高质量数据治理，是打开教育AI时代大门的“金钥匙”

AI时代日新月异，当大模型、智能体、机器人等等越来越频繁地在校园出现，真正实现教育人工智能优质应用的关键在哪里？我们的判断是：不在算力、不在算法，而在数据。算力可以购买，算法可以学习，唯有高质量的数据买不来、学不来，只能依靠自身一点一滴“治理”出来——数据治理的水平决定了AI应用的上限。

一、数据质量决定AI成色

AI的算力、算法随着教育新基建完善、开源生态成熟，各地各校之间的应用条件差距并不显著，然而数据这一项，却始终是AI能力的分水岭。人工智能像一个拥有百般厨艺的厨师但不负责买菜，给他新鲜干净的食材，能做出一桌顶级好菜；给他发霉的米、掺假的肉，就只能做出一桌“看起来像菜”但不能吃的东西。

教育AI尤其如此，它服务的是学生、教师、家长、教育管理者乃至社会公众。由于数据不实，一次错误的学籍状态判断可能影响一个孩子的升学，一次失真的资助数据比对可能让一个家庭错过应有的帮扶。数据不细，AI只能泛泛而谈；数据不准，AI就会言之凿凿地误导人。助教、助学、助管、助评四个方向，没有一个能离开精准的数据支持。

教育数据还有四个“不一样”：一是周期长，数据要跟着人走、跟着学段走、跟着一生走；二是主体多，省、市、县、校四级都是数据生产者与使用者；三是关联强，学籍、资助、师资、办学条件等等环环相扣，一处失真、处处对不上；四是敏感度高，未成年人信息、家长联系方式、家庭经济状况等数据容不得半点闪失。

人们常常把AI答错归咎于模型“幻觉”，但在教育教学场景里，相当一部分“答错”源头在数据。同一个学生，学籍系统显示“在校”，资助系统显示“已毕业”；同一个指标，这个部门一个口径，那个机构又一个口径，大模型再聪明，也无法从互相矛盾的数据里推理出正确答案，只能“一本正经”地把错误放大。要治“幻觉”，先治数据；要让AI说真话，先让数据说真话。

二、教育缺的是“好用数据”

经过20多年努力，湖南教育的“数据家底”并不算薄：省本级已整合各级各类信息系统40余个，在省政务数据共享平台的资源目录近200个，数据库全量记录累计93亿条。这些数字说明，我们不缺数据，但更多是锁在柜子里、存在表格上、相互不能比对印证、缺乏有效流动的“无用、难用”数据。教育部门离“好用数据”，至少还有四道坎。

一是底数不清。 一个管理部门一套系统，一条教学业务一条线，数据建设年代不同、厂家不同、标准不同。系统里有的，目录里没登记；目录里有的，系统里对不齐。同一个数据项几个系统都存在，谁最权威说不清。

二是标准不一。 国家教育管理信息系统从1.0升级到2.0，字段结构、编码规则、数据颗粒度变化很大，省级系统无法直接调用，学籍、教师等核心业务面临“数据断供”风险。同一个“年级”、同一个“应届生”，1.0和2.0理解不一样；同一张“学校基本信息表”，教育系统一套代码，公安、民政、人社又各有一套代码。

三是质量不齐。学籍数据中反复出现就读状态不匹配、年级标识冲突、班级归属不一致、证件号码缺失、重复学籍等问题。看起来是“小毛病”，落到业务上就是资助名单对不上、毕业证办不了、统计报表出现“阴阳数”。数据带病运行，AI接手的就是“病数据”，输出的肯定是“病结论”。

四是流动不畅。一头是部级所需数据“上不去”，省级要层层组织部署，确保接得住、接得准；另一头是基层所需数据“下不来”，市州、县市区、学校要用数据得层层申请，等数据到手业务时点已经过去。中间还有与民政、农业、财政、卫健等部门数据“横向不通”。关口设得太松，安全守不住；设得太死，业务跑不动。

三、教育数据治理的五个环节

教育数据治理不是把数据“管死”，而是把数据“用活”。方法并不复杂，按教育规律在全生命周期一环一环往下走。

环节一：编目。依据教育部数据标准和我省目录规范，把教育教学系统里的数据资源逐项登记造册，明确采集途径、更新时限、数据格式、共享属性，建立机制确保动态更新。

环节二：归集。分散在不同业务系统的数据按目录挂载、逐级汇聚到湖南教育大数据枢纽，向上接得住教育部、省政府回流，向下连得通14个市州，横向连得上省直部门。目标是“一数一源、一源多用”。

环节三：加工。给数据“洗澡、体检、建档”，清洗转换、统一格式口径。分级建立办学条件、学生资助、精准帮扶、学生成长等13个主题库，把散落的数据按业务逻辑重新组织、科学仓储。

环节四：应用。今后所有教育教学应用不再建设独立系统，而是基于“湘教云”数字底座、湖南智慧教育平台开发功能模块，实现统一取数、有序使用、层级穿透、实时归仓。

环节五：共享。“统一通道、最小必要”。以湖南教育大数据枢纽为数据共享交换公共渠道，拒绝“私搭乱接”。能共享的无条件共享，有条件共享的限时审核，不予共享的明示理由。共享不是拷库表，而是“数据可用不可见”，通过接口按场景、按权限提出用数需求，反馈比对结果。

四、让AI助力教育数据治理

教育数据治理为AI打底，AI也能反过来为教育数据治理提速。一是“查得准”。比如用规则模型自动扫描学籍状态与资助状态是否一致、年级与年龄是否匹配、证件号码是否符合校验规则，AI先过一遍，快速干掉耗时耗力的大量数据整理工作，人再重点看异常。二是“找得到”。把教育数据目录、指标口径、常见问题、微课要点等细致标注做成知识库，用智能问答提供“查数、分析、答疑”服务，湖南智慧教育平台“湘小智”AI助手已经上线，过去需要几个人翻几天报表的跨年度分析，现在AI工具几分钟就能生成。三是“用得好”。比如用学籍异动数据发现疑似违规转学，用资助比对数据发现应助未助，用办学条件数据发现资源配置缺口。再往前走是智能体，教育部门说清应用场景和口径，它能自己找数、取数、算数，把结果和说明一起交出来。

诚然，AI治理数据也有边界。模型会犯错、规则会过时、数据会变化，任何AI生成的结论都需要人的复核，任何自动推送的线索都需要人的检查，任何涉及师生个人的判断都要守住安全与伦理底线。技术终究是工具，责任一定在人。

五、数据钥匙打开的是AI育人之门

为什么说高质量数据治理是打开教育AI时代大门的“金钥匙”？因为钥匙的价值不在其本身，而在于它能打开什么。它打开的第一道门是“看得见”，让教育管理、教育服务、教育教学有数可依、有据可查；第二道门是“用得上”，让每一所学校、每一名老师、每一个学生、每一位家长都能方便用到可信数据；第三道门是“育得好”，让AI真正理解每一个学生的真实处境，帮老师减压、帮孩子成长，帮助教育公平往前再走一步。

炫酷的大屏、精致的应用固然吸引人，但我们更应把目光放在那些“看不见”的地方：一摞表格、一套标准、多轮清洗、N条接口、分级目录。正是这些枯燥、琐碎、需要耐心的“慢功夫”治理，托起了AI的“快变量”。数据治理人人会谈，但并非人人会做，也因此掌握了教育数据治理的真能力，才是掌握了那把“金钥匙”。因为钥匙转动的那一刻，打开的不仅是一扇AI技术之门，更是一扇时代育人之门。

文/湖南省教育厅信息中心主任 宋海波

责编：杨斯涵

一审：杨斯涵

二审：余蓉

三审：黄京

来源：湖南日报·新湖南客户端