李运福 等丨高等教育质量监测国家数据平台现状分析与改进建议

　　【刊载信息】李运福，徐菲，李贝. 2022. 高等教育质量监测国家数据平台现状分析与改进建议[J].中国远程教育（4）：65-75.

　　【摘要】高等教育质量监测国家数据平台是国家层面采集本科教学基本状态数据的重要工具，先后经历了酝酿准备、探索构建和应用完善三个发展阶段，具有为高校自我评估、院校评估、专业认证和评估等活动提供数据支撑以及开展本科教育教学质量常态监测的“双层”作用。现阶段，国家数据平台在数据采集时，数据共用性不够，难以反映高校特色，数据采集周期较长，高校权限不够，对专业认证新理念凸显不够，采集指标时代性不足，对教育评价改革需求支撑度不高，数据中心式存储导致数据安全性、共享性不够，数据分析仅局限于高校发展状态的年度描述，缺少多样化比较分析，难以支撑高校持续改进、变革与发展，制约了“双层”作用的充分发挥。面对上述问题，应对照本科教育改革与评价新要求及时修订、完善数据采集指标，发挥区块链等信息技术优势，实现学生发展全过程数据的伴随式采集、分布式存储和协商式共享，从高校、省域和国家三个层面重构国家数据平台架构，推动国家数据平台升级改造。

　　【关键词】高等教育；质量监测；数据平台；五位一体；区块链；星际文件系统；改进建议

　　一、

　　引言

　　2020年2月，中共中央办公厅、国务院办公厅发布的《关于深化新时代教育督导体制机制改革的意见》明确提出“大力强化信息技术手段应用，充分利用互联网、大数据、云计算等开展督导评估监测工作”“整合构建全国统一、分级使用、开放共享的教育督导信息化管理平台，逐步形成由现代信息技术和大数据支撑的智能化督导体系，提高教育督导的信息化、科学化水平”。同年10月，《深化新时代教育评价改革总体方案》明确提出“坚持科学有效，改进结果评价，强化过程评价，探索增值评价，健全综合评价，充分利用信息技术，提高教育评价的科学性、专业性、客观性”，进一步指明了新时代教育评价改革的基本路向。2021年7月，在高质量教育体系建设的背景下，教育部等六部门联合发布了《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》（教科信〔2021〕2号），明确指出平台体系是新型基础设施体系建设的主要聚焦点之一。

　　高等教育质量监测国家数据平台（以下简称“国家数据平台”）是国家层面采集本科教学基本状态数据、常态化监测高等教育质量的重要手段，是教育信息化新型基础设施中平台体系建设的重要内容。教育信息化新型基础设施不仅要具有科学、合理的教育数据治理体系，能对数据获取、处理、使用全生命周期进行监管，还要能对多源异构的海量数据进行挖掘，发现规律，提升数据价值（祝智庭, 等, 2021）。在深化教育评价改革的背景下，回顾国家数据平台建设与发展历程，剖析其在高等教育质量保障中的作用与存在的主要问题，结合高等教育治理体系与治理能力现代化建设的新目标、高等教育变革发展的新要求、高等教育评估理论的新发展和信息技术在教育领域应用的新突破，探讨“十四五”时期国家数据平台的升级改造，对全面发挥国家数据平台评估导向作用、提升人才培养质量有着重大的现实意义。

　　二、

　　文献梳理与分析

　　数据是智慧教育时代的核心要素之一。全面掌握教育数据，挖掘教育数据的潜在价值，发展教育大数据，以数据驱动提升高等教育质量，推动教育变革，已经成为全球高等教育改革和发展的共识和战略选择（舒华, 2021）。在数据驱动教育高质量发展的背景下，高等教育数据治理研究取得了丰富成果。

　　国内学者聚焦高等教育数据治理基础理论研究已取得丰富成果。许晓东等（2015）认为数据治理是对数据资产管理行使权利和控制的活动集合，包括数据获取和抽取、整合和分析、解释和预测三个阶段；刘金松（2018）认为高等教育数据治理是一个由高等教育治理和数据治理两个概念合成的概念，从“高等教育治理”中提取了治理领域和治理目标等要素，从“数据治理”中提取了数据治理技术和程序等要素，受政策驱动、需求驱动和技术驱动三个要素的影响，高等教育治理工作逐渐转向数据治理。大数据与高等教育治理的耦合，实现了高等教育从单一中心行政主导向多元化分权治理转型，建构了基于数据分布的政府、市场、社会多元共治的权力结构（张宏宝, 2016）。高校在构建大数据治理体系时应坚持业务匹配原则、需求导向原则、集约推进原则，具体策略主要有制订数据标准、增加制度供给、强化风险管控、试行成效评估和注重应用开发（吴刚, 2018）。从宏观层面来说，高校应做好数据治理顶层设计，由权责体系负责落实，采用信息技术给予保障，通过分析应用持续推进（彭雪涛, 2017）。数据治理的深入落实，必然推动教育评价变革。大数据时代教育评价变革的逻辑基础是数据无损采集增强评价依据的可靠性，逻辑取向是价值精准判断提升数据解读的有效性，逻辑旨归是评价结果高效交付促进互动反馈的实时性（朱德全, 等, 2019）。

　　以上基础理论研究从不同层面和视角对高等教育数据治理的内涵、策略以及教育评价变革的逻辑等进行了分析，为不同层面高等教育数据治理实施方案、建议以及相关数据平台研究提供了很好的借鉴。

　　首先，高校层面数据治理研究主要指向个性化学习与差异性教学和科学评价，全面提升学校智慧化教育服务质量。从活动理论来看，高校数据治理体系构成要素包括治理目标、治理主体、治理客体、治理原则、治理方式和治理工具等（董晓辉, 2021）。在具体实施中，可按照划分治理层次、明确治理目标、搭建教育大数据平台、构建用户画像系统、提供教育治理应用服务五个步骤，落实基于用户画像的高等教育治理实施方案（于方, 等, 2019）。在智慧校园建设的背景下，高校应将数据治理作为一项长期工作，相关建设内容包括体系架构、政策制度、数据治理组织、数据标准、元数据、数据质量、数据资产、数据安全和数据集成九个单元内容（余鹏, 等, 2020）。从上述分析可以看出，数据平台是落实高校数据治理方案的关键。目前，有关高校层面数据平台的研究涵盖创新创业教育和在线教育等多个领域。郑石明（2016）构建了创新创业教育大数据平台，提高创新创业教育的科学性；黄太进等（2021）通过构建学生标签大数据平台，实现了学生与网络课程的精准适配；徐欣等（Xu, et al., 2018）建立了智慧校园教育数据采集与存储平台的框架模型，为高校智能校园建设提供了参考模型；张贵刚等（Zhang, et al., 2016）提出了在线教育大数据平台框架；克巴杜等（Qbadou, et al., 2017）建立了智能教学平台，能够跟踪学生的学习进度，实时记录和深度分析教学活动中生成的各种数据，为教师和管理员调整教学活动提供支撑。面对数据平台建设和应用中校内数据孤岛的现实问题，中台技术的应用为优化数据治理、打破各业务模块之间存在的数据壁垒提供了重要支撑（翟雪松, 等, 2021）。

　　其次，区域教育数据治理层面主要聚焦于开放教育数据，支撑教育发展科学决策，指向精细化管理。面对我国区域教育数据开放在许可和隐私保护，平台功能和服务水平，数据归集、发布和更新，数据价值和质量，以及数据利用等方面存在的问题，应制定和完善教育数据开放的法律法规以及管理、评价与监督体系，注重数据开放标准和数据质量控制，吸引专业人士和机构参与，鼓励全民应用（李青, 等, 2021）。为强化数据赋能，应以数据驱动的方式建立区域教育治理评价指标体系，更新区域教育治理的数据采集、存储与处理技术，在监测与评价基础上发挥大数据的教育预测与预警功能，以多元异构大数据的融合分析促进区域教育资源的贯通，并建立区域教育治理大数据安全运行机制（宋宇, 等, 2020）。

　　最后，国家数据治理层面主要聚焦于国家数据平台的建设和完善。大数据的发展为优化高校本科教学评估提供了机遇，在基于教学基本状态数据库系统的本科教学评估中，应从挖掘公众需求新动向、增加社会评价和完善数据治理三个方面将大数据应用到本科教学评估中，为提高本科教学质量提供决策参考（许晓东, 等, 2017）。国家数据平台的建设方法可概括为：科学采集数据粒度，拓展平台数据资源；建立主题数据仓库，强化数据整合能力；提升挖掘与分析技术，提高辅助决策能力；创新数据呈现形式，回应用户现实需求（王战军, 等, 2016）。其建设路径主要包括完善信息公开制度、树立多元主体共享的目标、持续拓展数据采集的途径、不断完善反馈机制、全面加强文化建设等（乔刚, 等, 2017）。此外，区块链技术的发展和应用，为国家层面数据治理提出了新方案。如针对教育政务数据开放中存在的开放数据的总量不足、质量不高、效果欠佳、安全性不高和保障机制不健全等问题，可以构建以联盟链为核心的教育政务数据开放平台架构，促进数据的协同共治和分层开放（郑旭东, 等, 2021）。此外，从国际视野来看，英国大学生调查、学生个性化学习记录、英国高等教育统计局、高校毕业生就业去向等数据采集平台为英国卓越教学评估的实施提供了有力支撑（郑浩, 2017）。美国大学生满意度测评体系、学生满意度调查、辍学学生调查、校友满意度调查、学生需求评估调查以及毕业生调查等数据采集平台为实现教育服务质量和教育结果的动态监测提供有力数据支持（杨秀芹, 等, 2017）。

　　“十四五”期间，基于数据驱动的高质量教育体系建设已上升为国家战略。国内学者对高等教育数据治理的理论研究为基于数据驱动的教育改革提供了重要的理论指导。现有研究以高校层面数据治理研究为主，数据平台建设是落实动态监测评估理念，实现数据深度治理的关键。这充分体现了高校数据治理在教育治理体系和治理能力现代化建设中的基础地位以及对数据平台建设的高度关注。然而，我国高等教育发展面临不平衡、不充分的问题，不同区域教育发展进程和主要问题也存在差异，教育治理只有与区域高等教育实际相结合才能更富有针对性和实效性。在高质量教育体系建设的背景下，基于数据治理的高等教育区域均衡发展的研究却相对不足，且基于国家数据平台的国家层面、区域层面、高校层面教育治理的系统性研究不足，在很大程度上制约了评估导向的国家高等教育治理体系和治理能力现代化的整体性推进。

　　在上述分析的基础上，本研究提出以下研究问题：在国家教育数据治理的发展过程中，国家数据平台经历了怎样的发展历程，发挥了什么作用？面对高等教育改革与评估的新要求，国家数据平台在数据治理中存在哪些问题或不足？如何在已有理论研究的基础上充分发挥信息技术优势，促进国家数据平台升级改造，全面发挥其对国家、区域、高校三个层面高等教育改革和发展的支撑作用？

　　三、

　　国家数据平台现状分析

　　（一）国家数据平台发展历程

　　国家数据平台的建设和发展与我国高等教育评估事业的发展密切相关，是我国高等教育质量评估实践探索的重要成果。截至目前，通过对高等教育评估政策文件的梳理，本研究将国家数据平台的建设和发展归纳为酝酿准备、探索构建和应用完善三个阶段。

　　1. 酝酿准备阶段

　　改革开放后，高等教育评估对高等教育质量的科学价值判断和激励引导功能得到广泛关注和认可，高等教育评估制度的确立和教育体制改革同步被纳入国家顶层设计。为增强学校适应当地经济社会发展的活力，1985年颁布的《中共中央关于教育体制改革的决定》明确提出要扩大高等学校办学自主权，但同时也要求教育管理部门组织教育界、知识界和用人部门定期对高等学校的办学水平进行评估。在这样的背景下，如何在扩大高校办学自主权的同时，强化国家对高校教育教学工作状态的宏观掌控，成为当时高等教育改革发展所面临的重大问题。自此，推动了我国高等教育质量保障体系的探索、建立和完善，同时高校教学状态数据采集工作也引起了国家的高度关注和重视，并逐步酝酿。

　　为加强对高校教学工作的宏观调控，1994年颁布的《关于加强普通高等学校教学工作的意见》明确提出要建立高等学校教学工作状态数据统计和公布制度，要求各高校每年10月份对上一学年教学工作状态数据进行统计，国家在此基础上分析和掌握高等教育教学工作的宏观运行状态。1998年颁布了《关于进一步做好普通高等学校本科教学工作评价的若干意见》明确提出要改进和完善高等学校本科教学工作评价方案，建立高等学校教学工作评价信息系统。2004年颁布的《2003—2007年教育振兴行动计划》明确指出要加强高等学校教学质量评估信息系统建设，形成评估指标体系，建立教学状态数据统计、分析和定期发布制度。系列政策文件的发布标志着国家对高校教育教学工作宏观顶层设计的不断成熟和完善，同时也为国家数据平台的建设及其在系列评估活动中的协同应用奠定了基础。

　　2. 探索构建阶段

　　随着高等教育发展规模和高校办学自主权的扩大，国家越来越意识到构建教学基本状态数据库对进一步加强国家对高等教育教学工作宏观管理和指导的重要意义。2003年，国家启动了本科教学工作水平评估，并建立5年一周期的全国高等学校本科教学质量评估制度，并将教育部每年采集、公布的学校教学基本状态数据和基本办学条件数据作为确定学校水平评估结论的重要依据之一。回顾、总结本科教学水平评估工作时发现，虽然周期性教学评估制度是教育部审时度势、借鉴国外评估经验提出的提高高等教育质量的关键举措，是我国高等教育改革和发展过程中的一项重大制度创新（吴岩, 2014, p.55），但周期性评估也存在其固有缺陷，即外部性和周期长。外部性使高校被动应对评估，把评估视为一项突击性工作；周期长容易导致教学质量评价和改进不能连续。在这样的背景下，教育部高等教育司从高等学校本科教学质量与教学改革工程中拨付专款，联合教育部高等教育教学评估中心共同建设“高校教学基本状态数据库系统”，并作为新一轮评估制度的首要创新（吴岩, 2014, p.164）。这标志着教学基本状态数据库建设正式启动。

　　2008年，教育部成立课题组，正式开发“高校本科教学基本状态数据库”，经过一年研究形成了本科教学基本状态数据库的整体框架和采集数据项。之后，历时两年左右，教育部高等教育教学评估中心利用教学基本状态数据库分别对不同层次、不同类别的高校开展多次试采集，并根据采集情况对整体框架和数据项进行修订完善，使数据库的结构基本稳定。国家数据平台的建设和使用，弥补了周期性评估的不足，为我国高等教育质量评估开辟了“第二条评估道路”（吴岩, 2014, p.66），推动了我国高等教育评估的数字化、信息化建设，提升了高等教育评估的针对性、快捷性、精准性和持续性。

　　3. 应用完善阶段

　　2011年，教育部发布的《关于普通高等学校本科教学评估工作的意见》明确指出，教学基本状态数据常态监测是新一轮高校评估的主要方式之一。同年，教育部高等教育教学评估中心受教育部高等教育司委托，正式在全国新建本科院校中开始数据年度采集。随着信息技术的不断发展和高校评估对数据采集需求的不断增加，2013年教育部高等教育教学评估中心对教学基本状态数据库进行了升级，既保留了原有数据库的核心特色，又专门研制开发了数据分析系统，可针对不同高校不同需求实现快速定制，并建立了数据关联，增加了数据校验功能，增强了数据的有效性，实现了数据填报流程管理，增加了审核功能，实现了教学基本状态数据库1.0向国家数据平台2.0的升级，并启动审核评估试点高校的数据采集工作。

　　时任教育部部长袁贵仁（2016）在全国教育工作会议上的讲话中提出“完善全国高等教育质量常态监测国家数据平台，增强学生、家长选择透明度，引导高校调整类型定位”“要坚持公开是常态、不公开是例外，高校本科教学评估报告、专业评估报告、教学质量年度报告、就业质量年度报告、教学质量常态监测数据都要向社会公开，并成为今后加强和改进一流大学一流学科建设的基本数据”，对国家数据平台的完善提出了新要求。教育部高等教育教学评估中心根据高等教育评估的新需求，进一步拓展高校数据采集范围，增强国家数据平台数据分析功能，将其升级为国家数据平台3.0版，除对国家高等教育教学质量进行基本监测外，进一步提升了对院校评估、专业认证、国际评估、多维排名、常态监测、满意度、跟踪评价、国家系列质量报告、服务各级教育主管部门等业务的支撑力度。

　　（二）国家数据平台的“双重”作用

　　通过合格评估（1994—2002年）、优秀评估（1996—2000年）、随机评估（1999—2001年）和水平评估（2003—2008年）的实践探索，我国形成了“五位一体”的中国高等教育评估制度。所谓“五位一体”，是指学校的自我评估、政府力推的分类院校评估（包括合格评估和审核评估）、行业参与的专业认证与评估、实质等效的国际评估和以数据库为基础的常态监测等多主体、多形式的有机结合（吴岩, 2014）。从“五位一体”的层面来说，五种评估活动相互支撑，融为一体；从中国高等教育教学评价体系来说，五种评估活动对保障高等教育教学质量分别扮演着不同的角色，承担着不同的使命。因此，通过对国家数据平台发展历程的梳理与分析，它在不同层面发挥着不同的作用，与各项评估活动既相互协同，又各有定位。

　　第一，为“五位一体”评估体系中评估活动的实施提供数据支撑。从已有实践来看，国家数据平台主要对高校自我评估、院校评估、专业认证和评估的开展发挥了较多的协同作用，对国际评估的协同作用发挥尚不显著。国家数据平台的协同作用主要表现在以下几点：各高校通过本科教学基本状态数据的填报，对照评估指标完成自查、自建工作，为高校自评报告、校长报告、本科教学质量报告等评估材料的建设提供精准的数据支撑；数据填报完成后，国家数据平台生成高校本科教学基本状态数据报告，与高校自评报告等质性材料一并提前提供给评估专家，使评估专家进校考察前能更为全面地了解被评高校。

　　第二，对全国高校本科教育教学质量开展常态监测。国家数据平台是国家教育督导信息化建设的重要组成部分。基于国家数据平台开展本科教育教学质量常态监测，是构建新型督导体系的重要内容。全国各高校每年都会按照教育部教育督导局的要求，在一定期限内通过国家数据平台上报学校本科教学基本状态数据。在数据采集的基础上，各高校、各省（市）教育行政部门及教育部通过对数据的深度分析，形成并向社会发布系列质量报告，实现国家及各级教育行政部门对高等教育发展状态的常态监测，既为各级教育行政部门教育决策与发展规划的制定提供精准、科学的数据支撑，同时也是社会大众了解、监督高等教育发展质量的重要途径。

　　（三）国家数据平台存在的主要问题

　　近年来，本科教育在高等教育体系中的重要地位受到了前所未有的关注和重视。为深化新时代本科教育改革，我国先后发布了系列政策文件，如《教育部关于深化本科教育教学改革全面提高人才培养质量的意见》《深化新时代教育评价改革总体方案》等。这对基于国家数据平台的高校本科教学状态常态化监测提出了新的要求。此外，为充分发挥评估在深化本科教育改革中的导向作用，我国继续深化实施了工程教育认证、师范专业认证、医学认证、本科教学工作合格评估以及新一轮审核评估，这对“五位一体”内国家数据平台对各类评估活动支撑作用的发挥带来新的任务。因此，面对本科教育全面深化改革的新要求以及各类评估活动的新需求，进一步明确国家数据平台存在的主要问题，并充分发挥信息技术优势推进国家数据平台升级改造，更好地服务本科教育改革和各类评估活动，支撑高质量教育体系建设，是“十四五”时期国家数据平台建设的主要任务。

　　为全面了解国家数据平台存在的主要问题，在陕西省教育厅的支持下项目组成员采用多种方式对省内18所本科高校开展了调研。其中，对16所高校采取进校集中座谈调研，对1所高校采用在线集中座谈调研，对1所高校采用“报送总结报告+电话咨询”的方式开展调研。参与调研座谈的人员主要涉及高校教学管理、人事管理、学生管理、信息化管理等数据填报部门负责人和具体填报人员，累计200余人。调研高校类型多样，包括4所双一流建设高校、6所省属高水平大学、5所普通公办本科高校、3所民办本科高校。每所高校调研结束后，调研组对调研情况进行及时总结，并协同补充完善，最终累计完成18份调研报告（其中1份为高校报送的总结报告），编码为R1-R18。之后采用Nvivo8.0按照开放式编码、主轴编码、核心编码的步骤对18份调研报告进行编码分析，结果如表1所示。

　　表1 国家数据平台存在的主要问题编码结果

　　

　　通过编码可以发现，国家数据平台存在的主要问题涵盖数据采集、数据存储、数据分析和数据应用四个层面，累计390个节点。其中，数据采集的节点数最多，占总节点数的65.90%。这充分表明高校对数据采集的高度关注以及数据采集在国家数据平台建设和作用发挥中的基础地位。数据分析与数据应用的编码节点相差无几，表明数据分析与数据应用密切关联，是数据应用的基础。

　　首先，数据采集方面存在的问题可概括为以下六个方面。

　　1. 共用性不够

　　国家数据平台与高校、省级和国家级已有平台数据采集口径不一致，难以相互共用。如调研高校提到：“与高等教育事业基层统计报表采集的内容在数据内涵、时间节点等存在较大差异，建议统一指标内涵和时间节点，方便学校准备数据，减轻学校填报负担。”（R2）“高等教育事业基层统计报表统计的数据较为宏观，状态数据统计得较为微观，对统计口径相同的数据，高基表完全可以从基本状态数据采集的基础上计算生成，不必重复采集和计算，提高数据采集效率。”（R5）

　　2. 特色性不足

　　数据采集精细度、精准度不够，且采集内容单一，难以有效反映不同类别、不同层次高校教学状况和学校人才培养特色。如调研高校提到：“为强化校企协同育人，我校与校外企业联合组建了一定数量的工作室，开展社会服务，每年对学校的贡献多达几千万元，但是这样的特色、亮点在数据填报时却很难体现。”（R8）“我校在服务地方、产学研合作、教育扶贫、协同育人等方面的做了大量的工作，形成了自己的办学特色，但是无法通过数据采集来体现。”（R11）“我校有很多农场，但农场属于农业用地，在一些数据填报中难以统计。对于临床医学类院校，增加了临床基地的统计，对于新工科、新农科、新医科以及新文科的数据统计建议也增加一些个性化的数据统计。”（R13）

　　3. 实时性较弱

　　国家数据平台定期开放，采集期限一般为每年9月至11月，数据采集间隔周期较长，难以实现教学状态数据的常态采集和教学状态的动态监测。如调研高校提到：“国家数据平台应该进一步细化校内服务功能，使高校可以自行采集数据、自动生成报告并及时根据报告改进教学工作。”（R17）

　　4. 权限有限性突出

　　高校数据填报人员权限有限，不能根据人才培养实际在不同学科专业间自主分配共有教学资源，对教育资源共享及交叉学科建设的引导性和支撑性不够。如调研高校提到：“学校很多实验室是几个专业共享的，在具体填报时难以分割。”（R2）此外，数据提交后，高校不能自行导出和修改数据，参与评估的高校为保障国家数据平台数据填报达到理想状态，往往都会使用市场采购的与国家数据平台功能类似的数据填报系统多次“试”填报，这样额外增加了高校财政负担，同时也增加了高校对国家数据采集的应付心态，数据存在对标被“美化”的风险，数据真实性难以保证，增加了“数据泡沫”的风险。

　　5. 新理念凸显不够

　　现有国家数据平台对“学生中心、成果导向、持续改进”的评估新理念体现不够充分。如调研高校提到：“本科生学习成效侧重于各类竞赛获奖、发表学术论文、获准专利、英语四/六级过关率以及参加国际会议人次等数据的采集，这容易导致高校对‘结果’的片面追求，忽视学生的全面发展，未能充分体现学生中心、成果导向的认证理念。”（R1）“数据采集过于注重学校人才培养绩效的中性或积极数据的采集，对学生辍学率、学生分流情况等负面数据的采集较少，难以突出高校人才培养中存在的问题，在很大程度上弱化了国家数据平台以问题为导向推进高校持续改进的引导作用。”（R14）

　　6. 时代性不明显

　　数据采集内容未能充分体现和引领高校信息化变革。如调研高校提到“数字时代，学生的阅读方式逐渐由纸质阅读转向数字化阅读，而国家数据平台对高校数字教育资源建设和应用数据的统计并不是非常丰富，依然强调纸质图书藏量和生均年增长量的考核。”（R5）“校园网（时点）统计的数据过于陈旧，与教育信息化和高校教育治理现代化的时代背景和要求不符，建议更新指标项，凸显信息化教学、教育信息化或智慧校园等相关指标的统计。”（R12）

　　其次，数据存储方面存在的主要问题为中心化存储导致的数据安全与共享问题。现阶段，国家数据平台主要采用各高校为数据报送终端的中心化存储，这种存储模式的弊端主要体现在容易导致网络拥堵，数据容易丢失、被盗或被改写，数据安全隐患较高，且导致各高校犹如“数据孤岛”，校际之间、区域之间难以实现数据协商式共享。

　　最后，数据分析与应用方面存在的主要问题表现为现有数据分析只局限于学校层面的自我现状分析，缺少专业层面的自我分析和历年发展状况的对比分析以及与其他高校多维度的横向对比分析，不利于高校之间的相互借鉴和协同发展。如调研高校针对国家数据平台未来发展纷纷提到：“希望通过国家教学质量监测数据平台得到校内具体专业的详细信息，以帮助学校开展专业自我评估。同时，希望平台的数据分析能够覆盖更多课程方面的数据，为高校提高教学质量提供决策和依据。”（R6）“希望通过平台将每个省的基本指标做成条件指标仪表盘，并共享给本省相关高校参考借鉴；将省内高校的一些数据达标情况提供给同类型、同性质的院校交流学习，从而帮助学校开展常态化的自我评估和监控。”（R9）“加大评估数据对教学质量改进的引导作用，建议将系统的数据分析报告导出功能开放给学校使用，使学校及时了解教学实际情况，将部分主要指标按照高校类型、所在区域、办学定位、专业大类等提供常模值，供高校对标和参考。”（R15）“现有的国家数据平台对学校质量改进的作用并没有发挥出来，对学院、专业改进的刺激力度不大，数据反馈和应用应该进一步聚焦到学校、学院和专业。”（R17）

　　四、

　　国家数据平台改进建议

　　习近平总书记指出“信息化为中华民族带来了千载难逢的机遇”，“我们必须敏锐抓住信息化发展的历史机遇”。本研究在梳理分析国家数据平台发展历程、作用以及存在问题的基础上，以“改进结果评价，强化过程评价，探索增值评价，健全综合评价，充分利用信息技术，提高教育评价的科学性、专业性、客观性”为主要原则，以“目标导向、问题导向、结果导向相统一”为方法论指导，以“学生中心、成果导向、持续改进”为理念指导，促进国家数据平台“双层”作用的有效发挥为目的，充分发挥区块链、人工智能、大数据等新兴技术的优势，对国家数据平台的改进和完善提出以下两点建议。

　　（一）对标新时代教育改革与评价新需求，修订完善数据采集项目

　　现阶段，国家数据平台采集内容主要包括学校基本信息、学校基本条件、教职工信息、学科专业、人才培养、学生信息、教学管理和质量监控七大类，以及师范类、临床医学类和工科类专业的补充信息，数据采集范围广、内容全，对合格评估、审核评估、各类专业认证以及国家、省域、校级教学质量监测和质量报告撰写提供了有力支持。然而，随着新时代高等教育评价改革的不断深化，国家数据平台现有数据采集项在一定程度上难以有效支撑各类评估活动的开展，限制了国家数据平台对高校自我评估、院校评估、专业认证及评估等活动支撑作用的发挥。因此，对标新时代教育改革与评价新要求及时修订完善数据采集项目，是保障国家数据平台基础作用发挥的基本要求。

　　在学校基本条件数据采集部分，面对《教育部关于深化本科教育教学改革全面提高人才培养质量的意见》（教高〔2019〕6号）明确提出的“高校要以院系为单位，加强教研室、课程模块教学团队、课程组等基层教学组织建设”要求，以及新一轮审核评估定量指标要求统计“基层教学组织占专业总数的比例”，建议在现有的“学校基层教学组织”的统计中增加“归属教学单位名称”“归属教学单位代码”“服务专业名称”“服务专业代码”的统计。面对新一轮审核评估定量指标中要求统计“与行业企业共建的实验教学中心数”的需求，建议在“本科实验场所（时点）”后增加“是否与行业企业共建”的字段。

　　在教职工信息采集中，面对《新时代高等学校思想政治理论课教师队伍建设规定》（中华人民共和国教育部令第46号）提出的“高等学校应当根据全日制在校生总数，严格按照师生比不低于1∶350的比例核定专职思政课教师岗位”的要求，应在“教职工其他信息”增加“是否专职思政课教师”字段。为凸显基层教学组织在学校教学管理中的重要作用，建议将“相关管理人员基本信息”中教学管理人员的类型扩展至基层教学组织负责人等。

　　在课程数据采集中，面对新一轮审核评估中定量指标要求统计“入选国家一流课程建设的课程门数占课程总门数的比例”“入选来华留学品牌课程数量”的要求，在“优势课程建设情况”统计中增加填报省级、国家级一流课程（包括国家精品在线开放课程和入选来华留学品牌课程）以及“双万计划”建设课程。为强化学生美育、劳动教育培养，应在“有关课程情况表”的课程类型中增加“文体类课程”，等等。

　　在学生数据采集中，面对新一轮审核评估的定量审核指标中要求统计“国家‘六卓越一拔尖’计划培养在校学生数占学生总数的比例”，应在“本科生基本情况”中增加“六卓越一拔尖培养计划类型”及其学生规模的统计，等等。

　　（二）对标监测评估特点，优化数据采集和存储方式

　　监测评估最早是由政府、国际组织和一些非政府组织用于对项目实施过程和阶段性产出进行实时跟踪或监督，以保障其按照预期规划推进，确保项目实现预期目标或期望收益的主要方式。监测与评估的有效衔接是监测评估区别于其他评估方式的显著特征，注重项目推进过程中不同阶段的进展状况，实现了过程监测与结果评估相统一。在“互联网+”时代，高等教育监测评估是一种基于数据驱动的密集型评估，具有时间尺度密集、空间尺度多样、价值尺度多元的特点。其中，时间尺度密集要求实现对高校发展状态数据的实时动态采集，旨在更好地服务高校的持续改进；空间尺度多样要求多来源、多层次、多类型和多粒度数据的采集，旨在更精准地服务科学决策；价值尺度多元要求多主体的共同参与及多元主体价值需求的满足，旨在更好地服务多元化判断（王战军, 等, 2015）。此外，空间尺度多样化面向的是数据存储层面，价值尺度多元则倾向于数据应用层面，数据存储方式决定了数据的应用价值。因此，本研究着重从以下两个层面对推进国家数据平台监测评估功能的发挥进行探讨。

　　1. 注重学生发展全过程数据的伴随式采集和科学分析

　　人才培养、科学研究、社会服务、文化传承创新和国际交流合作是高等学校的五大基本职能，且统一于“立德树人”的核心任务之上。强化立德树人的评估有助于坚守人才培养的政治方向、科学研究的学术取向、社会服务的价值导向、文化传承创新的文化自信以及国际交流合作的中国立场（朱孔京, 2020）。在讨论立德树人的具体问题时，它具有一定的社会性和时代性，反映了一个时期社会政治、经济、文化、科技等方面的特殊要求。这就要求国家数据平台在改进中应根据社会各方面要求，以立德树人为核心，重构教师、课程、专业等数据项，形成学生发展框架和评估指标体系，注重学生从入学到毕业整个发展过程数据的精准采集、安全存储和深度分析，进而实现对学校人才培养质量的过程性评估和增值性评估及学校教学、科研、社会服务等人才培养各要素投入的动态调整。然而，现阶段高校评估体系仍主要停留在传统指标层面，未能体现跟踪评估高校的动态结果，无法实现评估体系的智能化服务（余波, 等, 2021）。

　　近年来，以大数据、人工智能、物联网为核心技术的智慧校园和智慧课堂的建设及应用，为学生发展全过程数据的伴随式采集、学生发展状态的动态监测和评估奠定了基础。伴随式数据采集在教育治理中的重要价值引起了诸多国家和高校的高度重视，如普林斯顿大学较早成立了国家教育追踪数据分析中心。然而，出于信息安全等方面的考虑，国内有少数学者在部分地区或个别学校开展了伴随式数据的个案研究，总体上尚未用于教育评价。在大力推进智慧校园、智慧课堂建设的背景下，高校进一步实现了全域网络覆盖、智能终端全面普及，使“互联网+”时代高校人才培养过程中实在信息的伴随式采集成为可能。然而，各高校现有教务、人事、招生、就业等各数据系统或平台“孤岛”现象严重，且尚未实现与国家数据平台的有效对接。鉴于此，本研究采用中台技术实现高校现有各类平台间的数据共享及其与星际文件系统（Inter Planetary File System，IPFS）集群存储的转化，融入区块链技术，构建了基于学生发展全过程数据伴随式采集的人才培养投入要素优化模型（如图1所示）。

　　

　　图1 基于全过程数据采集的高校人才培养投入要素优化

　　在人才培养方案执行过程中，采用智能终端伴随式采集人才培养的各类状态数据，通过中台技术将采集数据转变为高校IPFS私有集群存储，并通过Hash值实现IPFS私有集群数据和区块链数据的相互传递，实现数据的链上链下混合存储。区块链具有很强的时间戳技术，可精准记录每一次数据采集，且区块链技术和物联网技术的应用能够很好地解决溯源信息的真实性问题。因此，随着人才培养状态数据的采集和维护，通过API接口连接数据溯源平台，定期分析同一状态数据在不同时间的变化情况，明确人才培养中要素投入存在的关键问题，并及时存储。相关职能部门和教学单位在智能合约的作用下，以问题为导向，对人才培养投入要素进行持续、精准优化，进而推动高校人才培养、科学研究、社会服务、文化传承创新和国际交流合作等基本职能的不断优化，实现“问题导向”的高校自我改进和发展。

　　2. 实现数据的分布式存储和协商式共享

　　去中心化的分布式存储是数据存储技术发展的必然趋势。区块链技术的出现进一步推动了分布式存储技术的变革。从形式上看，区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构。每个区块主要包含三个部分：数据信息，具体的信息类型与区块链协议规定相关；哈希值，表明区块内包含的所有信息；哈希指针，包含上一个区块的哈希值，表明上一个区块的信息。哈希指针可以将区块一个个连接起来形成“区块链”。从技术本质上看，区块链可以理解为一个由多个节点共同维护、能够系统运转的数据库储存系统，是去中心化技术、信息加密技术、共识机制等多种技术的集大成者（靳毅, 2019）。与传统的分布式存储相比，区块链是一种特殊的分布式存储，“特殊”主要体现在负责存储数据的每个节点都是独立个体，是一个完整的数据库，节点之间彼此制约，哈希算法使文件体积大大减小，提升了数据存储容量。同时，加密技术让数据隐私性更强，数据不会被篡改，再加之数据存储在多个节点，又增强了数据的安全性。

　　教育数据的安全存储与有效共享是实现教育治理体系和治理能力现代化的重要基础。高等教育体系庞大，以及基于数据治理精准决策的需求，决定了数据存储量巨大，且历史数据完整存储是教育大数据的明显特点。基于区块链的数据分布式存储不可篡改、不可伪造，智能合约能让各数据终端高效协同，从而建立可信的教育大数据治理秩序，有效提高数据流转效率，打破数据孤岛。在高等教育普及化、智能化发展的新阶段，区块链技术的应用能够为国家数据平台数据存储方式优化及数据安全共享提供更好的解决方案。在上述讨论的基础上，本研究构建了基于区块链的国家数据平台分布式存储理论模型（如图2所示）和基于智能合约的高校数据协商式共享理论模型（如图3所示）。

　　

　　图2 基于区块链的分布式存储理论模型

　　

　　图3 基于智能合约的数据协商式共享理论模型

　　图2为基于区块链的分布式存储理论模型，主要完成高校数据存储和共享两个功能。在数据存储方面，该模型采用链上链下的存储方式，由私有IPFS集群、高校私有链、省域联盟链和国家联盟链四部分协同完成。每一所高校内部形成一条私有链，其中私有链中的节点分别对应高校中的不同部门；同一省内所有高校私有链组成一个省域联盟链，链中每一个节点对应一个特定的高校私有链。同时，为实现数据存储的协商式管理，将多个省域联盟链构成一条国家联盟链，链中每一个节点对应一条省域联盟链。在实际操作中，将各高校采集的原始数据存储在私有IPFS集群中并生成对应的IPFS Hash，使用IPFS Hash配合区块链上的智能合约实现高校数据的保护、共享与溯源，实现了现有国家数据平台从中心化存储向分布式存储的转变。

　　为实现数据的协商式共享，数据拥有高校和请求共享高校在共同协商的基础上，形成数据共享智能合约。不同高校之间通过智能合约、私有IPFS集群、密码学来实现安全可靠的数据共享。此过程中的用户分为数据拥有者（数据拥有高校）和数据请求者（数据请求高校）两种类型。数据共享的具体过程分为以下四个部分：①发布请求，数据请求高校通过智能合约在区块链上发布数据共享请求，同时将自己的公钥发送给数据拥有高校；②响应请求，数据拥有高校响应数据请求高校的请求，即使用数据请求高校的公钥加密IPFS Hash；③数据上链，数据拥有高校将加密后的IPFS Hash通过智能合约上传到区块链上；④获取数据，数据请求高校通过智能合约在区块链上获取到加密的IPFS Hash，使用自己的私钥解密并从私有IPFS集群中获取数据。同时，上述数据共享过程保留在区块链中，以便后期进行溯源。通过数据的协商式共享可以实现高校在“标杆导向”的追赶超越中不断改革和发展。

　　五、

　　结语

　　国家数据平台是新基建的重要内容，监测评估是高等教育评估改革的重要理念。充分发挥国家数据平台的功能，推动高校发展状态的自我监测和评估是实现省域、国家层面高等教育发展状态监测评估的基础。在教育信息化2.0时代，智慧校园、智慧课堂的建设和应用为高等教育人才培养全过程数据的伴随式采集、分布式存储和协商式共享奠定了基础。本研究在梳理分析国家数据平台发展历程和存在的主要问题基础上，以问题为导向，以监测评估为指引，重视发挥高校在国家数据平台中的基础作用，从对标新时代教育与评价改革新需求修订完善数据采集项目、对标监测评估特点优化数据采集和存储方式两个方面，对国家数据平台改进提出了有针对性的建议，推动了国家数据平台数据存储方式由中心存储向分布式存储转变，数据采集由静态周期性采集向动态实时采集转变，数据应用的价值取向更加注重对高校发展状态持续改进的引导和数据资源的共享，以期对国家数据平台“双重”作用的充分发挥提供一定的借鉴。

　　参考文献

　　董晓辉. 2021. 活动理论视角下高校教育数据治理体系构成要素研究[J]. 中国电化教育（3）：79-87.

　　黄太进，刘三女牙，李卿. 2021. “互联网+教育”的课程智能适配[J]. 高等工程教育研究（1）：181-186.

　　靳毅. 2019-10-27. 区块链是多种技术的集大成者[EB/OL]. [2021-04-21]. https：//baijiahao.baidu.com/s?id=1648518167415822209&wfr=spid er&for=pc

　　李青，王海兰. 2021. 我国区域教育数据开放的现状、问题与对策[J]. 中国远程教育（4）：31-41，76-77.

　　刘金松. 2018. 数据治理：高等教育治理工具转型研究[J]. 中国电化教育（12）：39-45.

　　彭雪涛. 2017. 美国高校数据治理及其借鉴[J]. 电化教育研究（6）：76-81.

　　乔刚，周文辉. 2017. 高等教育质量监测数据平台建设——理念、框架与路径[J]. 清华大学教育研究（1）：57-63.

　　舒华. 2021-06-04. 充分发挥数据效能，支撑教育高质量发展[EB/OL].[2021-06-20]. https：//m.thepaper.cn/newsDetail_forward_12993249

　　宋宇，卢晓中. 2020. 大数据驱动下区域教育治理探析[J]. 教育研究与实验（1）：36-39.

　　王战军，乔刚. 2016. 以新发展理念引领高等教育质量监测数据平台建设[J]. 中国高教研究（7）：25-30.

　　王战军，乔伟峰，李江波. 2015. 数据密集型评估：高等教育监测评估的内涵、方法与展望[J]. 教育研究（6）：29-37.

　　吴刚. 2018. 高校大数据治理体系构建刍议[J]. 教育评论（7）：65-68.

　　吴岩. 2014. 高等教育公共治理与“五位一体”评估制度创新[J]. 中国高教研究（12）：14-18.

　　吴岩. 2014. 构建中国特色高等教育质量保障体系[M]. 北京：教育科学出版社.

　　许晓东，王锦华，卞良，孟倩. 2015. 高等教育的数据治理研究[J]. 高等工程教育研究（5）：25-30.

　　许晓东，赵幸，肖华，卞良. 2017. 大数据在高校本科教学评估中的应用——以J大学为例[J]. 高等工程教育研究（1）：127-132.

　　杨秀芹，李婷. 2017. 美国高等教育监测评估体系：组织建构与运行[J]. 中国高教研究（8）：80-84.

　　于方，刘延申. 2019. 大数据画像——实现高等教育“依数治理”的有效路径[J]. 江苏高教（3）：50-57.

　　余波，赵蓉英，王旭，李丹阳. 2021. 大数据驱动下“双一流”高校跟踪评估平台构建研究[J]. 重庆大学学报（社会科学版）（2）：122-132.

　　余鹏，李艳. 2020. 智慧校园视域下高等教育数据生态治理体系研究[J]. 中国电化教育（5）：88-100.

　　袁贵仁. 2016-02-04. 以新的发展理念为引领全面提高教育质量 加快推进教育现代化——在2016年全国教育工作会议上的讲话[EB/OL]. [2020-9-18]. http：//www.moe.gov.cn/jyb_xwfb/moe_176/20 1602/t20160204_229466.html

　　翟雪松，楚肖燕，张紫徽，陈文智. 2021. 基于中台架构的教育信息化数字治理研究[J]. 电化教育研究（6）：40-46.

　　张宏宝. 2016. 数据源流高等教育治理体系建构与发展[J]. 教育发展研究（3）：15-20.

　　郑浩. 2017. 英国教学卓越框架（TEF）：理念、标准与启示[J]. 外国教育研究（8）：90-104.

　　郑石明. 2016. 大数据驱动创新创业教育变革：理论与实践[J]. 清华大学教育研究（3）：65-73

　　郑旭东，杨现民，岳婷燕. 2021. 教育政务数据开放平台的区块链技术架构与运行机制设计[J]. 中国电化教育（3）：71-78.

　　朱德全，马新星. 2019. 新技术推动专业化：大数据时代教育评价变革的逻辑理路[J]. 清华大学教育研究（1）：5-7.

　　朱孔京. 2020-04-28. 做实高校“五大”基本职能，落实立德树人根本任务[EB/OL]. [2021-06-11]. http：//www.rmlt.com.cn/2020/0428/57 8417.shtml

　　祝智庭，许秋璇，吴永和. 2021. 教育信息化新基建标准需求与行动建议[J]. 中国远程教育（10）：1-11，76.

　　Qbadou, M., Fazazi, H. E., Hajji, M., Yamami, A. E., & Mansouri, K. (2017). Development of A Big Data Platform Dedicated to The Implementation of An Intelligent Education System - Study and Implementation of the Technical Architecture. 10th Annual International Conference of Education, Research and Innovation (ICERI)， 11:16-18.

　　Xu Xin, Wang Yun-sheng, & Yu Shu-jiang. (2018). Teaching Performance Evaluation in Smart Campus. IEEE Access,6: 77754-77766

　　Zhang G., Yi, Y., Zhai, X., Qi Y., & Jian, W. (2016). Online education big data platform. International Conference on Computer Science & Education,11: 58-63.

　　作者简介

　　李运福，博士，助理研究员，西安交通大学中国西部高等教育评估中心（710049）。

　　徐菲，硕士，工程师，西安交通大学中国西部高等教育评估中心副主任，陕西省高等教育数据中心副主任（710049）。

　　李贝，硕士研究生，西北大学网络和数据中心（710127）。

　　基金项目：本文系陕西省哲学社会科学重大理论与现实问题研究年度一般项目“陕西高校教师发展质量评估与改进建议”（项目编号：2021ND0215）的研究成果。

　　责任编辑：韩世梅

　　2022年第4期目次