生成式人工智能時代的高校整體性治理

【關鍵詞】生成式人工智能；高校整體性治理；組織結構；決策機制；教育模型【中圖分類號】 G640 【文章編號】 1003—8418（2025）06—0001—1（【文獻標識碼】 A 【DOI】 10.13236/j.cnki.jshe.2025.06.001【作者簡介】（1991—），男，河南安陽人，中國高等教育學會與聯合培養博士后；（1955一），男，山西忻州人，中國高等教育學會副會長、教授。

系統集成和綜合施策是全面深化改革的內在要求。2024年7月，黨的二十屆三中全會發布的《中共中央關于進一步全面深化改革、推進中國式現代化的決定》進一步明確整體性變革思路，要求更加注重系統集成，增強改革系統性、整體性、協同性，綜合治理的重要價值更加凸顯。治理的系統性、法治化、溯源性和綜合性特征日益凸顯，其中治理的綜合性要求破除治理過程的碎片化，體現治理機制的系統協調，強調從單一手段走向多種手段的綜合運用。人工智能技術被認為是助推高等教育治理體系和治理能力現代化的重要工具，智能技術成為推動教育整體變革、教育治理方式轉型的基本支撐。國務院頒布的《新一代人工智能發展規劃》明確提出利用智能技術“開展智能校園建設，推動人工智能在教學、管理、資源建設等全流程應用”，奠定了智能技術助推高校治理的基調。2024年4月和11月，教育部高等教育司分別公布首批和第二批“人工智能 + 高等教育\"應用場景典型案例，利用智能技術優化教學模式、創新人才培養機制并提升高校治理效能，賦予這些高校借助人工智能改進學校生態的使命。

生成式人工智能通過大型語言數據集訓練，在輸出文本和執行語言任務方面具備了更高的效率及精準度，經過文本的重組能夠產生人們難以預料的創意和新穎度，包括理解記憶、創意文本生成、模型構建與推理和深度學習等。生成式人工智能在推動教育觀念變革、創新教育變革中發揮著重要作用，日漸成為學校教育治理活動中的重要支撐。反觀當前的高校治理樣態，受效率至上、結果導向和功利主義等新公共管理思想的影響，我國高校治理普遍面臨主體決策問題碎片化、協同機制集成程度不高、組織結構存在科層壁壘和治理手段單一且陳舊等問題，難以實現治理體系和治理能力現代化。因此，有必要引人基于生成式人工智能的整體性治理模式，明確生成式人工智能的典型特征及技術弊端，審視生成式人工智能視角下高校整體性治理的困境，并尋求優化高校整體性治理的實施路徑。

一、生成式人工智能的技術表征

生成式人工智能被稱為生成式語音預訓練模型，綜合應用Transformer架構、AIGC技術（人工智能生成內容）、從人類反饋中強化學習（Rein-forcement Learning from Human Feedback）等技術，能夠實現深層次的人機交互，在對話交流、圖片識別、撰寫方案、詩歌創作、信息查詢、編寫程序等方面具有強大功能。生成式人工智能在“類人性思考”方面展現出良好性能，實現在邏輯對話和記憶更新層面的技術突破，表現為四個方面的技術優勢。其一，借助機器學習開展大規模訓練，并生成合乎邏輯的對話。利用機器學習技術，生成式人工智能能夠對用戶輸入的信息進行分析，在對話中理解用戶的意圖并保持內容一致。在龐大的數據訓練中識別語法、規律和上下文，通過理解復雜句子中的結構和含義捕捉情感語境，由此得出準確且富有創造性的回答。其二，具備上下文連貫記憶功能，在“類人性思維\"方面展現出明顯優勢。生成式人工智能持續對話的記憶性修正功能能夠進一步提升生成式人工智能表達的準確性，實現在邏輯對話和記憶更新層面的技術突破，提供更連貫、個性化的對話體驗，并更好地滿足用戶的需求。其三，生成式大模型時代的知識生產呈現出知識涌現的表征，以ChatGPT一4為代表的大模型在文本生成與邏輯推理方面成效顯著，能夠在較短時間內生成大量專業信息，使高校教學不再局限于以往權威的專家知識，積極的人機協同可以引導每位教育用戶開展專業化的知識探究，進一步消除知識壁壘。其四，結合專家反饋提高自然語言模型理解能力，應對多樣化復雜任務情境。生成式人工智能立足于人類反饋的強化學習，構建評估模型對機器學習內容進行監督，確保生成邏輯自洽且符合人類表達形式的文本，提高了精確執行文本分類或語言翻譯等特定工作的能力[1]。可見，利用生成式人工智能可以對學校事務進行更加動態、精準的評估和診斷，便于提升治理的精度和效度。

需要注意的是，由于生成式人工智能具有的數據依賴、算法黑箱等特性，與正面效益并行而來的是虛假信息誤導、倫理隱私安全及道德方面的風險。第一，生成式人工智能能夠基于大量數據生成看似有理有據卻是虛假的判斷，并借助強大的算力形成邏輯自洽的答案。這些一旦被直接納入決策體系，將對治理的正當性和合理性產生負面影響。第二，生成式人工智能的濫用可能會弱化決策主體的自主性、創造性和批判性思維。生成式人工智能的不當應用不利于個人審辨性思維、邏輯思維、創新實踐能力等素養的發展，深度學習、專注能力以及記憶力均不同程度受到負面影響。第三，生成式人工智能技術中普遍應用的多模態大模型、大數據分析系統、支持算法推薦模型和智能適應系統等將導致“信息繭房”，引發思維定式，高校中的師生及行政決策者對其依賴性更強。第四，生成式人工智能中算法歧視與數據隱私侵犯可能導致新的數字倫理風險。智能系統中所需的海量數據往往包含師生的個人資料、行為習慣等敏感信息，很可能導致數據泄露、個人隱私被侵犯等問題；其應用也將引發學術公平性的倫理問題，誘發抄襲、剽竊等行為，對教育教學生態產生不良影響。同任何新興技術一樣，生成式人工智能作為一把雙刃劍，難免會對現有的學校組織樣態產生沖擊，但不能因其風險存在而因噎廢食。在將其推廣應用至教育治理領域中時，需要充分關注技術研發的可控性和安全性，針對其潛在風險漏洞提前采取監管措施，從技術安全、數據采集及個人信息保護等層面入手，設置“安全閥門”，防范智能技術所引發的高校治理風險。

二、融入生成式人工智能的高校整體性治理概述

整體性治理理論產生于20世紀90年代，由英國學者佩里·希克斯提出，是針對區域公共事務治理過程中的碎片化弊端，以公民需求為導向，通過治理手段創新和策略工具的組合優化，對不同層級組織部門、各職能部門及公私部門進行協調與整合的理論[2]。帕特里克·鄧利維賦予整體性治理理論更多的技術權重，強調在不消除組織邊界的條件下，通過自動化流程的新形式、根本性的非居間化、智能算力集成、互動的信息搜尋與匹配、主題數據庫、走向敞開書卷式的組織結構等系列策略，打造透明化、有效率的數字政府[3]。由此可見，整體性治理是對“碎片化”問題的反思與修正，以“問題的解決”作為組織行為的出發點，推動組織協調機制、制度協調機制、人際關系協調機制的建構，整合、協調和信任機制成為整體性治理的理論內核，并烙上了數字化、智能化的時代烙印。“碎片化”與“整體性”相對應，指高校治理實踐中出現的分散性強、非連貫等現象，呈現出治理主體利益訴求碎片化、治理方式統籌不足、治理組織結構推諉扯皮、治理流程缺乏整體銜接等表征，進而誘發高校治理體系散亂、資源配置效率不高、部門職能重復交叉、多元群體之間信息溝通不暢與失真等問題，給高校治理體系和治理能力現代化帶來諸多挑戰[4]。整體性治理理論與高校治理具有高度契合性，強調以整體思維整合內外部組織環境、資源與制度等要素，推動組織運行及效能的系統整合。整體性治理在推動治理主體之間的多元協同，框定治理主體地位和權限，整合現有資源，建立起組織機構層級分明、功能無縫銜接的運行機制等方面，能夠發揮積極效用。可見，高校整體性治理是以學校的整體性治理需求和治理效能提升為目標，注重破除治理過程中的碎片化問題，關注組織單元的協調參與，并借助智能技術提升治理效能、優化決策行為。

生成式人工智能作為人類技術發明創造的集大成者，其增強人們自動感官能力的“感測技術”、神經網絡及人腦連接單元能夠有效擴展人們的傳導神經器官，機器學習及專家系統能夠延長人類的聯想、推理與決策等思維器官的功能，生成式人工智能將在推動高校決策治理方面發揮越來越顯著的成效。融人生成式人工智能的高校整體性治理強調以智能技術促進治理效能改進，將智能技術應用于治理的全過程、全領域，解決“碎片化\"治理問題并促進治理主體能力提升，堅守人本主義的價值導向，實現治理過程的利益協調與整體和諧，推動教育治理結構優化重塑，實現教育數據挖掘、智能算法的融通賦能（如圖1）。

（一）助力高校治理主體解決“碎片化”問題

整體性治理作為應對傳統行政管理的衰退以及適應新公共管理運動中的碎片化問題而出現，在消除公共價值偏離、個人機會主義傾向等過程中發揮效用，并優先考慮社會多主體的切身利益。反觀高校內部治理主體的碎片化表征，呈現出治理主體的二元分化與單一化[5。由于行政權力在高校中所處的單一核心地位，校、院之間的行政等級秩序明顯，難以實現多方利益協同整合，如學科規劃和重點專業建設等議題，易出現各方訴求不能兼顧的問題。生成式人工智能具備大規模數據集成的優勢，借助自動化任務、大規模語言訓練及神經網絡學習改進數據集成策略，在一定程度上能夠應對高校治理中的“碎片化\"問題。針對數字化學習平臺、校園管理系統以及社交媒體中的多模態數據，進行自動數據匹配與合并、實時數據集成、模式映射及轉化等，構建可視化圖譜并將多元主體的意愿進行整體匯聚。借此支持高校開展基于循證的管理決策，逐步消除多元主體信息反饋分散及組織利益“碎片化”的弊端。基于智能技術的數據集成優勢，通過跨領域和全樣本的數據采集，形成數據驅動的治理方式，構建多元主體參與和大規模意見交互的教育治理新機制[6]。

（二）推動建立信任、協調和整合的決策機制

整體性治理理論所追求的內部組織結構，旨在建立相互協調且目標一致的治理機制，為多元治理主體的信任、協調和整合創造組織框架條件。第一，“信任”是凝聚力的基礎，是達成合作的黏合劑。高校多主體之間信任的產生和延續，需要確保信息的及時公開和共享。只有當高校決策主體無保留、無差別地向其他群體共享高校治理信息，及時響應多主體的利益需求并提供力所能及的支持時，才能以開誠布公的姿態贏得師生等群體的信任。第二，“協調”側重于多主體的溝通、對話、協商和達成共識，并以緩解沖突、強化共同目標為核心，有效協調多元利益群體、組織網絡之間的利益關系，形成價值協同、信息共享的協同機制。第三，“整合\"則側重于高校各參與主體明確任務使命、義務關系。當前高校職能部門設置泛化導致了機構裂化的現象，信任、協調和整合的愿景難以達成。職能交叉、職能缺位以及部門之間協調欠缺，任期制影響下的短期績效與長期發展規劃出現背離，治理機制的失調現象明顯。生成式人工智能為優化高校治理決策提供了支持系統，應當以布局合理、組織協調和運行順暢為基本原則，明確高校相關利益群體的職能屬性與權責邊界，促進組織模塊之間的協作溝通和彼此互信，為高校的科學決策提供支持[7]。綜合應用數據驅動的決策模型、智能化信息評估、實時監控與反饋等技術，可以及時發現學校治理過程中出現的問題并進行干預調整，克服集體決策中的“觀點缺陷”。

（三）賦能高校組織結構扁平化、高效化調整

整體性治理理論關注組織結構的優化調整，消減傳統治理結構中行政領導過度干涉決策事務、職能部門及業務專長被忽視的情況，破除組織結構之間的溝通梗阻，試圖構建起信息傳遞層級少、壓縮職能部門的扁平化組織結構。當前高校普遍建立以職能為中心的組織運行結構，注重程序規范和職責分明的運作原則，但管理層級過多。此外，過度關注職能部門的工作目標導致部門之間區隔明顯，業務流程煩瑣，增加了管理成本，降低了工作效率，嚴重影響師生的滿意度[8]。扁平化的組織結構更便于適應內外部環境的動態調整，縮短治理路徑，發揮職能機構及組織成員的專長，助力學科資源整合，調整學科布局，促進資源優化配置。根據戰略咨詢公司埃森哲（Accen-ture）發布的《技術展望2024》，智能助理（AIA-gent）將成為生成式人工智能的重點發展方向[9]得益于生成式人工智能的輔助，智能助手、數字代理等智能工具逐漸成為日常行政辦公的輔助手段，高校行政管理人員能夠在智能技術的協助下成為掌握多項技能的“超級員工”，工作效率得以提升。與此相對應的組織架構在縱向上提升管理效率，有效實現高校組織目標，解決治理過程中產生的各自為政、層次斷裂等問題；橫向上有效整合相互影響的行為主體，充分調動高校各利益相關方所擁有的資源，發揮他們在人員、知識、技術、信息等方面的優勢，聯合多方利益主體共同參與治理過程。

（四）促進高校治理過程的智能化與敏捷響應

整體性治理理論強調數字技術的支撐和保障作用，利用多樣化數字技術搭建智能決策系統，推動數據信息的整合匯聚，為制定并優化治理方案提供支撐，更便于對問題解決的過程進行把控與調整，更有效地監測、反饋、保障問題解決的質量。教育治理的數字化轉型歷經多個階段，在信息化階段以組織內部的信息化技術應用為主，實現教學設備、學校管理信息化的初步推廣，并構建相應的制度規劃推進信息技術嵌入治理過程；在數字化治理階段，數字技術在學校的場景應用中更加普遍，治理手段趨向精細化與便捷化，數字化網格管理的轉型速度加快；在智能化治理階段，云計算、物聯網和人工智能技術得到大規模使用，“敏捷原則\"在學校治理中得到更多體現，教學的精準化程度、管理的及時響應、決策水平的科學化日益凸顯。聯合國教科文組織高等教育創新中心發布的《人工智能時代的高等教育白皮書》提出，新一代人工智能對于推動院校治理創新具有積極效用，虛擬助手能夠結合自動化流程提升院校的管理效率，智能分析學生背景信息并優化院校招生，追蹤學生學業表現和開展教育評估，規劃財政預算與監控財務狀況[10]。生成式人工智能基于人類反饋的強化學習，歷經工程師們對預訓練模型的“監督微調”，根據標準程序創建獎勵模型，以近端策略優化算法來訓練模型；通過將人類評估者納入訓練循環，結合人類反饋來提高決策模型對于高校治理場景的適應能力。

三、生成式人工智能視域下高校整體性治理困境

生成式人工智能背景下的高校整體性治理，受到智能技術異化與現有制度約束的雙重影響。一方面，生成式人工智能本身所存在的算法黑箱、算法歧視以及數據偏差等問題，極易導致高校治理的異化現象，在過度追求技術精準化和效益最大化的過程中陷入工具理性陷阱，基本的教育倫理及促進學生的全面發展等議題被擱置，資本驅使與程序開發者主導的算法忽視師生的自主權利，治理決策權讓渡于智能算法，高校治理的公平性、權威性和自主性難以保證。高校治理所依賴的數據分析及智能決策系統，進一步增加了數據隱私泄露的風險，智能適應學習系統“助長”師生的人格設定，導致高校人才培養的片面性與局限性。另一方面，根據技術決定論的觀點，技術發展將自動作用于組織結構與制度安排，其基本假設便是技術進步必將催生組織機構變革。經過長期的技術積累和提升效率的意愿驅動，組織機構終究會更新技術工具、采納最先進的智能技術。事實上，持技術決定論觀點的群體僅僅是將組織變革視為技術發展的必然，忽視了組織單元是否接納并擴散新型技術工具的內在機理。諾斯的制度變遷理論同樣適用于該場景，某項制度可能走向逐步優化，也可能在錯誤路徑中越來越偏離目標，被限制在低效、封閉的狀態中[11]。有時最新的智能技術應用反而會阻滯高校組織變革與體制機制創新，成為維持決策者權威與保持現狀的工具。因此，當生成式人工智能技術應用于高校治理過程時，主體的行為模式、治理路徑受到智能技術異化和既有組織機制的束縛，會出現治理觀念、決策行為、治理結構等多方面的不適應現象。

（一）高校治理主體的觀念及思維方式缺乏系統變革

生成式人工智能的機器學習技術，可以對高校事務進行更加動態、精準的評估和診斷，提高高校治理的效率、精度與效度。同時，這一技術對高校治理主體的個人素養也提出了更高的要求，要求治理主體具備與生成式人工智能相匹配的知識、思維與能力。而當前高校治理中各主體本身及其相互關聯之間的條塊分割現象正是“碎片化”模式的反映，在很大程度影響了我國高等教育治理現代化的推進。第一，高校管理者的治理觀念滯后。囿于已有的工作經驗或處理問題的方式，高校治理主體忽視外在環境的變遷且缺乏革新觀念，部分高校管理者對數字技術存有抵觸心理，難以實現治理理念、治理行為的智能化轉型，產生教育治理行動中的“能力瓶頸”，在生成式人工智能技術逐步成熟并用于提升高校治理能力的進程中，將進一步凸顯為認知思維的滯后性與行為的不適當[12]。托馬斯等人對國際大學協會（Inter-national Association of Universities，IAU）等組織的調查得出，高校在推進智慧校園建設中面臨一系列困境，其中包括高校管理者對于智能化變革的抵制，對自身權力遭受削弱的擔憂，對技術發展持擔憂和消極態度以及官僚保守文化的長期影響[13]。第二，學校治理主體的傳統思維方式根深蒂固。尤其是在治理體系中發揮主導作用的學校行政部門，深受“重管理、輕服務\"的權威式行政管控方式的影響。以教授為代表的學術權力有所虛化，學術委員會、職稱評定委員會中大部分職務由行政領導兼任，學術權力難以和行政權力相制衡。在相對封閉、多元利益群體的呼聲不能兼顧的組織結構中，新生事物難以得到推廣應用，技術創新與體制機制變革也將遭遇多重阻礙。生成式人工智能在教育治理中的應用，并不能簡單地理解為一種從現象到本質的推理。相反，它依賴大量的互聯網數據，為實現智能目標預設理論并進行逆向推理，根據實際情境做出行為調整。在這種以算法和數據為支撐的智能環境中，建立在因果連接上的傳統教育管理思維可能無法適用。然而，當前的高校治理主體仍然表現出傳統管制型的思維模式，忽視與其他利益相關主體的協調互動及數據的開放共享，難以推動高校治理方式的系統變革。

（二）高校治理的協同決策機制匯聚集成受阻

生成式人工智能技術應用日益廣泛，能夠輔助人們在分析復雜數據的前提下，增加決策模型的數據訓練量，提升決策模型準確度，優化社會環境中各類決策過程。生成式人工智能技術雖然為學校治理帶來了新的決策依據，但也與傳統的治理模式產生沖突，協同決策機制的缺失將導致治理行為的偏差與失誤。第一，在支持學校管理決策的信息收集階段，算法歧視的存在將不可避免地導致決策的公正性問題。受到智能化發展水平、數據庫劃分口徑不同的影響，各二級學院及行政職能部門所采用的數據收集規制不盡相同，數據信息的代表性有失公允，將導致生成式人工智能出現事實性錯誤，忽視高校中多主體的利益表達。第二，在學校決策問題的識別階段，生成式人工智能本身所存在的數據信息偏差、算法歧視將誘發技術風險，“數據鴻溝”“信息繭房”造成決策主體的信息封閉狀態，難以支撐學校的科學決策。第三，在學校決策方案的出臺階段，除了發揮智能建模和預測系統的精準導向功能，人機混合智能決策還需要學校管理者具備相應的洞察力、判斷力和智能素養，但傳統的學校治理過程基本上借助于經驗決策和主觀判斷并形成路徑依賴。而在智能化決策性治理中，人機協同是一個重要的環節，如果決策者難以理解和信任智能算法的輸出結果，不具備充分的結合智能技術輔助學校的決策事務的能力，將無法綜合智能算法分析與管理經驗并進行科學決策。

（三）高校治理結構的科層化及溝通協調運行不暢

生成式人工智能技術中的數據驅動、智能決策治理等創新元素，為促進高校整體性治理創造了技術基礎，必然與現有的組織架構所倚重的行政化管理、科層化相抵悟，容易出現治理主體權限不清、技術應用浮于表面等現象。第一，當前高校科層化的垂直單向組織系統難以適應生成式人工智能的治理發展需求。生成式人工智能對數據有非常大的依賴性，它能夠滿足移動互聯網時代大學治理結構扁平化的需求，促進信息的高效流通和資源的優化配置。在高校行政管理的活動中，各部門相對獨立地進行運作，導致數據使用標準與應用格式之間存在顯著的差異性和非標準化。這種分散的管理方式使得針對不同類型、不同用途的數據缺乏統一且有針對性的技術標準，導致高校各部門之間的數據集成、共享面臨重重困難，限制了基于生成式人工智能算法的自動化教育決策等功能的應用，從而阻礙了高校各部門的整體教育治理能力的提升。如教務處、財務處、人事處等部門之間的數據信息系統也存在軟件使用和標準的差異，這些與生成式人工智能所要求的數據開放性、兼容性、關聯互通和數據共享原則極不相稱。第二，高校組織內部治理機制的溝通協調不暢。目前我國高校內部治理結構呈現出“金字塔”的組織結構，支持形成層級分明、權責明確、統一決策的組織運行特征，但同時也帶來組織協調缺失、應對形勢變化反應滯后等問題[14]。學校治理目標過度分解之后的執行偏差，使組織機構之間縱向層面二元分化與橫向層面職能裂化，短期績效、工具理性和實用主義思維長期滲透于學校的組織機構，誘發了治理機制的碎片化。由于不同組織部門的利益出發點不一致，其職能呈現出交叉重疊、多頭領導和業務流程碎片化的傾向。

（四）高校治理過程受到虛假內容生成及隱私倫理掣肘

隨著生成式人工智能技術的迅猛發展與迭代更新，我們需要清醒地認識到生成式人工智能技術在大學治理過程中的雙重角色，既可以將其作為推動治理方式創新的技術工具，又可以視其為教育實踐中不可或缺的生態環境構成條件。生成式人工智能所依托的數據、算力和算法等新型技術基礎，與傳統高校治理過程中相對機械、封閉的構成要素形成對立，必然導致高校現有制度體系的不適應。第一，生成式人工智能預訓練語料庫中的虛假信息誘發學校治理過程困境。大語言模型所依賴的海量數據以及素材，并不能確保信息的完全客觀真實，針對那些存在知識盲區、開創性的知識領域，生成式人工智能難免出現虛假與無效信息，甚至出現價值性和事實性的錯誤。在不加辨別的情況下，將這些信息應用于學校治理過程，將造成學校政策制定的失誤。根據麻省理工學院頒布的生成式人工智能工具使用指導意見，教師及行政人員在發布智能生成信息之前，必須避免該信息的不準確、不完整、誤導、偏見和捏造等情況，并且不將“中風險”“高風險”的數據輸入到不受許可協議約束的生成式智能工具中[15]。第二，人機互動單向化增加數字隱私泄露風險及科技倫理問題。當學校治理主體與ChatGPT等生成式人工智能展開咨詢對話時，不可避免地將個人隱私信息輸入系統，涉及用戶的職業、工作單位、個人偏好、精神狀態等，借此實現學校治理決策的精準化，但大量隱私信息被生成式智能工具收集提取，有可能誘發數據隱私泄露的潛在風險。威瑞森（Verizon）發布的《2024年數據泄露調查報告》提出，教育行業已成為數據泄露的重點領域，其中 68% 來源于黑客和釣魚攻擊，涉及學生、教職工的身份證號、家庭住址等敏感信息[16]。此外，基于生成式人工智能的學校治理決策過程，新型的人機互動關系業已產生，決策主體從主導身份轉變成為與智能技術共同決策的協作關系。人機關系呈現出更加復雜多元的特征，傳統的高校組織體系必將出現適應與調整的問題，

四、生成式人工智能視域下高校整體性治理的優化路徑

生成式人工智能綜合了自然語言處理、深度學習、大數據等多樣化技術優勢，它可以生成創造性的文本內容或決策方案，輔助高校的組織成員從中獲得所需信息與事物規律。但生成式人工智能存在自身的治理邏輯，若直接套用傳統的高校治理模型，必將誤入制度設計的歧途。基于整體性治理的系統集成、多元協作、有機整合及注重數字技術應用的特征，與生成式人工智能的治理邏輯具有內在的天然聯系。智能技術與治理過程的有機融合，可以提升高校治理效能，促進高校治理目標的高效達成。

（一）變革高校智能教育理念，構建智慧治理思維方式

從治理主體的視角來看，教育治理是一個多元主體的集體行動，需要引導相關利益群體協同參與教育治理，促進教育治理現代化。生成式人工智能技術本身所具備的信息匯聚、敏捷高效和優化治理方案等特征，能夠支持建立起“一核多元共治\"教育治理體系。教育治理體系和教育治理能力相輔相成，既要關注智能技術對治理體系的深刻影響，更要關注治理能力的提升，包括理解能力、執行能力和創新能力等[17]。高校應加強智能技術業務培訓，由各級行政部門組織開設提升高校領導智能治理能力的授課內容，進而推動運營組織機構和團隊建設，使高校的相關治理主體形成“合作聯動\"的智能治理思維，革除數據鴻溝的藩籬，實現治理主體、治理客體、治理工具與資源的有效整合[18]。高校的行政主管領導應主動學習新一代人工智能的運行理念及技術應用思路，深化智慧校園建設中的數據共享機制，培養智能共享思維和資源整合思維。第一，就治理主體而言，必須樹立高校治理智能化的基本理念。大數據、人工智能和云計算技術已經成為社會發展的重要助推器，極大地優化和重塑了社會的組織形態。生成式人工智能將進一步提升學校治理的科學化水平，要求學校的決策主體樹立智能化治理觀念，破解智能化校園建設的壁壘和障礙。學校管理者需要更新治理理念，理性認識生成式人工智能技術給學校治理帶來的機遇和挑戰，將智能技術與管理決策相融合，實現從傳統治理、經驗治理、定性治理向現代治理、科學治理、“循數\"治理轉變。第二，在學校的治理思維方式上，實現從傳統管理思維向服務型的“善治”思維轉變，實現人文技術與計算技術相統一，促進價值理性與工具理性的深度融合，關注學校組織結構中多主體、多層次的利益表達訴求，構建以人為本的“有溫度的智能治理體系\"[19]。始終堅持以人為本的價值理念，將其納人學校智慧治理的頂層設計，充分發揮生成式人工智能技術在支持學校治理中的卓越優勢，形成“人機共治”的環境氛圍。在學校的智慧治理體系中，建立良好的群體參與秩序，調動多元主體協同共治的積極性，破除組織部門之間的信息及知識壁壘，推動形成共建共治共享的學校治理局面。

（二）消除算法歧視與信息繭房，明晰決策的人機協同分工

當前高校治理中面臨的各種決策問題，都需要通過各治理主體之間的協調和一致行動來解決，整體性治理倡導加強組織單元之間的協調，引領各參與主體基于內生發展需求自愿構建協同治理秩序，提升協同治理能力，為生成式人工智能支持學校決策提供了思路。在具體的智能化決策過程中，一是確保決策信息來源的公平公正，消除算法歧視。加強校園內數字化平臺建設，擴大物聯網、云計算與生成式智能設備的應用規模，使決策的數據信息來源盡可能涉及學校中的多元主體。加強對于算法技術的監控管理，減少數據偏見在行政決策中的影響程度，推動算法相關法律法規的制定和完善，明確智能教育平臺中的算法規范。基于我國已經頒布的《關于加強互聯網信息服務算法綜合治理的指導意見》《互聯網信息服務算法推薦管理規定》，提供面向教育用戶的算法知情權及選擇權，打造算法信息采集與信息推薦的良性生態，提升算法運行的公開透明度，進而將相關教育理論納入算法運行過程，確保算法符合基本的教育價值觀要求。注重建立并完善智能技術開發者的職業道德規范，形成算法結構的倫理標準并提高相關人員的道德自律意識。二是消解智能技術異化和數據信息失真問題，降低“信息繭房”的負面影響效應。創建開放、協同、整合的智能化決策架構，實現不同部門、不同主體間信息數據的融合與共享，將高校各職能部門的人員與相關的數據信息緊密聯系起來，實現資源整合，打破“信息孤島”。建立一套規范化、精準化的數據管理標準，如數據安全儲存標準、數據共享標準等，實現各平臺數據的共享，在此基礎上預防、追蹤和分析潛在風險，建立全面的安全防護體系，涉及數據的抽取、集成、儲存、分析、共享、監管各個環節，確保數據的準確性和可獲取性。例如有大學將預測模型用于預測本科生入學率，利用招生和注冊系統、學生信息系統（SIS）等平臺，采集并分析學生的平均績點、ACT分數等數據，為招生決策提供支持，降低經費投入并提升學生人學率[20]。三是加強學校治理決策的人機協同，明確生成式人工智能的有限性與主體作用發揮的權威性。在復雜問題決策的區分上，應判斷哪些學校治理問題是生成式人工智能可以介入的，哪些關涉價值判斷和倫理道德的問題必須由決策主體來決斷。學校的行政決策者應加強對智能技術輔助決策方案的反思與批判，從系統化角度審視生成式人工智能技術的局限性，將其視為決策依據的可參考元素而非決定性因素。

（三）推動組織結構的扁平化轉型，優化多元主體權力配置

生成式人工智能在高校治理層面的擴散與應用，將進一步提高治理效率、降低運行成本，并迫使傳統的治理結構發生改變。根據簡·芳汀的觀點，數字技術的發展是推動組織機構扁平化的重要誘因，特別是便捷化數字信息的產生與共享，造成信息的傳遞方式從層層傳遞轉向點對點的精準傳遞[21]。曼紐爾·卡斯特同樣提出數字化背景下的傳統科層組織架構受到沖擊，垂直式的官僚管理結構轉向扁平化組織模式成為趨勢[22]。智能技術在創新內容生成、傳遞信息高效方面的優勢，更進一步創設了高校扁平化組織機構轉型的前提條件。如高校智能報銷系統、人事管理系統等功能的應用，加大了“放管服\"的改革力度，減少」仃政甲批、組織甲查以及簽子盂草寺中間壞節，事實上已經孕育了高校組織扁平化的雛形。為建立與新型人工智能技術相適應的高校組織結構，應改變傳統科層制中的長鏈條架構弊端，消除組織運行僵化和效率低下等弊端。第一，助推科層制組織機構的扁平化，改善科層結構中存在的治理碎片化、條塊分割等問題。智能技術促使治理結構中的協作模式在物理和網絡空間中多層次展開，實現治理結構的多中心化，由“技術賦權\"轉向“技術賦能”，消除單一向度的治理模式掌控，鼓勵學校中多元主體參與治理過程。高校應推動組織機構轉型，形成扁平化、分散化、網絡化的結構形態。引入生成式人工智能技術，減少中間層級，實現信息的快速傳遞和決策的高效執行。構筑網絡綜合治理體系，促進高校不同部門之間的信息共享和協作，提高整體治理效率。第二，高校應打破行政權力過度集中與泛化傾向，完善權力運行的制度體系建設，使多元治理主體的權限配置得以規范化。生成式人工智能的重要作用在于為教育治理提供了充分的彈性空間，能夠在不打破現有機構穩定性的同時，調整優化現有的治理結構[23]。借助生成式人工智能實現權力運行的可視化和智能化，提高治理決策的透明度和科學性。結合埃克韋梅聯邦大學基于智能技術支持的學校變革性教育治理框架，艾克楚庫等歸納了該校利用人工智能建立利益相關者驅動的“開放校園模式”，通過參與式治理引導利益相關者參與高校決策過程，借助于協作和數據共享機制消減抵制變革及保守傳統，進而推動高校組織變革[24]。高校應加強多元參與、協商共治的治理理念，提高治理主體的參與度和滿意度。通過生成式人工智能技術，收集和分析來自不同方面的信息和意見，建立并完善多元參與制度和集體決策體系，明確制度建設的合理合法約束條件，為集體決策提供科學依據。（m＼講ン坦它人兇佃制麻Π塵地云」智能大模型

鑒于生成式人工智能潛在的技術風險，必須加強數據及算法監管，進一步加強對ChatGPT等智能工具使用的規范管理，制定生成式人工智能標準體系，確保生成式人工智能技術在高校治容治理方面的挑戰（比如虛假劣質信息泛濫、充當“知識權威\"而生成的誤導性信息干擾日常決策、初始性信息來源污染導致的全鏈路信息監管難、個人信息保護難、智能生成內容識別難等問題），需要加強數據信息監管、個人隱私數據保護和生成內容鑒別，建立健全相關的政策法規，推動體制機制創新與技術更新迭代。第一，明確生成式人工智能虛假信息治理的運行機制。為消除生成式人工智能中可能產生的虛假教育信息，應明確技術研發方、技術平臺的責權利。對于技術研發者而言，應確保生成式人工智能的算法透明性，遵循基本的教育價值理念與內在規律，防止技術開發人員將過多的個人偏見灌輸給智能機器，要求技術開發者承擔必要的算法修正義務。當出現侵犯隱私和竊取師生個人信息等事件時，開發者應按照規定承擔相應的賠償和追究責任。對于技術應用平臺而言，需要建構虛假信息的識別機制，進行完善的技術審核和數據審查，形成嚴格的數據隱私保護機制，防止數據泄露和信息濫用，制定技術平臺和師生應用智能技術時的行為規范。第二，建立數據安全風險規避機制。生成式人工智能時代的數據安全問題更加凸顯，應設置相應的防范措施，探索建立識別風險、風險預警和風險管控的治理流程[25]。在數據安全風險的識別階段，劃分數據風險類別，提取數據風險來源的基本特征，提升針對高校數據安全的態勢感知、智能化預測和應急處理能力；在數據風險預警階段，能夠發揮物聯網、數據挖掘和機器學習等技術的優勢，快速整合多模態數據并檢測風險源頭，消除高校數字化管理系統中的傳統漏洞、高危端口和弱口令等問題；在數據安全風險防控階段，使用數據安全信息化平臺統計操作報表，追溯泄密事件，利用數據庫防火墻技術阻斷數據安全風險擴散。第三，加快智能技術研發布局，推動實施教育人工智能大模型訓練。加強算法研究和技術創新增強工具的安全性和穩定性，實施教育人工智能大模型專項攻關項目，聯合政產學研用多方力量，賦能高等教育人才培養和教育教學，為推進整體性治理創設智能化場景。借助高質量的科學數據資源、圖譜式知識模塊支持構建教育專屬大模型，利用細粒度的知識提取，構建教學知識資源底座，憑借高質量語料庫與數據集，開展通用人工智能大模型訓練，推進跨領域、跨學科和跨機構的組織協作，提升數據供給水平，優化數據流通環境，加強數據安全保障，建設高質量教肖專屬大模型。

【參考文獻】

[1]張志禎，張玲玲，米天伊，等.大型語言模型會催生學校結構性變革嗎？——基于ChatGPT的前瞻性分析[J].中國遠程教育，2023，43（04）：32-41.

[2]Perri，Diana Leat，Kimberly Seltzer，et al. Towards HolisticGovernance： The New Reform Agenda[M].London： PalgravePress，2002：33-37.

[3]Patrick Dunleavy，Helen Margetts， Simon Bastow，et al.Dig-ital Era Governance：IT Corporations，the State，and E- gov-ernment[M].Oxford：Oxford University Press，2006：25-26.

[4]張海濱，郗永勤.大學治理現代化的價值邏輯、現實困境和路徑選擇[J].中國行政管理，2016（02）：83—87.

[5]金姍姍.高校內部治理碎片化困境及其突破：整體性治理的視角[J].教育發展研究， 2014，34（03）：36-41.

[6]管培俊.人工智能時代的高等教育治理[EB/OL].（2021－05—27）[2025—01-10].https：//www.cahe.edu.cn/site/con-tent/14244.html.

[7]陳林.人工智能嵌入大學治理的理論圖景、價值蘊含與實現路徑[J].高教探索，2024（01）：13—22.

[8]李克勤.高校組織結構的和諧與失諧及其管理策略[J].高等教育研究，2011，32（11）：20-23.

[9]Technology Vision 2024[EB/OL].（2024—01-09）[2025-02-05].https：//www.accenture.com/us-en/insights/technol-ogy/technology—trends-2024.

[10]聯合國教科文組織高等教育創新中心.人工智能時代的高等教育白皮書[EB/OL].[2025-02-05].https：//cn.ichei.org/Uploads/Download/2024-01-05/6597756a3d666.pdf.

[11]（美）道格納斯·C.諾思.經濟史中的結構與變遷[M].陳郁，羅華平，等譯，上海：上海三聯書店，上海人民出版社，2003：72.

[12]OLEARY D E.Artificial Intelligence and Big Data[J].IEEEIntelligent Systems，2013，28（02） ：96-99.

[13]Gkrimpizi T，Peristeras V，Magnisalis I. Classification ofBarriers to Digital Transformation in Higher Education In-stitutions： Systematic Literature Review[J].Education Sci-ences，2023，13（07） ：746.

[14]侯浩翔，鐘婉娟.人工智能視閾下教育治理的技術功用與困境突破[J].電化教育研究，2019，40（04）：37-43+58.

[15]Initial Guidance for Use of Generative AI Tools[EB/OL].（2025—02-19）[2025-03-01].https：//ist.mit.edu/ai-guidance.

[16]2024 Data Breach Investigations Report[EB/OL].[2025-03-01l.htps：//www.verizon.com/business/resources/T3f3/reports/2o24—dbir-data—breach—investigations-report.pdf.

[17]陳金芳，萬作芳.教育治理體系與治理能力現代化的幾點思考［J].教育研究，2016，37（10）：25-31.

[18]陳宇舟，郭星華.“智能化”：破解基層社會治理難題的“技術密碼\"[N].光明日報， 2022-07-20（06）

[19]張成崗，阿柔娜.智慧治理的內涵及其發展趨勢［J].國家治理，2021（09）：3-8.

[20]Machine Learning and Extrapolation：Predicting UniversityofIowa Student Enrollment[EB/OL].[2025-03-01].ht-tps：//www. public - health.uiowa.edu/wp - content/uploads/2o21/07/Coleman—Johnson.pdf.

[21]（美）簡·芳汀.構建虛擬政府[M].邵國松，譯.北京：中國人民大學出版社，2004：53.

[22]（西）曼紐爾·卡斯特.網絡社會的崛起[M].夏鑄九，王志弘，等譯.北京：社會科學文獻出版社，2003：202.

[23]周洪宇，李宇陽.生成式人工智能技術ChatGPT與教育治理現代化——兼論數字化時代的教育治理轉型［J].華東師范大學學報（教育科學版），2023，41（07）：36-46.

[24]UkejeIO，ElomCO，AyanwaleMA，etal.ExploringanInnovative Educational Governance Framework：LeveragingArtificial Intelligence in a Stakeholder-driven' Open CampusModelin South East Nigerian Universities[J].InternationalJournal ofLearning，Teaching and Educational Research，2024，23（06）：416-440.

[25]王福帥.數字化轉型賦能高等教育高質量發展：內涵表征與推進策略[J].江蘇高教，2024（09）：32-36.

基金項目：國家社科基金資助項目“我國高等教育治理現代化關鍵問題研究\"（22STA010）。

Abstract：Generative artificial intelligence is a product of the development of intelligent large一scale language models and natural language processing，presenting advantages such as high information aggregation，strong knowledge creation and logical self consistency，and providing new technological support for the modemization of university govemance systems and governance capabilities. Integrated governance with generative Al is bom to address the issue of fragmentation within organizations，committed to promoting collborative governance across organizational boundaries and involving multiple stakeholders，with a focus on the application of digital technology in the governance process. Due to the path dependence of the system and organizational inertia，the current overall governance of universities is facing challenges such as outdated concepts and thinking pattems among governance subjects，deviation in collaborative decision一making mechanisms，hierarchical govemance structures with poor communication and coordination，and interference from 1 content and privacy risks in the govemance process. To this end，it is necessary to optimize the overallgovernance mechanism of universities，smooth the application path of generative artificial inteligence，promote innovation in the thinking methods and concepts of relevant governance decision一makers，eliminate technological alienation and algorithmic barriers， clarify the division of labor between humans and machines，promote the flat transformation of university organizational structure，enhance the effctiveness and rationality of institutional norms，establish a sound data security governance system，and develop a secure and reliable educational- specific large model.

Key words： generative artificial inteligence；overall govemance of universities； organization structure; decision mechanism;educational model

（責任編輯 鄭昕郁）