图1：学科大数据挖潜全周期模型

◎陕西省高等教育学会2021年高等教育科学研究重点招标项目“陕西高等教育‘双一流’建设成效评价体系研究”（项目编号：XGH21003）
◎陕西省教育科学“十四五”规划2021年度课题“陕西省高等教育‘双一流’建设成效评价办法研究”（项目编号：SGH21Z23）
　　学科建设是高校事业发展的龙头，综合体现着高校改革发展的质量与水平。学科建设涉及高校工作的各个领域，需要海量的数据为决策管理提供支撑，在信息化时代背景下，高校学科建设管理工作从基于经验判断的决策模式逐步发展转型为基于客观数据研判的决策模式，学科大数据挖潜正在成为支撑学科建设科学化、专业化、精细化发展的有效手段。本文提出了囊括“数据综合治理、数据模型分析与学科建设策略优化”等在内的学科建设数据治理的范式，构建了学科大数据分析模型，剖析了学科建设成效评价与学科大数据指标的内在关联关系，探讨了学科建设的优化策略。

　　学科是对知识进行划分的相对独立的知识体系，[1]作为高校开展人才培养、科学研究、社会服务等工作的基本单位，在高校履行职能过程中发挥着重要作用。学科建设是学科主体从学科发展的自身实际出发，结合经济社会发展需求和学科发展客观规律，开展一定的建设任务，达成一定的建设目标，进而提升学科综合实力的一种实践，[2]具体工作包含学科方向布局调整、平台建设、团队建设、制度建设等诸多内容。
　　在教育数字化发展的时代背景下，数据成为高等教育领域乃至全社会一种不可或缺的战略资源，学科建设汇聚了高校事业发展各个领域的数据，其管理模式开始从基于经验主义和主观判断的顶层创新决策模式，逐步过渡发展到基于数据研判的数据支撑决策模式，学科建设工作者要学会“用数据说话”，借助数据分析查摆问题、制定改进策略。
　　学科大数据挖潜的内涵与逻辑架构
　　“大数据挖潜”（Big Data Digging）是指从大量的、不完全的、有噪声的数据中提取不可预估但却有潜在价值的信息和知识的过程，[3- 5]其内涵包含两个维度，其一是突出了价值导向，数据挖潜关注的不是数据本身，而是数据所蕴藏的潜在价值，其二是需要技术手段支持，对于大数据不能采取“拿来主义”，需要借助先进的技术手段在浩如烟海且杂乱无章的数据中抽丝剥茧，寻找有价值、有意义的信息。高校的学科数据具有规模巨大（Volume）、类型多样（Variety）、更新快速（Velocity）、价值密度较低（Value）的“4V”特征，[6]是一种典型的大数据。学科大数据的挖潜旨在通过对学科大数据治理，进行深层次针对性的数据分析，厘清数据背