高校数据治理的关键要素及其作用机制研究*

董晓辉 彭义平 马 威

高校数据治理的关键要素及其作用机制研究*

董晓辉1彭义平1马 威2

（1．西北师范大学 计算机科学与工程学院，甘肃兰州 730070；2．西北师范大学 网络安全与信息化办公室，甘肃兰州 730070）

如今，数据治理已经成为高等教育信息化的基础性工作，然而国内高校在对其进行具体实施的过程中却遇到重重困难，挖掘影响高校数据治理有效实施的关键要素以查摆不足、厘清问题根源成为解决当前问题的突破口，但是现有研究缺少在实然层面对影响高校数据治理有效实施的关键要素的探索。为此，文章运用扎根理论对访谈数据进行编码分析，挖掘了影响高校数据治理有效实施的7个关键要素，包括高层数据意识与凝聚力、促进性政策、技术人员的专业能力、业务人员的数据素养与部门利益、数据的丰富性与可用性、平台支撑能力和信息化部门的影响力。在此基础上，文章进一步从活动理论视角阐述了各要素之间的作用机理，旨在为高校构建数据治理的良好秩序提供参考。

高校数据治理；关键要素；扎根理论；活动理论

当前，教育信息化进入数字化转型重要时期，教育数据已成为驱动教育变革的基本要素[1][2]。经过多年的信息化建设，国内高校积累了大量的教育数据资源，然而由于数据质量低下、数据管理权限混乱、共享机制不畅等诸多因素严重阻碍了数据创新应用，高校教育数据的有效管理体系尚未形成，滞后于教育决策和教育创新的需求[3]。在“需求-政策-技术”的综合驱动下，数据治理作为系统化的解决方案被国内高校广泛实践，然而在具体实施过程中却困难重重，使其难以按照理论设计有效推进，需要找寻问题背后的深层原因。数据治理是一项需要长期坚持并反复迭代优化的系统工程，既涵盖各种不同来源、类型的数据及其全生命周期管理技术，又包含数据规划、管理和使用的组织结构与人员、政策与程序，以及不同利益群体的协作支持[4]，旨在提高数据的可用性、可信性和安全性，促进数据资源的有效管理与利用，从而支撑组织业务能力的提升和战略目标的实现。对于系统而言，控制、协调和管理系统有效运行的关键在于发现对系统具有约束、支持和起决定性作用的因素（关键要素），以及这些要素之间的作用关系。目前，高校数据治理的相关研究多侧重于体系框架、机制及路径等应然层面的设计，鲜有在实然层面对影响高校数据治理有效实施的关键要素的探索。鉴于此，本研究尝试从国内高校具体实践活动中梳理和挖掘影响高校数据治理有效实施的关键要素及其作用关系，以期为高校构建数据治理的良好秩序提供参考。

一 研究现状

数据治理萌芽于企业为提升管理效率而对数据质量的关注[5]。20世纪90年代，Hawley委员会首次将数据纳入资产范畴，并将治理与资产的最优使用联系起来[6][7]。由此，数据治理逐渐成为一个新领域。近年来，伴随着大数据在各行业领域中重要性的凸显，丰富的数据资源与应用需求的矛盾日益加剧[8][9]，数据治理逐渐扩展到金融、政务、工业、医疗、教育等领域，研究与实践的热度越来越高。在高等教育领域，数据治理已成为教育信息化的一项基础性工作。

一方面，随着建设“教育文化大数据”上升为国家战略，关于教育数据治理价值的研究成为重要议题。高校作为教育信息化理论研究与实践创新的前沿，必然成为研究的焦点。其中，业界学者从数据驱动教育治理的角度进行了广泛讨论，认为数据治理有助于高校提高决策的科学性、提升教学质量、创新管理与服务，为高等教育走向“善治”提供了可能[10][11][12][13]。

另一方面，高校数据治理的体系框架与实践路径也是研究的重点，如余鹏等[14]针对高校智慧校园建设提出了数据治理功能框架；张世明等[15]面向开放大学提出了由战略、保障机制、关键活动、实践与优化四层组成的数据治理框架，并给出了实践路径；周炜[16]从数据全生命周期管理的角度提出了高校数据治理框架，构建了优化数据治理实施路径的四要素模型；宋苏轩等[17]构建了具有“过程”“调和”“多元”“互动”四大特征的高校数据治理统筹管理体系，并设计了包括关注范畴、组织结构、价值流动和风险防控四个方面的实践路径。此外，相关研究也探讨了高校数据治理的伦理与隐私保护等问题[18][19]。

综上所述，现有研究充分地讨论了高校数据治理的价值及其内涵，有助于深入、全面地呈现高校数据治理的本质，树立正确、科学的数据治理观，为高校实施数据治理指明了方向。同时，从不同视角提出的体系框架阐明了数据治理的相关要素，也提供了一些可供实践的路径。这为本研究理解与分析相关概念、发现范畴之间的关系提供了基础。但不难发现，现有研究多关注应然层面的规划设计，在研究方法上也是借鉴其他领域的数据治理进行理论探讨，缺乏基于我国高校实践活动的实证性探究，研究的深度亟待加强。为此，本研究在思考已有研究不足的基础上，从我国高校实践出发，运用扎根理论进行分析，关注影响高校数据治理有效实施的关键要素，并从理论层面阐释各要素之间的作用关系。

二 研究设计

1 研究方法

扎根理论是当前众多定性研究方法中较为严谨的一种自下而上的归纳式定性分析方法，其通过对资料逐级编码以发掘主题或者从分散的概念中发展出理论，而不是验证理论假设，强调对过程的研究，适用于围绕某一社会现象或问题的影响因素、内部结构、体系要素等进行理论构建[20][21]。鉴于当前鲜有研究对高校数据治理的关键要素进行挖掘，因此本研究选取扎根理论进行探索性分析。

2 研究对象

根据前期研究成果[22]，本研究选择国内15所高校（包含1所高等职业院校）、2家信息技术企业的相关人员作为访谈对象，具体如表1所示。

3 资料收集

资料收集是定性研究的基础环节，常见的方法有观察、访谈、实物分析、三角互证法等，本研究主要采用深度访谈法收集资料。按照扎根理论模型饱和的准则和Creswell[23]的建议，访谈样本次数选取20～30最佳。因此，依据扎根理论分析的研究规范，本研究采用半结构式访谈法，实施了两个阶段的访谈，其中第二阶段的访谈资料用于理论模型饱和检验，共完成了21次个人深度访谈和1次焦点小组访谈（由3名高校信息化部门人员和3名信息技术企业人员组成），每次访谈时间大约在30分钟～1小时，总计保存了16小时17分钟的谈话录音。同时，为了使访谈内容具有开放性，本研究结合前期研究成果，从治理目标、治理方式、治理主体、治理客体、探索性问题等方面设计了访谈提纲，部分访谈提纲如表2所示。

表2 部分访谈提纲

表3 开放式编码示例

三 数据分析

一般而言，扎根理论的研究步骤包括开放式编码、主轴编码、选择性编码、理论模型饱和检验等[24]。基于此，本研究的具体数据分析过程如下：

1 开放式编码

开放式编码是对收集的资料概念化，把资料进行分解，经过比较为资料中反映的现象贴上概念标签，再把相似概念聚拢到一起，进行范畴发掘的过程。在此过程中，研究者要尽量对资料内容保持开放态度，避免自己的主观偏见和思维定势对编码造成影响。本研究采用逐句编码的方式为资料中反映的现象贴上概念标签，具体程序为：①对每句访谈资料加注标签并概念化；②剔除出现频次少于3次和前后矛盾的概念，对概念进行不断比较，发现其范畴并加以合适的命名，确定范畴的属性和维度；③不断缩小和集中范围，直至出现饱和。经过如上编码操作，总共获得标签547个，归纳概念68个，提炼范畴21个。表3为开放式编码示例，原始代表语句对应标签为a1、a2等，标签归纳的初始概念表示为b1、b2等，提炼范畴表示为c1、c2等。

2 主轴编码

主轴编码是在开放式编码的基础上，对各自独立的范畴进行反复比较，发现和建立各范畴之间的潜在逻辑关系，将各自独立的范畴联系在一起，发展出更抽象的主范畴的过程。本研究通过对开放式编码中获得的范畴进行不断比较、分析和总结，最终形成了高层数据意识与凝聚力、促进性政策、业务人员的数据素养与部门利益、数据的丰富性与可用性、技术人员的专业能力、平台支撑能力和信息化部门的影响力7个主范畴，其子范畴为开放式编码中提炼的范畴，如表4所示。各主范畴的形成过程如下：

表4 主轴编码

①高层数据意识与凝聚力。访谈结果显示，“数据治理是一把手工程，主管校领导要有权威性和凝聚力”，可见数据治理需要校领导的强力支持与协调：一方面，只有学校领导层具备强烈的数据意识，才能给予相应的政策和经费投入；另一方面，高校在履行职责过程中产生的教学、管理、科研、校园服务等各类数据资源，来源于多个部门的不同系统，在实施数据治理的过程中，校领导需要具备较强的凝聚力才能有效协调不同利益主体的冲突，促进协同合作。

②促进性政策。从功能角度来看，信息化宣传、激励制度和经费保障三个范畴都能够体现学校对数据治理的重视程度和支持力度，本研究将其归纳为促进性政策：首先，信息化宣传是营造信息化或大数据环境氛围的必要措施。只有营造浓厚的大数据应用环境氛围，才能促进各利益群体的积极参与，真正实现数据的共建共享，发挥教育数据的价值。其次，制定相应的激励制度能够调动各利益相关群体的主动性，引导多元利益积极参与数据共建共享。最后，数据治理需要持续的经费保障硬件设备、软件系统与专业技术力量的投入。

③业务人员的数据素养与部门利益。实现各业务部门的数据共享与流通是数据治理的难点，需要各部门的协同合作。访谈结果显示，在实施数据治理的过程中各业务部门存在形式各样的理由和困难，涉及业务人员数据素养，以及数据权利、数据整合成本、业务人员动力和效果感知等部门利益。例如，业务人员在面对数据相关工作时，由于不具备相应的能力，就会产生自然的排斥心理；业务部门并没有真实感受到数据治理的收益，反而增加了工作负担等。根据情境关系，将以上范畴归纳为业务人员的数据素养与部门利益。

④数据的丰富性与可用性。业务数据是数据治理的对象，不同的主题数据来源于校内多个业务部门的不同系统，业务信息的电子化程度与数据管理程度迥异：一是业务数字化程度，如有些部门还处于通过纸质或简单电子表格的方式存储和管理数据的阶段，业务数字化程度较低。二是业务系统成熟度，访谈结果显示，各种业务系统建设时期、技术架构等差异较大，数据与业务的耦合性、功能流程的固化程度、系统的易用性等都对数据治理造成了不同程度的影响。

⑤技术人员的专业能力。从访谈数据来看，信息化部门是高校实施数据治理的主要技术力量，其专业能力由数据集成、管理与分析相关专业技术人才的数量、专业技术水平和职业动力等综合因素构成：一方面，大数据时代对数据集成与分析能力提出了更高的要求，而学校信息化部门原有技术人员多专注于网络技术，处理数据的相关专业技术水平较低；同时，高校非博士不能引进的用人制度使相关专业技术人才难以有效补充。另一方面，技术人员在国内高校中一般属于教学辅助序列，在职称晋升和薪酬方面与专职教师、行政管理人员相比有一定差距，学习进步的职业动力较弱，进一步加剧了专业技术能力与数据治理需求的矛盾。

⑥平台支撑能力。数据支撑平台是实施数据治理的工具，要求具备数据收集、数据整合、数据质量监控、数据血缘分析、数据安全防护、数据标准管理、数据资源呈现以及数据开放利用等功能，从技术角度可以划分为平台技术架构合理性和平台功能完善性两个方面。

⑦信息化部门的影响力。高校数据治理是多元利益群体协同参与的活动，不同的利益群体在活动中扮演的角色分工不尽相同。访谈结果显示，在实施数据治理过程中，信息化部门在校内的组织地位与行政能力是统筹协调其他部门的关键，决定着数据治理的效率。

3 选择性编码

选择性编码是通过系统分析主轴编码形成的概念范畴，发现一个或多个具有较强概括能力、抽象度高、较强关联能力且能够将其他范畴串成一个整体的核心范畴。通过对主轴编码阶段形成的主范畴进行分析，发现其典型关系结构如表5所示。由此，最终确定“高校数据治理的关键要素”作为核心范畴。

表5 主范畴的典型关系结构

4 理论模型饱和检验

依据扎根理论的研究规范，在理论构建完成之后，还需要进一步对发展出的概念、范畴及范畴之间的关系进行理论模型饱和度检验，如果未饱和，则需要重新返回资料收集阶段循环上述分析过程[25]。扎根理论常用的理论模型饱和度检验方法是引入新的数据资料，对已经形成的范畴及范畴之间的关系进行检验。据此，本研究实施了第二阶段的访谈（见“资料收集”），通过对第二阶段的访谈资料进行分析，并未发现新的概念与范畴，各范畴之间也没有形成新的类属关系，说明以上发展出的理论模型是饱和的。

四 活动理论视角下高校数据治理关键要素的作用机理

基于上述的编码结果，本研究借鉴活动理论构建了高校数据治理关键要素作用机理模型，如图1所示。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，已经成为理解和分析人类活动的一般解释框架[26]。活动理论发展出的活动系统模型尤其适用于描述以信息技术为支撑的交互活动的结构、发展和情境[27]。该模型由主体、客体和共同体三个核心要素，工具、规则和分工三个介质要素，以及相邻要素相互作用形成的生产、交换、消耗和分配四个子系统构成[28]。从扎根理论分析结果可知，作为高校实施数据治理主导力量的信息化部门是活动主体，负责数据治理的整体推进和技术保障，其专业技术能力影响数据治理的整体效果；校领导与业务部门是活动共同体，在治理系统中起支持与协同配合作用，校领导的数据意识与凝聚力决定了学校对数据治理的投入程度，业务人员的数据素养与业务部门利益影响数据资源的供给效率和质量，以及数据价值实现的程度；主体与共同体在治理活动中具有不同的分工，作为统筹全校数据治理活动的信息化部门，其影响力在协调其他业务部门时至关重要；来源于各业务部门丰富、可用的业务数据资源是活动客体，也是实施数据治理的基础；数据治理有关的政策制度都可以认为是治理活动的规则，其中信息化宣传、激励制度和经费保障等促进性政策尤为重要，能够有效促进利益相关方的参与度和工作绩效；数据支撑平台是活动工具，平台的支撑能力影响数据治理的效率与效果。相邻三个要素分别组合构成生产系统、共享系统、交流系统和协作系统，各要素在系统中相互约束和支持，保证系统有效运行。

图1 高校数据治理关键要素作用机理模型

1 生产系统的构成及作用机制

生产系统由主体、客体和工具构成，是高校数据治理活动中最基础的子系统，整个治理活动的结果产出与目标实现都在该子系统内完成。其中，信息化部门技术人员的专业能力影响数据支撑平台的技术先进性与功能完善性，以及运营的效率。目前，大数据技术架构已经成为高校建设数据支撑平台的必然选择，然而业内存在Lambda、Kappa、流式等多种架构体系，以及在此基础上由不同厂商开发的平台产品，各种技术架构体系与平台产品在功能与性能方面各具特色，这就要求信息化部门要具备技术架构选型、平台功能开发和运营的能力。数据治理的实施最终要借助数据支撑平台实现，业务数据类型多样，需求也不尽相同，平台不仅要具备数据清洗、多模态数据存储与计算、数据交换、数据血缘追溯、质量校验、安全隐私保护等功能，还要支持各类业务系统所需的多种编程语言和不同形式的数据服务以适应不同的业务需求。因此，只有当主体的专业技术能力和工具的功能架构能够适应与支撑客体的具体需求，才能提升数据治理的效果和效率。

2 共享系统的构成及作用机制

共享系统由数据治理的三个核心要素主体、共同体和客体构成。促进教育数据价值实现是高校数据治理的目标，其前提是实现全校数据资源的整合、共享与流转。数据来源于校内各业务部门的不同系统，各业务部门既是数据资源的供给者也是利用者，业务人员的数据素养与部门利益决定了数据供给的广泛性和质量，以及创新性利用数据的程度。因此，在共享系统内，既需要信息化部门具备强大的专业技术能力支撑具体的业务需求，也需要校领导具备较强的统筹协调能力处理不同部门之间的利益冲突，从而促进业务部门积极有效地协作，真正形成有数据可用、能用、有能力使用的良性循环。

3 交流系统的构成及作用机制

交流系统以规则为纽带，实现主体与共同体的有效沟通。数据共享是实施数据治理的基础，数据就是资源，资源就意味着权利，因此数据治理也是重塑各部门权利的过程，部门因利益受到影响会对数据治理产生不同的反应。在此过程中，校领导要推动相关政策的制定与实施以促进共享与合作。校领导作为学校事务的决策层对学校资源的分配与重大决策拥有主导权，意识决定行动，校领导是否具有浓厚的数据意识，将直接影响学校对数据治理的资金投入、激励制度的制定与推行，以及全校发展教育大数据氛围的营造。在促进性政策的影响和支持下，一方面，信息化部门的专业技术能力将得到有效提升。只有信息化部门具备了充足的专业人才和一定的技术水平，才能有效利用信息技术的优越性帮助业务部门提高业务绩效，为各业务部门建立起更好的发展业务的平台，使各业务部门的利益最大化，促进业务部门的协同配合。另一方面，充足的资金投入能够保障业务系统的升级改造，满足业务数据共享整合的需求。同时，相关促进性政策能够激发业务部门和人员投入更多精力提升业务数据管理水平，提出创新性的数据利用需求，促进数据价值的实现。

4 协作系统的构成及作用机制

协作系统明确了不同利益相关群体在活动系统中的分工。校领导是活动的决策者，负责数据治理相关战略与政策的制定，统筹协调不同部门之间的利益冲突；信息化部门是活动的组织者，执行决策层形成的重大决策，研究制定相关技术规范、建设和运营校级数据平台，为各业务部门的数据共享与利用提供技术保障；各业务部门为校级数据平台提供业务数据，同时申请使用其他部门共享的数据。数据治理是一项多元利益共同参与的活动，只有不同的利益群体有效协作，才能保障整个系统的有效运行。从全国范围来看，信息化部门长期以来隶属于教学辅助序列，在学校中的组织地位和行政职能较弱，服务性质更强，在协调人事、教务、资产、财务等核心部门时困难重重。因此，加强信息化部门的影响力是协调各业务部门有效协作的关键。

基于上述机理，本研究提出以下策略来促进实践活动的有效实施：①营造运用数据的氛围，提升师生数据素养。例如，通过网络媒体、岗前培训、继续教育、竞赛或研讨会等多种形式，加强宣传教育数据资源的价值，培育运用数据的环境氛围，提升师生数据素养，促进其利用数据解决问题行为的发生。②加强激励性政策建设，激发多元利益协同参与。例如，建立问责、保护、激励等多种制度，通过周期性数据共享和质量报告，对数据不共享与数据质量问题较多的部门和人员进行问责，对数据资源建设与应用较好的部门和师生进行表彰奖励。③完善互动沟通机制，在利益和冲突之间取得平衡。例如，定期通报与沟通数据标准和学校可用的数据资源，获取各利益主体的数据需求，实现双向反馈，及时纠正和优化数据治理的路径等。④完善顶层设计，加强统筹能力。例如，转变信息化部门行政序列，赋予其更多的统筹管理职能，增强信息化部门的组织影响力，更好地发挥信息技术的优势。⑤多措并举，提升信息化支撑能力。例如，通过职称改革、“柔性”引进人才、拓展信息化专业技术人员职业发展空间等多种举措加强专业技术队伍建设，提升专业技术能力。

五 结语

本研究运用扎根理论，通过对国内高校数据治理具体实践活动访谈资料的深入分析，挖掘出了影响高校数据治理有效实施的关键要素，包括高层数据意识与凝聚力、促进性政策、业务人员的数据素养与部门利益、数据的丰富性与可用性、技术人员的专业能力、平台支撑能力和信息化部门的影响力。在此基础上，本研究借助活动系统模型，构建了高校数据治理关键要素作用机理模型，阐述了各要素的作用关系。不同于已有相关研究从应然层面对高校数据治理要素进行的功能性设计，本研究立足于国内高校的具体实践活动，发掘的关键要素及其作用关系更符合国内高校实际情境，通过扎根理论分析使整个研究过程更显生动、可靠，有助于研究者与实践者更加全方位、立体化地认识和理解高校数据治理。本研究所得关键要素呈现的丰富内涵与现实对照，有助于高校对实践中存在的问题进行针对性诊断，可为高校采取有效的措施，构建数据治理的良好秩序提供参考。同时，本研究构建的高校数据治理关键要素作用机理模型，在一定程度上补充和丰富了数据治理理论，为发展中国特色高等教育治理理论提供了新的素材。

本研究也存在一些不足之处，主要表现为：一方面，数据治理是多元利益协同参与的过程，理应从多元利益的角度收集研究数据，但受限于对高校数据治理有一定了解的群体目前主要集中在信息化部门和信息化程度较高的业务管理部门，因此研究结论有一定的局限性。另一方面，本研究基于扎根理论的编码过程难免存在主观性，个人理解差异可能会影响研究结论的准确性。针对这些不足，未来可扩大访谈对象的范围，增加数据资料对分析结果进行验证，提升研究结论的科学性。

[1]何曼.教育部信息化专家组成员、华东师范大学教授顾小清:教育信息化进入数字化转型重要时期[J].在线学习,2022,(4):14-17、80.

[2]甄晓非.教育大数据平台信息共享影响因素分析[J].现代情报,2019,(7):122-127.

[3]董晓辉,郑小斌,彭义平.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.

[4][27]沙勇忠,陆莉.公共安全数据协同治理的逻辑框架与网络形式——以兰州市食品安全领域为例[J].信息资源管理学报,2022,(3):7-20.

[5]Madnick S E, Wang R Y, Lee Y W, et al. Overview and framework for data and information quality research[J]. Journal of Data & Information Quality, 2009,(1):1-22.

[6]Oppenheim C, Stenson J, Wilson R M S. Studies on information as an asset I: Definitions[J]. Journal of Information Science, 2003,(3):159-166.

[7]Horne N W. Information as an asset: The board agenda[J]. Computer Audit Update, 1995,(9):5-11.

[8陈万球,石惠絮.大数据时代城市治理:数据异化与数据治理[J].湖南师范大学社会科学学报,2015,(5):126-130.

[9]刘叶婷,唐斯斯.大数据对政府治理的影响及挑战[J].电子政务,2014,(6):20-29.

[10]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.

[11]吴刚.高校大数据治理的价值结构[J].中国成人教育,2018,(5):41-44.

[12]董晓辉,马威.高校数据治理的价值与特征[J].网络安全与数据治理,2023,(2):43-47.

[13]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.

[14]余鹏,李艳.大数据视域下高校数据治理方案研究[J].现代教育技术,2018,(6):60-66.

[15]张世明,彭雪峰,黄河笑.开放大学数据治理框架研究[J].中国电化教育,2018,(8):116-126.

[16]周炜.大数据视域下高校数据治理优化路径研究[J].教育发展研究,2021,(9):78-84.

[17]宋苏轩,杨现民,宋子强.高校数据治理统筹管理体系的构成与实践路径[J].中国远程教育,2021,(11):58-67.

[18]谢娟.教育数据治理的伦理框架:价值、向度与路径[J].现代远程教育研究,2020,(5):15-24.

[19]田贤鹏.隐私保护与开放共享:人工智能时代的教育数据治理变革[J].电化教育研究,2020,(5):33-38.

[20]陈向明.扎根理论在中国教育研究中的运用探索[J].北京大学教育评论,2015,(1):2-15、188.

[21][25]韩正彪,周鹏.扎根理论质性研究方法在情报学研究中的应用[J].情报理论与实践,2011,(5):19-23.

[22]董晓辉.活动理论视角下高校教育数据治理体系构成要素研究[J].中国电化教育,2021,(3):79-87.

[23]Creswell J W. Qualitative inquiry and research design: Choosing among five traditions[J]. Sage Publications California, 1998.

[24]Corbin J, Strauss A. Grounded theory research: Procedures, canons and evaluative criteria[J]. Qualitative Sociology, 1990,(1):3-21.

[26][美]戴维·H·乔纳森,苏珊·M·兰德主编.徐世猛,李洁,周小勇译.学习环境的理论基础(第二版)[M].上海:华东师范大学出版社,2012:254.

[28]王卫,王晶,张梦君.活动理论视角下政府数据开放模式研究[J].情报理论与实践,2019,(6):29-35.

Research on the Key Elements of University Data Governance and its Action Mechanism

DONG Xiao-hui1PENG Yi-ping1MA Wei2

At present, data governance has become the fundamental work in the higher education informationization, yet domestic universities face numerous difficulties in the specific implementation process. Excavating the key factors affecting the effective implementation of data governance in universities to identify deficiencies and clarify the root causes of problems has become a breakthrough to solve current issues. However, few existing studies have explored the key factors affecting the effective implementation of data governance in universities. Therefore, this paper employed the grounded theory to perform code analysis of interview data, extracted seven key factors that impacted the effective implementation of data governance in universities, including high-level data awareness and cohesion, promotional policies, professional capabilities of technicians, data literacy and departmental interests of business personnel, richness and availability of data, platform support capabilities and the influence of information departments. On this basis, this paper further elaborated the action mechanism among these factors from the activity theory perspective, expecting to provide reference for constructing a sound order of data governance in universities.

university data governance; key elements; grounded theory; activity theory

G40-057

A

1009—8097（2023）10—0031—10

10.3969/j.issn.1009-8097.2023.10.004

本文为甘肃省哲学社会科学规划项目“教育信息化2.0背景下甘肃高校教育大数据治理策略研究”（项目编号：20YB039）的阶段性研究成果。

董晓辉，副教授，博士，研究方向为数据治理、智能教育技术与应用，邮箱为dxh@nwnu.edu.cn。

2023年4月20日

编辑：小时