高校学科大数据治理模式及学科建设策略研究
效与不足，运用学科大数据的分析结果找准制约学科建设发展的关键因素，能够为管理决策提供有力的数据支撑。
（一）科学分析学科数据，研判学科发展态势
找准自身发展定位、研判当前建设发展差距是进行学科建设管理策略优化的基础。达成度是发展增量的体现，达成度越大说明在建设周期内该领域发展成效越显著，对标度是发展差距的体现，对标度越来越接近1，说明与对标高校的差距越小，若超过1，说明已经完成超越。二者分别是学科建设发展成效评价的纵向维度与横向维度，构成了学科建设成效评价的经纬，综合分析两个评价因素，能够掌握自身发展提升水平如何，是否实现了追赶超越，从而为学科建设发展的实效构建出清楚的画像。但要清楚地认识到，学科大数据分析将学科建设中的内在逻辑条理化，将模糊的问题具象化，为学科建设管理工作提供了巨大助力，同时也隐藏着一定的风险，学科大数据即使经过综合治理，也难以避免地夹杂着“数据噪音”和人为因素等，影响学科大数据的分析。因而学科建设发展的研判要以达成度、对标度的客观数据为基础，并同时兼顾发展环境变化、相关政策调整等其他因素，进行综合地考量。
（二）准确把握内在联系，优化学科政策杠杆
通过政策牵引推动学科建设提质增效，是学科建设管理工作者的理想预期，而学科建设工作面临的问题是多元的、复杂的，需要聚焦重点领域和关键环节予以突破，如何找准问题、理清短板则尤为重要。建设成效的评价结果与数据指标存在相关性或者因果性关联，通过分析二者之间的关联关系，能够准确定位影响评价结果的数据指标，找准制约当前发展的短板问题。数据指标产生于业务工作，指标的差异表明该领域的业务工作可能存在差异，但造成差异的缘由需要进行严谨审慎、科学规范的分析评判，分析其是由调整相关工作举措而产生，还是数据偶然性误差所导致，抑或是资金、政策等不确定因素所导致。通过学科大数据挖潜优化调整学科建设策略，是通过统计分析、归纳总结过往的经验来进行预测，建立在“历史会重演”的逻辑基础之上，[10]经过查摆指标差异，分析差异原因，找准成效评价与数据指标的关联关系，而后精准施策，对相关政策、机制、投入进行调整，达到以评促进的目的。
（三）构建动态反馈机制，完善闭环管理模式
学科建设是一项系统工程，其策略实施类似于“黑箱模型”，可将学科建设的策略调整视为自变量，将学科建设的成效评价结果视为因变量，学科建设管理者根据判断调整发展战略或者任务举措，经过一定建设周期观察建设成效的变化情况，并结合相关影响因素进行研判分析，梳理策略调整这一自变量的变化对建设成效评价这一因变量的影响，构建形成二者的关联关系。这种关联关系是一种弱关联关系，对其认识和判断是基于主观判断的，是模糊的，学科建设管理者期望产生符合逻辑规律的结果，但事实上的建设成效并不一定与期望的结果一致。因而学科建设管理工作者应当不断增强自身综合素质，提升发展形势的研判能力、成效评价的分析能力、战略决策的纠错能力，建立起“决策调整-跟踪检测-反馈优化”的反馈调整机制，避免产生决策偏差。
参考文献
[1]刘献君：《论高校学科建设》，载《高等教育研究》，2000（05）：16-20页。
[2]罗云：《论大学学科建设》，载《高等教育研究》，2005（07）：45-50页。
[3]钟晓、马少平、张钹、俞瑞钊：《数据挖掘综述》，载《模式识别与人工智能》，2001（01）：48-55页。
[4]王光宏、蒋平：《数据挖掘综述》，载《同济大学学报》，2004（02）：246-252页。
[5]张静、刘危、杨兵、单文波：《试析大数据分析在学科建设中的应用》，载《高教学刊》，2019（05）：1-5页。
[6]孟小峰、慈祥：《大数据管理：概念、技术与挑战》，载《计算机研究与发展》，2013（01）：146-169页。
[7]陆晓静：《商业智能在我国高校决策中的应用探析——基于循证决策的视角》，载《重庆高教研究》，2019（02）：66-76页。
[8]舒忠梅、屈琼斐、郭清顺：《基于商业智能构建高校教育管理平台的实践探讨》，载《高教探索》，2014（02）：36-40页。
[9]朱石磊：《商业智能在高校教学管理中的应用》，硕士学位论文，西南交通大学，2016。
[10]周炜：《大数据视域下高校数据治理优化路径研究》，载《教育发展研究》，2021（09）：78-84页。
作者简介
汪 涛 西北大学发展规划与学科建设处处长、博士、副研究员，研究方向为高校学科发展与“双一流”建设研究
（一）科学分析学科数据，研判学科发展态势
找准自身发展定位、研判当前建设发展差距是进行学科建设管理策略优化的基础。达成度是发展增量的体现，达成度越大说明在建设周期内该领域发展成效越显著，对标度是发展差距的体现，对标度越来越接近1，说明与对标高校的差距越小，若超过1，说明已经完成超越。二者分别是学科建设发展成效评价的纵向维度与横向维度，构成了学科建设成效评价的经纬，综合分析两个评价因素，能够掌握自身发展提升水平如何，是否实现了追赶超越，从而为学科建设发展的实效构建出清楚的画像。但要清楚地认识到，学科大数据分析将学科建设中的内在逻辑条理化，将模糊的问题具象化，为学科建设管理工作提供了巨大助力，同时也隐藏着一定的风险，学科大数据即使经过综合治理，也难以避免地夹杂着“数据噪音”和人为因素等，影响学科大数据的分析。因而学科建设发展的研判要以达成度、对标度的客观数据为基础，并同时兼顾发展环境变化、相关政策调整等其他因素，进行综合地考量。
（二）准确把握内在联系，优化学科政策杠杆
通过政策牵引推动学科建设提质增效，是学科建设管理工作者的理想预期，而学科建设工作面临的问题是多元的、复杂的，需要聚焦重点领域和关键环节予以突破，如何找准问题、理清短板则尤为重要。建设成效的评价结果与数据指标存在相关性或者因果性关联，通过分析二者之间的关联关系，能够准确定位影响评价结果的数据指标，找准制约当前发展的短板问题。数据指标产生于业务工作，指标的差异表明该领域的业务工作可能存在差异，但造成差异的缘由需要进行严谨审慎、科学规范的分析评判，分析其是由调整相关工作举措而产生，还是数据偶然性误差所导致，抑或是资金、政策等不确定因素所导致。通过学科大数据挖潜优化调整学科建设策略，是通过统计分析、归纳总结过往的经验来进行预测，建立在“历史会重演”的逻辑基础之上，[10]经过查摆指标差异，分析差异原因，找准成效评价与数据指标的关联关系，而后精准施策，对相关政策、机制、投入进行调整，达到以评促进的目的。
（三）构建动态反馈机制，完善闭环管理模式
学科建设是一项系统工程，其策略实施类似于“黑箱模型”，可将学科建设的策略调整视为自变量，将学科建设的成效评价结果视为因变量，学科建设管理者根据判断调整发展战略或者任务举措，经过一定建设周期观察建设成效的变化情况，并结合相关影响因素进行研判分析，梳理策略调整这一自变量的变化对建设成效评价这一因变量的影响，构建形成二者的关联关系。这种关联关系是一种弱关联关系，对其认识和判断是基于主观判断的，是模糊的，学科建设管理者期望产生符合逻辑规律的结果，但事实上的建设成效并不一定与期望的结果一致。因而学科建设管理工作者应当不断增强自身综合素质，提升发展形势的研判能力、成效评价的分析能力、战略决策的纠错能力，建立起“决策调整-跟踪检测-反馈优化”的反馈调整机制，避免产生决策偏差。
参考文献
[1]刘献君：《论高校学科建设》，载《高等教育研究》，2000（05）：16-20页。
[2]罗云：《论大学学科建设》，载《高等教育研究》，2005（07）：45-50页。
[3]钟晓、马少平、张钹、俞瑞钊：《数据挖掘综述》，载《模式识别与人工智能》，2001（01）：48-55页。
[4]王光宏、蒋平：《数据挖掘综述》，载《同济大学学报》，2004（02）：246-252页。
[5]张静、刘危、杨兵、单文波：《试析大数据分析在学科建设中的应用》，载《高教学刊》，2019（05）：1-5页。
[6]孟小峰、慈祥：《大数据管理：概念、技术与挑战》，载《计算机研究与发展》，2013（01）：146-169页。
[7]陆晓静：《商业智能在我国高校决策中的应用探析——基于循证决策的视角》，载《重庆高教研究》，2019（02）：66-76页。
[8]舒忠梅、屈琼斐、郭清顺：《基于商业智能构建高校教育管理平台的实践探讨》，载《高教探索》，2014（02）：36-40页。
[9]朱石磊：《商业智能在高校教学管理中的应用》，硕士学位论文，西南交通大学，2016。
[10]周炜：《大数据视域下高校数据治理优化路径研究》，载《教育发展研究》，2021（09）：78-84页。
作者简介
汪 涛 西北大学发展规划与学科建设处处长、博士、副研究员，研究方向为高校学科发展与“双一流”建设研究