吕建强
数据治理研究是教育组织研究的一种崭新视角。人类社会正进入以数据为基础性资源和关键驱动力的数字经济时代，在起草十九届四中全会重要文件时，习近平总书记建议“更加重视运用人工智能、互联网、大数据等现代信息技术手段提升治理能力和治理水平现代化”。可以说，数据治理不仅是一个技术名词，更是国家治理体系下重要的治理范式。教育治理是实现国家治理体系和治理能力现代化的有机构成，随着数字化的持续深化，作为复杂巨系统的教育也必然会产生结构化与非结构化的大量数据，并构成驱动教育变革的基本要素。为此，教育部提出要“强化数据挖掘和分析，构建基于数据的教育治理新模式”。职业教育作为我国教育体系的半壁江山，其治理能力高低直接决定了教育治理的整体表现。中国已深度融入数字时代，势必带来经济社会与生产生活的一系列变革，进而对职业教育提出新的挑战。基于此，职业院校需要变革数据治理策略，实现治理体系的整体优化，助推职业教育高质量发展。
一、关键议题：职业院校数据治理的动因与障碍
职业院校数据治理是一项系统工程，职业教育的跨界性带来的复杂性和与经济社会密切关联所带有的动态性，使职业院校数据治理面临“多重障碍叠加”的困境，进而导致职业教育治理者的理念与实践难见成效。具体而言，以下痛点问题在短期内难以逾越。
（一）教育数据质量不高，数据异构障碍明显
职业院校对数据的存储和管理还停留在对结构化数据的偏好上，对多元异构数据的存储和管理能力严重不足。
从时序角度看，我国职业教育已有近百年办学史，海量历史数据沉淀在各个院校或教育部门，而每年新增的百万数量级的学生和日益复杂化和规模化的产教合作，又不断带来新的海量数据。
从空间角度而言，职业教育的跨界属性，决定了职业教育的数据不仅来源于职业院校内部，更有来自行业企业、政府部门、社会机构的庞杂数据。伴随职业教育数字化的不断深化和职业教育治理作为国家教育治理的重要议题，各类相关数据会持续汇入“大职业教育”生态系统中。
由此，产生了职业院校数据治理的第一个困境，即如此海量的数据如何分析并加以运用？由于职业教育数据的来源、性质、用途的异质使得数据不是结构化和易于分析的。而职业院校对数据的处理往往停留在数据可视化的“舒适区”。各部门或者在书架、文件柜里陈放着几十年的“非结构化”的档案资料，或者在电脑、硬盘中“备份”着海量的非结构化数据，却没有将其进一步加工，成为组织业务的价值来源和竞争优势。
（二）数据采集能力偏弱，数据红利难以释放
从技术视角来看，提升职业教育数据采集能力的基础在于职业院校的内部网络架构。当前，职业院校已基本实现无线网络、视频监控的全覆盖，但限于技术能力，还远未能实现对日常教学管理数据的有效收集，多数数据随时间的流逝而消失在网络中，没有形成对职业教育治理的数据支撑。
从教育管理的视角而言，充分释放数据红利是提升数据采集能力的主要动力。伴随数字化的持续推进，高职院校多是以任务导向的方式开展数字化转型，“重采集、轻挖掘”，普遍缺乏对各类教育数据的深度开发和利用，大量数据“存而不用”既带来了巨大的储存压力，也未能有效挖掘数据红利。
数据分析由易到难一般分为描述性、诊断性、预测性和指导性四种基本类型。当前职业院校对数据的利用还停留在最初级的描述性数量解析层面，缺少对数据的深层次挖掘与诊断性分析。加之科层制的组织惯性致使各类数据的生成大多是不同业务部门依据工作经验自行填报，这就难以保障数据的标准化、准确性和及时性，数据采集达不到预期效果，最终导致学校层面的数据不能全面真实地反映办学实际，职业院校数据治理难以向更高成熟度的形态演化。
（三）数据应用能力不强，存在价值挖掘障碍
对数据的科学认识、精准分析、合理运用是数字时代教育组织的重要能力。如前所述，阻碍职业教育数字化转型深入推进的原因不在于数据的缺失，而是职业院校缺少对数据资源的解析处理能力。提升这一能力的关键是通过对先进技术的运用实现数据价值的挖掘，进而增强职业教育治理能力。
职业教育数据应用能力的发展主要面临成本限制和技术壁垒两个制约条件。当前，多数职业院校的数字化还停留在借助外部服务商提供数据的分析和应用这一阶段，并根据问题共性与教学场景进行模块组合。在这一过程中，仍是按部门类型设计应用程序，造成不同信息系统之间的“共性模块”难以实现共享复用，平台间缺乏有效统合，师生不仅无法在一个程序上办理近似业务，而且导致工作人员重复录入数据，增加了应用创新成本。职业院校内部的各类App、公众号、小程序的初衷是便捷教学和管理，但往往沦为签到打卡、分享点赞、下载推送等浅层次的应用。
总体来看，职业院校保有大量数据资料，却没有充分地开发利用，尚未赋能日常教学管理，没有对职业院校事业发展起到分析、诊断乃至指导的作用，致使数据治理呈现出一种普遍性之下的稀缺。
（四）数据互通能力不足，存在体系兼容障碍
随着职业院校数据治理的深入，不同系统、不同业务部门间的数据集成难度日益增大，数据孤岛问题日渐显现。
从技术视角来看，不同组织或部门间的信息架构不同，这种刚性导致部门间存在数据共享的困境，数据呈现各自分散的“岛中岛”状态。特别是长期存在的诸如“条块分割”“九龙治水”等问题削弱了不同部门协同联动解决“复杂、动态及多样性问题”的能力，形成了“部门治理”“碎片化治理”的格局。跨部门协作仍旧是制约治理能力提升的瓶颈之一。
从管理层面来看，厚重的“部门墙”阻碍了数据的流通。受历史和现实因素影响，我国职业院校组织管理模式以严密的科层制管理架构为主，职业院校的数据往往还停留在纵向流动的阶段，缺少跨部门的横向流动。学校内部的组织运行往往需要行政指令协调才能推进，管理者陷于事务性工作的管理，无暇顾及数据治理策略的规划和落地。不同业务部门只关注自己的“一亩三分地”，缺乏全局数据意识，跨部门协调困难，内耗、摩擦严重，数据的横向流通问题无法根除，致使业务部门之间沟通成本巨大，效率低下，牵累职业院校数据治理的整体效能。
二、转型逻辑：职业院校数据治理的原则
建议遵循整体性、协同性、调适性和人本性的转型逻辑以克服职业院校数据治理过程中的“碎片化”“管理主义”的偏颇性、“过度分权”的低效率以及过度“数据化”等弊端。进而提高职业教育数据质量与治理效能。
（一）整体性：克服教育数据治理的碎片化
系统科学把某种属性或特征整体具有而部分不具有的现象称为整体涌现性。一般系统论创始人冯·贝塔朗菲对此做了形象描述，即“整体大于部分之和”。拉兹洛通过“堆”和“整体”的比喻阐释了涌现的本质。他指出，涌现性存在于整体之中，而“堆”只是各部分的简单叠加，并没有带来实质性改变。“整体”是不同部分在相互作用基础上结构而成，并且为整体带来了新变化和新性质。进一步而言，整体性意味着系统演化的涌现性，即整体具有单一部分没有或者所有部分简单叠加所不具备的一些新特性。这些特性的出现源于系统元素之间复杂的非线性相互作用和整合效应。技术带来了教育整体的转型与生态的重构，……需要从宏观整体层面而非微观具体层面去认知和理解教育。
职业教育碎片化治理困境的本质在于治理者从技术层面解决各类独立的问题，治理成果缺少整合，也很难形成可资借鉴的标准化、系统性的治理框架。克服这种碎片化的职业教育治理困境应遵循整体性原则，坚持开放性、协同性、共同演化等系统思维，建立超越单一组织的联合治理机构，构建不同主体通力合作、运转协调的治理网络。在多范围、宽领域、多层面加强主体间协同，实现职业教育治理的整体涌现性。
（二）协同性：避免“管理主义”的偏颇性
协同是指事物系统之间保持集体性、有序性、协调性与合作性状态和趋势。无论何种性质的组织，很难同时具备资源和知识两方面的能力来独自解决遇到的每个问题。因此，就需要组织间取长补短、相互协作来解决问题。
系统内的要素结构决定了其性质。在动态结构系统中，要素间的协调性决定了系统结构的优劣。任何系统都是一个有机整体，那种片面认为系统中某个要素变好，整体性能也会变好的机械论观点是不科学的。
因此，职业教育治理体系的和谐运转首先需要理顺不同主体之间的关系，以适应内外环境的要求，进而提升职业教育治理效能。
一方面，职业教育与产业、行业紧密关联的特性以及对政策的敏感性，决定了其治理需要政策部门、行业企业、职业院校等多主体的共同参与。借助数字技术实现各主体的适时联通，将职业教育各项事务纳入整体工作框架，最终反映的治理效果是所有主体的非线性共同作用。同时，各教育主体也应形成系统思维，将各自工作放在整个系统中考量。
另一方面，作为教育组织的职业院校相比于政府、行业企业掌握的信息相对较少，与前者形成了信息势差，进而对职业教育数字化转型的决策和实践产生影响。应按照协同性原则，统筹信息环境建设，推动信息资源的合理流动，减少信息不对称。
（三）调适性：避免“过度分权”的低效率
调适性是指通过协调系统内的信息主体、信息内容等的合理流动或交换，促进信息系统整体的动态与和谐发展。社会系统中子系统之间以及子系统作用于整体并不是简单的线性叠加。
具体到教育生态系统中则表现为系统内部不同主体的差异性造成的非平衡状态以及由此而生的不同主体间的非线性相互作用。如果只采取“头疼医头脚痛医脚”的问题研究和解决办法，缺少对相关主体的兼顾，则难以发挥系统的整体效益。因此，需要在整体上把握认知对象，用开放性的眼光去认识对象的信息和性质，并以此调整自己的认知，主动实现“视域融合”，用复杂性思维来审视系统问题。
一是需要调试职业教育系统中的非线性关系。职业教育系统中的各主体之间的关系并不只是由此及彼的直接影响或相互作用，更多的是间接的影响或作用。因此，需要畅通职业教育参与主体间的联系，理顺不同主体间的关系层次，找准问题解决的关键作用点，才能促进职业教育系统中的人、信息、资源等的合理流通。
二是需要调适职业教育系统的非平衡状态。根据事物发展规律，不同发展阶段侧重点必然有所不同。职业教育系统涉及不同主体，各自诉求与发展难以做到完全同步。这就需要因事而变、因时而异，灵活审视和协调不同主体的活动，增进职业教育治理的合力。
（四）人本性：避免过度的“数据化”治理
过度数据化不仅是数“量”的指数级增长和无限扩张，更是人们对数据的一种依赖、信仰与崇拜。
一是要避免过度依赖数据使教育失去“温度”。对数据的过度依赖，致使职业院校日益脱离支持教与学的方式使用数据，更加关注绩效管理和数据本身，而不是以人为中心。数字治理的数据化倾向将“复杂的流程简化为简单的数字指标和排名，以用于管理和控制”。然而，教育是价值判断而不是数据和算法推导出的简单相关关系。依托各类数字技术构建的虚拟学习场域，其算法并不都具备可解释性，在学习投入和学习结果之间的算法“黑箱”将会把学习者引入何地还是未知数。
二是要避免算法造成的“整齐划一”。正如联合国教科文组织所指出的，没有两个教学情境是完全相同的，这也部分地解释了为什么最复杂的机器也无法替代教师所做的关系性工作。新兴技术一方面增强了教育治理能力，同时技术也限制了我们的分析能力。由于算法旨在决定学生应该学习哪些内容，并且确实从课程资源库中选择该内容，因此，学生对接下来学习什么以及如何学习的选择被无声地剥夺了，技术自然而然地“代表了”学生。因此，过度依赖算法的数字化学习并不是真正的个性化，反而蜕变为整齐划一的、在技术遮掩下的僵化和单调，尽管处于该过程核心的人是复杂而独特的。
三、治理路径：职业院校数据治理的具体举措
针对职业院校数据治理过程中的问题，结合治理原则，建议通过完善基础设施以奠定职业院校数据治理基础，重构数据标准以优化职业院校数据治理的内核，提升数字素养以增强职业院校数据治理的适应力，重视数据伦理以厘清职业院校数据治理的发展向度。
（一）完善基础设施：奠定职业院校数据治理的基石
一是优化外部政策环境。第一，加强政策引导和支持。“数字化”作为对经济社会有着重要影响的横断性行业，政策是其全面发展的重要前提。政府是现实世界中最为重要的协调者和管理者，应在政策主导和协调下，整合多方资源建设社会共享的数字基础设施。破解由少数主体建设导致成本过高、影响数字资源的进一步普及，以及少数大平台或头部企业垄断数据资源造成的教育不公平问题。第二，加强跨组织间协作。在政策引导基础上，通过设施、标准、渠道的互认，将碎片化的各类数字设施纳入统一的基础设施体系中，减少数据烟囱或数据孤岛给用户带来的阻碍，为用户节省使用成本，进而提高数据治理效能。
二是重塑组织环境，使职业院校成为数据型组织。以职业院校为代表的教育组织已经具备了必要的人力资源和技术资源，意识到了数据分析的价值，并且已经将数据分析用于日常业务。但多数职业院校尚未将数据分析转化为竞争优势。当前的职业院校数据治理，往往是不同部门和机构的数字化，而不是整体的数字化。职业院校应主动成为数据型组织，通过对组织业务架构进行数据化改造，将外部环境数据、组织内部的各类数据进行关联整合，寻找行业企业等合作伙伴并建立持续的合作关系，快速分析环境变化、受众需求和反馈，切实实现组织宗旨、达成组织目标。数据型组织可以凭借新技术和手段对未来教育治理所有相关的结构化数据和非结构化数据进行全样本的收集、处理和分析，从而更加全面掌握未来教育治理所面临的各方面的情况，进而综合考虑未来教育内外部环境，并据此做出更加准确和科学的教育治理决策，提升未来教育治理的科学性。
（二）重构数据标准：优化职业院校数据治理的内核
随着人类社会的日益数字化，教育活动也日益被数字充斥，这就决定了教育决策的主要依据日渐由教育决策者的理论和实践经验转向教育内外部活动所生成的大量数据。避免出现“我们在数据的海洋中却没有知识”的窘境，就需要将数据转化为支撑职业教育活动所必需的知识和资源，进而成为职业院校发展的竞争优势。
一方面，要明确数据质量标准。数据质量的优劣直接决定了教育信息生态是否能够良性发展。一定程度上，信息越多就越能消除系统的不确定性，但数据往往是信号与噪声的混合物。低质量的数据对于任何组织来说都意味着损耗。有研究表明，组织需要花费10%~30%的收入来处理数据质量问题。据IBM估算，2016年，美国由于数据质量问题而导致的损耗高达3.1万亿美元。因此，必须注重职业院校数据治理过程中的数据质量，通过跨职能部门的承诺和协调配合，保障各类相关数据真实、全面、可靠。
另一方面，建立高效的数据分析生态系统。建立一个由领导者、员工、外部数据分析供应商、合作伙伴等组成的数据分析生态系统。随着数字技术日益渗透进教育世界，未来教育治理将涉及多方面的大量数据。通过对数据的收集、分析和处理，职业院校较以往将更有能力及时了解和掌握未来教育内外部环境和所处的各种状态；能够对各种来源的混杂数据进行综合分析和处理，综合考虑多方面的情报，利用各方面的情报进行相互印证抵消错误；可以在极短的时间内使不同教育主体共享彼此的知识，形成更加灵活的协作环境。从而使学校的数据分析能力得到极大的提升，并做出更加准确的决策，进一步提高教育治理效能。
（三）提升数字素养：增强职业院校数据治理的适应力
人的能力始终是职业教育数字化转型最根本的动力所在。数字时代，无论是个体还是组织，其面临的主要问题都不再是缺乏信息，而是在泥沙俱下的大量信息中如何科学地认识数据、甄别数据、合理运用数据，进而指导个体行动和组织决策。这已成为数字时代个体与组织的基本能力素养。那些缺乏数字素养的个体或组织，难免会被数字社会边缘化乃至淘汰。研究表明，2018年，美国数据专家岗位数量比2014年增长了5倍，机器学习技术工程师岗位数量比2014年增长了12倍。可以窥见数字素养正成为稀缺技能。
因此，亟须提升职业教育系统中的各参与主体数字素养。一是加强政策性引导。面对数字化的大趋势，世界各国都争相开展数字化战略，积极抢占数字技术、数字人才、数字资源的有利位置，以增强国家竞争力。我国也适时出台了《数字中国建设整体布局规划》《“十四五”国家信息化规划》等重大政策文件，引导国家各个层面进行数字化转型。各级政策部门要积极响应国家需求，将“人力驱动”思维模式转向“数据驱动”思维模式，通过政策引导激励，提升大众的数字素养，进而推动职业教育治理模式的转变。二是加强对数字技能的认证。随着对STEM教育的不断强调，越来越多的组织和个人开始提升和投资于与数字化相关的技能。建议通过构建层级完善、互通互认的学习培训框架，完善学习成果认证体系；并提供一系列经费和社会支持，提高低技能、低收入等弱势群体的学习参与度。
（四）重视数据伦理：厘清职业院校数据治理的发展向度
数据伦理是随着数据应用不断深入衍生的新问题。数据本身已成为重要的权力来源，但数据在很大程度上仍未得到有效管理。随着人类经济和社会日益数字化，人与技术的关系、技术之下的人与人之间的关系都会呈现新的特征与张力。表面的张力是机器劳动者是否会替代人类劳动者，更深层的张力则是人类对自身认知和人类社会在技术时代如何发展的伦理问题。这种张力随着生成式人工智能的到来更加明显。数字时代的伦理问题既有来自客观上技术发展的日益复杂性和不确定性原因，也有主观上人类对自身与技术认知的原因。职业院校数据治理的各主体要认识到数据伦理的特点和重要性，应明确人的第一性是数据伦理的首要原则。数字时代的治理秩序还是以人为本而不是以机器指令为遵循。因此，一方面，需要审慎对待职业教育中各类数据的采集和分析，确保数据治理的用途是为了提高教育质量和学生满意度，而不是为了“窥视”教育系统中的某个群体乃至个体。唯有如此，才能促使职业院校数据治理更人性、更公平，消解“数字官僚主义”的弊端，真正实现技术赋能。另一方面，需要创造机会以不断完善技术，使其成为人类的认识伙伴，而不是用智能、“客观”的“模型”来武断地代替我们认识世界，多对“标准化”“理想化”以外情景进行考虑，保留更多的治理温度。
四、结语
以数字化推进职业教育治理现代化已成为重塑职业教育治理结构、强化治理能力和提升治理水平的一项基础性工作。数据治理不单单是用数字技术工具改变教育实践的过程，还是数字技术逻辑与教育治理逻辑深度互嵌的过程。在这一过程中，数字技术会与教育组织的科层体系、高度复杂的社会结构、文化理念要素等交互作用，最终将影响治理的结果与效能的输出。因此，职业院校数据治理既要充分考虑技术环境对数字技术的影响，又要明确技术本身的局限性。不但要善于正确使用数字工具，还要立足长远，通过制度建设、思想文化建设、基础设施建设为数据治理营造良好的运作空间，防止职业院校数据治理的异化。应认识到，技术嵌入不等于效能产出，要警惕职业教育治理过程中数字“赋能”蜕变为数字“负能”。
（来源：《中国职业技术教育》2024年第27期）
