陈文沛 樊永华 广东省湛江幼儿师范专科学校

近年来，智慧校园建设的不断推进使得教育数据的积累越来越多，但规模庞大的教育数据却是一把“双刃剑”：如果能有效管理好这些数据，自然能提升教育效率，有利于师生的工作和学习；如果这些数据资产不妥善管理，轻则徒增存量，重则泄露隐私信息，造成信息安全事故。[1]因此，笔者尝试借鉴、引入企业质量管理中的PDCA循环理论，结合高职院校智慧校园数据治理实际情况，开展系统性研究工作。

●智慧校园数据治理工作现状

1.存在“重规模、轻管理”的机械思维

尽管当前高职院校智慧校园建设取得了巨大进步，但大部分高职院校缺乏智慧校园数据质量管理意识，没有深刻认识到高质量的教育数据对现代高职院校的重要意义，具体表现在两个方面：一是部分高职院校过度重视智慧校园硬件建设，在智慧校园开发过程中片面追求高大上的信息技术，在学校层面没有建立有效的智慧校园数据治理体系；二是部分高职院校过度追求智慧校园数据总体规模，片面认为数据规模越大对学校发展越有利，热衷于智慧校园数据的采集存储，缺乏对智慧校园数据质量的有效管理。

2.智慧校园数据治理制度不够完善

在教育数据治理制度方面，部分高职院校在智慧校园数据治理方面的职责权限不够清晰，引发一系列亟待解决的问题：一是数据采集标准与采集权限不明确，进而产生了教育数据采集遗漏的现象，但同时又存在教育数据采集重复的情况；二是尽管智慧校园统一了数据存储的格式，但不同部门采集的教育数据侧重点有所不同，跨部门引用数据需要二次处理才能应用，因此未能完全消除“信息孤岛”的负面影响；三是教育数据的时效性未受到应有的重视，未能克服“新数据未能及时录入，旧数据未能及时更新”的顽疾，无法全面满足高职院校数字化、智能化的发展趋势。[2]

3.智慧校园数据治理人员素质亟待提升

高职院校业务人员信息素养无法适应智慧教育发展，这一矛盾具体体现在两方面：一是智慧校园数据治理的基础工作都由各业务部门人员完成，他们在智慧校园数据治理过程中缺乏宏观的治理目标和清晰的数据管理思路，因此产生了数据治理现实与数据治理规划相互脱节的现象；二是从事智慧校园数据治理的业务人员整体素质良莠不齐[3]，导致智慧校园部分操作步骤复杂的业务功能无法及时推广。

●PDCA循环与智慧校园数据治理的耦合性

1.PDCA循环理论

PDCA循环理论是一套成熟的质量管理理论，最初由美国的质量管理专家休哈特提出，后来被著名的企业质量管理专家戴明采纳，并在前人基础上开展深化研究，大大扩展了该理论的应用范畴，接受这一质量管理理论的企业越来越多，因此在全球范围内，PDCA循环又被称为“戴明环”。PDCA循环的基本思路是将质量管理的整个过程划分为Plan（计划）、Do（执行）、Check（检查）和Act（处理）等四个阶段，并由此构成宏观层面的第一个大型循环，然后每个阶段内部又可视为一个小型的循环，循环重复“P-D-C-A”四个步骤，依此类推，形成一个环环相扣的质量管理体系。[4]

2.PDCA循环与智慧校园数据治理的耦合性分析

智慧校园数据治理涵盖了线上线下的数据处理过程，是一项较为复杂的系统性工程。笔者针对当前智慧校园数据治理中存在的思想、制度以及人员素质等问题，提出基于PDCA循环的智慧校园数据治理模型，如图1所示。

图1 基于PDCA循环的智慧校园数据治理模型

●基于PDCA循环的智慧校园数据治理过程

在智慧校园的特定场景下，PDCA循环数据治理体系逻辑架构如下页图2所示，该架构主要围绕策略管理、执行管理、运营管理三个层面，以及计划、执行、检查、处理四个阶段展开。

图2 智慧校园数据治理体系示意图

1.计划阶段数据治理工作

计划阶段数据治理工作主要从宏观上进行整体规划，目标是架构完整的智慧校园数据质量管理体系，具体操作上可以从三个层面展开：一是从策略管理层面思考智慧校园数据治理的整体目标，明确智慧校园数据治理的核心需求，以制度性文件来规划智慧校园数据治理工作要点，制订宏观的智慧校园数据治理工作计划，为架构完整的智慧校园数据质量管理体系奠定制度基础；二是从执行管理层面构建智慧校园数据治理工作体系，让数据治理的核心思想贯穿智慧校园整体架构、智慧校园软硬件平台、智慧校园各子系统以及智慧校园数据调用的方方面面；三是从智慧校园运营管理层面确立教学数据、学生数据、科研数据、人事数据以及其他校务数据的质量管理标准，完善高职院校业务部门参与智慧校园数据治理工作细则，以达到全方位数据治理的目标。

2.执行阶段数据治理工作

高职院校管理层以及信息化建设部门在执行阶段的主要任务包括智慧校园的开发建设、业务数据分类设计以及数据调研模型的创建等工作，各子系统业务部门在执行阶段的主要任务包括数据采集、数据清洗、数据交换、数据汇聚、数据溯源以及数据质量监测等工作。[5]

在策略管理层面：通过组织领导体系协调跨部门数据治理工作，通过规范智慧校园数据管理制度约束数据调用标准，通过计划阶段的管理细则明确高职院校智慧校园数据采集、存储以及使用流程，通过智慧校园信息推送功能建立高职院校智慧校园数据数据安全事件响应机制。

在执行管理层面：通过优化智慧校园办事大厅和智慧校园APP的UI设计提升智慧校园应用服务的用户体验，通过智能技术优化智慧校园云平台的数据调用速率，通过数据挖掘、数据分析等技术手段扩展智慧校园数据应用场景，通过网络安全技术为各类用户提供良好的智慧校园通信环境。

在运营管理层面：一是完善智慧校园各子系统的数据质量管理维度，全面落实智慧校园数据的完整性、准确性、唯一性和时效性，并以此为基础评估智慧校园的数据质量；二是制订数据质量管理规则，全面考察智慧校园数据质量是否满足各业务部门的工作需要，是否满足各类用户的实际需求，由此检验智慧校园运营措施与高职院校数据治理目标的契合度。

3.检查阶段数据治理工作

检查阶段主要工作是对智慧校园数据质量进行深入分析，对执行成果进行全面评估，对智慧校园数据错误进行成因分析，研究改进措施，为下一阶段的数据处理工作提供必要的分析基础。[6]检查阶段数据治理工作可分为主动检查智慧校园数据质量和被动回应师生数据咨询两类：主动检查是学校管理层、信息网络中心或各业务部门的数据管理人员对相应范围内的数据进行主动检查，可以借助智慧校园平台数据分析子系统生成数据治理报告，可以是有针对性的专项检查，也可以通过对照计划阶段制订的治理目标、治理制度评估智慧校园数据治理的整体成效；被动检查是指通过问卷调研或者访谈的方式获取高职院校师生对智慧校园数据质量的评价，接受各类用户对数据质量的反馈意见。例如，高职院校智慧校园平台为校内师生建立了完整的个人数据档案，该数据档案包含了师生个人数据信息。教职工可以在个人数据档案中查看到自己的基本信息、教学信息、财务信息以及科研信息等内容，学生可以在个人数据档案中查看个人的基本信息、学习情况、作业完成情况以及其他的校内生活数据。

4.处理阶段数据治理工作

处理阶段的主要任务是是根据上一阶段的检查结果，对智慧校园数据错误的情况追根溯源，排查和确认智慧校园数据流转过程，并根据实际情况联系责任部门及时处理：如果是数据本身质量问题，应由数据录入部门按期进行更正修订，并要求相关责任人改进数据录入方式，提高录入数据的准确率；如果是智慧校园数据共享过程中产生了新的问题，应由信息部门及时检查数据采集、存储以及调用过程中是否存在管理漏洞，保障智慧校园数据有效共享，避免同类故障频繁出现；如果涉及跨部门的数据规范性问题，可以反馈给对应的业务部门，并根据业务部门的反馈信息修正计划阶段的制度性文件，改善执行阶段的数据治理方法，提升检查阶段的数据治理效率，避免下一个PDCA循环工作中再次出现相同问题。

●结语

PDCA循环理论具备自适应、动态化、系统化等特征，能够有效化解智慧校园数据治理管理过程中存在的三个主要矛盾：一是摈弃“重技术、轻管理”的机械思维，既重视新技术的推广应用，又重视智慧校园数据质量的管理，视高职院校智慧校园数据为学校的重要资产；二是通过完善智慧校园平台建设、数据采集管理、数据存储管理等方式解决智慧校园数据治理凌乱无序的问题，理顺智慧校园数据治理过程中“人”和“物”同步发展的关系，有的放矢地制订智慧校园数据治理战略、治理方法和治理制度；三是运用PDCA循环理论将智慧校园数据治理过程分解为多阶段、多层次的管理环，降低数据治理的复杂度，使得高职院校业务人员能够快速掌握智慧校园数据治理基本步骤，有效化解“人”和“物”融合过程中的各种矛盾，进而达到提升高职院校智慧校园数据治理效率的目标。但智慧校园数据治理工作不能一蹴而就，它是高职院校适应教育信息化发展过程中必须面对、必须破解的时代难题，笔者将在后续工作中作进一步研究。