建的主流理论依据。

1.2 现实困境

为确保诊改机制能够有效运行，因校制宜地构建科学合理的“五纵五横”内部质量保证体系是重要前提。传统的路径一般是由学校综合规划部门牵头，在制订和梳理学校规划、目标的基础上，按照“五横”层面进行分解，形成各层面的发展目标，并连接成相互贯通的链条，形成“目标链”。目标链下发后，由各职能部门根据目标关联因素，制定和梳理相关的制度和办法，并建立制度办法之间的关联，形成“标准链”，从而初步完成学校内部质量保证体系的构建。

基于传统路径构建内部质量保证体系并开展诊改，在实际执行过程中会遇到一定的现实困境。通过对全国九所诊改试点院校诊改工作方案的研读发现［8］，绝大多数试点院校在内部质量保障体系构建和诊改运行过程中，信息系统和大数据技术均有不同程度的切入，但多停留于局部的、散状的支撑，例如，对教学过程的信息化采集与分析，对校情校况的驾驶舱级观测，基于校本数据中心进行数据的各类统计、分析、预警等，在质量决策、资源建设等质量体系建设的关键初期阶段就引入数据治理技术的几乎没有，数据治理对质量工作的有效影响多作用于质量闭环的后期。由于缺乏数据治理的支撑，学校方案形成与制度建设容易受限于现有经验和管理者水平，较难开展科学的数据分析与趋势预测，对既有的制度运行也不宜形成有效的跟踪管理。在此基础上开展诊改工作，就会遇到质量问题发现与诊断不精确、措施不合理、改进不及时、诊改质量闭环运行不通畅的问题，进而学校很难将质量保证工作融入日常治理文化，质量机制引擎不能形成，质量工作容易变为脉冲式的“质量行动”或迎检式的“质量冲刺”，无法实现“自我诊改”，学校作为质量主体实现质量持续提升就无从谈起。

1.3 解决思路

数据治理是大数据环境下对数据生命周期进行科学管理的一套治理方法，是对数据资产进行管理和控制的系列活动的集合。随着以大数据、云计算、人工智能等现代技术为特征的第三次技术革命的到来，在大数据智能化技术的推动下，将数据治理理念与技术引入内部质量保证体系诊改，突破了学校现有的管理模式和经验水平的限制，可以有效提升体系构建的科学性、前瞻性、有效性和可行性，进而确保在此体系上运行的诊改工作能形成有效的机制和文化。数据治理在诊改运行中对质量状态数据进行自动监测与实时预警，有助于院校增强全员质量意识，提升质量自身保证理念，帮助院校内部治理步入“全员、全程、全方位”的质量自治良好生态。将数据治理的理念和技术融于职业教育质量管理，成为构建职业院校内部质量保证体系的新型驱动力。

2 当前数据治理支持诊改的相关研究

数据治理及大数据支持用于质量体系诊改，逐渐成为学界的研究热点。胡娜［9］引入“循数诊改”概念，提出数据治理可为院校诊改提供科学有效的决策，促进质量工作的自觉高效，并实现公开透明的质量监督，引发学术界对大数据思维提升高职内部质量保证体系建设水平的广泛关注。李成［10］进一步提出了基于大数据的职业院校诊改体系设计，形成以“大数据为中心、以诊改与过程信息化为两翼”的诊改架构，为大数据参与学校诊改工作的落地提供了现实参考。许刘英［11］系统总结了大数据背景下高职教学诊改的内涵、理念与策略，对职业院校基于大数据开展与推进诊改工作具有系统性的指导意义。荣司平［12］重点论述了“五纵五横一平台”中的“平台”应包括的八个子系统，共同组成职业院校内部质量保证体系的基本结构。教育部启动“双高”建设计划以来，徐洁［13］在全面总结“双高”校诊改工作推动过程中的主要特点和存在问题的基础上，提出应以数据治理为基础、核心指标为要素、诊改决策为目的，建立大数据中心，打通各业务系统，搭建诊改平台，实现实时采集与分析，为内部诊改提供数据支撑和决策依据。

但目前学术界缺乏对教育数字化转型及数据治理背景下如何基于“五纵五横”构建院校内部质量保证体系开展全面系统的路径研究，大多数论述过于宏观，强调数据治理与大数据平台对诊改的价值意义，但缺乏具体的平台构建思路和方法，或者仅限定于“五纵五横”的某个局部深入展开。例如“五纵”方面，钟婉娟［14］、王博［15］等学者从决策指挥系统的角度，重点探讨了数据治理对教育决策机制优化的意义及其决策支持实现路径；刘凤娟［16］从资源建设系统的角度，阐明了数据治理为教育资源建设、共享和运用提供新思路。张乐芳［17］从支持服务系统的角度，介绍了大数据分析决策支持系统的建设经验。王唢［18］、孙翠改［19］等学者以质量生成系统为出发点，从课程、课堂诊改的角度，将数据治理引入教学诊改的最后一公里，进一步提供了工具分析与案例分享。马星［20］则从监督控制系统的角度，提出基于大数据的高校教学质量评价体系的实现路径。数据治理对“五横”方面的诊改研究方面，有学者提出“互联网+高职教育质量保证”平台的概念［21］，从学校治理的高度，利用大数据创新高职教育管理决策，促进信息技术与教育教学质量保证的深度融合；专业和课程诊改方面，有研究显示信息化支撑度是保证专业诊改功能达成和主题诊改过程体验的关键因素［22］，同时也是实施课程诊改的重要保障［23］；在师资诊改方面，大数据为高校师资管理与队伍建设带来新方法、新技术、新视角与新思维［24］；在学生发展诊改方面，王祖霖［25］对大数据时代的学生评价变革进行了较为全面系统的研究，提出应对大数据时代学生评价变革的策略。

综合相关研究，数据治理与大数据背景下的职业院校开展内部质量保证体系诊改，可以实现对职业教育人才培养系统中各要素的状态数据进行持续地、不间断地收集、整理与分析，对人才培养过程中的各种教育现象进行多层面、多维度分析，直观呈现职业院校人才培养状态，从而为各利益相关者进行价值判断和科学决策提供客观依据。所以，相对于传统意义上的教育评估，质量诊改重视职业院校人才培养工作状态数据的基础作用，重视学校各个管理系统之间的质量依存关系，强化全要素网格化内部质量保障体系的构建。数据治理运用于质量诊改，坚持用数据说话，强调诊改的常态性、过程性，通过对教育教学数据信息的持续监控，发挥对职业院校人才培养的预测报警、及时改进等功能，进而推动我国职业教育持续健康发展。

本文在前述研究基础上，以问题为导向，从数据治理切入诊改“五纵五横”全要素展开分析，试图呈现基于数据治理推进质量保证体系建设与诊改运行的路径研究，为广大职业院校全面深入开展质量诊改工作提供理论参考与运行建议。

3 基于数据治理开展质量保证体系诊改研究

3.1 基于数据治理构建纵向五系统，形成目标链的有效延伸与落地

基于数据治理构建诊改大数据平台，能够将“五纵”各环节通过信息化手段进行输入、分析、管理和呈现，确保诊改“目标链”的有效延伸与落地。从“五纵”展开，主要体现在以下几个方面。

“决策指挥系统”一般由学校院办、党办、发展规划处、质量管理办公室等相关职能部门组成，是学校质量规划目标的顶层设计者。诊改作为“管办评”分离下保证学校作为质量的主体责任地位不改变的主要制度安排［26］，学校决策部门有效制订科学合理的质量目标规划就显得尤为重要，既需要对学校现有的质量水平进行全面的评估，也需要对外部环境开展精准的分析，有效进行发展能力诊断，不断完善学校的规划体系，并能够形成上下衔接的规划目标链。数据治理有助于决策系统的决策机制得到有效优化，通过大数据平台对决策主体的科学指导、前瞻分析和发展预测，有利于实现院校重大教育决策的科学民主化。

“资源建设系统”一般由学校的人事处、财务处、设备处、实训中心、校企合作处等相关职能部门组成，为学校的质量运行提供人力资源、财务设备、实训耗材、校企合作等资源建设和服务。基于数据治理的大数据平台接入各职能部门业务系统，提取关键数据，进行资源规划分析，可有效帮助学校进行资源的科学采购和合理利用，确保学校的质量运行精简、有效，为目标链的精确传递提供数据依据。大数据平台可以在对学校的人力资源状况进行全面分析的基础上，形成对学校师资引进、员工培养、内部调动、退出机制等相关人力资源决策依据；大数据平台通过关注科研经费使用、横向技术服务到款、生均拨款水平、人员经费支出占比、教学科研仪器设备投入、预算执行进度等与办学质量密切关联的核心指标，评估学校的财务状况是否对学校的办学质量形成有力的支撑，为大额采购和资金流动提供决策参考；大数据平台可定期形成设备和实训资源的使用和消耗报表，展现实训室的利用率和设备的维修损耗情况，对超负荷运转的实训资源和空置率较高的实训室形成自动预警，帮助实训中心合理规划实训室资源的建设计划；大数据平台通过分析挖掘对接企业在就业、实习、专业建设、课程开发、师资培养、科技合作等方面校企合作动态，按照既定的模型对合作企业进行分类和聚类，对校企合作的需求进行精准匹配，提升校企合作质量。

“支持服务系统”一般由学校招生就业处、科研处、信息中心、图书馆、保卫处以及后勤、宣传等服务部门组成。大数据平台通过各类数据报表的分析和呈现，可帮助相关部门开展精准服务，增强师生感知，提升服务质量，为目标链的有效达成提供服务保障。可通过数据治理开展生源特征和就业去向规律分析，为招就处制订招生计划和就业帮扶政策提供数据依据；基于数据治理的大数据平台通过读取校园流量使用情况，使用分类与回归建模挖掘师生的网络使用行为习惯，从而为信息中心开展校园网络流量控制服务提供科学决策指南；大数据平台将学生的图书借阅行为、出入门禁、一卡通消费、视频监控等数据汇集，再结合学生的网络流量数据，形成综合报表，勾勒与还原学生的校园生活综合数字化场景，为学生的行踪溯源、心理状况分析、异常行为预判等提供极有价值的信息，帮助相关部门精准施策，提升学工服务水平。

“质量生成系统”是学校人才培养的质量主体，主要包括各专业学院、教学单位以及教务处、学生处等职能部门。在基于数据治理的平台建设中，将“质量生成系统”形成的人才培养过程数据进行积累、转换和存储是最重要的基础工作，在此过程中形成的数据信息，其内容和质量将直接决定大数据平台对学校质量诊改工作运行的支撑力度和效果。教学质量落地的最后一公里是课堂教学，受制于课堂教学信息化的投入水平和教师授课形式的多元化，对课堂教学信息的有效采集和深度分析一直是大数据平台需要解决的难点问题。通过构建智慧课室，使用课程资源库的点击、师生互动频次甚至对课堂行为表现的自动抓取等手段，通过一定模型计算形成课堂质量报告，打开了课堂教学的“黑箱”，使质量观测深入到教学一线。2020年新冠肺炎疫情期间，线上教学全面铺开，课堂行为数据大量产生，为数据治理与数据分析进入课堂领域开展质量诊改降低了门槛。疫情防控常态化背景下，线上线下混合式教学模式必将大力推行，其产生的课堂教学数据，可成为数据平台一个重要的数据来源。

“监督控制系统”一般由学校质量管理办、审计处、监察处等职能部门组成。基于数据治理的大数据平台为“监督控制系统”提供各类质量反馈数据报表。报表不是简单的数据分析，而是反映“五纵”目标链在各层面的达成度情况，并且根据预设的规则进行预警，帮助质量主体全面研判学校各层面的质量运行和目标达成状况，精准识别质量风险，从而迅速形成改进措施，最终确保目标链在诊改各纵向环节的有效延伸与落地，形成质量闭环。

3.2 基于数据治理构建横向五层面，达成标准链的目标契合与基础适切

全国职教诊改专委会在印发的《高等职业院校内部质量保证体系诊断与改进复核工作指引（试行）》的通知中明确指出，各层面制定的质量标准需要与相应的规划目标契合，与自身的发展基础适切。其实就是解决“用自己的尺子量自己”的问题，根据校情、学情制定“自己的尺子和刻度”，形成符合学校实际情况的“五横”标准链并相互贯通，数据手段的介入有助于决策者克服经验约束，科学施策，形成“循数诊改”文化［9］。

3.2.1 学校层面

在学校发展标准链的制定过程中，功能完备、数据治理可为决策者提供充分的科学依据。通过平台的各类数据报表和画像的观测和分析，决策者可以全面洞察学校近年来各项质量目标的完成情况和各类预警信息的发生规律，深入比较同类院校相关质量数据的分布规律，从而更精准地定位学校未来的发展方向，最大限度地降低决策者在重大制度改革、重大岗位设置调整以及部门绩效考核制定过程中的决策失误风险。

3.2.2 专业层面

职业院校的专业布局，必须服务于建设现代化经济体系和实现更高质量、更充分的就业需要，对接科技发展趋势和市场需求，这就要求学校必须自主根据行业企业的发展变化，动态地进行专业调整。专业诊改应先明确专业的建设目标、服务面向、专业规划等专业层面的顶层设计［27］。专业的增设、发展、限制和退出，需要学校科学合理地对专业发展水平进行客观评估，其专业评估指标体系的适切性和可检测性是关键因素。数据治理帮助学校按照成果导向的原则开展专业定位和分析，通过自动爬取互联网上的人才需求大数据，提炼出专业相关的岗位群和岗位分析报表，帮助专业负责人明确专业人才培养定位，为其制定专业人才培养方案和课程体系提供数据依据。通过将职业能力分析与课程转换挂钩，基于数据治理的大数据平台可以通过课程达成度数据汇集形成专业目标培养达成度，从而形成对专业人才培养效果的客观检测，再辅以平台中现有的专业信息大数据，如产教融合、专业荣誉、招生就业、资源建设、科研能力、社会服务、教学能力、实训条件、师资结构等信息，形成完整的、可检测的专业评估体系标准，为学校开展专业动态调整提供科学依据。

3.2.3 课程层面

课程作为内部质量保证体系建设的重要组成部分之一，是撬动全员实施质量保证的支点，是学校开展人才培养的主要载体［28］，其课程标准与专业规划契合，专业培养目标能在课堂教学落地，是确保课程质量的关键。在基于数据治理的大数据平台管理下，课程标准可根据岗位典型工作任务、能力要求自动匹配，最大限度地降低了课程因不同授课教师的专业特长而带来的随意性，从源头上确保了课程标准与专业标准的契合。课程的开设溯源于专业培养目标，实现了课程目标和教学内容的标准化管理，任课教师在标准化的课程结构中开展教学设计和课堂实施，再结合学校智慧课室的建设和线上教学的推行进行课堂大数据的采集，生成课堂教学实施报告和课程能力达成度分析，帮助教师实时观测学情分析和课程效果，主动开展教学方法调优和教学策略校正，持续提升课程教学满意度和能力培养达成度。

3.2.4 教师层面

教师发展标准链主要围绕学校相关教师职业标准、培养标准及荣誉标准相关制度予以制定。使用基于数据治理的大数据平台，可提供教师在各个发展阶段的全周期管理以及不同发展类型下的职业生涯规划，确保教师的发展与学校、专业的发展相适应，形成教师发展的合力，共同推动学校规划目标的达成。大数据平台可分析学校发展规划和专业建设目标，结合学校师资制度文件中的相关要点，形成教师能力水平指标库，通过给库中的每条指标赋予一定的权重参数和标签属性，运用大数据分类算法，建模形成教师在引入阶段、培养阶段、成熟阶段和发展阶段的生涯阶段能力水平指标集合及参数标准，以及学术型、教学型、服务型、学术偏教学、技能竞赛等相关亚型的教师分型能力水平指标集合及参数标准。大数据平台通过采集数据中心教师队伍数据在师德师风、科研水平、教研水平、执教能力、社会服务等维度的信息，通过模型计算可以得到对每名教师的生涯阶段和分型的客观判断，从而为教师的职业生涯规划提供现状分析和科学建议，进而可以分析各专业、各学院、各部门及全校的师资队伍发展水平和趋势特征，为学校人力资源部门开展师资规划提供决策参考。

3.2.5 学生层面

学生发展质量诊断，要将育人目标达成度作为衡量学生发展质量高低的重要依据［29］。如何衡量学校育人目标的达成度，一方面取决于育人目标制定的合理性，另一方面则取决于育人标准的科学性和全面性。育人目标由学校内部质量保证体系中的“决策指挥系统”借助数据治理予以辅助和校正，在前文中予以提及。如何围绕既定的育人目标制定衡量标准，既响应国家和省级层面对学生全面发展的相关要求，又立足学校学生工作实际和结合学生特点，是摆在学校育人工作者面前的一个考验。数据治理可以为学生层面的质量保证提供育人标准萃取功能。基于数据治理的大数据分析算法对上层政策文件和学校相关制度的文本关键字挖掘和词频分析，结合对历届学生的育人成效数据钻取，预先萃取出一批育人标准库，供决策者参考使用，有助于育人标准制订过程的全面性和科学性，降低决策失误的风险。萃取过程还可以加入对学校专业与课程目标达成度的分析，确保育人标准与专业标准、课程标准的横向贯通。根据育人标准，依托大数据平台存储学生成长过程的各类数据，实现学生在校期间的成长轨迹跟踪、实时预警和动态纠偏。大数据平台可为育人管理者提供在校生在学习、生活、心理、健康、安全等各类信息的汇总和分析，助其提取需要重点关注的各类学生名单，实现对重点学生群体的精准帮扶，也可为实施学生奖助贷政策提供科学依据。大数据平台还能为学生和管理者提供关键指标的偏离预警，帮助其有针对性地适时调整，动态纠偏。

4 结语

基于数据治理构建学校“五纵五横”内部质量保证体系，为系统打造“两链”［30］提供科学参考，为内部质量保证体系诊改的实施与运行提供事实依据与轨迹跟踪，为质量目标的逼近与实现提供分析与预警，为学校质量文化的形成提供技术保障。基于数据治理开展质量诊改，深度体现了学校质量机制引擎的运行效果，是学校质量管理者诊改理念与方法的技术表达，最终将引领学校质量管理工作从外部监管走向自我诊改，逐步实现常态化的质量自主管理与持续提升。