基于信息鏈理論的高校智能實驗室數據治理策略研究

蘇 昕， 劉秀鳳， 張新亞

（中國礦業大學a.信息化建設與管理處；b.公共管理學院，江蘇徐州 221116）

0 引 言

實驗室是現代化大學的心臟［1］，對于推動應用型高校的發展具有顯著意義。2021 年教育部等六部門印發的《關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見》指出，要“推動智能實驗室建設，利用信息技術輔助開展科學實驗、記錄實驗數據、模擬實驗過程，創新科研實驗范式。探索實驗室安全智能監管和科研誠信大數據監管應用。促進重大科研基礎設施、高性能計算平臺和大型儀器設備開放共享”。智能實驗室已先進的管理理念為指導、以實驗室智能管理系統為基礎、以構建一體化智能實驗室生態圈為目標，旨在通過傳統實驗室與信息化技術的協同發展，促進環境數據檢測、固定資產數據化管理、實驗教育數據統計等環節的智慧化［2］。這一過程是以數據作為底層支撐來推進，因此數據治理便成為實現數據在各層級系統間流轉與共享的關鍵因素和未來治理模式的發展方向［3］。經由數據治理，將實驗各環節產生的龐大數據采集、清洗、管理、分析、應用，支撐高校實驗室工作，驅動高校實驗室快速、迭代發展。

國內外針對數據治理及應用的研究均限于教學、科研和行政管理，而關于實驗室的數據治理及應用的研究較少；且尚未有將組織論中的信息鏈理論引入該領域的系統分析。高校智能實驗室的數據治理是一個基于信息傳遞、信息共享和信息分擔等信息操作的鏈式協同工作機制［4］，而信息鏈理論在此機制中揭示了數據經由采集和處理形成可供統一管理的信息，進而變為可應用的知識，經系統分析升華至輔助決策的智慧轉化過程［5］。在此基礎上，本文基于信息鏈理論從數據采集、管理、應用及價值挖掘4 個方面對高校傳統實驗室數據治理問題進行系統分析，同時對當前高校智能實驗室的建設進行總結，最后提出高校智能實驗室數據治理的具體策略，以實驗室智能發展支撐高校學科發展、成果產出及人才培養。

1 高校傳統實驗室數據治理面臨的共性難題

實驗室數據是高校數據資產的重要組成部分，而數據治理是高校實驗室進行數據資產沉淀的基礎，直接決定高校實驗室數據資產能否得到有效沉淀，以及在數據應用過程中能否充分地發揮價值。但目前我國高校傳統實驗室數據治理在采集、管理、應用及價值發掘過程中仍存在較多問題。

1.1 數據采集基礎薄弱

（1）數據來源缺乏規范，采集數據項目、形式及類型不一，缺口較大。當需要對某些數據進行匯總、統計和分析時，相關單位難以在短時間內獲取所需數據，并且所獲取數據的權威性及準確性也難以確認。

（2）數據采集效率低下，難以準確反映實驗室各方面情況。部分高校實驗設備使用、儀器維修、環境安全監測、實驗室預約等情況由手工填寫登記信息，然后人為通過表格或軟件工具匯總。這導致數據延時性、信息錯誤、數據丟失率高等問題，且需要耗費大量時間、人力和紙質資源。隨著高校實驗室設備儀器、實驗項目的增多，這一問題日益凸顯。

（3）數據采集缺少校級信息化匯總平臺，數據呈割裂狀態、無法進行統一管理。目前高校各實驗室所產生的數據多由所屬學院、研究所進行匯總，少有學校層面的信息化匯總平臺，這使高校難以對所屬實驗室進行宏觀總覽和管理，無法根據具體數據調動學校資源，優化和深化實驗室建設。

1.2 數據管理難以滿足運行需求

（1）數據管理缺乏統一的規范體系和標準。高校實驗室數量眾多、儀器設備及實驗項目數目龐雜，導致大量采集數據來源不明、格式混亂、標準不一、自建管理工具接口繁雜等問題凸顯，難以被數據中臺進行匯總利用，或需通過大量人工處理才能夠匯總。

（2）采集數據碎片化、質量低，難以被有效匯總和利用。在沒有完善的數據質量監控體系情況下，人工采集的數據誤差和錯誤導致實驗室采集數據重復低效，且數據完整性、有效性和規范性均無法得到保障。

（3）數據傳輸過程煩瑣，各層間數據難以互通，數據權威性無法確認。各實驗室相關系統、儀器設備、環境監測等數據僅能線性單向匯集，即使最終由上級管理平臺匯集，這些標準、形式不一的數據也需通過大量人工處理才作為基礎數據提供給其他系統使用，繁雜的處理步驟導致這些數據的利用率較低、難以共享使用，催生“數據孤島”現象的產生。

1.3 數據應用體系建設不足

（1）實驗室數據只集中于采集階段，缺乏深度應用。以實驗室教學數據為例，①教學相關數據大部分由學生以及實驗儀器收集，僅反映本次實驗結果，在缺乏有效匯總及分析的情況下無法詳細展現學生在實驗過程中的薄弱環節。②傳統實驗室的數據無法體現每個學生的學習特色和性格習慣，教師難以合理且有針對性地設置教學方案和教學進度。

（2）缺乏基于學科發展方向的數據沉淀與分析。目前大部分高校實驗室建設完成后，對于實驗室學科發展支撐數據缺乏分析，尤其是缺乏關于學生實驗教學效果、老師實驗教學成果、科研實驗相關成果等基于學科發展方向的數據沉淀，這使學科實驗室發展方向難以明確，容易造成資源浪費，同時也增加了跨學科綜合性實驗開展和實現學校培育混合型人才目標的難度。

（3）難以直觀了解全校實驗室運行狀況及隱患。目前高校各實驗室收集的數據多在學院內甚至實驗室內流轉，全校實驗室數據無法直觀呈現，決策人員難以了解目前全校實驗室資源運行情況和實驗開展情況，在收到新建實驗室申請時難以判斷其是否必要、是否符合學科發展方向以及是否已有同類項目可供重復利用。同時各項物理環境數據也僅有各實驗室管理人員掌握了解，沒有得以共享分析，致使部分實驗室潛在安全及管理隱患難以被及時發現和排除。

1.4 數據價值有待釋放

（1）實驗室運轉數據缺乏導致學科資源的空置與浪費。部分高校實驗室資源閑置現象嚴重，很多系所、教授都建設了自己的專屬實驗室，部分實驗室是為了應對評獎或上級要求而建，建完便長期空置。因缺乏實驗室使用狀況的實際數據，需要此類資源的其他校內單位只能重復建設，浪費學科資源。

（2）數據利用率低導致學科發展未得到有效支撐。高校每年投入大量經費進行實驗室建設，但其投入產出比無法明確計量。數據支撐的缺乏使得實驗室建設難以結合各學科與行業發展狀況得到精確指導，這導致部分高校實驗室建設方向分散、難以聚力，無法有效支撐專業學科及交叉學科發展。

2 高校智能實驗室數據治理的建設基礎

隨著以互聯網和智能設備為代表的信息化技術水平的上升，高校在教學、科研、管理等方面發生一系列改革［6］。智能實驗室管理系統通過信息手段和網絡技術建立，對提升實驗室儀器設備的使用效益、減輕管理部門和實驗人員的工作負擔、促進實驗室資源共享和開放具有重要意義。基于高校傳統實驗室數據治理在采集、管理、應用及價值挖掘過程中存在的一系列問題，實驗室智能化與數字化的發展迫在眉睫。而目前新技術的成熟、高校智慧化轉型與政府、企業及高校的數字化與智能化發展則為我國高校智能實驗室的建設打下了堅實的基礎。

2.1 新技術的成熟提供發展動力

近幾年，專家學者通過對高新科技的大量開發研究促進了科技與人類生活的融合，并使之成為引領高校智能實驗室數據治理發展的第一動力。如人臉識別技術在智慧實驗室可與門禁系統、預約系統相關聯，以此加強實驗室管理力度，提高實驗效率；基于物聯網的動環系統不僅可以對實驗室溫度、濕度、用電量、煙霧等環境信息進行實時監控，并且能夠對數據進行采集管理，以實現實驗室的自動化管理，加強安防力度［7］；自然語言識別技術通過問題查詢以及數據信息記錄解決了實驗數據記錄不及時準確等問題；區塊鏈技術則可以使實驗室甚至整個學校的區塊存儲數據的每個節點按照時間順序相連，并通過共識機制實現數據存儲的一致性［8］，很大程度上保障了實驗室數據和用戶隱私的安全；數據挖掘技術則可對收集到的實驗室數據進行高效率的查詢使用，以節約大量時間來進行深入研究；機器學習算法能夠從現有的數據分析和挖掘中獲取準則，從而獲取有價值信息；應用機器學習技術可以促使實驗室安全評價實現從定性評價到定量分析的轉換［9］，精確地找出實驗室存在的安全隱患，并總結出科學的解決策略；人工智能技術即研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術［10］，其與實驗室的結合對智慧實驗室數據治理的智能化與數字化發展具有重要意義。

2.2 高校智慧化轉型提供支撐環境

在高新技術飛速發展以及數據挖掘、人工智能、物聯網等新變量層出不窮的情形下，諸多高校充分發揮科技的力量，順應時代的潮流，向著智慧化前進。如密涅瓦大學通過線上授課、小班探討、倡導學生全球游學的教學模式，充分利用高新技術增加學生上課便捷程度，使其有更多時間游學以增長閱歷經驗；上海交通大學在2020 年初步建成了“交我算”計算平臺集群，為科研人員提供了嚴謹的代碼服務以及高質量的信息存儲能力，以此充分發揮科研人員的創新能力［11］；華東師范大學從2016 年開始研發全鏈路的在線學習平臺——水杉在線［12］，融合了在線學習、實訓演練、在線編程自動評測等全鏈路的教學過程，并且能夠收集學習過程中的數據，對其進行全方位分析，為學生推送合適的資源。各高校的實踐成果不斷投射到教育領域，通過網絡進行傳播發酵，使智慧化成果不斷累積最終形成質變、高校智慧化逐漸呈現。每所高校的智慧化轉型都將匯聚成龐大的數據流，通過互聯網的交互、融合成高校智慧化轉型的大環境，為高校智慧實驗室的數據治理提供交流發展的空間和良好支撐環境。

2.3 政府、企業及高校協同推進的數字化社會建設

隨著“互聯網+數據”的不斷推進，數字政府、數字企業和智慧校園逐漸取代了傳統模式，成為新時代的主角。當前國家積極推進數據資產的利用，政府部門的政務處理、政府服務、政務監督趨于數字化和智能化。數字政府的建設也頗見成效，有些政府已經構建了“規劃—政策—平臺—機制”四位一體的政務數據治理體系，達到了數據便民的效果。高校在數字化轉型方面也具有重大進展，如廣州大學建立了“一表通”系統，可線上填報各種表格，免去了線下的繁瑣手續。數字政府、數字企業、智慧校園的突飛猛進式發展，推進了數字化社會建設進程，將數字技術廣泛應用于生活的方方面面，為高校智慧實驗室的數據治理流程再造和模式優化提供經驗借鑒。

3 基于信息鏈理論的高校智能實驗室數據治理策略

基于信息鏈理論，結合當前高校傳統實驗室面臨的共性難題以及智能實驗室數據治理的建設基礎，從數據采集、管理、應用及價值挖掘4 個方面進一步提出高校智能實驗室的數據治理策略（見圖1）。

圖1 高校智能實驗室數據治理策略

3.1 推進數字基礎設施建設，優化數據采集流程

（1）完善硬件支持，實現數據的有效采集與管理［13］。①完善實驗室日常數據采集硬件，將實驗室物理空間及實驗過程數據化，以便進一步分析和應用；②完善實驗教學設施，通過錄播設備及高清攝像頭對實驗過程及實驗人員產生的數據進行跟蹤采集，以便師生在云端對實驗過程進行復盤或供他人學習；③建立實驗教學在線學習和虛擬實驗平臺，采集使用者平臺使用的相關數據，以便更好地提供教學指導及知識點盲區分析。

（2）建立校級實驗室數據匯總平臺，實現分散數據的整合分析。在這一過程中，校級實驗室數據匯總平臺應先行收集和保存原生結構化數據，在只增不減的情況下積累學校歷史數據情況，維護單一系統全量數據表，并為數據打上相關標示（時間戳、狀態位等），對update、delete 操作留下記錄，防止由于后續集成過程或者數據丟失而導致數據缺乏數據恢復源頭。需要注意的是，在采集過程中不應對數據進行多余操作，以保證對源頭系統的影響降至最小。

（3）明確數據采集業務覆蓋范圍，優化數據采集流程。①充分了解高校當前各學院、部門的數據采集現狀及用數需求，理解各項數據相關業務的含義及業務規則，對需采集數據進行全面概括；②梳理實驗室各信息采集系統或人工數據采集工作的結構及流程，明確數據分布情況，以便后續進行數據認責以及明確數據關聯的關系；③梳理實驗室數據流向，充分了解數據從產生、采集、存儲、加工、應用的各部分環節，以建立較為完善的數據全生命周期管理體系［14］。

3.2 建立數據能力體系與實施架構，提升管理水平

（1）建立數據校標體系，助力數據共享的使用。①基于高校已有數據標準、利用數據視圖或最新的數據字典對照結果差異進行標準轉換，保證原有標準的可落地性；②對實驗室數據治理范圍內、原標準未覆蓋的數據進行重新調研，結合國標或行標進行數據梳理確權與標準建立，且跟已校對過的舊標準進行組合，形成在實施時期的新數據標準［15］；③將現階段的數據標準與學校真實數據進行關聯匹配和數據項校驗，促使校級平臺常態化識別出實施標準與現階段學校實驗室物理數據的差距，實現標準的落地性檢測。

（2）對數據進行清洗轉換，提升數據質量。在數據清洗轉換過程中，由于高校實驗室眾多并相對獨立，所以應采用自動對比方式，清除完全重復的數據記錄，并采用時間對比方法，去除過期數據。當程序不能正確判斷數據是否正確時，則需要人工加以判斷，制定去重規則。除此之外，需對數據錯誤、缺失的情況進行分析，排查需要納入管理的數據，放棄沒有價值或不影響實驗室業務的數據。數據清洗完畢后，便可開始進行主題庫數據集成。在這一過程中會對數據進行歸并和校正，通過區間限定法和歷史數據近似值等方法，修復低質量數據。對于缺失數據，則根據對應實驗室系統特點，建立補入規則及流程進行補入，使后續缺失數據可自動補入。

（3）建立數據資源目錄，實現校級實驗室數據平臺的共享交換。在平臺使用過程中，數據提供者負責數據的編目、注冊，保證編目數據的正確性和實時性；數據使用者通過平臺查詢數據資源目錄發現所需數據；目錄數據管理者負責數據資源目錄的建立和管理，并保證目錄信息的安全和運維。之后，便可基于校級實驗室數據平臺建立或重構實驗室數據共享流程，提供數據共享服務。

3.3 搭建大數據分析平臺，拓展數據應用領域

（1）建設教學精準干預能力用于教學輔助。①在完善的數據采集基礎設施支撐下，收集學生實驗過程中的操作數據和結果數據，形成教學專題庫；②通過對接學校教學系統的知識樹體系，利用數據挖掘技術對學生實驗成績及歷史相關科目成績進行量化比較分析，并將學生學習過程中的強弱項、興趣點、教學效果進行可視化呈現，方便教師全面了解其教學質量及學生學習效果［16］，并以此為基礎構建更貼合學生學習重點的教學方案；③通過實驗教學各環節數據流的產生與運轉，輔助教師在實驗室環境下進行更精準的“教”、指導學生進行更精益的“學”，構建一條具有正向反饋機制的教學鏈條，形成數據驅動教學的范式［17］。

（2）在海量實驗數據基礎上建立大數據分析平臺進行量化分析。①通過對學生成績、學生行為、學習指數、潛力預測、教學效果、科研成果產出率等數據的多維度橫向和縱向量化對比分析，從數據的變化趨勢中發現實驗室建設及教學可能存在的薄弱環節或盲區；②基于實驗室資源建設歷史數據與對應專業、學科及學院的教學、科研發展數據進行關聯性分析，根據學生實驗教學效果、老師實驗教學成果、科研實驗相關成果等具體情況對不同專業、學科及學院實驗室使用效果進行量化評分，以評促建。

（3）建立校級實驗室資源管理平臺，實現資源分配及運轉情況的實時展示。高校應根據自身需求設計管理界面的可視化呈現方式，使用者只需按照系統提示，在維度和度量列表中選擇需要的字段，平臺即可直觀地展示全部、部分或單個實驗室的整體運行狀態、資源分布現狀和分配情況；各學院及部門的管理人員則可通過資源管理平臺查詢實驗室現有資源、空缺資源，尋求實驗室共享需求；學生以及教職工也可通過實驗室資源管理平臺查詢閑置實驗室并預約，以此形成基于數據的扁平化管理模式。

3.4 深層次挖掘數據價值，助力實驗室高水平發展

（1）提升資源利用效率和管理效率。①高校通過實驗室資源管理平臺匯集全校實驗室建設及儀器設備購置申請信息，結合校級實驗室數據匯總平臺中采集的實驗室及儀器設備的數據標簽及空置率，過濾重復建設申請，并為申請者在線對接其所需的空置實驗室資源。②結合與各實驗室相關教學效果、科研成果產出提升效果數據，分析已有實驗室與各學科發展間的正向及逆向關系，對已有實驗室建設效果進行小顆粒度量化，以此為基礎對申請方案進行評估，結合專業實際情況給出優化建議，過濾申請中的無效建設內容。

（2）實現空置資源的有效利用。學院教職工需要實驗資源時，可在數據資源目錄中查詢全校實驗資源及預計空置時間等信息，根據需求在資源管理平臺發起借用申請，經校級管理部門、實驗資源所屬單位及管理人數據流轉審批后，即可在申請時間段借用相應實驗資源。同時，高校應基于實驗資源價格、折舊率等相關數據，對跨學院、跨學校的實驗資源使用建立明確的收費標準，量化實驗室管理人員額外工作內容，由校級實驗室資源管理平臺根據實驗室運轉數據，按年度自動計算管理人員工作量并折算為績效發送至各學院，納入年終考核。校級實驗資源管理平臺可對接財務系統，根據實驗資源借用人員的歷史借用數據，計算其應繳納費用，進行自動扣費。

（3）對實驗室建設方案進行量化評估和優化。在這一過程中，高校可為不同專業制定針對性方案，通過量化評估得出最優解，同時結合交叉學科發展需求、各學科實際情況及行業發展趨勢，最終制定出本校的實驗室發展方案。另外，因此類實驗室發展方案的建設周期較長，在建設過程中還應以數據化方式監督方案建設過程，及時發現執行過程中的問題，以迭代的方式周期性評估優化發展方案。

4 結 語

高校實驗室的發展已經進入瓶頸期，簡單的增量建設已無法滿足國家、社會和高校本身對實驗室發展的需求，因此高校應打造一套系統的數據治理和應用模型，結合智能實驗室建設，重構實驗室管理體系。通過按需詳盡地采集和匯總高校實驗室數據，以此為基礎打造高校實驗室數據匯總平臺，完成對全校實驗室數據的整合及標準化。利用這些數據，完成高校實驗室數據管理平臺的建設。通過管理平臺進一步實現基于數據的高校實驗室管理及發展決策。籍這一過程，高校實驗室的數據質量得以提高，數據管理模式得以改進，數據和資源共享機制得以創新，高校各級管理人員能夠合理地配置和管理實驗室資源，從而推進高校學科建設加速發展，助推高校教學及科研再攀高峰。