摘要
在数字化时代的总体布局中，技术驱动教学升级、信息赋能教育改革的“科技+教育”模式已成为教育未来发展的必然趋势和建设高质量教育体系的重要策略。建设教育强国，龙头是高等教育。加快推进高等教育质量监测数智化发展，帮助高校及时全面地掌握动态信息，客观准确地评估教育发展现状和水平，对开拓高等教育可持续发展新局面、书写教育全方位服务社会主义现代化建设新篇章具有重要的导向意义。文章基于国内外现有研究理论与实践经验，不同于传统的单一化数值型数据库，结合高校特色和时代特征，以多元化、多维度、多层次、综合性的大数据库为推动基础，建立健全“科技+教育”视域下具有信息采集、数据处理、质量分析、评价决策、评估预测和风险预警六大系统的高等教育质量监测数据库，并通过基于角色的访问控制进一步解决敏感数据、安全管理等问题，最终建立结果运行机制，为教育质量常态监测、完善教育质量评价体系、创新高校管理体系提供技术支撑，有效发挥监测平台诊断、改进、引导功能，精准服务高等教育从“有质量”迈向“高质量”。
党的二十大报告提出了“中国式现代化”目标和“实施科教兴国战略，强化现代化建设人才支撑”的重大战略部署，标志着中国式现代化建设进入新阶段，科教兴国开启新征程。高等教育是科技第一生产力、人才第一资源和创新第一动力的最佳融合点，在教育、科技、人才“三位一体”战略部署中具有重要地位与价值。党的十八大以来，我国高等教育在学总规模超4 760万人，毛入学率达60.2%，实现了从大众化到普及化的历史性跨越。在新一轮科技创新和新一代信息技术的影响推动下，新征程上的中国高等教育迎来内涵发展、质量提升、改革攻坚的关键机遇，迫切需要立足中国式现代化建设新要求，以数智技术引领深化学科建设、质量监测评价等综合改革，全面提高人才培养能力、建设高等教育强国。2020年10月出台的《深化新时代教育评价改革总体方案》强调教育评价事关教育发展方向，对改进高等学校评价、改革教师评价、改革学生评价等作出了全面部署。深化新时代高等教育评价改革，应牢牢把握总体目标和重点任务，坚持科学导向，健全综合评价，提高教育评价的科学性、专业性、客观性。基于以上背景，深入探讨如何借助数智技术赋能高等教育质量监测平台建设，优化高等教育评价体系，是进一步引领高等教育高质量发展、加快推进教育现代化的必修课和必答题。
数据驱动教学升级、科技助力教育改革是一大趋势，在当前人工智能、云计算、数据挖掘、VR/AR等计算机科学技术飞速发展并广泛应用的大数据时代，高等教育质量监测数据平台建设作为高等教育质量监测研究领域的重点内容，被各界专家不断提出反复研究，以求提高教育管理水平，深化高校教育教学改革。乔刚
至今，高校层面数据平台建设的相关应用研究已经拓展到常态监控、在线教育、人才培养等领域。汤建民建立了具有检索功能、统计功能、自动生成分析报告功能的高校科研评价数据库，有利于客观记录高校科研状况数据，最大程度地实现评价数据的透明真实性，提升大学排名公信力。克巴杜
为了提升教学质量，促进高等教育质量监测数据平台长远发展，不同专家学者也提出相应的策略与建议：一是积极培育第三方评价机构，加大基础研究支持力度，加强数据监测和评估结果使
目前我国大部分高校在数据库实际使用过程中面临诸多限制，主要体现在以下几点。一是数据类型结构单一。静态数据多于动态数据，结果性数据多于过程性数据，管理数据多于教学数
建立高等教育质量监测数据库是推动高等教育内涵式发展、提高学校人才培养质量的重要举措。基于信息技术、计算机技术构建多元化、多维度、多层次、综合性的大数据库，结合高校特色和时代特征，探讨“科技+教育”视域下高等教育质量监测数据库的建设路径，系统设计坚持教学和学生双中心，监测指标涵盖党和国家近年来对高等教育领域关切的热点、重点，利用互联网思维解决教学中的痛点、难点，建立“监测-诊断-改进”的工作闭环，促进科技与教育教学深度融合。
数据库是“按照数据结构来组织、存储和管理数据的仓库
图1 高等教育质量监测数据库的程序和架构
信息采集系统是将非结构化信息从大量杂乱无章的数据中筛选梳理并保存到结构化的大数据库中，如
图2 大数据库构建示意图
数据处理系统是从大量杂乱无章且难以理解的数据中抽取并推导出对某一特定事件有价值、有意义的数据，主要包含数据清洗、数据可视化两大功能。数据清洗是数据处理的首要环节，包括数据清理，缺失值、异常值处理，归一化、标准化、中心化等步骤。数据清理主要涉及数据格式的统一、无效数据的删除等。一方面，可以实现数据类型的转换，根据数据实际情况，将不同数据类型转换成统一格式，如将字符串、日期等格式转换成数值；另一方面，对数据进行规范化，对于一些相同含义但表达不同的数据，例如“男”和“M”表示同一性别，则需要通过数据规范化，统一为相同表达形式。数据可视化是将数据通过图表形式表现出来，以便更好地传达和理解数据信息，主要有条形图、折线图、散点图、饼图等。通过将大数据库获取的数据推送至数据处理系统，实现数据信息的加工、整理、可视化，进而转换为兼具有效性和可用性的信息形式，并对处理后的信息进行贮存。
质量分析系统是用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息、形成结论，从而对数据加以详细研究和概括总结，主要包含描述性统计分析（平均值、标准差、分位数、众数等）、数理统计分析（抽样估计、假设检验、方差分析等）、数据挖掘（聚类分析、决策树、神经网络、支持向量机、随机森林、关联规则、协同过滤等）和大数据分析（dadocp、spark、storm）等功能模块。实施过程包括识别信息需求、有目的地收集数据、数据分析和过程改进四个步骤。质量分析系统通过对教育教学质量进行实时化、精准化、常态化监测，使监测全流程成为不断调节、有序推进的动态过程，发现各数据间的潜在联系，形成数据分析报告，促进学生个性发展，形成教学质效闭环、为提升高校教育质量提供客观评价依据。
评价决策系统是一个交互式系统，对决策的实际结果和预期目的的符合程度进行分析与判断，主要包括教育质量评价和决策支持两大功能模块。根据质量分析系统形成的分析报告，教育质量评价模块可以在纵向层面最直观地反映评价主体，同时，还可与其他城市、地区进行横向比较，加入校外评价主体，如家长、校友、教育专家、社会各界等其他评价主体对学校的反馈信息，探索多领域综合评价和跨年度增值评价，坚持问题诊断和示范引领并重，建立监测问题反馈和预警机制，督促问题改进，让决策更加合理化、科学化、综合化。决策支持模块能够综合性地灵活运用最优化决策模型与智能决策方法对具体问题进行具体分析，及时提供与决策相关的各种信息，根据决策目标提出备选方案，并对其优缺点进行综合评价，以适应外部条件的客观变化和使用者的实际需求。
评估预测系统是根据历史经验、客观数据和逻辑推断，寻求教育教学发展的规律和未来趋势，主要包括学生综合素质、教师教研能力、高校办学水平三大功能模块。评估预测系统通过记录存储学生学业完成情况、教师的评价反馈信息等，立足学生自身学习阶段和特点，对学生综合素质进行个性化评估，以便整体观察学生成长轨迹，随时掌握学习变化情况。同时，根据不同需求，可以为高校管理层、各院系、科研处、教师发展中心等部门，评估追踪教师教学能力、学生科研水平、学校办学水平、人才发展培养等相关信息，用客观数据支撑高校长远发展规划。
风险预警系统是根据所研究对象的特点、收集的相关资料信息，监控风险因素的变动趋势，并评价各种风险状态偏离预警线的强弱程度，向决策层发出预警信号并提前采取预控对
高等教育质量监测数据库中存储了大量学生、教师的个人信息，以及成绩、排名等各类涉密或敏感数据，推进“科技+教育”事业跨越式发展，意味着教育专用资源向教育大资源的转变，也对敏感信息的使用和处理提出了更高要求。
在脱敏和恢复模块（
图3 脱敏与恢复模块中的数据流示意图
随着数据平台数据量与访问量的增长，数据平台安全性随之面临更多的挑战，加强安全管理对于包含大量个人数据的数据平台尤为重要。除了快速改进各种有效的漏洞管理外，灵活、有针对性的数据库安全保护技术是防止信息泄漏最有效方法之一。
高等教育质量监测数据库使用基于角色的访问控制以实现层次管理，首先根据组织功能开发各种角色，每个功能对应一个不同级别的操作特权，根据角色权限数据库中的信息为用户的账户分配一个角色和关联权限，并在用户登录系统时验证用户的身份和密码，如
图4 高等教育质量监测数据库账户认证过程
高校是高等教育质量监测数据库的主要建设者、使用者、管理者，高等教育质量监测数据库可从资源、形式、载体等方面，为高校的信息掌握、教学评估、管理模式等带来革新，通过模块化、定制化、常态化的监测手段，促进学校高效管理、教师精准教学、学生优质发展。
高校通过建设和利用大数据库，建立健全日常管理和教学工作质量常态监控机制，可实现实时、长效、规范地采集、分析、运用教学基本状态数据。具体应用上，通过搭建数字化教学管理平台，收集、汇总、分析学习过程数据，提升教育质量评估能力；通过实时数据共享平台，搭建校内沟通机制，确保教育监测结果能迅速传达给教师和管理者；通过分析海量学习行为信息生成的大数据模型，结合学生自身的认知、需求、优势、兴趣等维度，提供有利于激发学习潜能和习得效果的支持方案；通过数据库反映出的具体学习问题，教师可针对性地发布“微课件”、融媒体教材等学习资源，增进师生在线互动，推动线上线下教学融合，促进教育教学自下而上与自上而下的内生与外推效用的结合，放大教与学的效果。
传统教育质量评价体系很大程度上依赖于通过片面的考试成绩量化学生学习成果，忽略了教育的多重价值，不同程度上存在不统一、不客观的问题。随着教育数字转型、智能升级、融合创新，对教育质量的评价应逐步趋向全面化、素质化、精准化。高校运用高等教育质量监测数据库全面的数据信息，对学生的关注可从单一的知识掌握转向多维度的灵活性评价，除了注重成绩还注重创新能力、社会技能等综合素质的发展，结合学生的个体差异和地域文化背景，消除主观评价尺度差异，构建多元评价方式，更加科学全面地评价教育教学质量，促进学生均衡发展。通过逐步完善线上综合评价长效机制，扩大教育评价覆盖面，一方面，教师可以实时跟踪学生的学习过程，并及时反馈学习效果，更准确地掌握和评价学生的学习状况，从而快速调整教学策略，形成教育质效闭环；另一方面，帮助高校管理者加强对教师的思想政治素养、职业道德、业务能力等方面的考核评价，强化教师队伍建设，把促进人的全面发展和适应社会需要作为评价教师能力的根本标准，为服务经济社会发展培养更多层次多元化的高素质专业型人才。
高等教育质量监测数据库以数据治理为核心、数智技术为驱动，助力高校管理者推进办学管理智慧化，不断完善教育治理体系，提升治理能力现代化水平。在管理方面，可通过大数据技术全面掌握和系统分析学校相关信息，做好基础设施、教务办公、安全稳定等全流程管理，满足各类学历和非学历继续教育人群的差异化需求，综合分析教师和学生发展的个体差异及其原因，根据教师工作和学生学习情况动态制定管理计划，确保教育管理工作与师生实际需求协调一致。在服务方面，通过引进智慧校园物联网技术，为教室、图书馆、食堂、活动室和宿舍等场所管理提供新引擎，协调各部门资源，深度整合不同的教育管理载体，突破时间和空间的限制，实现线上和线下、校内和校外、虚拟和现实的跨越式发展，不断扩大服务教育的覆盖范围，打造全方位、立体化、多功能的校园社区服务，为师生提供更加先进便捷的学习生活条件。同时，坚持以学生为中心，鼓励学生通过数据库积极上报学习相关情况，对学校日常管理、师资建设等作出评价反馈，增强学生主体意识，助推高校高质量发展。
参考文献
乔刚，周文辉.高等教育质量监测数据平台建设——理念、框架与路径［J］.清华大学教育研究，2017， 38（1）： 57-63. [百度学术]
陆根书，李珍艳，王玺.大数据分析在研究生教育质量评价中的应用探析［J］.北京航空航天大学学报（社会科学版），2020，33（3）：118-125. [百度学术]
代玉，王慧珍.高等教育领域数据治理的逻辑框架与实施路径［J］.黑龙江高教研究，2021，39（10）：41-45. [百度学术]
Wu H F. Higher education environment monitoring and quality assessment model using big data analysis and deep learning［J］. Journal of Environmental and Public Health， 2022： 7281278. [百度学术]
Qbadou M， El Fazazi H， Hajji M， et al. Improvement of the process of training on a platform lms supporting lom by means of a system of almost real-time recommendation multi-language bases on techniques datamining and big data［C］//ICERI Proceedings"， "ICERI2017 Proceedings. November 16-18， 2017. Seville， Spain. IATED， 2017. [百度学术]
翟雪松，朱雨萌，张紫徽，等.高校教育信息化治理能力评价： 界定、实践与反思［J］. 开放教育研究，2021，27（5）：24-33. [百度学术]
程园耀，武畅，卿雨竹，等.一种高等教育教学中的数据收集与分析系统：CN202310386581.6［P］.CN116308933A［2023-11-27］. [百度学术]
白云，初庆东，倪方昳.高等教育质量监测与评估大数据平台建设的关键问题研究［J］.教育教学论坛，2020，（02）：118-119. [百度学术]
吴云峰.高等教育教学质量监测体系的应用研究［J］.现代交际，2019（7）：177-178. [百度学术]
王娟，闫永红，薛培.基于高等教育质量监测平台数据的高校教学质量提升策略研究［J］.中国高等医学教育，2023，（3）：1-2，5. [百度学术]
李运福，徐菲，李贝.高等教育质量监测国家数据平台现状分析与改进建议［J］.中国高等教育评估， 2022（2）：12-18. [百度学术]
李飞.简析数据库设计过程［J］.数字技术与应用，2015（4）：160，162. [百度学术]
汤贝贝，薛彦华.大数据背景下高等教育治理转型：机遇、挑战与应对策略［J］.重庆高教研究，2019，7（2）：77-86. [百度学术]
杨青青，杨浴琮，李雄波.高等教育质量监测数据库建设路径研究──以上海电力学院为例［J］.教育现代化，2018，5（15）：108-111. [百度学术]