教育場景驅動的高校數據治理

劉英群 周潛 韓錫斌

摘要：教育數字化轉型的重要任務之一是通過數據治理提高教育治理能力，當前數據治理呈現出場景化和智能化的趨勢，但是以管理和標準為核心的靜態治理理念難以適應應用場景的數字化轉型和創新。該文首先從數據治理的視角探討了教育場景的概念和特征，然后分析了當前高校教育場景數據治理中存在的數據不夠“大”、數據不夠“好”、數據未盡其“用”三個核心問題，提出高校教育場景驅動的數據治理方法和治理流程，教育場景中的原始數據經過數據資產化、數據標準化、數據要素化三個關鍵環節演化為具有計算屬性、組織屬性和教育屬性的場景數據資產，作為關鍵要素進入到教育教學過程中，從而形成良性循環的數據資產生態，充分發揮數據資產的教育價值。

關鍵詞：職業教育；數據治理；教育場景；數據資產；數據資產生態

中圖分類號：G434 文獻標識碼：A

本文系國家社科基金2019年度教育學一般課題“高職院校信息技術融入技術技能培養的理論與實踐研究”（課題編號：BCA10075）研究成果。

① 韓錫斌為本文通訊作者。

一、引言

學校治理是高校立足自身可持續發展，通過制定一系列治理制度達到協調各方力量、劃分利益主體權、責、利，以支持學校良性發展的過程[1]，強調的是以學校為主要承擔者和主要場景的治理[2]。高校數據治理與學校治理密不可分，數據治理既是學校治理對象的一部分，也是學校治理的工具和手段。數據治理必須在學校治理的框架、機制和組織機構基礎上圍繞數據資產相關問題建立適合的決策和問責機制，以信息化領導小組、信息化部門、業務部門、教師、學生、相關企業等多元化的利益相關者為數據治理主體[3]，圍繞教學、科研、管理服務和校園生活等教育場景形成數據治理活動所依據的原則、策略、標準和規范。數據治理的戰略性目標是通過數據應用來充分發揮數據資產的價值，而教育場景提供了必要的教育情境和教育價值內涵，是數據治理中不可忽視的關鍵要素之一。《數據治理-2035數字議程重大議題研究報告》中提出數據治理將更具場景化和智能化的趨勢[4]，數據治理中以管理和標準為核心的靜態治理理念與場景中數據和業務的動態變化之間的矛盾將越發突出，以往大而全的標準、統一的流程和工具難以適應場景的數字化轉型和創新。

現有的高校數據治理研究聚焦在兩個方面：一是有研究提出了高校數據治理框架、體系和實施路徑[5]，這些研究往往局限于對抽象的治理框架和治理體系的論述，難以體現高校的教育情境和特定問題；二是有研究對特定教育場景的數據治理進行了初步探索，如闡述基于用戶畫像這個典型教育場景實現高等教育“依數治理”的“五步”實施框架[6]，但是這類研究尚未對教育場景與數據治理兩者之間關系做進一步的探討和揭示，限于對某個特定場景具體實施方法的討論。鑒于此，本文將從高校教育場景出發，探討教育場景驅動的數據治理方法及過程。

二、教育場景的概念和特征

場景是理解人類社會行為的一個重要信息單元，通過場景分析可以了解人類社會行為模式和社會規律，以獲得對當下社會生活的更高解釋力[7]。場指的是“場所”和“場合”，景指的是“景色”和“景象”，通常被理解為在物理空間中發生的行為，及由此形成的具有情節的故事，因此場景既可以描述為人物的行為鏈，也可以描述為故事的情節鏈。在數字化轉型背景下，場的概念得到進一步擴展，從以往的物理空間延申到數字空間和社會空間，人的行為從身體動作行為擴展到信息操作行為，故事情節在數據中介和數字技術的作用下內容更為多樣和豐富。徐步刊等認為場景是“某一狀態下所包含的情境信息及其所需執行動作（事件）的集合”[8]，通過構建場景模型以實現對場景的識別和分類。武法提等[9]認為，互聯網時代下的“場景”是基于特定的時空領域范圍，圍繞以“人”為中心，以需求為導向，以感知設備為載體，以事件為表現形式的行為序列總和。教育情境下的場景包含狹義和廣義兩個方面。狹義的教育場景特指教學情境，描述發生在教學場所內、教學過程中的教師教學行為和學生學習行為，參與的主體一般為教師和學生。廣義的教育場景則泛指圍繞一般性教育教學活動所形成的教學、管理和服務行為，主體除教師和學生之外，還可以是校內、校外其他人員和組織。教育場景中的數據是高校教育數據的核心，應包含五個方面的信息：場景的情境信息、場景參與主體的行為意圖、主體行為過程、主體行為結果、以及主體之間的交互信息。教育場景中積累了大量數據，且以不同的形態存在，蘊含著場景內在的運行規律和教育價值，因此既是高校數據治理的起點，也是終點。從數據治理的視角，教育場景具有政策引導性、技術驅動性和動態發展性的特征。

（一）政策引導性：教育數字化轉型重構教育場景

教育部于2022年啟動的教育數字化戰略行動，構建智慧化的教育發展生態是教育數字化轉型的重要目標之一。教育新生態需要更多使用數字思維重構的教育場景，將原有的教育場景通過數字化改造適應未來“數據驅動、人機協同、跨界融合、共創分享”的智能形態和產業發展。教育場景的數字化重構不僅僅是將數字技術作為工具在原有流程和模式中的應用，而是針對場景中的難點和痛點問題，通過數據治理將技術與場景過程充分融合，形成有效的信息鏈，實現業務流程再造[10]。

（二）技術驅動性：新一代信息技術創新教育場景

隨著新一代信息技術的興起，人工智能、虛擬現實、大數據等技術在教育中的應用越發廣泛，不斷豐富以技術為基礎的教育場景。國際經合組織（OECD）提出未來教育的四個場景[11]，描繪了隨著新一代信息技術的發展未來可能出現的教育服務供給方式和學習方式。楊曉哲等[12]提出未來人工智能可以在智能輔導、微格教學、自適應學習、沉浸學習、自動測評、課堂評價、數據決策、智能治理等8個方面的應用場景中發揮作用，從而提出教育人工智能的下一步推進策略。網易的“子曰”教育大模型[13]采用“場景為先”的策略，通過提供具有語義理解、知識表達等基礎能力的基座模型來支持廣泛的教育場景，并為口語訓練、作文批改、習題答疑等六大教育場景設計了定制化的模型，以實現模型與場景的高度契合，展現了新一代信息技術在教育領域的廣泛應用前景。綜合應用新一代信息技術所形成的數字孿生技術[14]在教育中得到廣泛的應用，通過裝配可視化設備、信息化空間收集裝置等優化實訓教學過程，為多模態實訓學習分析和智能決策提供了信息化環境支撐。

（三）動態發展性：數字化教育形態拓展教育場景

黨的二十大報告[15]提出“統籌職業教育、高等教育、繼續教育協同創新，推進職普融通、產教融合、科教融匯”。數字化打破職普之間、產教之間、科教之間的資源與信息壁壘，破除體制機制障礙，通過學分銀行、國家資歷框架與勞動力市場的交互對接、學習成果的校-校及校-企互認等智慧服務體系構建終身學習的全生態鏈條。此外，產教融合、校企合作使得高校與社會其他組織機構形成聯系更為緊密的利益共同體，場景之間的交叉和融合使其具有更為廣泛的場域、內容和形式。數字化教育形態的演變本質上是教育場景在時空多個維度的拓展和延申，打破原有場景中制度、利益、文化、資源等方面的阻礙和限制，形成新的生態和發展范式。

三、高校教育場景數據治理的核心問題

隨著教育數字化的持續推進，高校的數字校園已經從初期的以“建設”為中心發展為以“應用”為中心，促進了越來越多教育場景的數字化轉型。四川省教育廳2023年開展的《四川省教育廳關于開展數字校園應用場景典型案例征集評選活動》[16]評選出55個數字化應用場景，涵蓋了管理服務、教學科研等多個領域。豐富的應用場景推動高校構建了較多業務系統并積累了大量的校本數據，從而催生了對數據治理的需求。當前高校的數據治理存在較多的問題，從教育場景的角度，核心問題體現在以下三個方面。

（一）數據不夠“大”

盡管高校現有的數據結構復雜、來源多樣，但是在數據量、數據類型、數據全量性等方面還達不到大數據的標準。在數據量方面，一方面高校用以支撐教育場景的業務系統的建設采用了自建、企業主導建設、政府公共平臺、云服務等多種形式，數據資產的權屬存在權責不明的問題；另一方面，校本數據的集成和共享仍存在信息孤島問題，主數據還不夠完整，對于那些跨業務、跨領域、跨部門的教育場景的支持還不充分。在數據類型方面，一般側重于教育場景中的結構化數據，對于教師教案、課堂互動、教學視頻、學生信息化作品等非結構化數據缺乏有效的收集和處理，而這些恰恰是教育大數據的主體。在全量性方面，嚴重缺乏過程性、反饋性和評價性的數據，如對于電子教材的場景，反映電子教材教學設計、教學實施和教學效果的數據目前普遍是缺失的。這對于學校治理無論是戰略層面還是戰術層面都難以形成有效的績效評估，無法為各項教育教學改革舉措的持續性實施和推進提供決策支持。

（二）數據不夠“好”

數據質量通常被認為是數據治理的基本目標和出發點，其核心是確定高質量數據的標準和指標，通過持續的監測發現海量數據中不滿足要求的數據，并進行整改和質量提升。在GB/T 36344-2018[17]中，定義了規范性、一致性、完整性、準確性、時效性和可訪問性六個評估維度，并給出了具體的計算指標（國家標準化管理委員會，2018）。GB/T 42381.8-2023[18]遵照ISO8000數據質量標準，將數據質量劃分為語法質量、語義質量和語用質量三個維度。目前教育數據還缺乏專門的數據質量標準，數據質量管理制度和監控機制也普遍缺乏，通常是在日常統計分析中發現并提出數據質量問題，問題追溯和分析缺乏過程性數據支持。一般情況下學校的數據質量應遵循和參照國家標準，制訂適合學校自身需求的標準，但是具體到每個教育場景，則需要根據數據治理的目標確定適合的數據質量評估維度和計算指標。比如在“混合學習”教育場景中，視頻播放數據就需要針對播放時間不準確、無效播放、播放流暢度等問題確定數據質量標準，使其能夠更精準得反映實際播放情況。

（三）數據未盡其“用”

2021年發布的《中國數據治理現狀調研報告》顯示，有84.3%的機構以業務分析驅動數據治理工作[19]，而在數據應用中反映出存在較高比例的數據與場景融合不夠、數據應用面窄、業務需求支持度不高等問題，報告建議“機構可以在業務中尋找數據應用場景，在場景中明確數據治理的目標和標準”。高校的教育場景往往涉及多個層級和部門，利益相關者中既包括數據消費者，又包括數據生產者，他們有不同的目標和訴求，且會隨著時間、外部環境的變化而變化。這導致數據治理的目標模糊且難以分解和量化，無法建立穩定的、具有普遍適用性的數據標準，對數據治理決策機制的構建和實施帶來極大的困難。此外，由于各利益相關者的需求得不到滿足，其參與的積極性和主動性會受到較大的影響，又進一步加大了數據治理的難度和復雜度。

鑒于此，高校應針對數據治理中的問題，從教育場景分析入手，結合現有的數據治理框架和實施路徑，確定針對場景的數據治理方法和過程，促進場景的數據建設和應用的良性循環，為利益相關者提供更豐富、體驗更好的數據服務。

四、教育場景驅動的高校數據治理框架

教育場景是數據治理的基本載體，從數據治理包含的四個基本要素，即治理主體、治理客體、治理目標和治理方式[20]而言，數據治理主體是場景中參與活動的個體，數據治理客體包括場景產生的數據、使用的數據及相關的數據事務，治理目標受場景的教育目標、業務流程和數據特征的影響，不同的治理目標需要采用不同的治理方式、治理流程和治理工具。Zhao-ge LIU等[21]針對政府大數據治理提出基于場景的模型框架，用于支持決策支持。劉革平等[22]構建了職業院校數據治理的總體框架，包含數據治理層級和數據治理體系，將數據應用場景作為數據治理的一個層級。張秦等[23]認為院校數據治理需要形成以數據系統為核心，政府、學校、社會和市場等多元利益主體所構成的協同運行的新型治理機制。在這個新機制中，將教育場景作為數據治理體系的某個層級是不恰當的，因為場景本身不僅包含了完整的數據生命周期，而且承載了多元利益主體不同層次的訴求。數據治理的核心是數據資產，目的是通過數據的標準化來保障數據的高質量和可信任，發揮數據資產的價值，并圍繞數據全生命周期形成數據治理組織、制度、標準和規范。數據資產的價值是在數據應用中體現出來的，無論是傳統教育場景的數字化轉型，還是已經數字化的教育場景都需要依托數據資產的管理和運營，將教育場景中內涵的教育價值轉化為數據資產的價值。教育場景中的數據資產在標準化之后成為學校整體數據資產的一部分，進入到全生命周期管理流程中，在規范和制度約束下得以在更大范圍內流通和使用。教育場景驅動的高校數據治理框架如圖1所示：

本質上數據治理需要完成兩種價值傳遞邏輯，一是通過數據治理實現數據、信息、知識到洞察的信息鏈[24]，二是基于生產要素理論通過數據治理實現數據、數據資源、數據資產到數據要素的資產鏈[25]。從信息鏈和資產鏈轉換為教育鏈和人才鏈是教育數據治理的核心命題。教育場景中的數據從原始數據到最終成為教育教學中的數據要素，數據的屬性發生了演變，在原有的業務屬性和技術屬性基礎上增加了計算屬性、組織屬性和教育屬性。業務屬性描述數據與業務相關聯的特性，包括業務定義、業務規則、統計口徑、數據質量要求等；技術屬性描述數據與信息技術相關聯的特性，包括數據格式、數據類型、數據存儲等；計算屬性描述數據資產從語法、語義、語用三個層面的可計算特征，是應用人工智能技術挖掘數據資產價值的前提和基礎，依據計算屬性可以提取場景主體的行為鏈；組織屬性描述數據資產的所屬人、管理單位、數據標準、管理流程等，規定了對數據資產的管理和控制方式；教育屬性是數據中蘊含的教育模型、教育規則、問題解決策略等。這個過程需要經過數據資產化、數據標準化、數據要素化三個關鍵數據治理環節，依托特定的數據治理組織模式完成。

（一）教育場景驅動的數據資產化

數據資產化是從業務的數據需求端出發，打通組織內部數據、引入組織外部數據，加深數據與場景業務的融合，應用數據分析技術，實現數據賦能業務發展，在合規化的條件下進行共享和開放[26]。高校需要通過數據資產化解決數據的集中和確權問題，構建數據資產目錄，明確數據的管理歸屬、使用權限和流通范圍，并對數據資產的價值進行評估。數據的價值在于與應用場景的結合，依照發展階段，教育場景中的數據資產可以分為原始數據、粗加工后的層次化數據、精加工后的多維化數據、場景虛實融合后的模型化數據、場景創新后的衍生性數據等[27]。數據治理視域下的數據具有異質性特征，不同應用場景下，數據所貢獻的價值有所不同[28]，不同應用場景其數據資產價值評價指標和權重需要依據場景主要參與者的協商確定，最終形成數據價值評價的規則庫。教育場景中數據資產價值的評價要更為復雜，取決于數據中蘊含的教育機理和教育規律，可以充分利用學習分析和教育數據挖掘技術形成數據資產價值評價模型，提高數據的教育解釋力，洞察隱藏在數據背后的內在關系與運行邏輯，揭示教育發展演變的客觀規律。

（二）教育場景驅動的數據標準化

數據標準化是對數據的定義、組織、監督和保護進行標準化的過程，主要包括組織架構、制度規范、技術工具、標準體系、作業流程、監督考核等方面[29]。教育場景中的業務流程和業務規則部分隱含在業務數據中，最終體現為數據項的約束、數據項與數據對象之間的關系、以及數據對象與數據對象之間的關系，這些約束和關系需要解釋和提煉，最終以數據標準的形式顯性表達，形成對數據的命名、定義、結構和取值規范方面的規則和基準，提高數據資產的可自解釋性。對于教育場景中的數據資產，數據標準化的意義主要體現在三個方面：一是在原始數據資源的基礎上增加元數據，提高數據的可解釋性和可計算性，能夠進一步提高數據應用的能力和范圍；二是促進數據流通和共享，實現與其他教育場景中數據的可交互性；三是形成數據完整性規則、一致性規則、精確性規則等，提升數據質量。

（三）教育場景驅動的數據要素化

數據要素指在生產和服務過程中作為生產性資源投入，創造經濟價值的數據、數字化信息和知識的集合。2022年國務院發布《“十四五”數字經濟發展規劃》[30]提出“要充分發揮數據要素作用、強化高質量數據要素供給”。數據要素化是發現、挖掘、發揮教育數據價值，并將數據嵌入、融合到教育教學過程的關鍵環節。楊現民等[31]認為“教育數字化轉型的關鍵特征之一是教育數據要素化”，提出通過教育數據要素化在教育解釋力、教育診斷力、教育預測力、教育決策力、教育監督力五個方面提高教育生產力。汪維富等[32]提出采用“數據故事化”的方法來轉化教育數據價值，將數據故事化作為數據可視化的發展和演進，促進從數據的表面感知轉向數據的深度認知。當數據要素脫離教育場景的情境、利益相關者、事件發展邏輯時，就難以形成對教育行為有意義的解釋和理解。中國信通院的《數據要素白皮書》[33]中提出了三種數據要素價值轉化途徑：通過業務貫通實現一次價值轉化、通過業務智能化決策實現二次價值轉化、通過對外流通和賦能實現三次價值轉化。當前高校數據要素價值轉化仍停留在第一個階段，更深層次的價值轉化仍處于探索階段，未形成廣泛的應用。

（四）教育場景驅動的數據治理組織模式

目前，高校中大多已經形成了以校級領導或領導小組為統籌決策部門、以信息中心為運行管理和監督部門、以院系部處為執行部門的三層次信息化組織架構。高校的數據治理往往依托于現有的信息化組織架構，并進一步明確和分配數據治理的角色和職能。一般而言，企業的數據治理具有四種較為常見的組織模式：分散模式、歸口模式、半集中模式和全集中模式[34]。由于高校中業務職能部門往往不具備數據治理的能力，且信息化管理和監督部門的人員配備和技術力量難以支撐各業務職能部門單獨開展數據治理，因此高校多采用全集中模式，即以學校信息化運行管理和監督部門為主體，抽調各相關部門的資源和力量構建專職的數據治理團隊，并由該團隊全面負責整個學校的數據治理工作。這種模式管理較為簡單，但是作為利益相關者的業務職能部門往往置身事外，缺乏主動性和積極性，數據治理各項制度和規范往往流于形式，不利于數據治理的常態化管理[35]。在教育場景驅動的數據治理模式中，以業務職能部門為主，圍繞場景數字化轉型和升級、教學改革、數據上報等不同層面的需求，信息化管理和監督部門在數據治理方法、平臺工具、標準規范、流程制度等方面給予支持，將場景的數據治理在整個學校的數據治理框架下統籌思考，確定規劃和實施方案，并借助社會力量在技術上加以實現。

五、面向高校教育場景的數據資產生態

在多方因素驅動下，高校的教育場景不斷發展變化和融合創新，數據治理中的數據資產需要形成一個良性循環的生態系統以支持教育場景的數字化轉型和快速迭代。董慧敏提出數據資產的生態系統是由數據創造者、數據利用者、內外部因素和數據中介者構成的，目標是使數據資產價值最大化[36]。普華永道的《數據資產生態白皮書》[37]認為數據資產價值與風險維度、質量維度、成本維度和應用維度四個因素相關。其中應用維度指的是不同場景下，數據所貢獻的業務價值，包括場景性、時效性、稀缺性和多維性四個指標。在數字經濟時代，數據資產的價值可以轉化為經濟價值，并通過良好的商業模式構建平衡的數據資產生態[38]。在教育領域中，數據治理是為高校治理和人才培養服務的，對數據資產的價值核算和評估應構建一套適合的邏輯和方法，所形成的生態系統也要與教育本身的生態融合，成為其有機組成部分。教育生態理論主張通過優化各種生態要素和生態環境，促進教育生態系統的安全、穩定、協調、持續的發展，從教育生態系統的內部規律性探討教育管理的最佳途徑和最優機制[39]。因此教育體系既是教育數據資產生態賴以生存和價值體現的外部環境，也是為促進數據資產生態發展和演變提供人員、制度、需求、經濟、文化等基本要素的動力系統。其中，教育場景對于數據資產生態的影響最為直接，場景中蘊含的教育戰略和政策、教育標準和法規、教育理念和規律等都會影響數據資產生態的形成和發展，而對數據資產價值的評估也離不開場景本身的價值目標。總體上，面向教育場景的數據資產生態由宏觀和微觀兩個層面構成，包含工具價值和教育價值兩種價值取向，需要經歷共生和融合兩個發展階段。

（一）數據資產生態的構成

數據資產生態與教育體系的融合是宏觀層面的融合，在教育現代化的框架下，代表了最廣泛的多元利益主體，為“構建央地互動、區域聯動，政府、行業、企業、學校協同的發展機制”[40]提供基礎支撐。國家層面構建的國家智慧教育平臺集成了各類在線課程、教學資源及教育管理數據等，成為數據資產生態中最大的數據中介。通過這個數據中介，集中反映國家在現代教育體系中的工作重點、教育政策方向以及教育標準和規范要求，同時也反映了各利益主體與國家戰略、學校戰略和企業戰略的差異化和個性化訴求。微觀層面的融合是數據資產生態與高校治理體系的融合，體現了高校的整體戰略在數據資產中的價值實現。數據資產融入到高校治理的組織體系、運行體系、關系體系、價值體系和制度體系中，成為其重要的生產要素，以及實現高校治理體系和治理能力現代化的驅動力量。高校數字校園和大數據中心的建設為中觀層面的融合提供了必要的信息化基礎設施，高校的信息化體制機制是數據資產生態的組織保障。

（二）數據資產生態的價值取向

價值是客體對主體的意義和目的性[41]。教育場景的教育參與者和數據資產生態中的數據創作者和數據利用者都是整個生態中的主體，但是這些主體對場景和數據資產的訴求并不相同，從而產生了不同的價值選擇和價值取向。對于教育場景而言，數據資產的價值取決于對場景應用績效的貢獻度，教育場景的數字化能夠促進業務流程簡化、效率提升以及組織之間的權力轉移和平衡等，其中的直接績效體現為工具價值，間接績效體現為教育價值。在數據資產生態中，數據資產的工具價值取決于數據創作者和數據利用者對數據資產訴求的滿足程度，教育價值則體現為發現數據中的教育規律，促進個體發展。

（三）數據資產生態的發展階段

隨著教育場景的應用不斷深入，場景中的數據不斷產生并逐漸豐富，當數據量和數據類型積累到一定程度時，經過數據治理后形成數據資產，其數據價值得到進一步提升，數據應用的范圍和人群進一步擴大，逐漸形成數據資產生態。在這個形成過程中，教育場景和數據資產生態是一種共生的關系，兩者相互促進，不斷改良并完善原有的教育場景，形成良性循環。在數據資產生態發展階段，其與教育場景之間是一種融合的關系，數據資產將會在原有教育場景的基礎上發展出新的教育場景，甚至改變原有場景的模式和形態，促進場景的創新和演變。

參考文獻：

[1] 孫曉慶.基于國際比較視野的高職院校治理結構研究[J].職教論壇，2015，（23）：49-52.

[2] 肖鳳翔，肖艷婷.高職院校治理之維：研究綜述及展望[J].職教論壇，2018，（5）：13-18.

[3][20] 董曉輝.活動理論視角下高校教育數據治理體系構成要素研究[J].中國電化教育，2021，（3）：79-87.

[4] 李曉東，安筱鵬等.2035數字議程重大議題研究報告：數據治理[EB/OL]. https：//www.fuxiinstitution.org.cn/content_635881273667227648，2022-09 -27.

[5][23] 張秦，孫長坪.數據治理：高職院校治理方式的創新[J].中國職業技術教育，2021，（27）：32-37.

[6] 于方，劉延申.大數據畫像——實現高等教育“依數治理”的有效路徑[J].江蘇高教，2019，（3）：50-57.

[7] 黃石華，武法提.場景化分析：一種數據驅動下的學習行為解釋性框架[J].電化教育研究，2023，44（5）：51-59.

[8] 徐步刊，周興社等.一種場景驅動的情境感知計算框架[J].計算機科學，2012，39（3）：216-221.

[9] 武法提，黃石華等.場景化：學習服務設計的新思路[J].電化教育研究，2018，39（12）：63-69.

[10] 李高勇，劉露.場景數字化：構建場景驅動的發展模式[J].清華管理評論，2021，（6）：87-91.

[11] OECD.Back to the Future of Education：Four OECD Scenarios for Schooling [EB/OL].https：//doi.org/10.1787/178ef527-en，2023-08-18.

[12] 楊曉哲，任友群.教育人工智能的下一步——應用場景與推進策略[J].中國電化教育，2021，（1）：89-95.

[13] 網易.“子曰”教育大模型[EB/OL].http：//aicenter.youdao.com/#/ home，2023-08-18.

[14] 艾興，張玉.從數字畫像到數字孿生體：數智融合驅動下數字孿生學習者構建新探[J].遠程教育雜志，2021，39（1）：41-50.

[15] 懷進鵬.加快建設教育強國（認真學習宣傳貫徹黨的二十大精神）[EB/OL]. https：//www.dswxyjy.org.cn/n1/2022/1221/C427152-32590864.html，2022-12-21.

[16] 四川省教育廳.《四川省教育廳關于開展數字校園應用場景典型案例征集評選活動》[EB/OL].http：//edu.sc.gov.cn/scedu/c100495/2023/4/24/3 c31b02bb31f456591ecef2bceb4b4eb.shtml，2023-08-18.

[17] 國家標準化管理委員會.《信息技術 數據質量評價指標》[EB/OL]. http：//c.gb688.cn/bzgk/gb/showGb type=online&hcno=D12140EDFD3967 960F51BD1A05645FE7，2023-08-18.

[18] 國家標準化管理委員會.《數據質量 第8部分：信息和數據質量：概念和測量》[EB/OL].https：//openstd.samr.gov.cn/bzgk/gb/newGbInfo hcno=B 09B01B2800D734D288920DD14393DAC， 2023-08-18.

[19] CIO時代.中國數據治理現狀調研報告[EB/OL].https：//www.sgpjbg.com/ baogao/76749.html，2023-08-18.

[21] Zhao-ge LIU，Xiang-yang LI，et al.Scenario modeling for government big data governance decision-making：Chinese experience with public safety services [EB/OL].https：//doi.org/10.1016/j.im.2022.103622，2022-02-18.

[22][34] 劉革平，羅楊洋等.職業院校數字校園中的數據治理探究——《職業院校數字校園規范》解讀之五[J].中國職業技術教育，2021，（4）：32-38.

[24] 王兆君，王鉞等.主數據驅動的數據治理——原理、技術與實踐[M].北京：清華大學出版社，2019.

[25] 祝首宇，蔡春久.數據治理：工業企業數字化轉型之道[M].北京：電子工業出版社，2020.

[26] 中國信通院.數據資產管理實踐白皮書（6.0）[EB/OL].https：//www. sgpjbg.com/baogao/111944.html，2023-08-18.

[27] 普華永道.數據資產價值評價指標分析[EB/OL].https：//www.pwccn. com/zh/services/audit-and-assurance/risk-assurance/publications/dataasset-value-evaluation-index-analysis-jul2022.html，2023-08-18.

[28][33] 中國信通院.數據要素白皮書[EB/OL].http：//www.caict.ac.cn/kxyj/ qwfb/bps/202301/P020230107392254519512.pdf，2023-08-18.

[29] 祝首宇，蔡春久.數據標準化：企業數據治理的基石[M].北京：電子工業出版社，2023.

[30] 國家發改委.“十四五”數字經濟發展規劃[EB/OL].https：//www.ndrc. gov.cn/fggz/fzzlgh/gjjzxgh/202203/t20220325_1320207.html，2023-08-18.

[31] 楊現民，吳貴芬等.教育數字化轉型中數據要素的價值發揮與管理[J].現代教育技術，2022，32（8）：5-13.

[32] 汪維富，閆寒冰等.數據故事化：教育數據要素價值轉化的新視角[J].電化教育研究，2023，44（5）：13-19+28.

[35] Abraham R，Schneider J，et al.Data governance：A conceptual framework，structured review，and research agenda [J].International journal of information management，2019，49：424-438.

[36] 董惠敏.生態系統視角下數據資產價值最大化路徑探析[J].質量與市場，2021，（22）：166-168.

[37] 普華永道.數據資產生態白皮書[EB/OL].https：//www.xdyanbao.com/ doc/gabm1sk84p，2023-08-18.

[38] Elizabeth Davidson，Lauri Wessel，et al.Future directions for scholarship on data governance，digital innovation，and grand challenges [EB/OL]. https：//doi.org/10.1016/j.infoandorg.2023.100454，2023-02-09.

[39] 尹達.教育治理現代化：理論依據，內涵特點及體系建構[J].重慶高教研究，2015，3（1）：5-9.

[40] 中共中央辦公廳 國務院辦公廳.關于深化現代職業教育體系建設改革的意見[EB/OL].https：//www.gov.cn/zhengce/2022-12/21/ content_5732986.htm，2022-12-21.

[41] 楊志成，柏維春.教育價值分類研究[J].教育研究，2013，34（10）：18-23.

作者簡介：

劉英群：高級工程師，博士，研究方向為職業教育信息化、混合教學、數字治理。

周潛：高級工程師，博士，研究方向為信息化環境下的教學改革與創新、職業教育信息化。

韓錫斌：教授，博士，研究方向為職業教育信息化、混合教學。

Educational Scenario-Driven Data Governance for Higher Education Institutions

Liu Yingqun， Zhou Qian， Han Xibin

Institute of Education， Tsinghua University， Beijing 100084

Abstract： One of the important tasks of digital transformation in vocational education is to improve the governance capabilities of universities through data governance. Currently， data governance is showing a trend of being more scenario and intelligent， but the general governance centered on static management and standards is difficult to adapt to changes and innovations in application scenarios. This article first explores the concept and characteristics of higher vocational education scenarios from the perspective of data governance. Then， from the perspective of educational scenarios， it analyzes the three basic problems in current data governance in higher vocational colleges： insufficient “big” data， insufficient “good” data， and incomplete “use” of data. It proposes data governance methods and processes driven by educational scenarios. The raw data in educational scenarios is capitalized， standardized， and elementalized. The three key steps of data element transformation have evolved into scenario data assets with computational， organizational， and educational attributes， which enter the education and teaching process as key production factors， forming a virtuous cycle of data asset ecology and fully leveraging the educational value of data assets.

Keywords： vocational education； data governance； educational scenarios； data assets； data asset ecology

收稿日期：2023年12月5日

責任編輯：李雅瑄