近年来，高校数据类型愈发丰富，数据体量愈发庞大，数据治理与分析也成为重要主题。在这一过程中，众多国外高校将数据看作一种珍贵资产，尝试挖掘其内涵与价值。经过适当的数据收集、分析与管理后，无序的数字转变为了有序的洞察与规律，并成为提高师生学习、科研质量的重要基础。
【资料图】
开发数据软件助力学生成功
普渡大学教学技术学专家贝瑟妮·克罗顿表示，普渡大学已将数据作为帮助学生成功的核心。在过去几年中，普渡大学开发了几个数据分析应用，供学生和教师使用。
其一是名为Forecast的网页端应用程序，它采用了普渡大学与Dell EMC公司合作创建的分析和预测建模平台。这个应用程序就像是一双推着学生前进的手，激励他们做出积极的规划和行动，从而一步步走向成功，例如得到更高的GPA和顺利毕业。“它包含了各种数据，”克罗顿表示，“从出勤数据、线上学习系统中的作业到在课程讨论板块上发布过的言论。学生可以在应用程序中轻松查看所有信息，然后自行决定需要做些什么——采取行动或一如往常。”
普渡大学的另一个应用Pattern也越来越受欢迎。这个应用可以根据用户（包括学生和教师）的偏好和设置记录一系列校园活动。
例如，教师可以使用该应用程序来了解成功学生的学习习惯。举例来说，如果教师在app上发现优秀学生大部分时间都在图书馆分组学习，在他们了解这一点后，可能提出更多需要在图书馆进行研究和协作完成的作业。反过来，学生也可以使用相同的功能来记录自己在课程上花费的时间，包括何时、何地以及与谁一起学习。他们还可以输入有关生活习惯和课外活动的数据，例如每周去健身房的频率。
“并且，所有数据都可以与学生的实际体验与感受相结合。”克罗顿说，“如果学生感觉自己在一段时间内学习表现优异，同时这段时间还锻炼了三次身体，这些都可以在应用程序上清楚地反映出来。”
除提供给师生使用的应用程序外，有些高校还开发了行政管理部门使用的实时数据流分析程序，对实时产生的数据立即进行分析，帮助行政部门更及时合理地做出决策。
例如，在伍斯特理工学院，计算机科学教授兼数据科学项目主任埃尔克·伦登斯坦纳带领一个由计算机科学和数据科学学生组成的团队，研发了一款名为SETA（可扩展事件趋势分析）的事件趋势分析工具，这款开源软件不仅可以在实时、大量数据（即动态数据）中找到数据变动与生成的模式，还可以分析、理解这些模式并基于它们进行即时决策。
此外，在一些高校，实时数据分析工具已投入使用。例如，阿拉巴马大学通过预测分析后发现，要求提供成绩单副本的学生可能有辍学风险。现在，行政人员及教授可以注意到学生何时提出此类请求，并提供学术和校园资源以鼓励这些学生留下来。
而在达特茅斯学院，IT团队使用实时数据收集工具来为教学设计提供信息。通过实时分析应用程序，团队可以研究包括学生流失率、课程注册规模和学生课上表现在内的指标，以根据学生的需求重新设计课程。
设置专业部门提供战略建议
除开发应用软件等新工具提高数据分析的效率外，有些高校还设置了专门的机构负责数据管理与治理的工作，并为战略部门提供可用的参考信息。
例如，波士顿大学的数据治理机构就下设数据治理工作组（Data Governance Working Group）和战略信息组（Strategic Information Group），前者负责战略性地收集、定义、分析、提供数据，而后者则为数据治理项目提供战略指导，确定数据治理项目的优先次序，并确保其工作能够满足大学师生及行政人员最重要和最关键的需求。
而在格拉斯哥大学，信息和数据治理小组则主要负责数据与信息安全的监督、管理与审查工作。学校官网表示，该小组的目的是确保学校制定和实施了信息与数据管理方面的有效战略，为学校提供行动方案或政策建议。同时，促进学校中不同部门互相交流数据管理方面的知识与经验，督促并保障校内数据得到了高效且安全的处理。特别一点，该小组还负责批准和审查所有与信息合规、数据安全有关的政策。
此外，小组还要负责隐私影响评估（即Privacy Impact Assessment，是一种可以帮助组织确定最有效的方式来遵守数据保护义务，并满足个人对隐私保护的期望的工具），监控数据共享协议的潜在风险，并在高风险出现时进行预警。该小组有时还需要与校内的信息安全咨询小组协商并听取其意见。
同时，小组还会对校内职工的信息安全意识进行调查，确定是否需要对其进行相关培训，并制定合适的计划，以促进学校整体在信息安全、信息使用合规性、数据统计与数据治理问题上采取一致的行动。
数据治理的成功经验与失败教训
美国高等教育技术协会EDUCAUSE在今年2月发布了一项问卷调查结果，问卷以“为今日的分析而（重新）组织数据部门”为主题，调查了各个高校数据治理的组织结构与最终效果，希望了解高校应如何组织和配备人员以支持数据分析，并据此总结出了数据治理的成功经验与失败教训。
首先，仅有25%的受访者认为其学校的数据治理结构——如数据向谁报告，数据管理由哪个部门负责，以及管理是集中式还是分布式的——处于理想状态，可以满足数据收集和分析的需求。
其中，有21位受访者对自身的数据治理结构进行了描述，并得出了理想数据治理结构的相关特性。例如，第一，集中分析、研究和单独的数据部门有助于简化工作流程和生成标准化结果；第二，数据治理团队应具备灵活和必要的权限来收集、调整和分发数据，并用于行政决策、战略规划以及与学校领导层沟通；第三，不同部门之间和部门内部应时常开展合作与讨论，并借此丰富数据容量和进行数据分析的指导演示。
与之相对，不认为其当前结构满足数据分析需求的65位受访者表示，主要问题为工作重复、任务目标和预算冲突、缺乏统一的数据战略以及不同部门间的合作有限。
首先，数据治理的分散化是问题之一。有受访者表示：“数据战略需要集中化。如果每个分散的单位都有自己的战略，这将导致数据孤岛的产生，部门间的合作也难以为继。”
其次，核心领导的统筹推动也十分重要。另一受访者描述道：“虽然技术专长集中在IT部门，但没有核心领导来积极推动其他部门的数据需求。我们正以相对被动的方式运作着。”
此外，还应在制度上确定数据治理的统一使命与目的，使各部门人员确定支持学校数据管理与应用的最佳方式。
最后，在数据分析结果的使用方面，只有10%的受访者表示，分析结果已与学校整体紧密相连，根据数据洞察做出行动已成为常态，数据已成为了学校文化的一部分。大多数受访者（59%）则表示他们的机构善于使用分析结果，有着较为突出且显著的成果。然而，让人意想不到的是，时至今日依旧有近三分之一的受访者（31%）表示，数据分析的使用才刚刚出现，并正开始在其学校中发展。
来源：EdTech、波士顿大学官网、格拉斯哥大学官网、EDUCAUSE等网站
整理：王雅静
