活动理论视角下高校教育数据治理体系构成要素研究

摘要：建立科学合理的数据治理体系是数据治理有效实施的基础，而数据治理体系的核心是对其基本要素的分析与配置。该文在厘清数据治理概念范畴的基础上，以活动理论为视角，采用内容分析法深入剖析了高校教育数据治理体系构成要素及其内容。研究发现，高校教育数据治理的目标呈现出鲜明的三层结构;治理主体由信息化领导小组、信息化部门、校内各业务部门以及教师、学生等多元利益构成;治理客体包括教育数据及其事务，教育数据以高校履职过程中产生的数据为主，事务方面重点关注数据标准化、数据交换与集成、数据质量管理、元数据管理、主数据管理、数据服务与可视化分析以及数据安全管理;治理方式由分工、工具和规则共同形成，分工上建立了由决策层、统筹层、执行层组成的职、权、责明确的组织架构;治理工具迎合了大数据发展的需求;规则上除了制定相应的原则与宏观制度外，有向具体化、可操作性发展的趋势。但也存在缺乏促进性制度，以及数据治理项目涉及事务较多、难以评估等问题。

关键词：数据治理;高校教育数据治理体系要素;活动理论;内容分析法

中图分类号：G434

文献标识码：A

一、引言

数据治理起源于组织满足外部监管[1]、信息资产优化使用[2]以及提高数据质量的需求[3]，因其从组织战略高度制定有关数据及其事务的整体性框架，促进数据从独占转为共享，从封闭走向开放，从权力变为资源，保障部门之间、系统之间数据流动的协同一致、合法合规，有效提升数据服务能力而受到各行业的广泛关注。数据治理体系是对数据治理活动的基本要素及要素之间的结构和关系的逻辑表达。随着数据治理重要性的凸显，研究热度持续增温，很多专业机构和研究者提出了一系列数据治理体系[4-9]，各种体系从不同的视角展示了其基本构成，为实践活动提供了指引和方向。纵观国内外已有研究可以发现，由于行业需求、学科视角以及关注重点的不同，各种体系存在一定差异，甚至矛盾。因此，在实践中需要根据行业领域特点，建立符合现实情境的治理体系。

数据治理的兴起同样引起了教育界的关注。从现有研究与实践来看，教育数据治理主要集中在高等教育领域。实践方面，我国高校近年在数据标准化、数据共享与整合、技术平台搭建、体制机制建设、制度规约制定等方面进行了大量的、积极有益的探索与尝试。理论方面，相关研究显示高校教育数据治理不仅能够提高教育数据质量、解决教育数据流向混乱与共享不足等问题，更有利于提高高校决策的科学性与管理效率、提升教学质量、创新服务[10][11]，为高等教育走向“善治”提供新路径[12]。然而，现有理论研究多聚焦于对其概念、价值和意义的讨论，鲜有对其体系构成要素的深入研究，理论研究的滞后难以对实践活动进行有效支撑和指导。本文拟借助活动理论，以20所高校的实践活动为基础，分析高校教育数据治理体系构成要素及其内容，以期为实践提供理论依据。

二、研究范畴的厘定

（一）数据治理的概念范畴及其关系

数据治理概念的界定一直是学术界讨论的重要话题，然而由于关注视角的不同，始终未形成统一的认识。但从治理对象的视角来看，存在三种基本认识。一是对“数”治理，通过数据标准化、数据清洗与转换、数据质量管理、数据传输与存储的安全防护等技术方式整合数据源流，提高数据的可用性，保护数据安全与隐私，促进数据的流动和利用。典型的定义如“数据治理是企业改善和维护数据质量和使用的一种有前途的方法”[13]。二是对“数据事务”治理，将数据治理界定为组织管理数据资产的行為[14]，通过完善数据政策法规、设立组织结构、明确数据权属关系、定义数据操作流程与规范、建立数据工作机制等措施，规范“数据事务”，从而促进数据价值的实现。如“数据治理是遵照企业对数据管理及监控的战略措施，将数据作为核心资产使用，通过组织内部工作者、实施过程和技术能力协同共建的过程”[15]， “数据治理是指通过建立组织架构，明确董事会、高级管理层、部门等职责要求，制定和实施系统化的制度、流程和方法，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程”[16]。三是依“数”治理，将数据视为政府、企业或其他社会组织治理的工具或方式，通过数据开放、数据挖掘、数据分析与应用等支撑政府或组织管理、服务和决策[17]。如“数据治理是指运用数据科学的技术手段，用数据说话、用数据决策的问题分析及解决机制”[18]“数据治理是数据驱动下的公共治理新模式”[19]。

以上认识实际形成了两个概念范畴。其一是以有效数据资源形成与充分利用为目标的对“数”治理和对“数据事务”治理，核心是实现多源多样数据的有效汇聚与融合、促进数据流动和合规利用，在互联互通、融合共享中最大程度地挖掘和释放数据的价值;其二是将数据作为治理工具的依“数”治理，核心是实现对其他领域的治理，逐渐去除“人治”，比如大学治理、企业治理或政府治理等。显然，这两个概念范畴既有区别也存在联系。前者治理的对象是“数据及其事务”，重点在于形成有效数据资源，促进数据价值发挥，数据并非专门用于对其他领域的治理，而后者将“数据”视为治理工具，其治理的对象是其他领域，即数据价值发挥的目标指向于治理其他领域。二者的联系在于，前者为后者供给所需数据，是后者实现目标的前提与基础，对后者具有保障作用;同时，如果以治理其他领域作为目标指向，那么后者向前者提出数据需求，对前者具有指引作用。

从现有研究与实践来看，人们对数据治理的认识多见于前者，本文也基于这一概念范畴开展研究。

（二）高校教育数据治理的概念界定

所谓“高校教育数据治理”从字面上可以简单理解为在高校这一具体组织情境范围内的教育数据治理。但鉴于现有研究对数据治理概念界定的莫衷一是，有必要对其概念作出明确的定义。借鉴前人研究及上述分析，结合治理的概念，即一般意义上，可以把治理理解为人们按照一定目标或价值而对人、事、物进行的控制、管理活动[20]。本文认为高校教育数据治理是指高校通过建立系统化的制度、流程和方法对教育数据及其事务进行规范、控制和协调，确保教育数据统一、高效运行，促进教育数据价值发挥的活动与过程。

三、活动理论视角下高校教育数据治理体系

（一）活动理论概述

活动理论是一个研究不同形式人类活动的哲学和跨学科理论框架。起源于19世纪康德、黑格尔的古典哲学，形成于马克思辩证唯物主义，经过苏联心理学家维果斯基（Vygotsky）、列昂节夫（Leontev）和芬兰学者恩格斯托姆（Engestorm）的发展而逐步成熟[21]。活动理论发展出的活动系统模型使人类活动的结构得到了系统表征，成为理解和分析人类活动的一般解释框架[22]。该模型由主体、客体（对象）、共同体、中介（工具）、规则和分工六个组件（要素）以及组件之间相互作用形成的生产、消耗、分配与交流四个子系统构成，其中主体、客体和共同体是核心组件，工具、规则和分工是次要组件，核心组件通过次要组件相互作用和联系。

经过多年的发展，活动理论越来越成熟，也逐渐切近人类的真实活动。活动理论虽然起源于哲学和心理学，但随后逐渐用于其他学科领域对活动的认识，比如人机交互[23]、计算机协作学习[24]、信息系统开发[25]、政府数据开放[26]等。

（二）高校教育数据治理体系构成要素的确立

体系即系统，任何体系都是由一定要素及其相互关系构成。对于任何治理活动而言，至少需要考虑四个问题“谁治理？治理什么？为何治理？如何治理？”，这些问题的理论概括就構成了治理的基本要素：治理主体、治理客体、治理目标和治理方式（或机制）[27]。高校教育数据治理是治理活动的具体化、情境化，那么，高校教育数据治理体系必然是由以上要素及其相互关系构成的完整系统。而活动理论是分析和理解人类活动的一般性框架，至此，本文引入活动理论尝试建立高校教育数据治理体系要素框架，如下页图1所示。

1.治理目标

目标是活动要达到的预期要求或实现的目的。活动理论认为，人类的任何活动都是目标驱动的，没有目标或动机就没有活动。高校教育数据治理的目标是促进教育数据价值发挥，价值是主客体相互作用的产物，价值的产生既离不开主体，也离不开客体。同理，教育数据价值是在教育活动过程中利益相关者与教育数据相互作用产生的，也就是说，高校教育数据治理的价值必然嵌套于科学研究、人才培养和社会服务三项基本教育活动，以及教学管理、校园服务、人力资源管理等辅助性教育活动，否则，高校教育数据治理就会成为“无心的盲动”。

2.治理主体

治理主体即从事治理活动的行为者。表面上看，高校教育数据治理的主体似乎是高校，但这里的高校并非治理主体，而是治理对象存在的逻辑范围。从治理的基本内涵来看，治理是一种由共同目标支持的活动，其核心是“主体多元化”和“去中心化”，强调在治理活动中调动多元利益相关者共同参与、对话协商。因此，活动系统中的主体与共同体在治理活动中都可以视为治理主体，即多元利益主体。高校是一个由多部门组成的社会组织，每个部门在高校的运行和发展中具有不同的功能和作用，数据往往存在于多个部门的不同信息系统中。在实施数据治理的过程中，需要将不同信息系统中的各类数据资源进行整合、共享与利用，显然，在此过程中需要管理人员、教师、学生以及相关企业等多元利益共同参与和相互协作。

3.治理客体

客体指主体活动的对象，是主体追求的物质或精神产品，客体的产生、创造和转化都是为了使主体达到特定的活动目的。高校教育数据治理的对象包括高校教育数据及其事务。就高校教育数据而言，目前还未有学者或机构对高校教育数据做出明确的界定，但对教育数据（教育大数据）已有表述[28-30]。可见，教育数据产生于教育活动过程的每一个环节，比如课堂教学、考试评测、教育管理等。另外，还有很多看似与教育无直接关联的、围绕教师和学生的工作、学习等相关活动产生的数据，如学生图书馆进出记录、食堂就餐频次等都可以称之为教育数据。综上，可以将高校教育数据理解为高等学校在履行职责过程中产生的以及根据高等教育需要采集到的，用于高等学校发展的数据集合。所谓高校教育数据事务归根结底是围绕数据生命周期的数据活动。数据生命周期是指数据从采集和获取到销毁的全过程，是一切数据活动的基础[31]。传统的数据生命周期一般包括数据采集、存储、应用、归档与销毁等活动，注重在节省数据存储成本的基础上，保存有用的数据，而大数据是以挖掘和释放数据价值为导向，强调通过数据整合和关联为数据流转、统计、挖掘和分析等应用提供数据服务。

4.治理方式

治理方式是治理活动中采取的各种方法、手段和举措。依据活动理论，治理方式主要表现为工具、规则和分工。其中，工具是客体转化为结果的过程中所用到的事物，在数据治理领域中包括数据获取、转换、处理、分析、开放等各类软件平台或系统。近年，随着数据变化更加迅速、类型更加多样、内容更加丰富以及数据体量的爆炸式增长，给数据治理工具的功能与性能提出了巨大挑战，治理工具能否满足主体的需要，在一定程度上决定着治理效果。在活动系统中，规则是主体与共同体进行互动的中介，通常表现为一系列的行为规范和行动准则[32]。相应地，规则在数据治理体系中是多元利益主体相互协作的保障和解决争议与利益冲突的依据。高校教育数据来源于多个部门和渠道，不同领域的数据具有独特的业务规则和属性，各类业务数据之间相互交织，要实现数据有效整合、规范利用必然会牵涉到业务数据规范、业务系统、流程以及制度的建设和优化，在此过程中无疑会造成多元利益主体之间的利益冲突，这就需要制定一定的规则进行限制与约束，在利益与冲突之间寻找平衡。分工既是对多元利益主体的任务分配，又是对其权利和地位的设定，通常以组织架构的形式体现。组织架构的实质就是为实现组织战略目标而采取的一种分工协作体系。在数据治理体系中，不同的利益主体在实现客体转换过程中作用和功能不同，因而具有不同的分工。《信息技术服务治理第5部分：数据治理规范》指出，数据治理至少应该建立支撑数据战略的组织机构和组织机制，明确决策和实施机构，设立岗位并明确角色，确保责权利的一致[33]。Malik认为建立正式的组织架构有利于将数据治理制度化，建立明确的沟通机制，便于迅速解决问题[34]。Cary等对美国高校教育数据治理现状调研结果表明，33%的高校设立了数据治理委员会或工作组用以支持数据治理的实施，43%的高校有专门的信息技术或研究机构实施和监督数据治理过程[35]。显然，根据学校数据战略建立相应的组织架构，有利于治理活动的有序进行。

四、高校教育数据治理体系要素的内容分析

上述分析从理论层面确立了高校教育数据治理体系要素，为进一步明确各要素的具体内容，本文拟以我国高校近年的教育数据治理实践为研究样本，进行深入剖析。

（一）研究样本

研究样本来源于两个方面，一是教育数据治理相关的规划、制度等政策性文本。此类文本通常是对实施教育数据治理的目标、范围、组织架构、工作机制以及职责的描述。二是教育数据治理项目文本。从现实情境来看，我国高校主要采用信息化项目的方式开展实践活动，项目文本通常包含数据治理的整体性技术方案。基于上述考虑，以及样本的可获取性和随机性，研究收集了20所高校（覆盖全国13个省、直辖市）的相关实践资料，其中政策性文本和项目文本各10项，分别以Z和X开头顺序编码，如表1所示。

（二）分析方法

本文采用内容分析法对样本进行分析。内容分析法是对明显的传播内容做客观而又系统的量化并加以描述的一种研究方法。在实际运用中，首先要根据研究问题选择可靠的样本数据，其次通过相应的类目系统对样本进行分析以建构研究结论，最终达到对研究样本所反映的“质”的深刻而全面的认识[36]。本文以前述高校教育数据治理体系要素框架作为分析类目，旨在分析樣本中涵盖的要素内容，因此，将每个单独的样本视作独立分析单元，同一样本中一个主题词出现多次只计一次，二级主题词直接来源于样本内容的分析归纳，以更好地阐释要素的内容。

（三）分析结果

1.治理目标

通过对研究样本的阅读和分析，抽取出的目标要素如下页表2所示，高校教育数据治理形成了一个鲜明的三层目标结构，如下页图2所示，其中最底层是对数据关键属性的需求，包括提高数据质量、保障数据安全、规范各信息系统数据及数据标准化，是中层实现的基础;中层通过数据整合、流动与利用，为教学、科研、管理和决策等教育活动提供支撑，是数据价值体现的主要方式;顶层信息化核心竞争力是愿景和理想。

2.治理主体

理论上参与高校教育数据治理的个人或集体都是治理主体。从现有实践来看，我国高校教育数据治理的主体主要包括信息化部门、信息化领导小组和校内其他业务部门，以及教师和学生个体，如表3所示。

3.治理客体

高校教育数据治理的客体要素是高校教育数据及其事务。高校教育数据有两个主要来源，一是高等学校在履行职责过程中所产生的数据，可称之为内部数据;二是根据高等教育需要获取的数据，这些数据并非直接产生于高等教育活动，但有助于高等教育发展，可称之为外部数据。近年高校教育数据明显呈现大数据形态，为了更好地管理和利用，需要根据不同的管理需求和应用目的进行类型划分，比如按数据结构划分、按数据主题划分[37]、按数据采集的复杂程度划分[38]、按治理范围划分[39]等。由表4可见，由于外部数据的来源广泛而复杂，我国高校在实践中主要关注内部数据的治理，并且多按照数据主题进行管理与应用。

客体要素的另一个方面是高校教育数据事务，即围绕数据生命周期的数据活动。从实践来看，我国高校重点关注数据标准化、数据交换与集成、数据质量管理、元数据管理、主数据管理、数据服务与可视化分析以及数据安全管理等七项事务，如表5所示。

4.治理方式

（1）工具要素

工具是主体作用于客体的中介，在数据治理中，工具是不可或缺的要素。从实践来看，我国高校采用的治理工具是以Hadoop为主的技术架构体系，支持关系型数据与非关系型数据分布式存储，通过WebService、Restful等方式提供数据传输服务，数据平台支持JAVA、PHP、Python等主流编程语言，如表6所示。

（2）规则要素

在数据治理体系中，规则是对多元利益主体的行为进行限制与约束的依据。从现有实践来看，高校教育数据治理体系中的规则主要体现在两个方面，一是原则，二是制度规范。原则是开展数据治理活动所依据的法则或准则。通过样本分析发现，主要包含统一标准、数据共享、全程管控和归口管理四项基本原则，如下页表7所示。统一标准是为了更好地共享和整合数据，以及确保数据的可读性，即数据可以被理解，是共享和利用数据的基础;数据共享则强调数据的交换和流动，确保数据满足业务需求，实现数据价值;全程管控突出在数据利用的过程中对数据质量和数据安全的要求，确保数据可用以及在安全的前提下使用;归口管理明确了相应的业务数据责任主体，更加突出绩效和问责。此外，也有高校从强调数据利用的合理性与规范性方面提出了申请数据最小化、依法使用的原则，从持续改进的角度提出了可持续发展的原则。制度是一种人们有目的建构的存在物，用于规范、影响建制内人们的行为，是生产活动能够顺利开展的基础。我国高校与数据治理相关的制度主要是数据管理办法，如表1所示，其内容涵盖了数据治理的目标、原则、范围、主体的角色与职责以及数据相关事务等方方面面。

（3）分工要素

高校教育数据治理体系中存在多元利益主体，不同的利益主体在其中扮演着不同角色，因此，需要建立相应的组织架构进行分工。通过内容分析发现，我国高校数据治理的分工体系基本包含决策层、统筹层和执行层。其中信息化领导小组是决策层，一般是由校领导及校内主要业务部门领导组成的虚拟组织，其职能是制定和审核信息化相关的战略规划、总体目标、工作步骤，统筹协调学校信息化建设的工作。信息化部门在实践中扮演着推动者、组织者与主导者的角色，承担统筹与管理职责，执行决策层形成的重大决策，研究制定数据标准、建设和运营数据中心、组织和协助业务部门开展数据应用与分析等技术工作。其他业务部门和教师、学生等个体既是数据生产者又是使用者，数据生产者向数据中心提供数据，数据中心通过数据交换或申请服务为数据使用者提供数据，从而实现数据的共享与利用。

五、结论与建议

综上，我国高校在实践方面已经进行了较为深入的思考和有益探索，从活动理论的视角来看，基本形成了较为完善的教育数据治理体系，但也存在一些不足有待改进。就目标要素而言，ISACA指出治理目标的制定应该基于组织的愿景使命、组织利益，遵循“SMART”原则：具体的（Specific）、可衡量的（Measurable）、可实现的（Achievable）、现实的（Realistic），就指定的目标时间范围来说是及时的（Timely）[40]。Cary等认为高校数据治理的目标应该是战略性的，以满足利益相关者的需求和利益[41]。基于上述观点，Panian认为为了满足组织数据应用的需求，数据需要满足六个关键属性，分别是数据可访问性、可用性、质量、一致性、可审核性和安全性，只有通过管理和开发这些关键的数据属性，才能够增强数据作为组织资产的整体价值[42]。我国高校教育数据治理形成的三层目标结构从具体要求到组织愿景层层提升，既具有实务操作性，也具有战略指向性，符合“SMART”和ISACA、Cary等提出的原则，同时，切合了Panian的观点，紧扣服务高校教育活动，体现了目标制定的科学性与合理性。主体要素根据不同利益主体在治理体系中的功能和作用，主要划分为信息化领导小组、信息化部门和校内其他业务部门三类，体现了治理主体多元化、协同共治的思想。客体要素主要围绕高校内部数据和数据标准化等七项事务，此外，部分高校提出了数据审计、绩效考核、数据预警等事务需求，展现了高校教育数据治理向更深更广探索的需求和持续改进的思想。但从项目化的实施方式来讲，同一项目涉及的数据事务太多，比如既有数据标准化，又有数据可视化和数据安全等，这样无疑会顾此失彼，导致项目成果难以按期交付和评估。治理方式要素由工具、规则和分工三方面构成，其中治理工具随着“大数据”对“数据”内涵和外延的扩展，其需求已转向能够支撑大数据管理、处理及应用的架构体系和支持多种服务方式、多种编程语言的软件系统[43]。规则主要体现为原则和制度，我国高校形成的四项基本原则与治理目标互相呼应，更加具体和有指向性;制度方面则过于笼统，操作性不强，随着数据治理理念的不断深入和实践探索，有向具体化、可操作性发展的需求和趋势。比如，样本X6和X9提出的制度规范需求包括《数据标准管理制度》《数据质量管理制度》《元数据管理制度》《数据模型及标准变更规范》《數据采集和维护工作规程》《数据使用授权规范》《数据集成与共享规范》等。此外，促进性制度缺失，高校教育数据治理主体的多元性不仅需要规范其行为，也需要激励措施促进多元利益相互协作。分工方面主要采用自上而下的方式建立了由决策层、统筹层和执行层构成的组织架构，明确了多元利益主体的职、权、责，有利于不同主体之间协商合作，保障治理活动有序进行。

基于上述研究结果，本文提出以下建议以期能够帮助高校完善教育数据治理体系，促进教育数据治理的有效实施。首先，教育数据价值发挥最终体现为服务于高等教育活动，促进高等教育事业发展，因而，高校教育数据治理应具有目标指向性，在制定治理方案时需明确界定数据的来源、范围、类型和存储载体，数据事务的范围与功能以及评估指标，而非盲目地囊括一切数据及其事务。其次，数据治理具有渐进性，经过持续改进才能逐步实现目标，因此，数据治理项目立项和建设应遵循以下原则：（1）专注于有限的数据或专项数据事务;（2）目标可达、可评估;（3）开展周期性评估，包括项目实施前后的评估;（4）持续改进。第三，进一步强化和细化制度规范建设。一方面，加强促进性制度建设，不仅要建立问责制度，还要建立保护和激励制度。如将数据治理相关绩效纳入部门考核或作为其他竞争性事务的参考指标，设立专项数据应用比赛等。另一方面，细化制度规范，为各利益主体建立操作依据和流程规范。第四，从目前来看，还缺乏相对成熟的一体化工具（或系统）。教育数据的多源多样，以及教育数据应用需求的灵活多变增加了教育数据治理工具研发的难度，延长了其成熟周期。因此，工具选型应注重：（1）可扩展性;（2）专用性，即软件工具或系统的功能应该专注于某一方面。当然，也可以引进实力较强的信息技术企业定制开发，但需要与合作企业保持长期、稳定的关系，采取相应的策略防止企业进行技术捆绑。比如，根据数据治理渐进性的特点，分阶段持续性投入资金;加强技术队伍建设，与企业进行合作研发，保障核心技术的可持续性。

六、结语

高校教育数据治理不是通过制定一套数据标准、搭建一个数据平台或制定一些规则制度就能简单实现的，而是一项复杂的系统工程。对于系统而言，只有把握其构成要素的功能与作用，才能有效控制、协调和管理整个系统，实现预期的目标。本文从活动理论的视角深入分析了高校教育数据治理体系构成要素及其内容，有助于研究者与实践者更加全面、深刻的理解其内涵，帮助高校查摆不足、整体规划，深入推进教育数据的建设与应用，促进教育数据价值发挥，为提升教育治理能力提供支撑。

参考文献：

[1] Cheong，Lai Kuan.et al.The Need for Data Covernance：A Case Study[DB/OL].https：//aisel.aisnet.org/acis2007/100/.2007-1 2-05.

[2] Horne N W.lnformation as an Asset--The Board Agenda [J].ComputerAudit Update，1995.（9）：5-II.

[3] Madnick S E，Wang R Y，et al.Overview and Framework for Dataand Information Quality Research [J].Journal of Data&InformationQuality，2009，1（1）：1-22.

[4]The DGI Data Govemance.The DCl Data C.ovemance Framework [EB/OL].http：//www.doc88.com/p-973377 12391 84.html，2014-01 -25.

[5][15] IBM Institute for Business Value and IBM Strategy and Change.The IBM Data （;overnance Council Maturity ModeI：Building aroadmap for effective data govemance [J].（;overnance an InternationalJoumal of Policy and Administration，2007.（10）： 1-16.

[6][42] Panian Z.Some practical experiences in data governanCe [J].WorldAcademy of Science Engineering&rrechnology，2010，（38）：939-946.

[7][33] GB/T 34960.5-2018，信息技术服务治理第5部分：数据治理规范[s].

[8]郑大庆，黄丽华等.大数据治理的概念及其参考架构[J].研究与发展管理，2017，29（4）：65-72.

[9]余鹏，李艳.智慧校园视域下高等教育数据生态治理体系研究[J].中国电化教育，2020，（5）：88-100.

[10]许晓东，王锦华等.高等教育的数据治理研究[J].高等工程教育研究，2015，（5）：25-30.

[11]彭雪涛.美国高校数据治理及其借鉴[J].电化教育研究2017，（6）：78-83.

[12]刘金松.数据治理：高等教育治理工具转型研究[J]中国电化教育，2018，（12）：39-45.

[13] Otto，Boris.A morphology of the organization of data govemanceEB/OL].http：//aisel.aisnet.orqecis201 1/272.201 1-07-16.

[14]毕马威.数据大治理[J]大数据时代，2020，（9）：26-37.

[16]中国银行保险监督管理委员会银行业金融机构数据治理指引[EB/OL]http：//www.gov.cn/xinwen/201 8-05/23/content_529293 8.htm.2018一05-21.

[17]沈光辉，陈明等.终身教育大数据应用模型与服务平台构建研究[J]中国远程教育，2020，（12）：59-68.

[18]单勇.以数据治理创新社会治安防控体系[J]中国特色社会主义研究，2015，（4）：97-101.

[19]唐莹，易昌良刍论政府数据治理模式的构建[J].理论导刊2018，（7）：70-76.

[20]丁志刚.如何理解国家治理與国家治理体系[J].学术界.2014，（2）：65-72.

[21]王知津，韩正彪等.活动理论视角下的情报学研究及转向模型[J].图书情报知识，2012，（1）：5-14.

[22]胡海明，祝智庭.个人学习环境的概念框架：活动理论取向[J]开放教育研究，2014.20（4）： 84-91.

[23] Rogers Y.New theoretical approaches for HCI[J].Annual Review ofInformation Scicence and Technology，2004.3 8（1）： 87- 143.

[24] Ola Berge，Annita Fjuk.Understanding the roles of onlinemeetings in a net-based course [J].Journal of Computer AssistedLearning，2006，22（1）：13-23.

[25] Korpela M.Mursu A，et al.lnformation Systems Development as anActivity [J].Computer Supported Cooperative Work，2002，11（1-2）：111—128.

[26] Ruijer E.Grimmelikrnujsen S，et al.Open data for democracy：Developinga theoretical framework for open data use [J].（;overnment Information

Quarterly2017.34（1）：45-52.

[27]丁志刚.论国家治理体系及其现代化[J].学习与探索，2014.（11）：52-57.

[28]中华人民共和国教育部.教育部机关及直属事业单位教育数据管理办法[EB/OL].http：//www.moe.gov.cn/srcsite/A03/s705 0/201802/t20180211—327248.html.2018-01-23.

[29]中山大学《中山大学教育数据管理办法》XEB/OL].http：//info.sysu.edu.cn/article/428，201 8-04-05.

[30]杨现民，唐斯斯等.发展教育大数据：内涵、价值和挑战[J].现代远程教育研究，2016.（1）：50-61.

[31]张绍华，潘蓉等.大数据治理与服务[M].上海：上海科学技术出版社.2016.

[32]万力勇，黄焕等.活动理论视域下高校创客空间的结构要素、演化规律与运行机制[J]高等教育研究，2019，40（12）： 81-89.

[34] Malik P.Governing Big Data：Principles and practices [J].lbm Journalof Research& Development，2013，57（3/4）：1-13.

[35][41]Jim C K，Chang H C.The current state of data governance inhigher education [J].Proceedings of the Association for InformationScience and Technology，2018.55（1）：198-206.

[36]李克东.教育技术研究方法[M].北京：北京师范大学出版社，2003.

[37]兰州大学《兰州大学信息安全管理制度汇编》[EB/OL].http：//www.doc88.com/p-69152243 80034.html.2016-09-15.

[38]杨现民，唐斯斯等.发展教育大数据：内涵、价值和挑战[J]现代远程教育研究，2016，（1）：50-61.

[39]许晓东，王锦华等.高等教育的数据治理研究[J].高等工程教育研究，2015，（5）：25-30.

[40] DAMA International。马欢，刘晨等译.DAMA数据知识管理知识体系指南[M].北京：清华大学出版社，2012.

[43]董晓辉，郑小斌等.高校教育大数据治理的框架设计与实施[J].中 国电化教育，2019，（8）：63-71.

作者简介：

董晓辉：高级工程师，博士，研究方向为智能教育技术与应用、教育数据治理。