来源：滚动播报

（来源：新华日报）

□ 陈立钢

当前，随着人工智能在教育领域应用的持续深化，其在人才培养、科学研究、校园治理等方面的变革作用愈发凸显，已成为推动高校数智化转型的关键支撑。人工智能包含数据、算法、算力三大核心要素，其中数据作为基础性资源，在很大程度上决定了人工智能模型的训练效果以及在高校教学、科研、管理等场景中的应用效能。因此，高校应紧扣人工智能的技术特点与应用需求，主动优化教育数据治理模式，积极探索有效实施路径，提升教育数据治理的质量与效能。

推进人机协同，丰富教育数据内涵

随着人工智能教育应用的不断深入，教育教学的主体结构正由“教师—学生”二元关系向“教师—学生—机器”三元协同转变。凭借深度学习与智能推理能力，人工智能可全程参与数据的识别、处理与应用，推动人机协同成为教育数据治理的新形态。

在传统高校教育数据治理中，数据主要源于教学、科研、人事、财务、学工等业务系统产生的结果性数据。而对反映教育教学活动情况的过程性数据，如课堂参与、小组协作、资源使用等教学行为与互动信息，则采集不足。为此，高校应强化人机协同，借助人工智能的数据挖掘、算法配置、智能反馈等功能，实现对教学、科研、管理等业务活动数据的伴随式采集，以丰富教育教学过程性数据资源。

此外，传统教育数据治理通常以结构化数据为对象，对图片、视频、语音等非结构化数据的处理能力相对有限。高校在数据治理过程中，应依托人工智能多模态技术，提升对非结构化数据的采集、识别与处理能力，进一步拓展教育数据的内容范畴。高校应积极构建教育数据治理的多元协同体系，通过多元主体联动与人工智能的高效辅助，持续丰富教育数据资源，以“共治”促“善治”。

实施精准改进，提升教育数据质量

在传统教育数据治理中，数据质量通常依靠“一数一源”的源头管控及规范数据使用的过程监管来保障。这种模式的局限性在于：过多依赖人工管理，工作效率低且准确性难以保证；难以及时发现数据的逻辑、语义等错误；无法主动识别并改进数据质量问题等。

对此，高校可基于通用大模型，构建能自主感知、决策与执行的数据治理智能体，实现教育数据的智能融合、动态监测与精准改进。具体包括，智能化调用自然语言处理、多模态算法等技术，对多源、异构教育数据进行智能清洗、对齐与融合，确保数据的准确性与完整性；依托知识图谱与数据图谱，及时识别相同主题下的不一致数据，如教务系统与学工系统中“学生数据”板块存在的逻辑错误，并进行标记与提示；将教育数据质量预警机制嵌入智能体，主动监测数据变化趋势，预测数据风险，将数据质量管控从“事后补救”转向“主动预防”，推动教育数据质量的持续提升。

强化智能应用，释放教育数据价值

提升数据质量、保障数据安全、挖掘数据价值是高校教育数据治理的主要目标。传统教育数据治理多聚焦于解决数据质量不高、 “数据孤岛”林立等问题。随着人工智能时代的到来，高校教育数据的丰富度、流动性和使用需求大幅提升，促使治理目标从“问题解决”向“价值挖掘”转变。高校应在确保数据质量、合规使用的前提下，积极借助智能化技术推动教育数据开放共享与有效使用，充分释放其潜在价值。

具体而言，一是要将自然语言处理、数据挖掘等技术深度融入数据治理过程，实现对教育数据的智能化采集、清洗、标注及分类，推动跨系统、跨业务、跨部门的数据流通，提升数据开放共享效能。二是要加强教育数据治理智能体应用，动态感知不同教育场景的数据需求，灵活调整数据与资源分配策略，实现数据服务的按需供给。三是要运用智能算法分析教、学、研、管等行为数据以及能力、偏好、习惯等信息，构建师生精准“画像”，为教师的教学、科研、管理以及学生的学习提供个性化数据支撑，释放数据的深层次价值。

构建规则体系，保障教育数据安全

人工智能在赋能高校教育数据治理的过程中，也面临着一些风险挑战。如，模型训练所使用的数据可能涉及师生位置、日常行为等敏感内容，引发数据伦理问题；人机交互、数据跟踪及伴随式采集的普及，可能加剧数据泄露与隐私侵犯风险；数据的篡改、伪造直接影响数据质量与安全；基于师生个体特征与行为数据的算法推送，容易让其深陷“信息茧房”。

因此，高校亟须构建涵盖法律法规、教育规范与技术标准的人工智能教育数据治理规则体系，并将其贯穿于引导和规范教育数据治理的全过程。在数据采集阶段，应规范人脸识别、行为轨迹等个人敏感信息的收集行为，遵循公开透明与最小必要原则，确保数据采集合法合规且目的明确。在数据处理阶段，应制定针对人工智能的教育数据清洗、标注及分类标准，采用高质量数据集进行模型训练，保证算法设置的透明性与公正性，使其符合教育教学规律。在数据使用阶段，应结合人工智能教育应用场景，对数据实施必要的加密处理与访问权限设置，防范错误与虚假数据信息的传播，筑牢教育数据安全防线。

人工智能与教育教学的深度融合，既为高校教育数据治理提供了技术赋能，也提出了新要求。高校应当主动把握机遇、科学应对挑战，深度应用智能化技术，推动教育数据治理的要素重构与流程优化，充分释放教育数据的内在价值，有效推动高校数智化转型与治理能力提升。

（作者单位：扬州大学教育学院，巢湖学院信息化建设与管理处；本文系全国教育科学规划课题“现代职业教育体系政策绩效评估研究”〈BGA190047〉、安徽省高校“双特色”建设项目“面向数智赋能的学生成长‘画像’建设与应用”研究成果）