數智技術賦能高等教育質量監測數據庫的構建與應用研究

摘要：在數字化時代的總體布局中，技術驅動教學升級、信息賦能教育改革的“科技+教育”模式已成為教育未來發展的必然趨勢和建設高質量教育體系的重要策略。建設教育強國，龍頭是高等教育。加快推進高等教育質量監測數智化發展，幫助高校及時全面地掌握動態信息，客觀準確地評估教育發展現狀和水平，對開拓高等教育可持續發展新局面、書寫教育全方位服務社會主義現代化建設新篇章具有重要的導向意義。文章基于國內外現有研究理論與實踐經驗，不同于傳統的單一化數值型數據庫，結合高校特色和時代特征，以多元化、多維度、多層次、綜合性的大數據庫為推動基礎，建立健全“科技+教育”視域下具有信息采集、數據處理、質量分析、評價決策、評估預測和風險預警六大系統的高等教育質量監測數據庫，并通過基于角色的訪問控制進一步解決敏感數據、安全管理等問題，最終建立結果運行機制，為教育質量常態監測、完善教育質量評價體系、創新高校管理體系提供技術支撐，有效發揮監測平臺診斷、改進、引導功能，精準服務高等教育從“有質量”邁向“高質量”。

關鍵詞：高等教育；教育質量監測；數據庫；敏感數據；安全管理

中圖分類號：G647 文獻標志碼：A 文章編號：1005-2909（2024）05-0001-08

黨的二十大報告提出了“中國式現代化”目標和“實施科教興國戰略，強化現代化建設人才支撐”的重大戰略部署，標志著中國式現代化建設進入新階段，科教興國開啟新征程。高等教育是科技第一生產力、人才第一資源和創新第一動力的最佳融合點，在教育、科技、人才“三位一體”戰略部署中具有重要地位與價值。黨的十八大以來，我國高等教育在學總規模超4 760萬人，毛入學率達60.2%，實現了從大眾化到普及化的歷史性跨越。在新一輪科技創新和新一代信息技術的影響推動下，新征程上的中國高等教育迎來內涵發展、質量提升、改革攻堅的關鍵機遇，迫切需要立足中國式現代化建設新要求，以數智技術引領深化學科建設、質量監測評價等綜合改革，全面提高人才培養能力、建設高等教育強國。2020年10月出臺的《深化新時代教育評價改革總體方案》強調教育評價事關教育發展方向，對改進高等學校評價、改革教師評價、改革學生評價等作出了全面部署。深化新時代高等教育評價改革，應牢牢把握總體目標和重點任務，堅持科學導向，健全綜合評價，提高教育評價的科學性、專業性、客觀性。基于以上背景，深入探討如何借助數智技術賦能高等教育質量監測平臺建設，優化高等教育評價體系，是進一步引領高等教育高質量發展、加快推進教育現代化的必修課和必答題。

一、高等教育質量監測數據庫研究現狀

數據驅動教學升級、科技助力教育改革是一大趨勢，在當前人工智能、云計算、數據挖掘、VR/ AR等計算機科學技術飛速發展并廣泛應用的大數據時代，高等教育質量監測數據平臺建設作為高等教育質量監測研究領域的重點內容，被各界專家不斷提出反復研究，以求提高教育管理水平，深化高校教育教學改革。喬剛等[1]認為高等教育質量監測數據平臺建設必須樹立五大理念：應用導向，服務為先；功能強大，創新發展；全面開放，協調發展；數據說話，綠色發展；平等互利，共享發展。陸根書等[2]將大數據概念歸納總結為提供決策服務的大數據、大數據技術和大數據應用三要素，以研究生教育質量監測為例，構建出包括質量監測、預測預警、主題分析、基礎報表、數據資源管理等主要功能的平臺系統。代玉等[3]從治理目標、治理主體、治理客體及治理方式四個維度，進一步提出高等教育領域數據治理的邏輯框架。Wu[4]認為當前高等教育質量評價存在評價工具落后、評價主體單一、評價方法簡單等問題，因此利用大數據挖掘技術擴充傳統模型評分矩陣，創建應用于大數據集的高等教育環境監測與質量評價系統。

至今，高校層面數據平臺建設的相關應用研究已經拓展到常態監控、在線教育、人才培養等領域。湯建民建立了具有檢索功能、統計功能、自動生成分析報告功能的高校科研評價數據庫，有利于客觀記錄高校科研狀況數據，最大程度地實現評價數據的透明真實性，提升大學排名公信力。克巴杜等[5]設計的智能教學平臺，能夠實時跟蹤記錄教學活動中學生的學習進程，深度分析產生的各類數據，便于決策層和教研員及時調整教學方法。數據中臺是API的改造、升級、完善，解決了數據平臺建設和實踐中校內數據孤島的壁壘問題，有利于提高信息化可用度、數字化效率，實現數據間的交互協同[6]。程園耀等[7]通過高等教育教學中的數據收集與分析系統，從賬戶模塊、課程模塊、作業模塊、課堂模塊、課下討論模塊、數據分析和導出模塊多維度了解和掌握學生的學習情況。

為了提升教學質量，促進高等教育質量監測數據平臺長遠發展，不同專家學者也提出相應的策略與建議：一是積極培育第三方評價機構，加大基礎研究支持力度，加強數據監測和評估結果使用 [8]；二是以教學質量為核心，重視高校與外部的銜接，形成高等教育教學質量“閉環式”監測體系 [9]；三是建立學校教學質量監控長效機制，彰顯數字化、數據化教學管理新優勢[10]。

目前我國大部分高校在數據庫實際使用過程中面臨諸多限制，主要體現在以下幾點。一是數據類型結構單一。靜態數據多于動態數據，結果性數據多于過程性數據，管理數據多于教學數據[11]，數據更新無法確保持續性、及時性、準確性。二是數據共享難、協同難。人工采集數據周期較長，實施中容易產生重復采集和填報的問題，同時，數據孤島現象普遍存在，不僅歷年數據無法直接線上查閱，也不支持跨專業、跨學校、跨地區開放共享，陷入高校信息的碎片化、割裂化、交叉化困境。三是缺乏高校特色和時代特征。素質教育時代注重培養學生的創新精神和創造能力，各高校在地理環境、師資力量、辦學條件、教育理念、校園文化等方面都有其自身獨特性，但高校使用權限受到制約，采集指標科學性、客觀性不足，專業認證新理念得不到凸顯，導致難以融合時代發展，真實全面反映學校的特色優勢、蘊含的真正價值。四是數據安全亟待解決。現有的大部分校園數據平臺，采用中心式存儲方式，在遭受攻擊后極易崩潰，無法正常提供服務，其中涉及大量學生、教師及家長數據，面臨信息泄露的風險。五是分析決策系統缺乏有效利用。數據庫的數據分析功能局限于高校發展狀態的描述，缺乏多樣化視角對比，高校信息得不到充分挖掘和應用，無法輔助提升校領導決策效能，難以支撐高校持續改進、變革與發展。因此，面對高等教育常態化監測新需求新難點，充分發揮數字技術優勢，著力推進智能化質量監測數據庫在服務決策咨詢、督促問題改進、支撐督導評估、引領質量提升等方面升級改造，把脈未來教育發展新態勢，支撐高質量教育體系建設，是“十四五”時期高等教育高質量發展的基礎與關鍵。

二、“科技+”視域下高等教育質量監測數據庫建設路徑

建立高等教育質量監測數據庫是推動高等教育內涵式發展、提高學校人才培養質量的重要舉措。基于信息技術、計算機技術構建多元化、多維度、多層次、綜合性的大數據庫，結合高校特色和時代特征，探討“科技+教育”視域下高等教育質量監測數據庫的建設路徑，系統設計堅持教學和學生雙中心，監測指標涵蓋黨和國家近年來對高等教育領域關切的熱點、重點，利用互聯網思維解決教學中的痛點、難點，建立“監測-診斷-改進”的工作閉環，促進科技與教育教學深度融合。

數據庫是“按照數據結構來組織、存儲和管理數據的倉庫”[12]，可以通過收集、組織、分析和可視化等手段與數據進行連接和交互，為科學研究和決策提供支撐。文章構建的教育質量監測數據庫主要由信息采集系統、數據處理系統、質量分析系統、評價決策系統、評估預測系統、風險預警系統六部分組成，如圖1所示。

信息采集系統是將非結構化信息從大量雜亂無章的數據中篩選梳理并保存到結構化的大數據庫中，如圖2所示。數據是大數據庫的核心與基礎，全面精確的數據資源可以輻射到教育質量的各個方面。若充分利用這些數據資源，能夠較大程度提升質量監測、評價和預警的工作效率，并作為新一輪教育教學審核評估的重要依據。大數據庫搭建應做到結構完整、邏輯清晰、互動更新，按數據形式劃分主要包含結構化數據（關系型數據庫）、半結構化數據（HTML、XML、JSON等）和非結構化數據（電子郵件、文檔、各類報表、PDF、圖像、音頻、視頻）。按數據類別劃分，一是教學信息，包括學習情況、教學進度、考試成績等；二是日常工作，包括安全、衛生及學校師生接收的其他信息，如QQ、微信等[13]；三是管理信息，包括高校信息、師資情況、平臺數據，如問題庫系統、考試服務系統、掃描標記系統等；四是科研信息，包括課題、論文、獲獎等。文章構建的高等教育質量監測數據庫支持從不同平臺導入不同類型的數據，如：考試系統的考生、學校和地區信息，掃描和評分系統的原始響應記錄、評分記錄、掃描圖像等信息，結合互聯網、大數據技術抓取的數據信息等。數據庫包容性允許對各種數據信息進行交叉分析，使用大容量和高速數據管道，對整個數據生命周期進行管理，從而使訪問、存儲、處理和應用程序等數據流流程可跟蹤。

數據處理系統是從大量雜亂無章且難以理解的數據中抽取并推導出對某一特定事件有價值、有意義的數據，主要包含數據清洗、數據可視化兩大功能。數據清洗是數據處理的首要環節，包括數據清理，缺失值、異常值處理，歸一化、標準化、中心化等步驟。數據清理主要涉及數據格式的統一、無效數據的刪除等。一方面，可以實現數據類型的轉換，根據數據實際情況，將不同數據類型轉換成統一格式，如將字符串、日期等格式轉換成數值；另一方面，對數據進行規范化，對于一些相同含義但表達不同的數據，例如“男”和“M”表示同一性別，則需要通過數據規范化，統一為相同表達形式。數據可視化是將數據通過圖表形式表現出來，以便更好地傳達和理解數據信息，主要有條形圖、折線圖、散點圖、餅圖等。通過將大數據庫獲取的數據推送至數據處理系統，實現數據信息的加工、整理、可視化，進而轉換為兼具有效性和可用性的信息形式，并對處理后的信息進行貯存。

質量分析系統是用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息、形成結論，從而對數據加以詳細研究和概括總結，主要包含描述性統計分析（平均值、標準差、分位數、眾數等）、數理統計分析（抽樣估計、假設檢驗、方差分析等）、數據挖掘（聚類分析、決策樹、神經網絡、支持向量機、隨機森林、關聯規則、協同過濾等）和大數據分析（dadocp、spark、storm）等功能模塊。實施過程包括識別信息需求、有目的地收集數據、數據分析和過程改進四個步驟。質量分析系統通過對教育教學質量進行實時化、精準化、常態化監測，使監測全流程成為不斷調節、有序推進的動態過程，發現各數據間的潛在聯系，形成數據分析報告，促進學生個性發展，形成教學質效閉環、為提升高校教育質量提供客觀評價依據。

評價決策系統是一個交互式系統，對決策的實際結果和預期目的的符合程度進行分析與判斷，主要包括教育質量評價和決策支持兩大功能模塊。根據質量分析系統形成的分析報告，教育質量評價模塊可以在縱向層面最直觀地反映評價主體，同時，還可與其他城市、地區進行橫向比較，加入校外評價主體，如家長、校友、教育專家、社會各界等其他評價主體對學校的反饋信息，探索多領域綜合評價和跨年度增值評價，堅持問題診斷和示范引領并重，建立監測問題反饋和預警機制，督促問題改進，讓決策更加合理化、科學化、綜合化。決策支持模塊能夠綜合性地靈活運用最優化決策模型與智能決策方法對具體問題進行具體分析，及時提供與決策相關的各種信息，根據決策目標提出備選方案，并對其優缺點進行綜合評價，以適應外部條件的客觀變化和使用者的實際需求。

評估預測系統是根據歷史經驗、客觀數據和邏輯推斷，尋求教育教學發展的規律和未來趨勢，主要包括學生綜合素質、教師教研能力、高校辦學水平三大功能模塊。評估預測系統通過記錄存儲學生學業完成情況、教師的評價反饋信息等，立足學生自身學習階段和特點，對學生綜合素質進行個性化評估，以便整體觀察學生成長軌跡，隨時掌握學習變化情況。同時，根據不同需求，可以為高校管理層、各院系、科研處、教師發展中心等部門，評估追蹤教師教學能力、學生科研水平、學校辦學水平、人才發展培養等相關信息，用客觀數據支撐高校長遠發展規劃。

風險預警系統是根據所研究對象的特點、收集的相關資料信息，監控風險因素的變動趨勢，并評價各種風險狀態偏離預警線的強弱程度，向決策層發出預警信號并提前采取預控對策[14]，主要包括風險清單和整改措施兩大功能模塊。在風險清單模塊，系統能按照一定規則將潛在風險劃分為不同等級，動態監測，定期匯總、分析風險隱患，對重大風險進行預估和研判，及時為高校提供風險提示，建立臺賬清單，并按照問題類型、重要等級、發現時間、問題描述、問題狀態等維度分類顯示明細信息。除教育質量水平波動預警外，還包含攻讀學位時間預警、學位論文抽檢合格率預測預警、碩士研究生導師人均指導碩士生預測預警等指標全方位功能。同時，管理層可通過整改措施模塊，針對預警的風險逐一確定整改措施及時限，隨時掌握風險待處理情況、已解決問題情況，形成職責明確、風險可控的管理格局。因此，首先要構建預警系統必須先構建評價指標體系，并對指標類別加以分析處理；其次，依據預警模型對評價指標體系進行綜合評判；最后，依據評判結果設置預警區間，并采取相應對策。

三、高等教育質量監測數據庫安全管理

（一） 敏感數據的識別、脫敏和恢復

高等教育質量監測數據庫中存儲了大量學生、教師的個人信息，以及成績、排名等各類涉密或敏感數據，推進“科技+教育”事業跨越式發展，意味著教育專用資源向教育大資源的轉變，也對敏感信息的使用和處理提出了更高要求。

在脫敏和恢復模塊（圖3）中，數據庫建立了管理員角色，其主要職責是數據權限控制，而其他未被授予權限的角色則無法訪問此功能模塊，及其他相關數據。每個數據脫敏和恢復的編碼規則存儲于高等教育質量監測數據庫脫敏規則算法庫中，以獲得代碼版本的基本數據。對采集到的數據信息，數據庫首先根據既定標準或規則進行自動識別，歸類為敏感數據和非敏感數據分別處理。在脫敏模塊，敏感數據通過脫敏規則算法轉換為脫敏代碼版本數據，同時，在恢復模塊創建實名版本結果數據庫，最終通過數據接口將脫敏的代碼版本結果數據和恢復的實名版本結果數據推送生成分析報告，實現敏感信息的集中脫敏、編碼和保存。

（二） 安全管理

隨著數據平臺數據量與訪問量的增長，數據平臺安全性隨之面臨更多的挑戰，加強安全管理對于包含大量個人數據的數據平臺尤為重要。除了快速改進各種有效的漏洞管理外，靈活、有針對性的數據庫安全保護技術是防止信息泄漏最有效方法之一。

高等教育質量監測數據庫使用基于角色的訪問控制以實現層次管理，首先根據組織功能開發各種角色，每個功能對應一個不同級別的操作特權，根據角色權限數據庫中的信息為用戶的賬戶分配一個角色和關聯權限，并在用戶登錄系統時驗證用戶的身份和密碼，如圖4所示。當用戶功能發生改變并產生新的訪問控制需求時，僅通過重新分配對角色的權限，就可以修改應用程序系統。同時，數據平臺針對不同的突發情況，提供以下四種系統保護措施：一是實時監控數據平臺的運行狀態，并在異常情況時提供早期預警，以防止系統癱瘓，確保操作持續可用；二是實時評估數據平臺風險，包括弱密碼檢測、系統漏洞檢測、木馬病毒等，以識別和分析用戶的訪問行為模式，并生成具有不同強度級別的訪問規則；三是能夠實時追蹤數據活動，建立數據訪問模型，及時評估訪問風險，發現和防止未經授權的訪問，并對敏感數據進行加密；四是使用審計日志進行徹底的用戶訪問行為監控，從源頭發現風險，修復問題。

四、高等教育質量監測數據庫的實踐應用

高校是高等教育質量監測數據庫的主要建設者、使用者、管理者，高等教育質量監測數據庫可從資源、形式、載體等方面，為高校的信息掌握、教學評估、管理模式等帶來革新，通過模塊化、定制化、常態化的監測手段，促進學校高效管理、教師精準教學、學生優質發展。

（一） 常態監測教學數據，推動教學質量提高

高校通過建設和利用大數據庫，建立健全日常管理和教學工作質量常態監控機制，可實現實時、長效、規范地采集、分析、運用教學基本狀態數據。具體應用上，通過搭建數字化教學管理平臺，收集、匯總、分析學習過程數據，提升教育質量評估能力；通過實時數據共享平臺，搭建校內溝通機制，確保教育監測結果能迅速傳達給教師和管理者；通過分析海量學習行為信息生成的大數據模型，結合學生自身的認知、需求、優勢、興趣等維度，提供有利于激發學習潛能和習得效果的支持方案；通過數據庫反映出的具體學習問題，教師可針對性地發布“微課件”、融媒體教材等學習資源，增進師生在線互動，推動線上線下教學融合，促進教育教學自下而上與自上而下的內生與外推效用的結合，放大教與學的效果。

（二） 建立綜合評價機制，促進學生全面發展

傳統教育質量評價體系很大程度上依賴于通過片面的考試成績量化學生學習成果，忽略了教育的多重價值，不同程度上存在不統一、不客觀的問題。隨著教育數字轉型、智能升級、融合創新，對教育質量的評價應逐步趨向全面化、素質化、精準化。高校運用高等教育質量監測數據庫全面的數據信息，對學生的關注可從單一的知識掌握轉向多維度的靈活性評價，除了注重成績還注重創新能力、社會技能等綜合素質的發展，結合學生的個體差異和地域文化背景，消除主觀評價尺度差異，構建多元評價方式，更加科學全面地評價教育教學質量，促進學生均衡發展。通過逐步完善線上綜合評價長效機制，擴大教育評價覆蓋面，一方面，教師可以實時跟蹤學生的學習過程，并及時反饋學習效果，更準確地掌握和評價學生的學習狀況，從而快速調整教學策略，形成教育質效閉環；另一方面，幫助高校管理者加強對教師的思想政治素養、職業道德、業務能力等方面的考核評價，強化教師隊伍建設，把促進人的全面發展和適應社會需要作為評價教師能力的根本標準，為服務經濟社會發展培養更多層次多元化的高素質專業型人才。

（三） 健全管理服務體系，提升高校發展水平

高等教育質量監測數據庫以數據治理為核心、數智技術為驅動，助力高校管理者推進辦學管理智慧化，不斷完善教育治理體系，提升治理能力現代化水平。在管理方面，可通過大數據技術全面掌握和系統分析學校相關信息，做好基礎設施、教務辦公、安全穩定等全流程管理，滿足各類學歷和非學歷繼續教育人群的差異化需求，綜合分析教師和學生發展的個體差異及其原因，根據教師工作和學生學習情況動態制定管理計劃，確保教育管理工作與師生實際需求協調一致。在服務方面，通過引進智慧校園物聯網技術，為教室、圖書館、食堂、活動室和宿舍等場所管理提供新引擎，協調各部門資源，深度整合不同的教育管理載體，突破時間和空間的限制，實現線上和線下、校內和校外、虛擬和現實的跨越式發展，不斷擴大服務教育的覆蓋范圍，打造全方位、立體化、多功能的校園社區服務，為師生提供更加先進便捷的學習生活條件。同時，堅持以學生為中心，鼓勵學生通過數據庫積極上報學習相關情況，對學校日常管理、師資建設等作出評價反饋，增強學生主體意識，助推高校高質量發展。

參考文獻：

[1] 喬剛，周文輝.高等教育質量監測數據平臺建設——理念、框架與路徑[J].清華大學教育研究，2017， 38（1）： 57-63.

[2] 陸根書，李珍艷，王璽.大數據分析在研究生教育質量評價中的應用探析[J].北京航空航天大學學報（社會科學版），2020，33（3）：118-125.

[3] 代玉，王慧珍.高等教育領域數據治理的邏輯框架與實施路徑[J].黑龍江高教研究，2021，39（10）：41-45.

[4] Wu H F. Higher education environment monitoring and quality assessment model using big data analysis and deep learning[J]. Journal of Environmental and Public Health， 2022： 7281278.

[5] Qbadou M， El Fazazi H， Hajji M， et al. Improvement of the process of training on a platform lms supporting lom by means of a system of almost real-time recommendation multi-language bases on techniques datamining and big data[C]//ICERI Pro？ ceedings\"， \"ICERI2017 Proceedings. November 16-18， 2017. Seville， Spain. IATED， 2017.

[6] 翟雪松，朱雨萌，張紫徽，等.高校教育信息化治理能力評價： 界定、實踐與反思[J]. 開放教育研究，2021，27（5）：24-33.

[7] 程園耀，武暢，卿雨竹，等.一種高等教育教學中的數據收集與分析系統：CN202310386581. 6[P]. CN116308933A[2023-11-27].

[8] 白云，初慶東，倪方昳.高等教育質量監測與評估大數據平臺建設的關鍵問題研究[J].教育教學論壇，2020，（02）：118-119.

[9] 吳云峰.高等教育教學質量監測體系的應用研究[J].現代交際，2019（7）：177-178.

[10] 王娟，閆永紅，薛培.基于高等教育質量監測平臺數據的高校教學質量提升策略研究[J].中國高等醫學教育，2023，（3）：1-2，5.

[11] 李運福，徐菲，李貝.高等教育質量監測國家數據平臺現狀分析與改進建議[J].中國高等教育評估， 2022（2）：12-18.

[12] 李飛.簡析數據庫設計過程[J].數字技術與應用，2015（4）：160，162.

[13] 湯貝貝，薛彥華.大數據背景下高等教育治理轉型：機遇、挑戰與應對策略[J].重慶高教研究，2019，7（2）：77-86.

[14] 楊青青，楊浴琮，李雄波.高等教育質量監測數據庫建設路徑研究──以上海電力學院為例[J].教育現代化，2018，5（15）：108-111.

Research on the construction and application of higher education quality monitoring database empowered by digital and intelligent technologies

WANG Ruixue

（Education Evaluation and Monitoring Center of Jiangjin， Chongqing 402260， P. R. China）

Abstract：In the overall layout of the digital age， the technology + education model， in which technology drives teaching upgrades and information empowers educational reform， has become an inevitable trend for the future development of education and an important strategy for building a high-quality education system. Building an educational power，the key is higher education.Accelerating the digitalization of higher education quality monitoring can help universities grasp dynamic information in a timely and comprehensive manner， objectively and accurately evaluate the current state and level of education development， and play a very important guiding role in opening up a new chapter of sustainable development in higher education and writing a new chapter of multi-dimensional service for socialist modernization with education. Based on the existing theories and practical experiences of domestic and foreign studies，different from traditional single numerical database， this article combines the characteristics of universities and the era， and builds a comprehensive， multi-dimensional，multi-level，and integrated large database as the driving force. It establishes a complete set of six systems，including information collection， data processing， quality analysis， evaluation and decision-making， assessment prediction， and risk warning， for the higher education quality monitoring database under the vision of science and technology + education. It further solves sensitive data and security management problems through role-based access control. Finally，it promotes the establishment of a results application mechanism to provide technical support for the normal monitoring of educational quality， the improvement of the educational quality evaluation system， and the innovation of the university management system. It effectively plays the diagnostic，improvement，and guidance functions of the monitoring platform，and provides precise services for higher education to move from having quality to high quality.

Key words：higher education；education quality monitoring；database；sensitive data；safety management

（責任編輯 鄧云）