大数据时代高等教育智库建设的现实困境与突破策略

王 莉，刘 刚

（湖南城市学院 管理学院，湖南 益阳 413000）

党的十八大明确指出“坚持科学决策、民主决策，健全决策机制程序，发挥思想库的作用”。2015年初，中共中央办公厅、国务院办公厅印发《关于加强中国特色新型智库建设的意见》强调，智力资源是国家、民族最宝贵的资源，到 2020年，要形成定位明晰、特色鲜明、规模适度、布局合理的中国特色新型智库体系。大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低等四大特征。高等教育智库是专业化的高等教育研究咨询机构，是高等教育发展的思想库、智囊团、设计师和宣传队。大数据影响整个社会的价值体系、知识体系和生活方式，也影响高等教育模式和智库运行模式。系统研究大数据对高等教育改革和高等教育智库运行的影响，探究如何运用大数据进行高等教育智库建设和管理，促进高等教育质量的提升，实现高等教育智库由“应急导向”向“前瞻导向”转变，最终将高等教育改革引向深入，是十分重要的时代命题。

一、国内研究述评

专家学者对智库的研究不少，但专门针对高等教育智库进行研究的成果不多。学者们主要关注了高等教育智库的内涵、特点、作用、研究内容、建设途径等方面。刘文霞、刘大伟认为，高等教育智库具有教育性、专业性、公正性、问题性、公共性等特征，是国内高校为提高学科社会服务能力，建立以学科研究为中心、以国家相关政策和市场经济发展趋势为指引、由国家或者社会机构经费支持的新型学术组织。[1-2]韩丽云、王淑华认为，智库可以成为高校教育改革的瞭望者、参与者、监控者和评估者，高等教育智库建设能促进高校提升育人质量、推进高校学科特色发展、提高国家治理能力与效率。[3-4]毛建茹介绍上海市高等教育学会首届智库论坛的主题是“什么是综合素质”“综合素质能否进行测评”“综合素质如何测评”。[5]刘颂迪认为，加深对教育智库的了解、吸纳专业人才、加大财政支持力度、加强智库人才的培训教育、密切决策者与研究者间的联系，是促进高等教育智库发展的途径。[6]

学者们的相关探索对本研究有着十分重要的参考价值和借鉴意义，但综观现有研究我们可以发现，学者们围绕大数据、教育智库以及智库服务产生了一系列研究成果，而聚焦大数据时代高等教育智库建设的研究工作仍言之寥寥，说明这一命题尚未得到专家学者们的普遍关注。在大数据技术飞速发展的今天，高等教育智库面临的环境日趋复杂，高等教育智库建设工作亟须在大数据思维和技术的支撑下有所创新和突破。因此，本文在大数据这一时代背景下，剖析高等教育智库建设面临的现实困境，并有针对性地提出大数据时代高等教育智库建设困境的突破策略，有着十分重要的现实意义。

二、大数据时代高等教育智库建设存在的现实困境

随着《关于加强中国特色新型智库建设的意见》等相关文件出台，各高校对高等教育智库建设愈来愈重视，在充分利用云计算、大数据等新技术、新思维方面推出了新的行动方案。然而，尽管高等教育智库的数据化建设整体加速，但绝大多数智库建设仍存在如下现实困境：

（一）理念困境：智库建设缺乏大数据意识

习近平总书记指出：“懂得大数据，用好大数据，增强利用数据推进各项工作的本领，不断提高对大数据发展规律的把握能力，使大数据在各项工作中发挥更大作用”。[7]与传统的智库工作流程不同，大数据时代背景下的高等教育智库建设强调高等教育数据的全过程管理，按照教育数据的全生命周期进行技术处理与现实关照，蕴含了教育数据的原始生产到数据传播的全过程。显而易见的是，拥抱大数据并不是简单地将高等教育信息资源进行单一的数据化处理，这其中包含着复杂的技术过程。具体涉及云计算、分布式处理技术、存储技术和感知技术的应用，对应到大数据从采集、处理、存储到形成结果的整个运行过程。

一个完备多元的数据库是新型智库建设的基本条件与重要目标，更是智库功能最大化实现的根本保障。然而，真正按照大数据时代新型高等教育智库要求进行建设的高等教育机构还不多，有些已经具备建设条件的高等教育机构也并没有明确信息化智库建设的定位与发展方向。绝大多数高等教育智库所依赖的数据库还不够完备，很多智库在进行高等教育决策咨询等活动中缺乏相应数据库的支撑，基于数据驱动的决策方法应用也还不够广泛。另外，很多教育智库是由以往的高等教育研究所或其他高等教育科研机构演变而来。这些机构大部分工作人员归属于人文社科类专业人才，他们一直从事高等教育研究工作，但对利用大数据进行智库管理与智库研究认识不足、能力不够。他们缺乏对智库建设的前沿意识，对通过数据采集、挖掘与应用缺乏深入的思考。因此，缺乏大数据意识成为当前高等教育智库建设的现实困境之一。

（二）运行困境：智库跨边界数据联动不够

大数据背景下高等教育智库的优势在于能够突破时空与区域的边界限制，但一方面，智库研究者形成了各自的“信息孤岛”。由于教育问题的复杂性，智库研究需要凝聚多方智慧，开展多学科的交叉研究，才能产出高水平的研究成果。[8]但受路径依赖效应影响，高等教育智库研究者与智库管理人员过多关注了自身专业领域的数据搜集与管理。当然他们并不是不重视数据的全面搜集与整理，而是跨区域、跨边界的数据汇总，对他们而言，确实存在着天然的技术与专业屏障。

另一方面，智库之间的数据共享渠道尚不畅通。虽然我国高等教育智库在发展过程中逐渐建立了相关的信息平台，汇集了大量高等教育研究、管理与决策等相关业务数据，但这些专业数据往往归口于各级各类智库，并局限于小范围内分享，这无形中产生了数据壁垒。同时，高等教育智库对其数据资源有时会偏向于不共享，甚至还认为不共享才使自己智库更有价值。显然，这些观点与大数据的理念背道而驰。

如前所述，目前智库跨边界的联动合作不够，高等教育智库信息化的优势难以体现，这意味实现数据资源的互联互通势在必行。但高等教育智库除了存在上述壁垒以外，还有着一些传统智库建设所不会出现的问题。比如，数据标准不统一、数据格式不规范、数据差错比例高等等。也就是说，高等教育智库要实现数据共享，还必须要构建一套统一的数据标准，并且还要规范数据格式。

（三）应用困境：运行存在数据安全风险

数据资源已然成为高等教育智库的战略性资源和进行智库建设的创新性要素，是评价智库信息化水平和核心竞争力的决定性因素。然而，在对数据的应用过程中，数据安全形势非常严峻，需要引起智库建设者与管理者的高度重视。

高等教育智库存在数据泄露与滥用风险。随着信息技术的发展，高等教育智库可以通过各种大数据技术全方位搜集教育信息，获取教育用户数据，并基于教育用户行为轨迹数据精准绘制用户画像，这自然为教育决策与政策制定带来了某种便利。但同时，由于“数据崇拜”“算法黑箱”等现实情况的存在，并由此催生出由“算法歧视”带来的数据风险。这可能会使某些不法分子利用教育智库大数据的安全漏洞，依靠售卖教育数据牟取暴利，导致教育用户家庭住址、邮箱号、手机号等敏感信息、身份信息的泄露，尤其是那些具有特定行为模式的教育用户，容易被不法分子通过各种手段引至教育消费陷阱。另外，高等教育大数据的搜集、使用与处理会给智库带来意想不到的隐患。因为在大数据时代，教育数据的流转具有某种不确定性，超范围采集数据的情况也时有发生，再加上人为疏忽、权限不清等都可能引起数据的泄露，如果有些敏感信息不小心流入非法机构，很有可能带来一系列的教育安全问题。

高等教育智库存在数据系统偏误风险。高等教育智库数据在一定程度上忽略了教育用户的整体性。由于教育用户行为的复杂性，其心理感知与情感变化无法用数据直接量化，通常是通过教育用户行为进行分析、判断。这种将复杂的教育用户个体归结为简单的数据评价，必然会导致数据系统偏误风险。高等教育智库在对教育信息进行数据化处理过程中虽然依据相关制度进行程序性核验，但在智库教育数据的应用中，教育数据仍然无法全面反映教育用户的真实处境。他们受算法歧视的影响，使得某些教育用户丧失教育服务等公共资源。同时，高等教育智库工作者还容易陷入唯数据论的科学主义陷阱。对于大数据技术的过度依赖会导致智库教育数据使用者忽略教育用户的客观需求，造成高等教育智库数据的片面性应用困境，进一步造成高等教育智库的数据服务偏误。

三、大数据时代高等教育智库建设困境的突破策略

随着大数据时代的来临，新型智库建设日渐成为全社会高度关注的重大课题。突出高等教育智库建设的时代内涵，实现大数据挖掘与高等教育智库建设的协同发展、融合创新，探索大数据在高等教育智库建设实践中的安全应用，实现高等教育智库建设的困境突破，是本文研究的题中应有之义。

（一）数据说话：强化高等教育智库的大数据意识

提升高等教育智库成员的数据意识不是简单的喊口号，而是要根据大数据技术的发展不断迭代升级。智库成员要习惯于在大数据场景中用数据说话。

首先，要树立大数据思维，学会用新的视角去审视数据，用新的方式去分析数据。区别于传统的教育智库，大数据时代的教育决策将基于海量的数据信息而做出理性分析，科学决策日益取代经验决策。不论是群体决策式的头脑风暴，抑或是个体决策的经验判断，都需要引入大数据的思维模式。同时，作为智库工作者除了要学会逻辑性强的质性研究方式去寻求世界的应然状态，还要学习新的定量分析方法，学会用数据分析问题，用数据做出判断。

其次，要加强大数据伦理意识。“在进行人工智能价值观引导方面，可参考西方逆向工程学等学科类方法，打开内部的‘黑匣子’，了解其内部运作机理及价值观形成的错误节点，以进行正确的价值观引导”。[9]在高等教育智库管理中，由于存在个人信息或部门信息隐私的不确定性，有必要对搜集到的数据以及相关数据的应用授权进行严格的伦理评估。这要求高等教育智库关注获取数据所用手段的正当性，尊重人的隐私权与数据的安全。同时在智库数据传播时要避免“茧房效应”，不唯数据，不被数据所奴役。

最后，要强化数据库建设意识。目前全国意义上的教育基本信息采集数据平台还有待进一步完善，全国范围内的教育数据采集标准还需进一步统一。高等教育智库要加强与头部企业合作，充分利用其先进的大数据技术以及相关的数据库建设经验，进一步扩充数据库资源，优化教育智库大数据分析模型。同时，通过问卷调查、深度访谈、项目合作等形式获取智库教育实践反馈，以优化和提升数据库建设。

（二）数据联动：促进高等教育智库的跨边界合作

高等教育智库在信息化转型过程中，需要通过加强智库间数据联络、拓宽数据交互渠道、提升跨边界数据合作能力，以掌握全域教育数据，提炼数据价值，促进高等教育智库智慧运营。

要加强不同教育智库之间的数据联络。大数据时代的来临使得教育智库数据量呈指数的增长，教育数据变得越来越复杂，实时性要求越来越高。为了获得可持续的数据联络，要持续强化教育实体智库间的互访互助，以线上线下相结合的方式进行智库间数据联络。同时，对智库间教育数据进行分级分类，形成统一的数据视图。通过特有的大数据分析方法进行关联分类，建立不同教育智库间的数据血缘关系。要打通高等教育智库数据交互渠道，让高等教育智库间的数据实现互联互通，通过跨域教育数据整合，加强横向关联，打破数据壁垒，建设数据交互平台，促进教育咨询组织、教育研究机构与教育受众有效参与教育决策，实现教育决策的科学化与民主化。

要提升高等教育智库跨边界的数据合作能力。由于教育决策涉及面广，影响度大，教育智库平台建设不仅需要大量的资金投入，更需要组建跨边界的数据专家队伍。不同区域间的教育智库需要在跨边界交流中寻求合作的机会。通过有效统筹数据资源，打破传统的课题组和部门限制，以跨边界的方式选择智库任务研究人员。这样有利于调动不同智库背景的教育科研人员加入项目组，通过团队合作，联合区域外研究力量，形成由领域专家、政策专家、管理专家组成的专家队伍，建立跨边界的教育智库研究团队。进而通过智库数据进行分析与挖掘，凭借专业敏感性与大数据分析技术，利用教育智库相关分析模型，提供教育决策参考信息。

（三）数据治理：防范高等教育智库的大数据风险

随着大数据技术的深度应用，越来越多的数据在高等教育智库中被收集利用。与传统的智库治理模式有所不同，大数据时代强调以数据治理为中心进行风险防范，需要对数据的全生命周期每个可能发生安全问题的环节进行有效治理。

要完善高等教育智库数据安全的制度体系。智库制度体系建设是数据风险管理的第一道防线。在国家颁布了《关于加强中国特色新型智库建设的意见》《政府信息公开条例》《档案法》《保守国家秘密法》的基础上，《数据安全法》《数据出境安全评估办法》《网络安全法》《个人信息保护条例》等相关法律法规相继出台，基本建立了数据安全管理的基础制度体系，但是尚没有针对于高等教育智库数据安全的专门法规。同时，高等教育智库应该不断完善教育数据管理制度。应该基于智库业务情况，对数据采集、存储、访问、加工、传输、应用、销毁等全生命周期安全进行流程化管理，逐步建立数据安全风险识别与预警机制、重大数据安全风险报告机制、数据安全事故应急处置机制、数据安全教育宣传与培训机制。通过数据使用事前审批，事中安全监控，事后操作审计等数据治理手段，保障教育智库数据全流程全场景的安全管控。要加强数据使用安全合格的第三方检查，并根据督查情况与数据使用情况进行制度体系的优化升级。

要建立高等教育智库数据系统偏误的预警机制。为加强高等教育智库的数据治理，我们有必要将防范高等教育智库数据风险管理的关卡进行前移。加强教育智库领域数据安全风险信息的获取及预警工作，即时预判数据安全整体态势。如果教育智库在数据采集、处理等过程中出现系统偏差而没有得以即时纠偏，将会极大增加智库数据安全事故发生概率。为此，我们有必要通过多种途径实现教育数据使用的动态监测，加强教育智库数据系统偏误的有效预警。首先，要以审慎而理性的态度对待大数据及背后的算法逻辑。不断增强教育智库领域内的辩证思维能力与数据甄别能力，防止对教育智库数据的碎片化重构。其次，要建立教育智库数据监测的“守夜人”机制。通过24小时不间断、全过程数据监控，实现教育智库“数据有标可依、质量有规可核、加工有痕可溯、安全分级可控”全链路追踪，对于数据系统偏误风险进行有效评估。最后，要即时对教育智库数据系统偏误进行纠偏。根据系统偏差的产生来源进行权变管理，有针对性地给予即时矫正。在数据传输、数据服务等关键环节即时管控偏误的数据信息，通过设置黑白名单等方式控制数据服务的访问情况，加强对数据利益相关者的协同治理。

要推动“数据循证”与“人文关怀”的协同发展。数据循证意味着将证据纳入高等教育智库决策的议程中，以此减少高等教育政策失败的风险。高等教育的数据循证治理强调使用通过实证方法验证的证据作为教育智库决策的依据，突出了数据由“信息”到“证据”的根本性转变。大数据技术的兴起为循证评价提供了有效的保障。通过对教育用户的历史行为及规律预测，采用大数据的方法进行数据挖掘与多维描述，从海量教育数据中采取特定的信息并将其转化为高等教育智库领域的证据，这无疑最大程度的避免了高等教育智库数据的“片面性”。在教育智库实践中我们既要强调“数据循证”，也要注重“人文关怀”。我们有时过度的看重教育数据的“循证理性”，而忽略了其“人文温度关怀”的一面。为此，我们应基于教育用户特定需求和行为特征等数据分析结果，充分利用大数据技术，动态监测教育用户的身心健康，向政府提供基于人文关怀的教育政策咨询建议，促进“数据循证”与“人文关怀”的协同发展。