论文部分内容阅读
[摘 要] 教育信息化带动教育现代化建设方兴未艾，以数字化、智能化作为核心驱动的“数智化”转型逐渐成为该领域的研究新焦点。作为教育教学的关键环节之一，教学质量的内部治理一直以来都是高等教育研究的重要研究课题，通过对高校内部治理及“数智化”转型相关文献的梳理，厘清了高校内部教学质量的“数智化”治理之概念内涵，分析了“数智化”技术推进教学质量治理现代化的内在机理，并从管理革命、制度跟进、数智素养提升三个层面给出了高校教学质量内部治理体系数智化转型的具体建议。
[关键词] 教学质量;内部治理;数智化
一、引言
《中国教育现代化2035》中提出，要加快形成现代化的教育管理与监测体系，推进管理精准化和决策科学化。自2020年9月起，教育部学校规划建设发展中心又明确以“数智化”为主题，围绕“十四五”规划、专业建设、产教融合、实训基地建设等话题开展了多场研讨和培训活动。上述信号表明，教育主管部门已开始从政策与行动层面对高校“数智化”转型予以关注，“数智化”已在课堂教学、教学建设及教师发展等各环节发生，成为一股新兴趋势，相关主题的研究正从内隐走向外显。同样，在高校内部治理领域，以“数智化”推动教学质量的内部治理也是其通向教育现代化的重要路径，更是教学质量发展的应然样态。然而国内却鲜见相关主题的研究，本文试图从这一视角出发开展具体探究，以期通过文献研究，明确“数智化”视域下高校教学质量内部治理之内涵，并通过对“数智化”技术作用机理的研究，为高校教学质量内部监控工作的“数智化”治理转型给出可供参考的建设对策。
二、相关概念厘定
（一）教学质量内部治理
治理行为是一种倡导多元主体在互动协商基础上寻求能得到公众认同的问题最佳的解决方式的过程[1]。孙超等认为，“治理”概念在高校内部提出，反映了现代管理的重要理念和高等教育的現代性，强调了管理的转型，突出了民主性的特征，是一种崭新的高等教育管理范式。高校内部治理能力的提升，必然有利于最大限度地激发高校各个主体的活力，有利于形成高校改革创新的整体合力，有利于高校把发展的潜能转化为实际效能，有利于推动高校各项工作的内涵式发展[2]。将该理念放置于高校的教学质量内部监控视域，即由教学利益相关者所组建的教学共同体，通过一整套管理规制而进行的对教学质量相关事务的系统性、持续性管理活动[3]。教学质量内部治理的目标应是改革原本静态单向的管理模式，在高校内部实现管理者、院系、教师、学生等利益相关主体多元协商共治的新格局。高校教学质量内部治理能力的高低，不仅影响高校现在的发展水平，更直接决定其未来发展。
（二）教学质量内部治理的“数智化”
伴随大数据、人工智能等技术的发展及其与教育教学全场景的深层次融合，教育将从经验主导转向基于数据的智能决策[4]。作为教育研究领域重要分支的高校教学质量内部治理，其样态也跟随教育信息化的发展流变，表现出了“业务数字化 决策智能化”的全新样态。首先，国内一些高校在课堂教学、评价、督导等各环节已普遍实现了数字化，改变了原本高度依赖人力资源进行手工采集、传递、整理归档的业务信息管理局面，形成了涵盖从教学过程监控与结果评价到教学反思与持续改进的全场景、全流程的数字化管理闭环，并在其中产生了大量结构化、非结构化的数据沉淀;而后，在各类决策场景中，以数据科学与人工智能技术为代表的数据诊断技术也在积极发挥作用[5]，由数据驱动的智能决策正在逐渐取代基于经验判断的传统决策，实现对教师教学反思、学生满意度管理、课程与专业建设需求变化的精准响应与高效支持。
综合来看，本研究认为，“数智化”治理是高校教学质量内部监控工作在数字化管理基础上的更高阶诉求，其格局的形成必须是技术与制度协同演化的结果。具体而言，应是以精准识别教学质量的影响因素并及时实施干预为目标，以形成涵盖学生评价、同行评价、督导评价、领导评价、教学过程监测、结果评价等全场景，串联信息采集、存储、管理到调用等全流程的数字化闭环为前提条件，以数据科学与人工智能技术为核心技术，通过有效表征教学水平与满意度评价、教学资源质量评价、学风评价等业务中的数据内涵与发展瓶颈，并采用智能推荐算法精准干预决策过程的一种全新的教学质量调控样态。
在策源结构视角下，是基于数智技术的赋能作用，在吸纳非结构化与多源异质数据作为全新策源之后，于高校内部形成的一种由院系、教师、学生、教育管理者等利益相关主体全面且深度参与教学质量发展，协商共治教学质量发展的崭新决策格局;在内涵流变视角下，是伴随教育信息化技术发展所发生的管理范式演进;在技术驱动力视角下，是由数字化、智能化两股技术力量叠加推动的发展产物;在意义价值视角下，是对国家教育治理体系与能力现代化要求的积极回应，更是教育信息化发展的必然趋势。
三、作用机理分析
在教学质量监控的传统范式下，教学质量调控的决策过程主要依托一般的统计学方法，由分析人员在计算机和业务系统的辅助下（或单纯依赖手工方法）对教学评价、专项评估等教学质量监控工作中采集的相对固定、结构化的数据完成分析工作。在形成最终决策前，分析人员也主要使用文本化的表征形式向各级决策者解释推理过程及分析结论。然而，当教育进入大数据时代，高校教学质量的内部治理格局发生了巨大变化。因教学和评价活动所产生的数据量迅速攀升，且越发表现出非结构化和多源异质等新特征，统计学所依赖的一些传统强假设（如独立同分布假设、低维假设等），已无法适用于目前多源异质的真实数据[6]。如何有效地表征和呈现教育场景中的大数据也成为重要的研究课题[7]。传统方法论与“数智化”治理的现实追求之间产生了越发强烈的不适配，高校教学数据资产的价值发挥受到了极大限制。而结合了数据科学与人工智能相关技术的“数智化”技术手段，在教学质量的治理问题上则具有明显优势，其在策源选用上更多元丰富，在信息利用上更灵活高效，在对推理过程与分析结果的表征上更生动直观。对此，本文将围绕如下三项显著特征，做具体阐释。 （一）数据科学技术推动教育数据的多元协同
数据科学的概念相对宽泛，是数据加工、数据管理、数据计算、数据分析和数据可视化等专业技术与各领域知识相结合所形成的一门交叉学科，在高校数字化转型中发挥着重要作用。信息化的数据采集实现了教学运行活动全景的数字化[8]，数据穿透、集成与网络传输技术促进了各业务数据孤岛的互联互通[9]，ETL技术提升了高校信息化服务的质量与效能[ 10 ]。数据科学技术应用通过科学规范的数据聚类、数据认知、决策优化等过程，挖掘教育数据的复杂性关联和潜在价值，启发数据决策理念、决策主体以及决策过程的智能化和适切化。推动数据决策理念由经验走向循证，推动决策主体转向“去中心化”的多元协同机制，推动决策过程由经验走向数据智能驱动，以规模化数据和智能算法为中介，将教育数据表征为信息，进而将信息转化为行动知识，最终生成洞见的智慧决策方案。相比一般的统计学方法，更有利于在教学质量内部治理工作流程中实现对多元异构数据的科学分析与结合利用。
（二）人工智能算法挖掘教育数据的潜藏价值
基于人工智能的自然语言处理技术可以帮助教学质量的内部治理实现对非结构化数据价值的挖掘和利用，提供了原本所不具备的决策支持信息。孙众利用人工智能技术逆向分析评语，通过挖掘大量评语中的共性因素，为课堂教学评价量表修订提供证据，并让教学评价里零散的教学经验和智慧得以聚集，为课堂教学评价提供了新视角[ 11 ];刘毓、赵云阁利用人工智能技术，对教学评价数据的属性特征进行降维，对教学评价中的中文短文本数据进行情感分类，以判断评价的情感倾向[ 12 ]。在人工智能技术的赋能下，数字化的教学及评价反馈活动所产生的大量原本无法被有效利用地非结构化数据和信息，得到了有效地价值挖掘，为教学质量的治理手段提供了新的选项，拥有极大的想象空间。
（三）可視化技术促进教育数据的表征理解
教育大数据可视化利用人类视觉认知高通量的特点，以可视化图形的形式呈现隐含于教育教学数据中的认知规律及行为模式，帮助用户从大量数据中推断有意义的信息，挖掘教育教学中隐藏的认知规律，理解复杂教育现象。其主要是面向学生、教师、管理人员使用，以提高学生的学习成绩、改进教学活动、提升管理效率和挖掘教育规律为直接目的[ 13 ]。在处理由数据与智能算法驱动的复杂推理过程及其分析结论的解释任务时，可视化表征方法能够有效地弥补计算机自动化分析方法的劣势与不足[ 14 ]，更好地胜任传统的文本化表征形式所无法应对的要求。数据驱动的可视化系统还能够提供直接的教育分析报告，帮助管理者准确预测未来趋势，提供干预支持，并建立相关预警机制确保决策安全，在教学质量治理领域具有非常广阔的应用与发展前景。
四、主要挑战及对策建议
治理逻辑为高校教学质量发展提供了更优解，而“数智化”技术则为此提供了实现工具。本质而言，本文所讨论的“数智化”治理，是教学质量评价数字化与教学质量决策智能化在技术层面的融合应用，是内部治理模式伴随教育信息化发展在管理层面发生的范式转移，是教学及质量调控相关业务在制度层面的迭代更新，是教学质量的利益相关主体在素养层面的提升演进。高校若要成功实现教学质量的“数智化”治理转型，需要明确技术、管理、制度与人员技术素养在改革进程中的相互关系，认清改革面临的种种挑战，解决其中的关键问题。对此，本文给出如下三条对策建议。
（一）以技术革命引领管理革命
信息技术已被认为是教育变革和改革的有力工具。然而，高校若不能围绕本身的发展战略展开“数智化”转型，只是单纯为了体现“数智化”而推行“数智化”，往往就会使新技术的引入浮于表面、流于形式，使技术革命本身也沦为新教育异化现象的诱因，而非进步与推动。为此，高校需将“数智化”转型定位为“一把手工程”。以适切性为导向，对“数智化”技术在教学质量内部治理体系中各环节、各流程的引入开展评估，从而确保“数智化”技术能被应用在正确的场景，并被正确的使用，由此带动管理上的创新与革命，使得学生、教师、管理者等多元利益相关主体协商共治教学质量的样态从应然走向实然。
（二）以制度跟进推动改革进程
先进的管理方式若不能及时获得政策机制上的保障与跟进，改革的效力也将无法保障，更无法长期持续。教育治理效能的充分实现，需要在教育治理领域内营造政策氛围、变革组织管理结构，不断完善教育治理法规体系，逐步形成多元协同治理格局。为此，高校内的各相关部门都应根据“数智化”治理的系列新特征，主动更新或重新制定有关教学质量评价管理办法、教学数据管理使用管理规定、教师绩效考核，以及学生信息员工作办法等各方面的制度文件，以应对管理革命带来的种种变化。唯有确保制度对管理革命的及时跟进，才能切实保障“数智化”的教学质量质量从管理研究走向管理现实。
（三）以素养培育保障持续发展
在“数智融合”驱动下的智能时代，教师不仅要具备人工智能素养和数据素养，更为关键的是要能够将二者有机融合在一起。教师只有具备“数智素养”，才能避免在人机协同的教学环境中被边缘化[ 15 ]，学生亦是如此。然而，在传统教育理念和教育模式的熏陶下，仍然有部分师生对新兴技术应用于教育教学持观望和保留的态度，这种思维定式、路径依赖都将阻碍智能信息技术的推广和应用。为消除这种不利因素的影响，高校应依托教师发展机构和相关教学单位，开展针对性的数智素养培训。使教学质量内部治理体系中的全员，都能建立起较强的“数智化”转型意识，并具备足够的数智素养。从而为“数智化”环境下的教学满意度评价、学风学情反馈、同行与领导听课评价、教学督导等教学质量内部治理业务的长期有效运行，提供充足的内生动力。
参考文献
[1]李奋生.治理理论视角下的高校教学质量监控与保障体系研究[J].科技创业月刊，2012，25（6）：117-120. [2]孙超，宋吉鑫，崔国生，等.高校内部治理能力的厘定与提升对策重塑[C]//辽宁省高等教育学会.辽宁省高等教育学会2016年学术年会暨第七届中青年学者论坛二等奖论文集：2016：8.
[3]疏礼兵.利益相关者视角下大学课堂教学质量提升的多方治理[J].高教论坛，2019（10）：59-63.
[4]方海光.教育大数据：迈向共建、共享、开放、个性的未来教育[M].北京：机械工业出版社，2016.
[5]顾小清，李世瑾.人工智能教育大脑：以数据驱动教育治理与教学创新的技术框架[J].中国电化教育，2021（1）：80-88.
[6]程学旗，梅宏，赵伟，等.数据科学与计算智能：内涵、范式与机遇[J].中国科学院院刊，2020，35（12）：1470-1481.
[7]张玉振，张娜，王亚凯，等.基于CiteSpace的我国教育大数据可视化分析[J].西安电子科技大学学报（社会科学版），2020，30（1）：78-88.
[8]章晓芳，刘纯平，赵雷.独立數据流驱动的教学过程质量监控机制研究[J].软件导刊，2020，19（12）：23-27.
[9]信息化应用水平现状 信息孤岛被打破 四成高校实现统一数据服务[J].中国教育网络，2011（12）：28-30.
[10]陈锋.ETL数据治理在高校信息化建设中的研究与应用[J].中国教育信息化，2020（13）：68-70.
[11]孙众，吕恺悦，骆力明，等.基于人工智能的课堂教学分析[J].中国电化教育，2020（10）：15-23.
[12]刘毓，赵云阁.基于教学评价的中文短文本情感分析[J].现代电子技术，2019，42（6）：30-33 37.
[13]郑娅峰，赵亚宁，白雪，等.教育大数据可视化研究综述[J].计算机科学与探索，2021，15（3）：403-422.
[14]任磊，杜一，马帅，等.大数据可视分析综述[J].软件学报，2014，25（9）：1909-1936.
[15]陈磊，刘夏，高雪春.人工智能视域下教育治理的现实挑战与路径选择[J].中国教育科学（中英文），2020，3（6）：24-30.
[关键词] 教学质量;内部治理;数智化
一、引言
《中国教育现代化2035》中提出，要加快形成现代化的教育管理与监测体系，推进管理精准化和决策科学化。自2020年9月起，教育部学校规划建设发展中心又明确以“数智化”为主题，围绕“十四五”规划、专业建设、产教融合、实训基地建设等话题开展了多场研讨和培训活动。上述信号表明，教育主管部门已开始从政策与行动层面对高校“数智化”转型予以关注，“数智化”已在课堂教学、教学建设及教师发展等各环节发生，成为一股新兴趋势，相关主题的研究正从内隐走向外显。同样，在高校内部治理领域，以“数智化”推动教学质量的内部治理也是其通向教育现代化的重要路径，更是教学质量发展的应然样态。然而国内却鲜见相关主题的研究，本文试图从这一视角出发开展具体探究，以期通过文献研究，明确“数智化”视域下高校教学质量内部治理之内涵，并通过对“数智化”技术作用机理的研究，为高校教学质量内部监控工作的“数智化”治理转型给出可供参考的建设对策。
二、相关概念厘定
（一）教学质量内部治理
治理行为是一种倡导多元主体在互动协商基础上寻求能得到公众认同的问题最佳的解决方式的过程[1]。孙超等认为，“治理”概念在高校内部提出，反映了现代管理的重要理念和高等教育的現代性，强调了管理的转型，突出了民主性的特征，是一种崭新的高等教育管理范式。高校内部治理能力的提升，必然有利于最大限度地激发高校各个主体的活力，有利于形成高校改革创新的整体合力，有利于高校把发展的潜能转化为实际效能，有利于推动高校各项工作的内涵式发展[2]。将该理念放置于高校的教学质量内部监控视域，即由教学利益相关者所组建的教学共同体，通过一整套管理规制而进行的对教学质量相关事务的系统性、持续性管理活动[3]。教学质量内部治理的目标应是改革原本静态单向的管理模式，在高校内部实现管理者、院系、教师、学生等利益相关主体多元协商共治的新格局。高校教学质量内部治理能力的高低，不仅影响高校现在的发展水平，更直接决定其未来发展。
（二）教学质量内部治理的“数智化”
伴随大数据、人工智能等技术的发展及其与教育教学全场景的深层次融合，教育将从经验主导转向基于数据的智能决策[4]。作为教育研究领域重要分支的高校教学质量内部治理，其样态也跟随教育信息化的发展流变，表现出了“业务数字化 决策智能化”的全新样态。首先，国内一些高校在课堂教学、评价、督导等各环节已普遍实现了数字化，改变了原本高度依赖人力资源进行手工采集、传递、整理归档的业务信息管理局面，形成了涵盖从教学过程监控与结果评价到教学反思与持续改进的全场景、全流程的数字化管理闭环，并在其中产生了大量结构化、非结构化的数据沉淀;而后，在各类决策场景中，以数据科学与人工智能技术为代表的数据诊断技术也在积极发挥作用[5]，由数据驱动的智能决策正在逐渐取代基于经验判断的传统决策，实现对教师教学反思、学生满意度管理、课程与专业建设需求变化的精准响应与高效支持。
综合来看，本研究认为，“数智化”治理是高校教学质量内部监控工作在数字化管理基础上的更高阶诉求，其格局的形成必须是技术与制度协同演化的结果。具体而言，应是以精准识别教学质量的影响因素并及时实施干预为目标，以形成涵盖学生评价、同行评价、督导评价、领导评价、教学过程监测、结果评价等全场景，串联信息采集、存储、管理到调用等全流程的数字化闭环为前提条件，以数据科学与人工智能技术为核心技术，通过有效表征教学水平与满意度评价、教学资源质量评价、学风评价等业务中的数据内涵与发展瓶颈，并采用智能推荐算法精准干预决策过程的一种全新的教学质量调控样态。
在策源结构视角下，是基于数智技术的赋能作用，在吸纳非结构化与多源异质数据作为全新策源之后，于高校内部形成的一种由院系、教师、学生、教育管理者等利益相关主体全面且深度参与教学质量发展，协商共治教学质量发展的崭新决策格局;在内涵流变视角下，是伴随教育信息化技术发展所发生的管理范式演进;在技术驱动力视角下，是由数字化、智能化两股技术力量叠加推动的发展产物;在意义价值视角下，是对国家教育治理体系与能力现代化要求的积极回应，更是教育信息化发展的必然趋势。
三、作用机理分析
在教学质量监控的传统范式下，教学质量调控的决策过程主要依托一般的统计学方法，由分析人员在计算机和业务系统的辅助下（或单纯依赖手工方法）对教学评价、专项评估等教学质量监控工作中采集的相对固定、结构化的数据完成分析工作。在形成最终决策前，分析人员也主要使用文本化的表征形式向各级决策者解释推理过程及分析结论。然而，当教育进入大数据时代，高校教学质量的内部治理格局发生了巨大变化。因教学和评价活动所产生的数据量迅速攀升，且越发表现出非结构化和多源异质等新特征，统计学所依赖的一些传统强假设（如独立同分布假设、低维假设等），已无法适用于目前多源异质的真实数据[6]。如何有效地表征和呈现教育场景中的大数据也成为重要的研究课题[7]。传统方法论与“数智化”治理的现实追求之间产生了越发强烈的不适配，高校教学数据资产的价值发挥受到了极大限制。而结合了数据科学与人工智能相关技术的“数智化”技术手段，在教学质量的治理问题上则具有明显优势，其在策源选用上更多元丰富，在信息利用上更灵活高效，在对推理过程与分析结果的表征上更生动直观。对此，本文将围绕如下三项显著特征，做具体阐释。 （一）数据科学技术推动教育数据的多元协同
数据科学的概念相对宽泛，是数据加工、数据管理、数据计算、数据分析和数据可视化等专业技术与各领域知识相结合所形成的一门交叉学科，在高校数字化转型中发挥着重要作用。信息化的数据采集实现了教学运行活动全景的数字化[8]，数据穿透、集成与网络传输技术促进了各业务数据孤岛的互联互通[9]，ETL技术提升了高校信息化服务的质量与效能[ 10 ]。数据科学技术应用通过科学规范的数据聚类、数据认知、决策优化等过程，挖掘教育数据的复杂性关联和潜在价值，启发数据决策理念、决策主体以及决策过程的智能化和适切化。推动数据决策理念由经验走向循证，推动决策主体转向“去中心化”的多元协同机制，推动决策过程由经验走向数据智能驱动，以规模化数据和智能算法为中介，将教育数据表征为信息，进而将信息转化为行动知识，最终生成洞见的智慧决策方案。相比一般的统计学方法，更有利于在教学质量内部治理工作流程中实现对多元异构数据的科学分析与结合利用。
（二）人工智能算法挖掘教育数据的潜藏价值
基于人工智能的自然语言处理技术可以帮助教学质量的内部治理实现对非结构化数据价值的挖掘和利用，提供了原本所不具备的决策支持信息。孙众利用人工智能技术逆向分析评语，通过挖掘大量评语中的共性因素，为课堂教学评价量表修订提供证据，并让教学评价里零散的教学经验和智慧得以聚集，为课堂教学评价提供了新视角[ 11 ];刘毓、赵云阁利用人工智能技术，对教学评价数据的属性特征进行降维，对教学评价中的中文短文本数据进行情感分类，以判断评价的情感倾向[ 12 ]。在人工智能技术的赋能下，数字化的教学及评价反馈活动所产生的大量原本无法被有效利用地非结构化数据和信息，得到了有效地价值挖掘，为教学质量的治理手段提供了新的选项，拥有极大的想象空间。
（三）可視化技术促进教育数据的表征理解
教育大数据可视化利用人类视觉认知高通量的特点，以可视化图形的形式呈现隐含于教育教学数据中的认知规律及行为模式，帮助用户从大量数据中推断有意义的信息，挖掘教育教学中隐藏的认知规律，理解复杂教育现象。其主要是面向学生、教师、管理人员使用，以提高学生的学习成绩、改进教学活动、提升管理效率和挖掘教育规律为直接目的[ 13 ]。在处理由数据与智能算法驱动的复杂推理过程及其分析结论的解释任务时，可视化表征方法能够有效地弥补计算机自动化分析方法的劣势与不足[ 14 ]，更好地胜任传统的文本化表征形式所无法应对的要求。数据驱动的可视化系统还能够提供直接的教育分析报告，帮助管理者准确预测未来趋势，提供干预支持，并建立相关预警机制确保决策安全，在教学质量治理领域具有非常广阔的应用与发展前景。
四、主要挑战及对策建议
治理逻辑为高校教学质量发展提供了更优解，而“数智化”技术则为此提供了实现工具。本质而言，本文所讨论的“数智化”治理，是教学质量评价数字化与教学质量决策智能化在技术层面的融合应用，是内部治理模式伴随教育信息化发展在管理层面发生的范式转移，是教学及质量调控相关业务在制度层面的迭代更新，是教学质量的利益相关主体在素养层面的提升演进。高校若要成功实现教学质量的“数智化”治理转型，需要明确技术、管理、制度与人员技术素养在改革进程中的相互关系，认清改革面临的种种挑战，解决其中的关键问题。对此，本文给出如下三条对策建议。
（一）以技术革命引领管理革命
信息技术已被认为是教育变革和改革的有力工具。然而，高校若不能围绕本身的发展战略展开“数智化”转型，只是单纯为了体现“数智化”而推行“数智化”，往往就会使新技术的引入浮于表面、流于形式，使技术革命本身也沦为新教育异化现象的诱因，而非进步与推动。为此，高校需将“数智化”转型定位为“一把手工程”。以适切性为导向，对“数智化”技术在教学质量内部治理体系中各环节、各流程的引入开展评估，从而确保“数智化”技术能被应用在正确的场景，并被正确的使用，由此带动管理上的创新与革命，使得学生、教师、管理者等多元利益相关主体协商共治教学质量的样态从应然走向实然。
（二）以制度跟进推动改革进程
先进的管理方式若不能及时获得政策机制上的保障与跟进，改革的效力也将无法保障，更无法长期持续。教育治理效能的充分实现，需要在教育治理领域内营造政策氛围、变革组织管理结构，不断完善教育治理法规体系，逐步形成多元协同治理格局。为此，高校内的各相关部门都应根据“数智化”治理的系列新特征，主动更新或重新制定有关教学质量评价管理办法、教学数据管理使用管理规定、教师绩效考核，以及学生信息员工作办法等各方面的制度文件，以应对管理革命带来的种种变化。唯有确保制度对管理革命的及时跟进，才能切实保障“数智化”的教学质量质量从管理研究走向管理现实。
（三）以素养培育保障持续发展
在“数智融合”驱动下的智能时代，教师不仅要具备人工智能素养和数据素养，更为关键的是要能够将二者有机融合在一起。教师只有具备“数智素养”，才能避免在人机协同的教学环境中被边缘化[ 15 ]，学生亦是如此。然而，在传统教育理念和教育模式的熏陶下，仍然有部分师生对新兴技术应用于教育教学持观望和保留的态度，这种思维定式、路径依赖都将阻碍智能信息技术的推广和应用。为消除这种不利因素的影响，高校应依托教师发展机构和相关教学单位，开展针对性的数智素养培训。使教学质量内部治理体系中的全员，都能建立起较强的“数智化”转型意识，并具备足够的数智素养。从而为“数智化”环境下的教学满意度评价、学风学情反馈、同行与领导听课评价、教学督导等教学质量内部治理业务的长期有效运行，提供充足的内生动力。
参考文献
[1]李奋生.治理理论视角下的高校教学质量监控与保障体系研究[J].科技创业月刊，2012，25（6）：117-120. [2]孙超，宋吉鑫，崔国生，等.高校内部治理能力的厘定与提升对策重塑[C]//辽宁省高等教育学会.辽宁省高等教育学会2016年学术年会暨第七届中青年学者论坛二等奖论文集：2016：8.
[3]疏礼兵.利益相关者视角下大学课堂教学质量提升的多方治理[J].高教论坛，2019（10）：59-63.
[4]方海光.教育大数据：迈向共建、共享、开放、个性的未来教育[M].北京：机械工业出版社，2016.
[5]顾小清，李世瑾.人工智能教育大脑：以数据驱动教育治理与教学创新的技术框架[J].中国电化教育，2021（1）：80-88.
[6]程学旗，梅宏，赵伟，等.数据科学与计算智能：内涵、范式与机遇[J].中国科学院院刊，2020，35（12）：1470-1481.
[7]张玉振，张娜，王亚凯，等.基于CiteSpace的我国教育大数据可视化分析[J].西安电子科技大学学报（社会科学版），2020，30（1）：78-88.
[8]章晓芳，刘纯平，赵雷.独立數据流驱动的教学过程质量监控机制研究[J].软件导刊，2020，19（12）：23-27.
[9]信息化应用水平现状 信息孤岛被打破 四成高校实现统一数据服务[J].中国教育网络，2011（12）：28-30.
[10]陈锋.ETL数据治理在高校信息化建设中的研究与应用[J].中国教育信息化，2020（13）：68-70.
[11]孙众，吕恺悦，骆力明，等.基于人工智能的课堂教学分析[J].中国电化教育，2020（10）：15-23.
[12]刘毓，赵云阁.基于教学评价的中文短文本情感分析[J].现代电子技术，2019，42（6）：30-33 37.
[13]郑娅峰，赵亚宁，白雪，等.教育大数据可视化研究综述[J].计算机科学与探索，2021，15（3）：403-422.
[14]任磊，杜一，马帅，等.大数据可视分析综述[J].软件学报，2014，25（9）：1909-1936.
[15]陈磊，刘夏，高雪春.人工智能视域下教育治理的现实挑战与路径选择[J].中国教育科学（中英文），2020，3（6）：24-30.