教育数字化国际比较研究|宋永磊 罗江华 王静贤 王丽舒 苏福根:高等教育数据治理的未来图景与实施路径
引用格式
宋永磊 罗江华 王静贤 王丽舒 苏福根.高等教育数据治理的未来图景与实施路径——美国《2023年EDUCAUSE地平线行动计划:数据治理》解读与反思[J].中国教育信息化,2023,29(9):029-036.DOI:10.3969/j.issn.1673-8454.2023.09.004
教育数字化国际比较研究
高等教育数据治理的未来图景与实施路径
——美国《2023年EDUCAUSE地平线行动计划:数据治理》解读与反思
宋永磊 罗江华 王静贤 王丽舒 苏福根
摘 要: 厘清高等教育数据治理的目标、行动和方法,有助于提升高等教育数据治理水平。2023年3月,美国高等教育信息技术专业机构EDUCAUSE发布的《2023年EDUCAUSE地平线行动计划:数据治理》,围绕高等教育数据治理的愿景目标、行动方案、未来规划进行具体阐释,为高等教育机构数据治理提供了方向指引。基于对该报告的分析,提出可供我国高等教育数据治理参考的实施路径:塑造高等教育数据文化、建立教育数据治理制度、加强数据治理技术应用、注重教育数据隐私伦理,进而实现数据要素价值释放,提升高等教育治理现代化水平。关键词: 地平线行动计划;高等教育;数据治理;数据文化;数据人力资源;数据实践中图分类号: G434;G649.1 文献标志码: A文章编号: 1673-8454(2023)09-0029-08作者简介: 宋永磊,西南大学宜宾研究院/教育学部博士研究生(四川宜宾 644005);罗江华,西南大学宜宾研究院/教育学部教授、博士生导师,博士(四川宜宾 644005);王静贤,西南大学教育学部助理研究员,博士(重庆 400715);王丽舒,西南大学教育学部本科生(重庆 400715);苏福根,教育部教育管理信息中心研究处副研究员,博士(北京 100816)
基金项目: 教育部教育管理信息中心教育管理与决策研究服务专项2022年度委托课题“数字化支撑国家教育治理体系和治理能力现代化研究及其数据库建设”(编号:MOE-CIEM-2022021);2022年重庆市教育委员会人文社会科学研究项目“教育新基建进程中城乡数字教育资源共享机制研究”(编号:22SKGH469);2022年度宜宾市双城协议保障科研经费科技项目“数字新基建赋能宜宾教育高质量发展的机制研究”(编号:XNDX2022020024)
数字技术是高等教育数字化转型的催化剂,而数据要素则是数字技术发挥潜能的“核心引擎”。加强高等教育的数据治理能力不仅是推动高等教育治理现代化的有力举措,更是构建高等教育高质量教育体系的价值追求。
2023年3月6日,美国高等教育信息技术专业机构EDUCAUSE发布《2023年EDUCAUSE地平线行动计划:数据治理》(2023 EDUCAUSE Horizon Action Plan:Data Governance,以下简称《2023行动计划》)[1]。该报告是在其2022年7月18日发布的《2022年EDUCAUSE地平线报告(数据与分析版)》(2022 EDUCAUSE Horizon Report:Data and Analytics Edition)[2]基础上,根据报告中描述的趋势、场景、技术与实践而制定的行动计划。这也是EDUCAUSE首次以“数据治理”为主题发布的专题报告,主要聚焦推动国际高等教育机构决策和未来战略规划的新兴领域,凸显了数据作为新型生产要素支撑科学决策、充分释放治理效能的重要作用。分析与审视《2023行动计划》,旨在把握国际高等教育在数据治理方面的愿景目标、行动方案与未来规划,也为进一步推进我国高等教育数据治理提供了方向指引。
一、总体框架 《2023行动计划》由来自美国和加拿大多家机构14位高等教育数据和分析领域的专家起草而成。专家组成员采用并调整了未来研究所(Institute for the Future,IFTF)的前瞻性方法,描述了高等教育数据治理的三大愿景目标及具体行动方案,并探讨了未来规划,其总体框架如图1所示。《2023行动计划》的发布是基于14位专家的观点和知识。这些专家代表了不同类型的机构,他们的观点和知识反映了高等教育数据管理行业的现状。通过汇总和分析这些观点和知识,高等教育机构可以深入了解数据治理领域的发展趋势和最佳实践,并及时思考和讨论高等教育数据治理所面临的变化、机遇和风险,以便更好地应对日益增长的数据量和多样化的数据来源,提高数据治理的效能,更好地支持高等教育机构的决策制定、政策实施和教育质量提升,进而促进整个高等教育领域的发展。
二是在整个机构内进行数据精简和集成。一方面,数据集成可打破数据孤岛,并支持跨数据域的协作;另一方面,应当在业务流程框架下执行数据更改,以保护影响整个组织的数据架构。此外,企业提供的技术和系统架构应当支持机构数据治理的所有工作。
三、行动方案
专家组为数据治理机构制定了一系列的行动方案,以便在未来10年内达到设想的目标。每个高等教育机构都有自己独特的需求和挑战,但整个高等教育领域可以共同努力实现变革。从大规模的文化转变到较小规模的劳动力和运营变革,任何利益相关者都可以找到促进发展的方法,以更好地预测和调整高等教育数据治理领域的未来发展趋向,并为之制订好行动方案。
(一)建设数据文化的七个行动
高等教育机构应从以下七个方面开展数据文化行动:
一是建立透明、隐私和安全的价值体系。不断沟通各类数据治理活动,以保持数据价值的一致性,并在数据透明度、数据素养和数据分析能力之间取得平衡,以方便用户了解并适应数据治理实践,帮助利益相关者理解数据的资产价值。
二是形成交流反馈机制。通过定期跟踪进展,并与相关机构交流数据治理项目的完成度,以了解数据治理层面的投资效益,这将有利于变革管理方式、提振士气,并将相关人员的困惑和疲劳降到最低。
三是培养和促进机构对数据治理的耐心。数据治理是一项持续的、永久的计划,是不断发展和适应的动态过程,以满足不断变化的信息技术和数据环境中的机构需求。应当通过清晰地传达愿景、目标,结合详细的数据行动计划,持续推动机构对数据治理的支持,并相信数据治理可以持续解决不断出现的新问题和新冲突。
四是为加强机构的数据治理工作提供财政支持。倡导专门的数据治理资金,主要包括在工具、数据从业者和持续专业发展方面的投资。
五是注重从机构级和单元级数据治理两方面构建信任。注重与利益相关者建立信任,通过彼此之间的信任文化,以期最大限度地减少数据治理过程中的摩擦。
六是采用最小化可行产品(Minimum Viable Product,MVP)快速生成可交付成果,并通过实施增量行动项目(一种将项目拆分成多个迭代的小步骤或阶段实施的方法),及时与利益相关者进行磋商,通过对项目的持续改进和反馈,来保障项目的顺利实施。
七是在面向未来的机构战略中纳入数据治理内容,将数据治理作为推动机构走向未来的工具,提升机构数据治理的能力,进而消除数据孤岛并支持治理创新。
(二)数据人力资源的四个内容
高等教育机构应从以下四个方面开展数据人力资源行动:
一是配备数据治理人员。确定并培训所有机构业务线和职能领域的数据治理角色(如受托人、统筹者、监管者),指导其在管理、权利和责任、与核心数据单位合作的流程等方面的领先实践,通过统一面向法规遵从性的数据治理组件(如法律、隐私、安全)的培训,使数据治理人员在未来的工作中发挥核心作用,从而提前完成工作。
二是成立数据治理培训组织。建立一个专门培养数据素养、数据培训和数据系统意识的数据从业者子集,以支持教师和员工自己的数据素养之旅。
三是组建数据联盟。倡导数据使用和分析工具最小化数量的风气,通过引导用户使用通用平台和技能,建立实践社区并打破数据孤岛。组建数据联盟,以支持和利用文档工具。
四是建立合作机制。一方面,与人力资源和数据治理利益相关者(如法律、财务、信息技术和投资者)合作,讨论对与数据和数据治理相关的工作角色和职责的期望,并把这些期望写进职位描述中,包括管理职位。数据治理工作需要专注、清晰、投入时间和精力,为避免不切实际的工作职责扩张,必要时可移除其他职责。另一方面,与专业协会合作,在制定关键数据治理政策和使用软件程序方面提供培训和支持,并为整个机构的领导层设计专业发展路径。
(三)数据治理实践十一个子项
高等教育机构应从以下十一个方面开展数据实践行动:
第一,制定机构政策。即在机构管理层的支持下为机构制定全面、高水平的数据政策和战略,以适应变化并推动变革。此外,还应为计划外的情况做好预案,以避免相应的框架和策略受到限制和阻碍。第二,创建基层数据治理政策。与高层领导合作,制定根植于目标计划和具体行动的基层数据治理政策,包括指导执行数据治理和管理最低标准的策略。还需为高级领导层阐释采取的预期行动,并定期报告进展情况,以确保政策的充分性。第三,做好需求分析。系统采购(包括免费系统)时,应做好需求分析,确保在系统购买和相关行为实施时有相应的数据实践能力。第四,创建数据库。数据库应包括示范机构、系统、供应商等信息,通过与专业协会合作,利用品牌网站、奖项、认证计划等加强数据库的有效性。第五,确保数据记录与存储。为新系统和工具的使用提供记录的业务实践,以确保机构了解服务或工具的元数据和架构,通过对文档进行分类,以便它们与现有的机构投资组合管理工具一致。第六,跟踪与评估。跟踪和评估所有数据素养、分析、管理、治理和业务操作领域的内部成熟度。第七,制定数据治理路线图。与专业协会合作,制定数据治理路线图,其中包含建议的行动和财务能力分析工具,以记录机构的承诺和支出。第八,共同参与。将供应商和消费者聚集在一起,以确定与数据治理和管理相关的产品供应和大众需求之间的差距。这样的交流和合作,可以帮助供应商了解消费者对于数据治理产品和服务的需求和期望,从而更好地满足他们的需求。第九,创建数据分类模式。该模式可以作为持续讨论数据安全性、隐私性和重要性的试金石。通过区分基本数据和非基本数据,并生成数据分类,以支持数据控制和数据的公平访问。第十,评估数据的投资回报。对现有数据进行投资回报率(Return On Investment,ROI)分析,并为组织识别数据故障的可量化风险。第十一,构建信息制度生态系统。确定操作的依赖关系和顺序,并提供集中的决策支持服务,以便它们对所有单元可用,支持数据使用和访问权限管理的一致性,从而实现差异最小化、效率和一致性最大化。
四、未来规划
展望未来是《2023行动计划》的重要组成部分,其利用以下两个步骤来巩固个人和集体对未来的愿景,并制定规划采取行动。
(一)了解所在机构的需求
一是探索所在机构利益相关者的需求和利益。列出所在机构中对塑造数据治理的未来感兴趣的主要利益相关者,考虑来自各种运营单位的广泛观点,包括在整个数据生命周期中处理数据的利益相关者。经过表1的调查,首先记录谈话中的关键要点,包括参考资料和文件,如网站和机构政策。其次,反思研究结果,并考虑它们如何与报告中的研究结果相一致。最后,为下一步行动制定计划。
表1 了解机构的数据治理现状和未来状态
二是确定可以合作的专业网络中的关键成员。主要考虑那些已经准备好开始行动的利益相关者、已经具有相当大影响力并可以打破障碍的同事,以及有可能抵制变革并需要帮助才能看到未来愿景的同事或单位。
(二)制定未来行动路线图
以协作的方式,制定行动路线图,如图2所示。首先,以《2023行动计划》中描述的未来为灵感,描述本机构未来的目标和要素。然后,查看从机构的需求中得出的结果,并描述未来的短期、中期和长期行动。图2 行动路线图[1]
五、启示
(一)塑造高等教育数据文化
良好的数据文化有利于促进高等教育机构推进数据治理实践[3]。在数据分享及高效使用的文化氛围下,高等教育机构内部会形成潜在自觉的数据使用意识和行为,有利于形成“数据文化”基因。
数据治理文化为高等教育机构数据治理现代化提供了驱动力,其主要载体包含数据意识、数据人力资源、数据机构[4]。一是树立数据治理意识。高等教育机构在教育教学中产生大量数据,如教学数据、人事数据、学生数据、财务数据、后勤数据等,高等教育机构利益相关者(教师、学生、管理者等)应树立数据治理意识,充分挖掘数据背后的教学管理问题,积极推动工作科学化开展。二是加强数据人力资源建设。高等教育数据挖掘与分析需要跨学科研究人员,机构应建立人工智能、统计学、管理学、教育学等复合学科组成的研究队伍,选优配齐数据服务人员,通过培训不断提升其数据治理能力。三是设置数据治理机构。数据治理涉及高等教育机构内部及机构之间多个部门,有必要成立专门机构协调跨部门、跨系统、跨功能数据处理事务,提升数据整合、数据分析及数据决策能力。
(二)建立教育数据治理制度
数据治理愿景是建立有效、可信、可用的数据资产,从而支持业务决策和创新。当前数据治理主要存在数据归集度低、共享率低、利用程度低等现实困境[5]。在具体实践中,主要表现为数据部门与业务部门职能定位不清晰、权责划分不明确。因此,围绕数据运行建设,积极构建规范统一、分类科学、层次清晰、运行高效的规章制度和治理体系,强化政策保障机制和技术支撑力量,提升高等教育数字化治理水平。
高等教育数据治理是一项需要教育部门主导的行动,需要有规范教育数据治理的相关法规政策与评价机制[6],进而引导高等教育机构进行数据治理实践。教育部门须推动高等教育数据治理的实践引导、组织管理、安全保障、质量监管、隐私伦理等制度的改革与完善。一方面,须建立垂直治理机构,以提升高等教育机构自身的数据治理能力和数据领导力,出台数据规范制度,打通数据自底向上的聚合通道,并链接教育之外的数据(如经济、民生等数据),更大限度地挖掘数据价值;另一方面,教育部门须构建“需求驱动”的教育数据治理体系,出台相应的制度规范,以规范教育数据治理。如美国教育部发布《数据战略》(Data Strategy)[7]等制度文本,旨在指导各州及教育机构建立教育治理计划。
(三)加强数据治理技术应用
数据治理技术是保障高等教育数据治理的核心和关键。通过构建自然语言处理、视频图像解析、数据可视化、语言智能问答、多语言机器翻译、数据挖掘分析等功能的大数据通用算法模型库和控件库,提供一系列通用的数据处理与分析工具,建设面向教育场景应用的“数据集”,高等教育机构可以提高数据处理与分析的效率和准确性,有助于实现基于数据驱动的治理和决策,提升高等教育治理能力现代化水平。
一是建立数据采集的统一标准。数据采集的质量直接影响着数据的使用价值,正式采集前应当建立元数据标准[8],对数据概念、数据编码、数据存储、数据逻辑等建立规范要求,以解决跨系统处理、系统间协同的兼容问题,同时要加强机构之间数据的共建共享,加强数据采集协议建设,避免机构间的数据孤岛。
二是建设湖仓一体架构[9]。数据湖可以有效解决数据仓库中出现的多元数据结构查询和多模态数据交叉分析等问题,但也存在数据分析局限问题,构建湖仓一体架构有助于实现多元化数据存储、事务管理支持,开展更加丰富的教育场景分析。
三是创新数据应用模式。利用人工智能、可视化、学习分析等技术开展数据深加工处理,充分挖掘个体与群体在受教育过程中的问题与矛盾,制定数据知情决策模型,为教育中的利益相关者提供科学、精准的决策依据。
(四)注重教育数据隐私伦理
伴随着教育数据的采集、处理、存储、分析与利用,高等教育机构面临着数据隐私泄露、数据鸿沟、数据服务偏见等风险[10],数据隐私伦理规制是教育数据健康发展的关键。
一是通过制度建设实现伦理规范秩序。如欧盟发布的《欧洲通用数据保护条例》(General Data Protection Regulation,GDPR)[11]、《值得信赖的人工智能伦理准则》(Ethics Guidelines for Trustworthy AI)[12]等政策文件,突显欧盟对数据伦理的重视。
二是在技术层面,通过要求企业开发者公开算法透明度、数据被采集者知晓数据采集范围等措施,避免数据采集、算法应用中形成数据垄断、算法歧视等问题,进而有效防范算法伦理。如英国发布《算法透明度标准》(Algorithmic Transparency Standard)[13],旨在要求算法在应用于决策时要保持适当透明度。
三是协调教育数据利益相关方的利益冲突,构建教育数据生产者、使用者、采集者多元协同治理机制,完善数据安全治理制度体系,建立数据安全风险监管机制[14],努力实现教育数据效能最大化。
参考文献:
[1]EDUCAUSE Publications.2023 EDUCAUSE Horizon Action Plan:Data Governance[EB/OL].(2023-03-06)[2023-07-20].https://library.educause.edu/resources/2023/3/2023-educause-horizon-action-plan-data-governance.
[2]EDUCAUSE Publications.2022 EDUCAUSE Horizon Action Plan:Data and Analytics Edition[EB/OL].(2022-07-18)[2023-07-20].https://library.educause.edu/resources/2022/7/2022-educause-horizon-report-data-and-analytics-edition.
[3]刘晓东,丁国勇.美国一流大学数据治理的研究与启示——以范德堡大学为例[J].江苏高教,2020(3):120-124.
[4]牛军明.大学文化治理:大学治理范式转型的重要路径[J].江苏高教,2022(8):45-52.
[5]毛文卉,吴驰,刘雅琴,等.数据治理背景下高校数据共享框架的研究与实践[J].实验室研究与探索,2022,41(8):297-303.
[6]刘金松.数据治理:高等教育治理工具转型研究[J].中国电化教育,2018(12):39-45.
[7]U.S.Department of Education.Data Strategy[EB/OL].(2020-12)[2023-07-20].https://www.ed.gov/sites/default/files/cdo/ed-data-strategy.pdf.
[8]彭华友,彭益,车志明.基于大数据的职业教育教学质量治理体系建构:结构模型及实现途径[J].中国职业技术教育,2022(8):20-28.
[9]陈氢,宋仕伟.数据治理视角下的湖仓一体架构研究[J].数字图书馆论坛,2023,19(4):19-28.
[10]赵磊磊,张黎,王靖.智能时代教育数据伦理风险:典型表征与治理路径[J].中国远程教育,2022(3):17-25,77.
[11]European commission.The general data protection regulation[EB/OL].(2018-05-25)[2023-07-20].https://www.ppai.org/media/2941/gdpr.pdf.
[12]European commission.Ethics guidelines for trustworthy AI[EB/OL].(2019-04-08)[2023-07-20].https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai.
[13]Central Digital and Data Office and Centre for Data Ethics and Innovation.Algorithmic transparency standard[EB/OL].(2023-01-13)[2023-07-20].https://www.gov.uk/government/collections/algorithmic-transparency-standard.
[14]张涛,崔文波,刘硕,等.英国国家数据安全治理:制度、机构及启示[J].信息资源管理学报,2022,12(6):44-57.
(1.Yibin Academy of Southwest University, Yibin 644005, Sichuan;
2.The Faculty of Education, Southwest University, Chongqing 400715;
3.Research Division, Center for Education Management Information of the Ministry of Education, P.R.China, Beijing 100816)编辑:李晓萍 校对:王天鹏
期刊简介
《中国教育信息化》创刊于1995年8月,是由中华人民共和国教育部主管,教育部教育管理信息中心主办,面向国内外公开发行的国家级学术期刊。期刊内容力求全面深入地记录我国教育信息化的建设进展、研究与应用成果和行业发展状况,开展我国教育信息化发展状况调研和教育信息化国际比较研究,服务于国家教育宏观决策;力求全面准确地把握教育信息化相关的方针政策和标准规范,及时追踪ICT前沿技术的发展趋势及其与教育的融合,深度挖掘教育信息化建设与应用的体制、机制创新,服务于我国教育信息化实践。
●RCCSE中国核心学术期刊
●中国人文社会科学(AMI)扩展期刊
●中国期刊全文数据库收录期刊
●中文科技期刊数据库收录期刊
●国家哲学社会科学学术期刊数据库收录期刊
●中国核心期刊(遴选)数据库收录期刊
●龙源期刊网收录期刊
一年12期,每月20日出版
20元 / 期,邮发代号:82-761
编辑部邮箱:mis@moe.edu.cn
通讯地址:北京市西城区华远北街2号921室