陶元磊

（淮北師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院；安徽省高校管理大數(shù)據(jù)研究中心，安徽 淮北235000）

推進(jìn)高等教育治理體系和治理能力現(xiàn)代化是高校落實黨的十九屆四中全會精神的重要工作，高校在探索現(xiàn)代化的治理模式之路上從未停息：從大數(shù)據(jù)在教育技術(shù)應(yīng)用上初試鋒芒，到2015 年國家發(fā)布《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》勾勒出教育大數(shù)據(jù)的應(yīng)用前景，再到2018年國家頒布《中國教育現(xiàn)代化2035》提出具體的應(yīng)用目標(biāo)，信息化時代教育變革的路徑愈發(fā)清晰，高校實現(xiàn)治理能力現(xiàn)代化的方向日漸明朗。當(dāng)前，在以“大數(shù)據(jù)”“互聯(lián)網(wǎng)+”“人工智能”等為代表的信息技術(shù)發(fā)展和支撐下，包括高校在內(nèi)的很多社會組織正在逐步向主動意識下的社會網(wǎng)絡(luò)組織過渡，呈現(xiàn)出復(fù)雜聯(lián)結(jié)、互動頻繁的網(wǎng)絡(luò)組織特征[1]。大數(shù)據(jù)技術(shù)和高校社會網(wǎng)絡(luò)的融合與發(fā)展，使得高校已然成為一個巨大的、精準(zhǔn)映射并持續(xù)記錄各個利益相關(guān)者行為特征的數(shù)字世界，這一數(shù)字世界所蘊藏并不斷積累的大量數(shù)據(jù)已成為深刻理解高校行為規(guī)律的必要依托[2]。一方面，龐大的信息量意味著更多的噪音干擾，但大數(shù)據(jù)可以從宏觀角度，通過數(shù)據(jù)挖掘和預(yù)測分析幫助高校管理者更容易地發(fā)現(xiàn)問題、弱點和盲區(qū)；另一方面，大數(shù)據(jù)可以幫助提升高校的決策能力、執(zhí)行能力以及評價能力，有效提升高校內(nèi)部治理能力和治理水平。

然而，高校在運用大數(shù)據(jù)進(jìn)行管理實踐方面并沒有達(dá)到人們的預(yù)期，高校作為科研人員聚集的高地，反而在研究和應(yīng)用上已經(jīng)明顯滯后于工商業(yè)及一些政府管理部門[3]。胡弼成、王祖霖[4]通過文獻(xiàn)梳理，認(rèn)為大數(shù)據(jù)之于教育具有重要影響，可以促進(jìn)教學(xué)，能推進(jìn)教育決策的科學(xué)性，可完善教育質(zhì)量監(jiān)控體系，會促進(jìn)教育評價的全面性和客觀性，且能助力智慧教育。然而，根據(jù)劉鳳娟[5]的研究，大數(shù)據(jù)在教育上的應(yīng)用還處于起步階段，尚未實現(xiàn)大數(shù)據(jù)與教育實踐的深度融合；吳剛、陳桂香[6]則認(rèn)為高校大數(shù)據(jù)應(yīng)用仍然存在制度供給相對滯后、數(shù)據(jù)標(biāo)準(zhǔn)推進(jìn)緩慢、共治格局尚未形成等問題?？梢?，高校大數(shù)據(jù)的研究與應(yīng)用方興未艾，但現(xiàn)有研究主題有碎片化傾向，熱點與重點不清晰，使得研究者們不好把握進(jìn)一步深入研究的方向，應(yīng)用者們找不到期望的理論支撐，從而造成理論與實踐的脫節(jié)。

本研究以近年來CSSCI 期刊所刊載的高校大數(shù)據(jù)文獻(xiàn)為研究樣本，以文獻(xiàn)關(guān)鍵詞為基礎(chǔ)構(gòu)建共詞矩陣，結(jié)合社會網(wǎng)絡(luò)分析法和聚類分析法進(jìn)行共詞分析，以期探索高校大數(shù)據(jù)研究與應(yīng)用的熱點問題，揭示現(xiàn)有研究領(lǐng)域之間的相互關(guān)系，展望大數(shù)據(jù)在高等教育事業(yè)發(fā)展中的應(yīng)用前景。

一、研究方法與數(shù)據(jù)來源

（一）研究方法

傳統(tǒng)的文獻(xiàn)綜述是以個人主觀歸納為主，He Q[7]在社會網(wǎng)絡(luò)分析基礎(chǔ)上提出了一種以內(nèi)容分析和科學(xué)繪圖為核心的方法，即共詞分析法，該方法拓寬了文獻(xiàn)計量研究的視野。共詞分析法一般是通過統(tǒng)計一對研究對象兩兩在同一文獻(xiàn)中共同出現(xiàn)的頻次，構(gòu)建共詞矩陣，然后利用社會網(wǎng)絡(luò)分析方法探討不同對象在網(wǎng)絡(luò)中的地位和角色，并結(jié)合其他方法對研究對象進(jìn)行深入研究，以定性和定量相結(jié)合的方法揭示特定研究領(lǐng)域的研究結(jié)構(gòu)和研究熱點，并且對研究領(lǐng)域動態(tài)發(fā)展過程進(jìn)行監(jiān)測和跟蹤。由于關(guān)鍵詞是為了文獻(xiàn)標(biāo)引工作而從學(xué)術(shù)論文中選擇出來用以表示全文主題內(nèi)容信息款目的單詞和術(shù)語[8]，因此同一領(lǐng)域一定時期內(nèi)的關(guān)鍵詞集合能夠反映研究內(nèi)容的總體特征以及相互之間的內(nèi)在聯(lián)系，所以本研究以關(guān)鍵詞作為學(xué)界研究的關(guān)注點。

本研究首先獲取與高校大數(shù)據(jù)主題相關(guān)的文獻(xiàn)，然后從這些文獻(xiàn)中提取高頻關(guān)鍵詞，采用遞進(jìn)研究的路徑，分別對關(guān)鍵詞構(gòu)成的共詞矩陣進(jìn)行中心性分析、凝聚子群分析以及多維尺度分析，進(jìn)一步挖掘關(guān)鍵詞之間的內(nèi)在聯(lián)系，有利于更好地分析高校大數(shù)據(jù)應(yīng)用的熱點問題和發(fā)展趨勢。

（二）數(shù)據(jù)來源

本研究所用的與高校大數(shù)據(jù)相關(guān)的文獻(xiàn)來源于中國知網(wǎng)CNKI中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫，設(shè)置檢索條件為“主題=大數(shù)據(jù)+高?！被蛘摺爸黝}=大數(shù)據(jù)+大學(xué)”，在CNKI 中對CSSCI 期刊進(jìn)行檢索。截至2019 年12 月31 日，根據(jù)檢索條件得到1418篇文獻(xiàn)，去掉會議、書評、訪談等非學(xué)術(shù)型文獻(xiàn)，共得到620篇有效文獻(xiàn)，其中最早對高校大數(shù)據(jù)研究的文獻(xiàn)出現(xiàn)在2012年，趨勢如圖1箱型圖所示。

利用SATI 軟件，本研究從上述有效文獻(xiàn)中共提取原始關(guān)鍵詞2560 個，由于高校大數(shù)據(jù)研究與應(yīng)用仍處于初級階段，有些關(guān)鍵詞的描述和界定并不清晰，有必要對原始關(guān)鍵詞進(jìn)行數(shù)據(jù)清洗：一是為了提高聚類質(zhì)量，對意義相近的同義詞進(jìn)行合并，例如將“高校圖書館”“移動圖書館”“大學(xué)圖書館”“數(shù)字圖書館”等合并為“圖書館”；將“數(shù)據(jù)素養(yǎng)”“信息素養(yǎng)”“數(shù)據(jù)素養(yǎng)教育”“信息素養(yǎng)教育”“科學(xué)數(shù)據(jù)素養(yǎng)”“關(guān)鍵素養(yǎng)”合并為“數(shù)據(jù)素養(yǎng)”等；二是刪除“策略”“路徑”等沒有學(xué)術(shù)意義的泛義詞。數(shù)據(jù)清洗后共得到1668 個有效關(guān)鍵詞。這些關(guān)鍵詞代表了學(xué)者研究高校大數(shù)據(jù)的不同視角和思考程度。如圖1折線所示，每年的關(guān)鍵詞數(shù)量從2012 年僅有7 個快速增長到2019 年的338個，表明學(xué)界對高校大數(shù)據(jù)的研究廣度在逐年擴(kuò)大。

圖1 高校大數(shù)據(jù)研究文獻(xiàn)關(guān)鍵詞年度分布圖

由于本研究屬于近幾年新興的研究領(lǐng)域，為了便于針對性地梳理研究熱點，本研究對1668 個關(guān)鍵詞中詞頻大于等于5次的關(guān)鍵詞進(jìn)行分析，共列出高頻關(guān)鍵詞57個，具體如表1所示。

表1 高頻關(guān)鍵詞統(tǒng)計列表（詞頻≥5）

將上述高頻關(guān)鍵詞利用R軟件進(jìn)行可視化處理，得到如圖2所示的詞云圖，可以直觀清晰地看到當(dāng)前研究的應(yīng)用熱點主要集中在圖書館以及對大學(xué)生的思想政治教育方面，其次是數(shù)據(jù)素養(yǎng)、MOOC、人才培養(yǎng)等教育教學(xué)類研究，然而在更深層次的高校管理領(lǐng)域的應(yīng)用并沒有明顯的體現(xiàn)。由于關(guān)鍵詞的詞頻是絕對值，不能反映關(guān)鍵詞之間的內(nèi)在聯(lián)系，所以簡單地按照詞頻排序來劃分研究熱點并不準(zhǔn)確，需要對之前構(gòu)建的共詞網(wǎng)絡(luò)進(jìn)行包容化處理。為了更深入地了解這些關(guān)鍵詞之間的網(wǎng)絡(luò)關(guān)系，本研究基于社會網(wǎng)絡(luò)分析和聚類分析對高頻關(guān)鍵詞進(jìn)行共詞分析，以期挖掘更多有價值的信息用于指導(dǎo)大數(shù)據(jù)與高校融合的實踐。

圖2 高校大數(shù)據(jù)研究關(guān)鍵詞詞云圖

二、基于關(guān)鍵詞的共詞社會網(wǎng)絡(luò)分析

從社會網(wǎng)絡(luò)的視角看，關(guān)鍵詞是網(wǎng)絡(luò)中的不同節(jié)點，節(jié)點之間的聯(lián)系構(gòu)成了共詞分析的基礎(chǔ)。在一定的時間范圍內(nèi)，有些關(guān)鍵詞反映的是研究熱點，而有些關(guān)鍵詞代表的主題仍處于初始研究狀態(tài)；有些關(guān)鍵詞之間關(guān)聯(lián)緊密，也有些關(guān)鍵詞會相對孤立。通過對關(guān)鍵詞網(wǎng)絡(luò)位置的分析，研究者可以發(fā)現(xiàn)隱藏在直觀表現(xiàn)背后的網(wǎng)絡(luò)關(guān)系，這對探討一個研究主題的成熟度、知識結(jié)構(gòu)、研究的規(guī)模等狀況具有非常重要的意義[9]。因此，社會網(wǎng)絡(luò)分析是揭示關(guān)鍵詞背后網(wǎng)絡(luò)關(guān)系的重要輔助方法之一。由于中心性指標(biāo)僅適用于對二值網(wǎng)絡(luò)的測量[10]136，故本研究首先利用SATI 軟件將高頻關(guān)鍵詞整理成一個二值共詞矩陣（如表2 所示），然后再通過UCINET 軟件得到網(wǎng)絡(luò)中心性相關(guān)指標(biāo)，以便進(jìn)行后續(xù)分析，如表3所示。

表2 部分高校大數(shù)據(jù)高頻關(guān)鍵詞二值共詞矩陣（6×6）

社會網(wǎng)絡(luò)分析的中心性指標(biāo)主要包括點度中心度、接近中心度以及中介中心度三項個體結(jié)構(gòu)指標(biāo)（見表3），本研究將結(jié)合詞云圖對網(wǎng)絡(luò)中關(guān)鍵詞的影響度進(jìn)行個體指標(biāo)分析。

表3 高校大數(shù)據(jù)高頻關(guān)鍵詞網(wǎng)絡(luò)中心性指標(biāo)

1.點度中心度表示網(wǎng)絡(luò)中一個節(jié)點與其它節(jié)點相聯(lián)系的程度，擁有高點度中心度的關(guān)鍵詞，在整體中也往往處在一個重要位置。點度中心度值越大，反映其在網(wǎng)絡(luò)中的地位越高，越有可能是研究的熱點問題。由圖2 和表3 可以發(fā)現(xiàn)詞云圖反映的熱點“圖書館”“大數(shù)據(jù)時代”和“思想政治教育”點度中心度值也位居前列，說明這些關(guān)鍵詞構(gòu)成了研究熱點的一部分。

2.接近中心度則是以距離為概念來計算一個節(jié)點的中心程度，與其它節(jié)點越近，其中心性越強(qiáng)，即該關(guān)鍵詞越容易和其它關(guān)鍵詞聯(lián)系起來，所以該指標(biāo)越小的關(guān)鍵詞越是處在網(wǎng)絡(luò)的核心位置。表3中接近中心度較低的關(guān)鍵詞是“圖書館”“大數(shù)據(jù)時代”“人才培養(yǎng)”“人工智能”和“思想政治教育”。詞云圖中相對靠后的“人工智能”排序卻較為領(lǐng)先，表明其已經(jīng)成為研究熱點；而原本詞頻比較高的“智庫”落在了后面，表明“智庫”主題是相對比較獨立的研究領(lǐng)域，可能只與幾個固定的關(guān)鍵詞相連，目前還不能劃為熱點范疇。

3.中介中心度指標(biāo)衡量了一個關(guān)鍵詞作為媒介的能力，即占據(jù)在其它兩個重要位置的關(guān)鍵詞，若非經(jīng)過該媒介就無法聯(lián)系在一起。占據(jù)這樣的位置越多，就越代表該關(guān)鍵詞具有很高的中介性，越多的關(guān)鍵詞建立聯(lián)系時就必須要通過它，所以對其它關(guān)鍵詞有較高的影響力。在表3中“大數(shù)據(jù)時代”“圖書館”“人工智能”“MOOC”和“人才培養(yǎng)”排名靠前，即這些關(guān)鍵詞影響其它關(guān)鍵詞共現(xiàn)的能力比較強(qiáng)。

一般而言，上述三種中心度應(yīng)該是相關(guān)的，如果它們不相關(guān)或相關(guān)系數(shù)較小，可能預(yù)示著該網(wǎng)絡(luò)隱含著潛在的結(jié)構(gòu)特征[10]135。本研究將表3 的點度中心度排序后發(fā)現(xiàn)另外兩個指標(biāo)的排序發(fā)生了微小的變化，表明可能存在隱含的信息。進(jìn)一步研究發(fā)現(xiàn)，詞頻較高的“創(chuàng)新”同時具有較高的點度中心度，但是中介中心度偏低，表明該關(guān)鍵詞雖具有一定的研究熱度，但當(dāng)其它重要關(guān)鍵詞構(gòu)建研究方案時，卻可以不用考慮該關(guān)鍵詞所代表內(nèi)容的影響，即目前圍繞“創(chuàng)新”進(jìn)行的研究相對比較獨立；“數(shù)據(jù)治理”點度中心度較低，但是中介中心度卻位于前列，該關(guān)鍵詞出現(xiàn)少并不意味其在網(wǎng)絡(luò)中不重要，因為較高的中介性表明它影響其它關(guān)鍵詞共同出現(xiàn)在一篇文獻(xiàn)中的能力較強(qiáng)，許多重要的關(guān)鍵詞通過它聯(lián)系到一起，結(jié)合高校治理現(xiàn)代化研究的興起，表明“數(shù)據(jù)治理”很有可能成為未來新興的研究熱點。

三、基于關(guān)鍵詞的共詞聚類分析

以上通過中心性分析已經(jīng)對個體研究熱點有了初步結(jié)論，但這些熱點又影響到了哪些研究領(lǐng)域尚不清晰，這需要在上述中心性分析的基礎(chǔ)上繼續(xù)對高頻關(guān)鍵詞進(jìn)行聚類分析。根據(jù)關(guān)鍵詞間的相似程度進(jìn)行分類，可以通過多維尺度分析（Multidimensional Scaling，MDS）進(jìn)行，該方法是一種將多維空間的研究對象降維后進(jìn)行定位與分類，并且保留原有對象間關(guān)系的分析方法。關(guān)鍵詞的多維尺度分析實質(zhì)是依據(jù)關(guān)鍵詞之間的“距離”，即關(guān)系的緊密程度對研究問題進(jìn)行聚類，能全面反映研究的主要角度與熱點[11]。本研究通過SATI 軟件生成相異共詞矩陣（如表4 所示），用來反映關(guān)鍵詞兩兩間的緊密程度。

表4 部分高校大數(shù)據(jù)高頻關(guān)鍵詞相異共詞矩陣（6×6）

利用SPSS 軟件的多維尺度分析功能（ALSCAL）對上述相異共詞矩陣進(jìn)行分析，其中形態(tài)設(shè)置為正對稱，選擇歐氏距離模型（Euclidean Distance Model），得到多維尺度分析散點圖（如圖3所示）。通過圖3散點分布可以發(fā)現(xiàn)，關(guān)鍵詞有三個明顯的聚類。繼續(xù)在分析中加入局部多項式回歸擬合（Loess）對兩維散點圖進(jìn)行平滑處理，再次驗證了關(guān)鍵詞可以有三組分類，但在散點圖下方的關(guān)鍵詞相對比較集中，而其它兩類關(guān)鍵詞的分布可能存在較多的交叉和相互滲透現(xiàn)象，因此若要得到準(zhǔn)確結(jié)論，還要進(jìn)一步進(jìn)行凝聚子群分析。

圖3 高校大數(shù)據(jù)高頻關(guān)鍵詞多維尺度分析散點圖

由上述分析可知本研究的關(guān)鍵詞整體上可以分成三個聚類，通過UCINET中的派系分析功能進(jìn)行分類，得到三個聚類所含關(guān)鍵詞的具體分布。本研究使用特征向量中心度對每一組聚類中的關(guān)鍵詞進(jìn)行排序（見表5），以反映關(guān)鍵詞在聚類中的地位。所謂特征向量中心度是指把與特定節(jié)點相連的其它節(jié)點中心度考慮進(jìn)來而進(jìn)行的測度，該指標(biāo)越高，表明節(jié)點在以臨近節(jié)點的影響力為權(quán)重進(jìn)行判定時，越處于網(wǎng)絡(luò)的權(quán)重影響中心，其代表了所在聚類的整體網(wǎng)絡(luò)的核心節(jié)點群，因此可以選擇特征向量中心度指標(biāo)來測度核心節(jié)點群[12]，有利于歸納出聚類所具有的屬性特征。

表5 高校大數(shù)據(jù)高頻關(guān)鍵詞聚類表

本研究結(jié)合不同聚類中關(guān)鍵詞的特征向量中心度對聚類屬性進(jìn)行分析。

（1）聚類1主要是圍繞“圖書館”“MOOC”等應(yīng)用場景展開數(shù)據(jù)挖掘與數(shù)據(jù)分析。一方面，高校圖書館具備文獻(xiàn)信息資源、學(xué)科服務(wù)、數(shù)據(jù)挖掘和情報分析等諸多優(yōu)勢[13]，其中這里涉及到的“智庫”實際上就是與圖書館的數(shù)據(jù)服務(wù)功能密切相關(guān)，這也解釋了前述分析“智庫”主題詞頻高但中心度低的原因；另一方面，慕課過程中師生交互和生生交互會不斷生成數(shù)據(jù)，選擇合適的方法分析成為慕課研究者們當(dāng)前關(guān)注的重要問題[14]，因此很多關(guān)于數(shù)據(jù)挖掘與數(shù)據(jù)分析的技術(shù)在慕課領(lǐng)域得到廣泛的應(yīng)用。雖然當(dāng)前的大數(shù)據(jù)技術(shù)應(yīng)用仍集中在少數(shù)領(lǐng)域，在應(yīng)用方向上有失均衡，但是在大數(shù)據(jù)應(yīng)用理念上已經(jīng)呈現(xiàn)出由傳統(tǒng)的“數(shù)據(jù)管理”轉(zhuǎn)向“數(shù)據(jù)治理”的趨勢，高校的數(shù)據(jù)素養(yǎng)在這一過程中也得到了訓(xùn)練和提高，為高校日后在更多領(lǐng)域采用大數(shù)據(jù)技術(shù)奠定了基礎(chǔ)，積累了經(jīng)驗。

（2）聚類2的核心關(guān)鍵詞是“人工智能”。該聚類不僅把人工智能和云計算等先進(jìn)的技術(shù)與“雙一流”“智慧校園”緊密聯(lián)系在一起，而且涵蓋了“黨建”“資助”“教師”等和高校日常運轉(zhuǎn)相關(guān)的領(lǐng)域，并且能夠更好地滿足高?！皞€性化”的發(fā)展需求，包括學(xué)校層面的“個性化教育”和學(xué)生層面的“個性化學(xué)習(xí)”等。人工智能與大數(shù)據(jù)的結(jié)合，使得高校利用數(shù)據(jù)管理和治理學(xué)校變得更具有可行性和操作性。因此，認(rèn)清當(dāng)前信息技術(shù)發(fā)展所引發(fā)的教育變革，這不僅是“雙一流”建設(shè)的重要組成部分，而且成為很多“非一流”地方高校實現(xiàn)彎道超車的契機(jī)[15]。正如信息管理專家涂子沛所分析的那樣，“在大數(shù)據(jù)時代，計算能力是一種資源，對于小公司，不用投入大量的資金購買服務(wù)器和軟件，通過租用，立刻就可以享受到以前只有大公司才能配置的軟硬件能力”[16]，對于高校同樣如此。“非一流”高校雖然在軟硬件投入上有限，但對數(shù)據(jù)處理的能力差距會逐漸縮小，而且每個學(xué)校的網(wǎng)絡(luò)中心、教務(wù)、科研、學(xué)工、財務(wù)等職能部門基本上都已經(jīng)實現(xiàn)了信息化，已經(jīng)沉淀了大量和教學(xué)、科研、管理相關(guān)的大數(shù)據(jù)，因此，以數(shù)據(jù)共享為特征的大數(shù)據(jù)時代使得各類高?？梢苑治龊褪褂玫臄?shù)據(jù)在大量增加，通過對這些數(shù)據(jù)的交換、整合和分析，高?？梢酝诰虺龇献陨硖攸c的、“個性化”的發(fā)展機(jī)遇。馬費成在談到大數(shù)據(jù)與高校人文社科領(lǐng)域融合時指出，“無論用什么樣的方法去獲取數(shù)據(jù)，這些數(shù)據(jù)都只是研究的素材，而世界的運行規(guī)律隱藏在這些數(shù)據(jù)當(dāng)中，需要主體通過抽象思維去揭示和發(fā)現(xiàn)這些規(guī)律”[17]。高校更加需要的是一種新的思維方式或者說是一種新的世界觀，“人工智能”終歸取代不了人的智慧，高等教育的參與者們要善于利用大數(shù)據(jù)改進(jìn)和提高現(xiàn)有高校治理體系的治理能力。

（3）聚類3主要圍繞“大學(xué)生”展開。在大數(shù)據(jù)時代下，充分利用先進(jìn)的大數(shù)據(jù)技術(shù)，對大學(xué)生進(jìn)行思想政治教育、創(chuàng)新創(chuàng)業(yè)教育，開展系列教學(xué)改革、課程建設(shè)以及對新工科等人才培養(yǎng)模式進(jìn)行探討。歸根結(jié)底，大數(shù)據(jù)給包括大學(xué)生思想政治教育在內(nèi)的諸多領(lǐng)域帶來了新的科學(xué)方法論[18]，即通過對大學(xué)生在互聯(lián)網(wǎng)絡(luò)、智能手機(jī)以及其他各處的數(shù)字足跡的挖掘，我們可以準(zhǔn)確地掌握大學(xué)生的思想動態(tài)、創(chuàng)業(yè)傾向和學(xué)習(xí)習(xí)慣，通過對歷史數(shù)據(jù)進(jìn)行分析，可以更好地預(yù)測大學(xué)生未來的思想和行為軌跡，從而達(dá)到對大學(xué)生科學(xué)培養(yǎng)、精準(zhǔn)施教的目標(biāo)。圍繞這一方法論，大數(shù)據(jù)在大學(xué)生培養(yǎng)領(lǐng)域仍將有廣泛的應(yīng)用空間。相較于大數(shù)據(jù)在對“大學(xué)生”培養(yǎng)方面愈加深入的研究和應(yīng)用，目前對高校教育者們的數(shù)據(jù)素養(yǎng)培養(yǎng)上還有較大差距，相關(guān)領(lǐng)域在本次研究中并未有突出顯現(xiàn)。如果“授業(yè)者”們的大數(shù)據(jù)素養(yǎng)不高，很難想象可以培養(yǎng)出優(yōu)秀的大數(shù)據(jù)人才，因此培養(yǎng)大數(shù)據(jù)教育家變得尤為重要。有學(xué)者已經(jīng)提出了“智慧師訓(xùn)”的概念[19]，探索教師角色和教師培養(yǎng)模式的變革，通過基于大數(shù)據(jù)等信息化技術(shù)的師訓(xùn)系統(tǒng)平臺來提升教師的核心素養(yǎng)，打造一支高素質(zhì)、創(chuàng)新型的教師隊伍，更好地踐行“以本為本”之承諾。

四、基于學(xué)科分類的檢驗

為了驗證通過共詞分析法對研究熱點的判斷，本研究利用CNKI 的“文獻(xiàn)分類目錄”功能，對樣本文獻(xiàn)的學(xué)科分類進(jìn)行了分類。按照一級目錄進(jìn)行分類發(fā)現(xiàn)，“社會科學(xué)Ⅱ輯”和“信息科技”類的研究最多，分別達(dá)到了48.87%和46.26%。同時發(fā)現(xiàn)，跨學(xué)科交叉研究的范圍越來越廣，相關(guān)研究已經(jīng)延伸到“基礎(chǔ)科學(xué)”“工程科技”“哲學(xué)與人文科學(xué)”等領(lǐng)域，但是無論在數(shù)量上還是深度上還有待提高。

在“社會科學(xué)Ⅱ輯”的二級目錄中，研究主要集中在“高等教育”類，占比為68.69%，進(jìn)一步分析“高等教育”下的三級目錄發(fā)現(xiàn)，“思想政治教育、德育”“學(xué)校管理”“教學(xué)理論、教學(xué)法”的占比居前，這些都是本研究探索的研究熱點的組成部分，并且與聚類2和聚類3不謀而合。

在“信息科技”的二級目錄中，研究主要集中在“圖書館學(xué)、圖書館事業(yè)”，占比高達(dá)75.99%，這體現(xiàn)了“圖書館”是當(dāng)前高校大數(shù)據(jù)應(yīng)用第一研究熱點的事實，也是聚類1的重要組成。進(jìn)一步分析該目錄下的三級目錄，有52.15%的文獻(xiàn)研究“各類型圖書館”，36.5%的文獻(xiàn)研究“讀者工作及藏書建設(shè)”，而對“數(shù)字圖書館”“文獻(xiàn)工作”的研究都只有6 篇，可見當(dāng)前在圖書館領(lǐng)域的研究仍偏傳統(tǒng)，圖書館信息化資源的數(shù)字化建設(shè)以及價值挖掘仍需要加強(qiáng)研究。

五、研究結(jié)論與展望

本研究以從高校大數(shù)據(jù)相關(guān)文獻(xiàn)中提取的高頻關(guān)鍵詞為研究對象，通過對由其構(gòu)成的共詞矩陣進(jìn)行社會網(wǎng)絡(luò)分析和聚類分析，對當(dāng)前高校大數(shù)據(jù)研究與應(yīng)用的熱點問題進(jìn)行系統(tǒng)梳理，得到如下結(jié)論：第一，當(dāng)前的研究熱點集中在傳統(tǒng)的“圖書館”和“大數(shù)據(jù)時代”下圍繞大學(xué)生開展的思想政治教育、人才培養(yǎng)等方面的應(yīng)用，但各應(yīng)用場景之間缺乏理論與實踐的相互支持，沒有展現(xiàn)出大數(shù)據(jù)應(yīng)有的跨領(lǐng)域合力作用；第二，“人工智能”方面的研究正在興起，而潛在的下一個研究熱點主要體現(xiàn)在“數(shù)據(jù)治理”方面；第三，無論是當(dāng)前熱點還是潛在熱點，在高校管理應(yīng)用上缺少系統(tǒng)研究，在高校決策支持層面上貢獻(xiàn)不夠，需要進(jìn)一步加大研究力度，推進(jìn)大數(shù)據(jù)在高校管理中更廣泛的應(yīng)用；第四，大數(shù)據(jù)屬于工科技術(shù)，但從學(xué)科分布來看研究領(lǐng)域仍相對集中，與基礎(chǔ)學(xué)科的交叉研究還不夠充分。

正在變革中的高校需要充分利用大數(shù)據(jù)的優(yōu)勢來不斷創(chuàng)新制度和更新理念，然而現(xiàn)在的研究力量整體上仍比較薄弱，有影響力的研究成果較少，面對未來龐大的理論和實踐需求，本研究從三個方面進(jìn)行展望：一是在理論上，加強(qiáng)跨學(xué)科研究融合，把握最新的大數(shù)據(jù)研究前沿，并結(jié)合現(xiàn)有的研究成果，構(gòu)建高校大數(shù)據(jù)研究框架，為高校各個領(lǐng)域的大數(shù)據(jù)研究提供標(biāo)準(zhǔn)的研究范式和準(zhǔn)確的方向引導(dǎo)，同時，有必要加強(qiáng)對高校管理者和高校教師數(shù)據(jù)素養(yǎng)的培養(yǎng)，提高他們分析和駕馭大數(shù)據(jù)的能力；二是在數(shù)據(jù)上，迫切需要建立系統(tǒng)的、強(qiáng)大的數(shù)據(jù)庫資源，微觀層面上高校自身可以注意對大數(shù)據(jù)的全方位收集和標(biāo)準(zhǔn)化管理，宏觀層面上政府和教育主管部門應(yīng)當(dāng)出面組織省級層面的大數(shù)據(jù)平臺建設(shè)，有關(guān)結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)的收集整理是實現(xiàn)高校大數(shù)據(jù)潛在規(guī)律發(fā)現(xiàn)的前提和關(guān)鍵；三是在應(yīng)用上，提高高校的管理水平和治理能力才是根本，應(yīng)當(dāng)加強(qiáng)大數(shù)據(jù)與高校管理實務(wù)的深度結(jié)合，讓核心職能部門都參與到學(xué)校的大數(shù)據(jù)建設(shè)和大數(shù)據(jù)使用中來，從而為學(xué)校各類資源的有效配置、教學(xué)科研活動的有效開展、行政機(jī)構(gòu)的有效運行和公共服務(wù)體系的有效支撐等提供決策支持，真正將大數(shù)據(jù)戰(zhàn)略嵌入到高校未來的發(fā)展藍(lán)圖中去。