數據大屏賦能高校數智治理的邏輯、案例與優化路向

摘要：數據大屏是高校數據可視化的核心載體之一，能夠臂助教育管理者科學、直觀且高效地洞察高校治理實況，助力高校制定治理決策，然而國內關于數據大屏的研究尚處于起步階段，實證研究匱乏。針對此現狀，文章首先針對浙江省高校展開調查，發現數據大屏對推動高校數智治理具有凸顯頂層導向、呈現發展趨向、協助差異調節等價值。然后，文章闡述并分析了浙江省高校數據大屏的設計思路、呈現樣態與效能。最后，文章從四個維度闡明其賦能高校數智治理的優化路向，包括優化數據庫合成，賦能治理降本增效；共享多源數據流，賦能治理“一盤棋”聯動；實施多樣態干預，賦能治理過程補偏救弊；重視投產比指標，賦能治理轉型可持續發展。文章通過研究，旨在為基于可視化技術的高校數智治理改革與創新提供高質量借鑒。

關鍵詞：高校數字化轉型；教育大數據；智慧校園；數據治理；智慧治理平臺

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）08—0123—09 【DOI】10.3969/j.issn.1009-8097.2024.08.013

2023年8月，以“教育轉型與數據治理”為主題的全球智慧教育大會在北京召開，來自全球40個國家和16個國際組織的代表共議人類智慧教育未來[1]。大會中關于如何在數字化轉型中增強高校治理體系的數智驅動內生力，豐富治理各環節的數智化聯結，形塑高校數智治理范式的討論，成為教育研究者關注的焦點。當前，高校治理系統正從“社會-物理”二元空間向“社會-物理-數據”三元空間結構演進，然而高校數字治理實踐仍存在諸如服務本位理念未能貫徹、治理技術的內生創新乏力等問題[2]。數據可視化作為呈現治理核心特征、顯露治理問題、輔助制定治理決策的重要抓手，愈加受到高校管理者與研究者的關注。而數據大屏（也稱數據看板）作為可視化分析學與智能演示終端相耦合的成果，能整合高校治理中數據采集、清洗、歸類、分析等一系列流程，具備匯聚治理數據、呈遞治理情勢、評估治理效能、適應性預警干預以及預測演變路向等功能，或將成為解決上述痼疾的一劑良方。《數字中國發展報告（2022年）》顯示，浙江省位居地區數字化綜合發展水平第一[3]。考慮到浙江省的教育數字化建設水平位于全國前列，具有較高的借鑒價值，因此本研究基于浙江省高校智慧校園評價項目開展實證研究，通過展示浙江省高校數據大屏的設計依循、呈現效果與優化路向，闡明數據大屏助力高校數智治理的邏輯與實踐理路，以期為其他高校或區域推進高等教育數字化轉型提供有益參考。

一 文獻綜述

依憑計算機領域的先行優勢，歐美國家在教育領域應用數據大屏的實踐與創新更加豐富，演進形態更為成熟。早在1995年，Gordin等[4]就率先對科學可視化技術在教育中的廣袤應用前景進行了研判與推想，提倡在學校基建中增設更多的可視化屏幕。伴隨著信息與通信技術產業的數智化賦能向深、向廣、向新發展，教育數據大屏被賦予了更豐富的時代內涵與使命。國外關于教育數據大屏的相關研究可大致分為技術創新、實踐應用與效果研析三個方面：在技術創新方面，Jin等[5]提出了一種通過移動終端與位于公共空間的數據大屏進行交互的技術方案，用戶借助包含位置、密碼和IP信息的二維碼實現對可視化平臺的操控；Braseth等[6]基于態勢感知的理論討論與實踐團隊測試的反饋，提出了數據大屏設計的遵循原則。在實踐應用方面，Olteanu等[7]將高校中潛在的風險事項從文本展示聚類并轉化為平臺圖形，增強其可視化程度；Decuypere等[8]對U-Multirank平臺進行了分析，闡述了該平臺如何提供多維與可視化的高等教育機構比較分析功能。在效果研析方面，Tervakari等[9]探究了可視化分析工具對于教師支持學生開展活動的作用效果；Zotov等[10]根據可視化學習社區的數據大屏反饋設計了虛擬學習環境看板的核心可視化指標，并以此為基礎分析與可視化學生的學習路徑。

國內的相關研究雖然起步較晚但進展迅速，可以根據目標靶向的不同分為面向高校教學治理、面向高校數字化基建治理與面向高校體系架構治理三個維度：在教學治理方面，任劍鋒[11]在分析可視化平臺支持計算機支持的協作學習（Computer Supported Collaborative Learning，CSCL）教學的策略基礎上，設計了促進高層次協同知識建構的可視化支持系統；李蘋等[12]利用Java、ECharts等技術，設計了所在院校實時教學狀態的數據可視化分析平臺。在數字化基建治理方面，趙玨等[13]從高等教育的數字化基建應用場景切入，闡述了人工智能與可視化技術如何填平數據賦能的“最后一公里”；張勝等[14]以湖南工商大學為例，闡述了可視化技術在智慧教育管理中的應用價值與實踐策略。在體系架構治理方面，蔡三發等[15]構建了包含數據收集、流轉、提取與分析功能的創新型高校數據看板；于方等[16]設計了高校院系畫像的建構程式，并以所在院校為例基于履職數據設計了院系可視化看板，進而提升整體治理效能。

綜上所述，當前國內外教育數據大屏的設計與應用形態多樣，功效不一而足，但其工作路徑均為依托可視化圖表賦能高校數據治理的評價、預警以及干預等。國內外研究的主要差別在于，國外研究已形成信息技術與教育通用技術相融合、技術更迭與教育應用創新同步的研究樣態，而我國整體呈現出重工具應用而輕技術研發、多獨立探究而少跨區域協同的現狀，發展過程存在技術轉化滯后、交互功能薄弱、可遷移性較低等瓶頸。相似之處在于，國內外學者均認為該可視化工具在臂助高校數智治理與數字化轉型方面應用前景廣闊，且目前數字技術與高校治理的耦合成熟度整體較低。

二 數據大屏賦能高校數智治理的邏輯

《中國教育信息化發展報告（2022）》顯示，浙江省高等教育數字化發展綜合指數位列全國第一[17]，其教育實踐借鑒價值較高。因此，本研究團隊于2022年11月～12月先后到訪了中國計量大學、浙江工商大學等30所高校，并與部分信息技術中心的相關領導著重溝通了校級與部門級數據大屏的設計理念、迭代路徑與呈現形態。綜合專家反饋，本研究總結數據大屏賦能高校數智治理的邏輯在于，能夠適切地呈現高校治理的關鍵指標、走勢指標與差異指標，有利于高校治理決策者把握政策核心導向、明晰治理改革現狀與趨向、洞察各維度治理水平差異，推動高校治理邁向可視化、顆粒化與數智化。

1 呈現關鍵指標有利于凸顯高校數智治理的頂層導向

高等教育的數字化轉型無論是在技術革新、業務重構層次，還是更深一級的人本層次，都應始終堅持強烈的問題解決導向，并在輕重不同、緩急不同、難易不同的復雜問題集中，瞄準關鍵問題，優先制定關鍵決策。因此，數據大屏應在高校參差錯落的治理維度中主要呈現關鍵指標，提升高校管理者的決策效率。例如，浙江省高校數據大屏通過兩個環節確定關鍵指標：①浙江省教育技術中心組織專家團隊依據高校數字治理的國內外指標體系與已有研究[18]，設計了“浙江省高校智慧校園建設評價指標體系”，將評價體系歸納為治理體系、智慧環境、智慧教育、網絡空間安全、特色與創新五大維度，每個維度再細分為對應的二級指標及三級指標，并明確所有重要指標的考察表述；②開展大規模調查，依據熵權法與差異系數法對全省問卷調查的結果進行分析，計算各指標權重，確定關鍵指標并進行可視化呈現。該舉措能夠增強數據的易用性、提升資源利用效率，體現以評促建、以評促改、以評促管的評價理念。

2 呈現走勢指標有利于預示高校數智治理的發展趨向

為了凸顯高校數智治理中的數據智慧與數治智能，數據大屏既要覆蓋高校大數據的全生命周期，還要具有預示治理走向、干預潛在危機的“延展性”效能，助力高校治理的“不治已病治未病，不治已亂治未亂”。針對此需求，數據大屏應為變化頻率顯著的核心維度設置走勢指標，如電子課程點擊率、站點并發數與差異度、單位時間的服務頻次、階段性滿意度評價等，其算法可遵循Forecast.ETS預測工作表或Trend預測函數等。例如，浙江大學圍繞智慧教學的核心需求，采用三維可視化、數字孿生等技術有效整合了智慧教室的教學、管理、服務、資源等模塊，實現智慧教室的一體化與可視化管理[19]；佛羅里達國際大學對校內交通、車輛停放、設施維護等信息進行可視化呈現與預測，提升了校園服務的智慧程度[20]。總之，數據大屏的走勢指標有利于洞察高校數字化轉型趨勢，研判數字化轉型的預期實效，預警和干預高校數智治理隱患，臂助提升數智治理效能并大幅降低轉型的試錯成本。

3 呈現差異指標有利于調節高校治理水平的均衡共進

通過數字技術增強教育的公平性與包容性，是高校治理改革的核心目標之一。針對此，數據大屏主要從兩個方面消解高校之間、高校內各部門之間的發展不均：一是通過雷達圖或折線圖等形式表達不同區域或高校之間的評價數據對比情況，凸顯差異較大的指標對比；二是展示整體各指標的發展差異指數，單指標指數越高，表明該類別的發展越不均衡。例如，浙江師范大學數據分析平臺的圖文中心分平臺能夠呈現圖書主題的數據差異，指導后續圖書的購入與布置工作[21]；加州州立大學定期觀測數據大屏上學業成功指標的浮動，進而施策降低不同族裔學生的學業差異，使2016～2018年少數族裔和非少數族裔學生的畢業率差距從12%下降到4%[22]。數據大屏對于差異性的表征，既能助推教育管理者形成公平的意識，引導其將教育公平性與包容性推廣到教育治理的各個方位，迎接治理中資源分配帶來的復雜挑戰；又能彰顯科學的高校治理樣態，促進高校數智治理中各部門或組織以先進帶動后進，從局部公平邁向系統性公平。

三 高校數據大屏建設案例分析

2022年9月～2023年3月，浙江省教育廳組織開展了年度信息化校園建設評價工作，縱深推進國家教育數字化戰略行動。浙江省教育技術中心在全省高校評價數據的基礎上，設計了表征高校治理實況的數據大屏，從省級與校級兩個維度展示全省參評高校的信息化建設核心指標、發展趨向與治理差異，并取得了顯著的治理成效，因此本研究以該創新性探索為例展開分析。

1 設計目的

通過數據大屏將全省高校信息化建設水平與數字治理效能可視化，以便政策制定者與高校管理者更直觀地分析各項核心指標水平與趨向，比較同類型、同層次高校的發展差異，洞察高校數字化治理與改革的疏漏，進而補闕拾遺，體現浙江省高校信息化建設評價工作“以評促建、以評促改、以評促管”的旨歸。

2 設計方法

基于設計目的，本研究結合熵權法與差異系數法綜合分析高校數智治理的關鍵指標。兩種量化方法既各有側重，又能夠形成互補，與指標維度廣、分類細的高校治理體系具有較高的契合度。具體而言，熵權法是一種客觀賦權方法，研究者根據指標數據的分散程度利用信息熵數據計算出各指標權重，并通過修正提升權重的客觀性。本研究中的熵權法分為四步：①根據“浙江省高校智慧校園建設評價指標體系”，構建水平矩陣R1；②計算極差并將評價矩陣進行標準化處理得到矩陣R2；③計算每一個高校信息化二級指標的熵值fij；④計算指標的熵權與綜合權重λj并進行修正，得出每個二級指標的最終權重。差異系數（也稱變異系數）法是基于熵權法的結果，進一步計算關鍵二級指標的對應三級指標數據的變異程度，依據皮爾遜提出的相對標準差算法，根據系數所處的范圍選取最終指標，作為數據大屏的展示類目。

3 指標確立

本研究的所有指標數據來源為2022年浙江省高校智慧校園建設評價項目的測評數據，評價體系為“浙江省高校智慧校園建設評價指標體系”，共囊括浙江省的107所高校，數據真實有效且權威性較高。根據測評結果，本研究計算出數據大屏關鍵指標權重系數，如表1所示。

浙江省智慧校園評價項目數據為數據大屏的指標選取提供了研究的先決條件，考慮到屏幕版塊限制與突出重心的訴求，本研究通過三個步驟對指標進一步篩選：首先，所呈現指標應涉及高校治理中確切的調查數值，而非判斷類或從屬類題型；其次，所呈現指標依照熵權-差異系數法進行價值分析與關鍵程度排序；最后，指標呈現形式上既能夠表征整體發展概況，也能體現校際差異。經專家會議的討論協商，本研究最終從關鍵指標、差異指標與走勢指標三個層面選取數據大屏的表征指標。由于指標確定對應的工作量巨大，這里僅簡述部分指標的選擇過程：首先，依據指標建設情況通過熵權法計算二級指標權重，“浙江省高校智慧校園建設評價指標體系”共包含治理體系、智慧環境、智慧教育、網絡空間安全、特色與創新五大維度，除開放性較高的“特色與創新”指標外，其余四個維度二級指標的權重系數計算結果如表1所示。其次，依據權重排序優先選取權重較高的數據維度進行二次細分，以智慧服務（權重系數為11.16%）為例，其包含網上辦事、大數據師生服務、校園自助服務、移動服務四個三級維度，依據差異系數計算公式得到發展差異系數的指標排序：大數據師生服務（11.01）＞移動服務（10.52）＞校園自助服務（3.58）＞網上辦事（2.12）。差異系數越高，表明該項在省內發展越不均衡，故而其呈現意義與改革意義越大。最后，將統計分析與排序得出的關鍵指標、差異指標與走勢指標等具有代表性的指標維度進行空間上的合理布局，在大數據科技公司工程師的協助下最終形成浙江省高校智慧校園建設評價數據大屏（樣例），如圖1所示。

浙江省高校智慧校園建設的數據可視化工作，依據呈現對象分為兩個模塊：一是將全省高校數據匯總建構的省級數據概覽圖，二是各高校分別對應的測評指標詳情圖，這兩大模塊通過可視化系統中臺實現界面交互。關于呈現結果有兩點需特別指出：①高校治理中的數據采集涉及半結構化與非結構化數據，其處理方式主要是應用自然語言處理工具（如Python）和文本分析工具（如Nvivo）整理、歸納與分析，再經由專家團隊完成評估，依循權重排序選擇性呈現。②數據大屏的理想狀態是完全超越數據溝壑，實現全組織、全流程、全天候的數據共建、共享與共治，然而圖1的數據源為高校測評所得，屬于階段性數據，只能實現高校基礎信息、網絡空間安全信息等部分模塊的數據實時同步，還需深化政、校之間核心指標的互聯互通，為高等教育的優質數據資產建設賦能。

四 數據大屏賦能高校數智治理的優化路向

2023年3月～2023年6月，本研究團隊在浙江省高校數據大屏投入使用之后，對部分相關專家進行了半結構化訪談，了解到當前數據大屏在助益高校數智治理的過程中，存在數據調用困難、部門權限分立、實效性薄弱、缺乏科學評估等藩籬。為提升治理工具效能，本研究結合專家建議，從數據庫合成、數據流共享、多樣態干預、重視投產比四個層面總結其優化路向。

1 優化數據庫合成，助益高校數智治理降本增效

調查發現，數據合并困難、處理時間滯后、應用成本高昂等已成為新型高校數據治理障礙。在技術維度，這一桎梏的歸因主要為院系或校級數據的采集主體、服務對象、采集格式等存在差異，導致數據調用并不流暢，對此，數據大屏可從以下三類路徑予以優化：①設置“高校數據緩沖區”。在高校數據緩沖區中，信息中心工作者能夠對各數據中心所采集的格式統一的有源數據，與學院或師生存檔中格式多樣的無源數據完成匯聚整合，達成數據在緩沖區的跨域可流轉，并按照領域模型與數據規則截留有效數據、排除劣質數據，進而將上述結果轉譯為非代碼數據并最終分發至大屏模塊進行展示。②應用數據合成工具。高校信息中心的技術人員可以借助Scikit-learn、Datagen、Pydgben等數據合成工具或各類生成式人工智能終端，創建大批量的數據副本來完善機器學習模型，并依據標準格式更簡易地標記數據類型與掩蓋個人隱私，繼而更智能地分析和預判指標差異與指標趨向，進而提升推薦路徑算法的擴展性、易用性與成本效益[23]。③建立非結構化數據合成機制。對于半結構化與非結構化數據的處理和合成，應盡力避免調查者、專家團隊等的主觀判斷，而是依據文本分析工具與AI技術，建立將視頻、圖像或文本解碼和轉碼為結構化數據的固定流程，建立校內甚至跨校、跨區域通用的非結構化數據合成機制，助推數據大屏更全面、更可持續化地賦能高校數智治理。

2 共享多源數據流，強化高校數智治理一盤棋聯動

當前，在各高校一級部門與二級學科的數字化系統建構過程中，常存在數據不互通、數據管理者無權限等現象，校信息中心或數據中心本應成為教育數字化轉型的總指揮，卻常常遭遇“巧婦難為無米之炊”的窘境。因而，優化數據大屏在宏觀布局上應強調兩個重點：①鼓勵各高校執行由校領導擔任首席信息官（Chief Information Officer，CIO）的制度，強調高校大數據采集與處理功能由各校信息技術中心這類獨立部門綜合統籌，而非權力下放至各學院，應對信息技術中心關鍵人員予以擴權，改變過去各部門各自為政、進程優劣不一的情況；②政策制定過程應突出“以評促建、以評促改”，將高校數據的共建、共享、共治成熟度列入高校考核指標，鼓勵數字化轉型領域的主管校領導以整體性治理思想取代各自為政、數據私有的碎片化治理風氣。在具體的數據傳導層面，可以從四個核心環節優化數據貫通脈絡：①數據標準環節，應基于我國工信部的已有文件，持續完善教育細分領域、新興領域的通用數據采集與編碼標準，如完善數據管理能力成熟度評估模型（Data Management Capability Maturity Assessment Model，DCMM）；②數據采集環節，每條數據均應標明對應的師生、行政人員或相關專職人員等責任歸屬人，實現責任人與數據采集信度、長期維護過程的一一對應；③院校管理環節，數據收集人應對數據集進行合并與復核，并將其填充至相應的數據池；④數據歸口環節，由校級及以上大數據管理部門獲取權限并對數據進行整合，確定關鍵治理指標，將其匯聚流入數據大屏之中，以數據可視化這“一顆子”盤活高校數智治理“一盤棋”。

3 多樣態干預治理，促進高校數智治理補偏救弊

在調查中，許多高校信息中心負責人對數據大屏欠缺實用性的風險表示擔憂。對此，校園管理者或教育主管部門需對高校治理的數據表征進行實時監管，進一步豐富并落實其干預功能，消解既有治理干預體系的目標短視、方法程式、路徑粗放與成效模糊等桎梏。數據大屏助力高校治理干預的基本脈絡，是經由多渠道分布式獲取統計數據與校園系統交互日志，通過區域鏈的點對點傳輸與鏈式時間戳推動數據互聯互通，進而數據大屏通過人人、人機、機機三類交互模態為高校管理者提供多類別的干預指導，甚至直接發送預警信息到各部門終端。干預形式主要包括三類，分別是以網絡安全類指標為代表的即時性干預，以智慧基建類指標為代表的階段性干預，以呈現校際、院際差異為代表的自主性干預。以浙江省為例，當數據大屏顯示某院校收到上級網絡預警安全通報，或發生造成較大負面影響及以上的安全事件時，省教育技術中心會第一時間微信或電聯相關安全責任人；當某院校更新采集系統的國家級或省級成果匯報時，數據大屏平臺會相應地變更二級指標與綜合排名。此外，教育部門應周期性地組織高校管理者查看、比較和分析大屏的各項指標及排名，強化中高層管理者循數治理的思維理念，引導高校管理者在治理工作中既要補偏救弊，也要防微杜漸。

4 重視投產比指標，臂助高校數智治理健康可持續

當前各高校的數字化轉型進程與數智治理成熟度并不平衡，各高校在信息化經費總投入、生均信息化經費投入以及數字化轉型效能產出情況等方面存在較大差距，這不禁令研究者反思：高校數字化轉型的邊界在哪里？轉型中高校是否存在發展重點不合理或非關鍵指標過度投入的情況？由于高校數字化轉型涉及范圍廣、受眾多、整體性強，因此對于投入產出的關注應當高瞻遠矚而不能后知后覺，應當開展伴隨性檢驗而不能只做階段性回顧。繼浙江省高校智慧校園評價項目后，浙江大學的翟雪松團隊對本科和高職各32所院校分別進行了高校信息化建設情況調研，并采用數據包絡分析模型對治理綜合效率、規模效率與技術效率進行效能分析，發現64所高校中大部分仍存在資源分配失衡、部分部門信息化資源過度投入等問題，表明高校數字化轉型中存在投入依賴主觀決策的弊端，由此提出了建設自動化多階段數據看板，助力高校治理監測與評估的倡議[24]。在未來的發展路向中，數據大屏對于高校治理績效的直觀呈現，應當是硬件環境建設、經濟效益回報與師生體驗反饋“三位一體”的綜合結果，數據大屏中關于投入產出比率的優化思路在呈現上應當置前而非滯后，在制定依據上應當依循數治而非人治，在權限上應當公開透明而非設檻設限，方能臂助高校數智治理乃至數字化轉型實踐行穩致遠。

參考文獻

[1]“2023全球智慧教育大會”會務組.2023全球智慧教育大會在京開幕[J].現代教育技術，2023，（9）：1.

[2]葛道凱.后疫情時代高等教育發展的挑戰與應對[J].中國高教研究，2023，（2）：31-39.

[3]中央網絡安全和信息化委員會辦公室.國家互聯網信息辦公室發布《數字中國發展報告（2022年）》[OL].lt;https：//www.cac.gov.cn/2023-05/22/c_1686402318492248.htmgt;

[4]Gordin D N， Pea R D. Prospects for scientific visualization as an educational technology[J]. Journal of the Learning Sciences， 1995，（3）：249-279.

[5]Jin C M， Takahashi S， Tanaka J. Interaction between small size device and large screen in public space[A]. 10th International Conference on Knowledge-Based and Intelligent Information and Engineering Systems[C]. Berlin： Springer-Verlag， 2006：197-204.

[6]Braseth A O， Oritsland T A. Visualizing complex processes on large screen displays： Design principles based on the Information Rich Design concept[J]. Display， 2013，（3）：215-222.

[7]Olteanu A， Lacatusu F， Craciun I， et al. Mobile application for crisis situations in a university campus[A]. Proceedings of the 14Th International Scientific Conference Elearning and Software for Education[C]. Bucharest： “Carol I” National Defence University， 2018，2：280-287.

[8]Decuypere M， Landri P. Governing by visual shapes： University rankings， digital education platforms and cosmologies of higher education[J]. Critical Studies In Education， 2020，（1）：17-33.

[9]Tervakari A M， Silius K， Koro J. Usefulness of information visualizations based on educational data[A]. IEEE Global Engineering Education Conference[C]. New York： IEEE， 2014：142-151.

[10]Zotov V， Ibrahim I， Petunina I， et al. Engagement of students in data visualization for the purpose of e-learning improvement[J]. International Journal of Emerging Technologies In Learning， 2021，（2）：46-64.

[11]任劍鋒.促進高層次協同知識建構的CSCL可視化支持系統研究[J].首都師范大學學報（社會科學版），2021，（5）：56-64.

[12]李蘋，李勇，范全潤.高校教學狀態數據可視化分析平臺的設計與實現[J].實驗技術與管理，2020，（5）：46-51.

[13]趙玨，張勝，樊國偉.數智校園中大數據可視化技術賦能教育管理[J].現代教育技術，2022，（11）：67-75.

[14]張勝，趙玨.智慧教育管理體系的可視化探究——以湖南工商大學為例[J].現代教育技術，2020，（8）：80-85.

[15]蔡三發，靳霄琪，劉雨萌.數據治理視域下院校研究的信息化創新路徑——以T大學為例[J].現代教育管理，2023，（1）：22-30.

[16]于方，劉延申，郝明睿，等.基于多源履職數據的大學院系畫像構建與應用[J].現代教育技術，2021，（6）：119-126.

[17]浙江省教育技術中心.浙江省基礎教育、職業教育和高等教育數字化發展綜合指數均位居全國第一[OL].lt;https：//www.zjedu.org/art/2024/4/3/art_1126_2257.htmlgt;

[18]胡水星，荊洲，王會軍.我國高校大數據治理體系的關鍵要素與優化路徑研究——基于DEMATEL-ISM的研究視角[J].電化教育研究，2022，（11）：38-44、52.

[19]中國教育網.浙江大學智慧教室3.0建設探索與思考[OL]. lt;https：//rmh.pdnews.cn/Pc/ArtInfoApi/article？id=32227271gt;

[20]Leach N. Architectural hallucinations： What can AI tell us about the mind of an architect？[J]. Architectural Design， 2022，（3）：66-71.

[21]浙江師范大學信息技術中心.浙江師范大學數據分析平臺正式上線[OL]. lt;https：//info.zjnu.edu.cn/2023/0428/c12056a435461/page.htmgt;

[22]慕彥瑾，段曉芳.基于普職融通的教育與學生未來發展的有效銜接——美國加利福尼亞州高中關聯學習模式探究[J].外國教育研究，2019，（7）：65-78.

[23]荊洲，楊啟光.生成式人工智能賦能教育研究范式變革：機理、風險與對策[J].中國電化教育，2024，（3）：68-75.

[24]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，（5）：24-33.

The Logic， Cases， and Optimization Directions of Digital Intelligence

Governance in Universities Empowered by Viewdata Screen

——An Empirical Study Based on Data from 107 Universities in Zhejiang Province

Abstract： As one of the core carrier of data visualization in universities， viewdata screen can help educational administrators gain scientific， intuitive and efficient insights into the real situations of university governance and help universities make governance decisions. However， domestic research on viewdata screen is still in its infancy and there is a lack of empirical studies. In view of this situation， the paper firstly conducted a survey on universities in Zhejiang Province， and found that viewdata screens had the value of highlighting the top-level orientation， presenting the development trend， and assisting the difference adjustment. Then， this paper elaborated and analyzed the design ideas， presentation patterns and effectiveness of the viewdata screen in Zhejiang university. Finally， the improvement paths of digital intelligence governance in universities empowered by viewdata screen were clarified from four dimensions of optimizing database synthesis to empower governance with reduced cost and increased efficiency; sharing multi-source data flow to empower the governance with “a chess” linkage; implementing diversified modal interventions to empower governance process with remedying defects and rectifying errors; paying attention to production ratio indicators to empower governance with transformation and sustainable development. Through the research， this paper aimed to provide high-quality reference for the reform and innovation of digital intelligence governance in universities based on visualization technology.

Keywords： digital transformation in universities; educational big data; smart campus; data governance; smart governance platforms