教育设施对教育的影响(让师生“不跑腿”，教育数据治理究竟有何魔力)

Posted 2023-05-27

篇首语：只要持续地努力，不懈地奋斗，就没有征服不了的东西。本文由小常识网(cha138.com)小编为大家整理，主要介绍了教育设施对教育的影响(让师生“不跑腿”，教育数据治理究竟有何魔力)相关的知识，希望对你有一定的参考价值。

教育设施对教育的影响(让师生“不跑腿”，教育数据治理究竟有何魔力)

当前，教育信息化新基础设施正在加紧建设，教育业务系统应用不断推进，各种软硬件平台源源不断地产生着教育数据。海量数据的汇聚和分析，能给教育系统带来什么？如何在教育数字化转型中，探索出基于数据驱动的新路子？

“十四五”规划要求未来应运用数据持续赋能“一网通办”“一网统管”，继续坚持和完善数据治理体系，从根本上重构数据治理框架，坚持“一校一库、一数一源、一数多用、动态更新”的原则，做好数据的统一采集、归集、共享、开放和使用，为进入建设深水期的“一网通办”“一网统管”打开通路。

基于上述问题，了解到数据治理平台是教育数字化转型的关键所在，下面就和大家一起聊聊教育场景下的大数据治理。

教育行业为什么要做数据治理

随着智慧校园建设的不断深入，整个教育系统中产生了大量的信息和资源，大家在日常工作中采集了大量的不同类型的数据，高校IT系统繁杂、架构不明、数据混乱等问题也逐渐暴露。具体表现如下：

孤岛问题严重：高校大多按教育部等上级要求建立系统，实际落地时各自为政，按照自己的需求、资金与能力建设信息化项目，缺乏顶层统一数据规划。业务系统孤立建设，最终形成了大量的“数据孤岛”。这些孤岛不但存在业务功能模块重复性建设的情况，造成信息缺乏互通的资源浪费与系统之间的兼容性问题，还造成了各种“管理孤岛”、“系统孤岛”、“业务孤岛”，令后期的信息化、统一化管理举步维艰。

管理制度薄弱：“智慧校园”的口号喊了多年，往往还处在初级阶段。第一，信息中心和业务部门各自为政，信息中心不了解具体业务，缺乏从数据中发现价值的能力，难以从数据管理的价值上说服和推动业务部门参与工作；第二，数据管理缺乏统一指导方针，管理推动力不足，业务部门参与度低。信息中心更多是在做数据库、硬件、网络等维护工作，对数据未进行有效的管理及应用，大量数据冗余、冲突、错乱；第三，业务和数据发生隔离，数据不具备可用性。

教育大数据治理工作的迫切性和必要性，确立了大数据治理系统在高校数据平台中的定位。数据孤岛是数据治理中的顽疾，孤岛一日不打通，数据一日难赋能。设法使各应用、各系统、各区域的数据有效聚合，才是数字化转型的基础所在，关键所在。

教育行业数据治理系统实践

技术的问题要优先用技术来解决，而教育数据治理的核心在数据本身，因此，针对当前教育数据质量不高、安全不够、开放共享不足等问题，选择以数据治理的技术逻辑为导向，以建构和谐的技术应用生态为落脚点，是推动教育数据治理问题解决，走向教育治理现代化的关键着力点。亿信华辰为教育行业提供一站式数据治理解决方案，助力高校的新时代教育管理信息化工作。

总体架构

高校大数据建设总体架构可分为三个层次：数据治理层、数据平台层和数据服务层，如下图所示。各层的主要功能定义如下：

①底层——数据治理层。该层主要完成统一的标准和规则制定工作，包括抽取以业务数据为主的结构化数据，以文本、音视频、机器数据为主的半结构化数据及非结构化数据，实现对各类数据的梳理、数据标准制定、元数据管理、数据质量及数据资产梳理、数据安全管理、数据集成服务等，从软件层面解决学校业务数据、机器数据、公共数据池数据的管理问题，为后续的数据存储、交换与计算服务提供“干净、可靠”的数据资源。

②中间层——数据平台层。基于硬件架构层面构建统一平台体系，涵盖传统的关系型数据库和当前以 Hadoop 为基础的分布式数据存储技术，用以支撑高校内、外部多源异构的海量数据存储、交换与计算。

③顶层——数据服务层。在数据平台层和数据治理层的基础之上，构建一套完整的、标准的数据服务体系，满足多方面的数据供给、展示、管理、决策的需求。

功能框架

基于“五元管理”（包括数据标准管理、元数据管理、数据质量管理、数据资产管理、数据安全管理），进行教育大数据治理系统相关功能建设，其功能框架如下图所示。

数据标准管理：数据范围涉及高校内、外部数据运营相关的数据，包含业务数据、机器日志数据、外部互联网数据。以数据标准为基础的数据治理体系，实现数据的资产化，贯穿整个数据运营的全流程，形成以高校数据平台为核心的大数据生态圈，服务于高校内、外部的数据使用人员。

元数据管理：依托大数据治理系统便捷地管理高校数据仓库中的数据，调整业务中的统计指标，并通过技术元数据和业务元数据两种数据的关联，辅助数据管理者快捷地查阅详细的指标定义，全面理解业务并合理使用指标。

数据质量管理：数据质量管理涵盖从源数据接入数据平台到应用输出的全过程。数据质量包含数据质量管理、数据资产评估、数据质量规则库制定及数据质量绩效监控。

数据资产管理：以数据资产作为管理对象，以资产战略和资产策略为导向，从系统整体目标出发，统筹考虑资产的规划、投资、设计、建设、运行、维护、稽核、变更、注销的全过程，在满足安全、效能的前提下有效管理、监控数据资产的生产和使用情况，不断优化数据资产质量，实现数据资产的业务价值。

数据安全管理：旨在完善数据体系化的安全策略，建立完整的体系化安全策略措施，全方位地进行安全管控，通过多种手段保障数据平台数据治理中的数据安全，完成数据“存、管、用” 的数据治理安全，做到“事前可管、事中可控、事后可查”。

数据治理在教育场景下的应用

数据治理系统建好之后在教育场景下是如何应用的呢，下面结合几个实际案例来聊一聊。

1.学习动机分析

通过数据集成，将学生在各个学习场景下的数据进行聚合，比如课前预习（学习资料、微课）、课堂表现（参与课堂互动、随堂练习）、课后复习（完成课后作业、学习课程资源、自主学习）等；然后通过数据治理平台从上级管理部门和其他相关部门（比如民政局、土管局等）获取学生其他维度的数据，使学生的的数据更加丰富；最后结合学习动机理论，从作业学习、课堂参与、学习交流、困难解决、自主学习、家庭教育等多角度对学生进行全面分析，摒弃经验教学，帮助教师更加科学地观察学生、了解学生，帮助学生提升学习兴趣。

2.教学补助发放

通过数据治理平台，拿到学生家庭住房信息、购车信息、父母工作信息、学生一卡通消费信息，基于此通过和相关领导沟通搭建学生贫困指数，以此来判定学生的贫困情况，摒弃学生自行申请的方式，通过这种行为保护学生的自尊心。

3.学生离校确认

以往离校学生需要跑各个部门才能办完手续，基于数据做成的系统可以直观说明学生的借还情况，学生在办理图书馆离校手续时，只需参考系统提示确认自己是否需要还书，是否需要缴纳欠费，无须前来办事部门现场确认，相关部门也可依据线上数据进行离校手续的确认。师生登录办事中心一次即可全网通办，解决“办不完的手续、盖不完的章、跑不完的路”等麻烦。

小结

如果说治理数据是常态化的工作，那数据驱动的教育高质量发展则是一场革命。数据治理、数据要素化、数据驱动三者是全方位、成体系、多轮次的迭代过程。数据治理只是第一步，用数据联动、平衡各方流程与业务，未来才能更好地实现数据赋能教育发展。