详细内容或原文请订阅后点击阅览
高等教育的数据问题
高等教育的数据问题 sara.custer@in…周四，04/23/2026 - 03:00 AM 在能够充分受益于人工智能所承诺的基于证据的决策之前，该行业首先需要整理好管道。Byline(s)Sara Custer
来源:Inside Higher Ed | 高等教育博客高等教育拥有大量关于学生财务、项目成本、入学和招生、学生行为、保留率、毕业率等的数据。但机构不知道如何处理它。技能差距、数据孤岛和投资现代系统的预算有限是大学有效使用数据的长期障碍。整个校园平台中人工智能的爆炸式增长以及联邦和州机构对劳动力数据的新需求意味着迫切需要一个解决方案。
在本月举行的 ASU+GSV 大会上，教育工作者、投资者和教育科技企业家齐聚一堂，我的每一次对话都以人工智能为主。它为改善机构发展、学生体验和学生支持提供了巨大的可能性。大多数学生信息系统、客户关系管理平台和学习管理系统工作流程已经融入了代理和人工智能驱动的系统。
然而，这些工具的前景取决于流入其中的数据的清洁度和准确性，以及人类分析结果的技能。错误的数据输入 + 错误的数据输出 = 到处都是错误的决策。太多机构都处于这种情况。接受调查的 Educause 社区成员中，只有 1% 的人表示他们机构的数据系统已完全现代化，约三分之二 (68%) 的人表示某些系统已经现代化，而另外三分之一的人表示他们要么正在早期讨论数据现代化问题 (24%)，要么根本没有解决这个问题 (7%)。简而言之，大多数大学都被淹没在无法充分利用的数据之中。
这些数据管理问题不仅仅困扰着机构。它们向上延伸，使联邦和州政府蒙在鼓里。该行业没有关于学位持有者和行业工作岗位的正确数据，无法对劳动力市场需求做出反应或跟踪单个项目的投资回报。
萨拉·卡斯特 (Sara Custer) 是《高等教育内部》的主编。