随着数智化技术的迅速发展，数智化成了高等教育高质量发展的新动力。目前高等教育存在人才培养同社会需求相脱离、教学服务不能满足学生个性化发展需求、育人过程质量控制不精准等问题，从而影响高等教育质量的提高。在数智化转型的浪潮之下，依靠数字智能技术来赋能高等教育，明确质量提升的目标，创建质量生成的途径，完善质量保障的闭环，破解当下高等教育质量发展中的主要难题，是推进高等教育内涵式发展的关键。只有立足于数智化转型的大背景之下，从质量提升的核心出发，从目标、过程、改进三个方面入手，才能充分发挥数智化技术的赋能作用，提高高等教育育人的质量，培养出符合新时代社会发展需要的高素质人才。

　　目标导向：确立数智化转型的质量提升方向

　　对接社会发展需求的人才培养目标调适。数智化转型之下，社会产业结构持续优化升级，对于高素质人才的需求也表现出多元化、复合型的特征，这就需要高等教育及时调整人才培养目标，对接社会发展实际需求。人才培养目标的调整要以数智化时代产业需求为依据，培养出具备专业素养、数智化能力以及创新思维的复合型人才。为此，高校需对各个行业、各个领域的人才需求现状进行调研，分析数智化技术对于岗位能力的新要求，把数智化素养、创新能力、实践能力等纳入到人才培养目标体系中。同时，根据各个专业的特点来有针对性地调整培养重点，保证人才培养目标既符合社会发展趋势，又符合专业发展实际，使培养出来的学生能够迅速适应数智化时代岗位的需求，为社会发展提供强有力的人才支持，促进高等教育质量和社会需求同频共振。

　　回应学生成长期待的教学服务标准优化。数智化转型为优化高等教育教学服务提供了技术支撑，也对教学服务标准提出更高要求，其关键在于回应学生个性化成长期待，让教学服务更有针对性、实效性。学生是高等教育的主要对象，学生的成长需求具有个性化、多样化的特点，传统的单一化、标准化的教学服务已经不能满足学生的发展需要。优化教学服务标准，依靠数智化技术，全面掌握学生的学习基础、学习兴趣、成长规划等个性化的相关信息，创建个性化教学服务体系。同时，优化课程设置，为学生提供多样化的课程选择，满足学生不同专业发展和兴趣发展的需要。此外，创新教学服务模式，利用线上线下融合教学、智能辅导等手段，为学生提供精准化的学习指导和服务。在此基础上，完善教学服务保障，畅通学生反馈渠道，及时回应学生在学习、生活中合理的诉求，使教学服务真正围绕学生成长展开，促进学生个性化、全面发展，提高高等教育质量。

　　遵循教育规律的育人过程质量要求。数智化转型视角下提高高等教育质量，要遵循教育教学规律，确定育人过程质量标准，不能只追求数智化技术应用，而忽略教育本质。育人过程质量要求的确定，要立足高等教育的育人本质，结合数智化技术应用的特点，从教学、学习、管理等各个环节出发，明确具体的质量标准。在教学环节上要重视教学内容的科学性、实用性、创新性，把数智化技术与教学内容深度融合，提高教学效果；在学习环节上，要引导学生主动参与学习，培养学生自主学习能力、探究能力，保证学习质量；在管理环节上，要依靠数智化技术改善管理流程，提高管理效率，给育人过程赋予有力支撑。同时，要重视育人过程的系统性、连贯性，把质量要求贯穿到育人的全过程之中，实现数智化技术应用与教育规律的有机结合，促进高等教育质量稳步提高。

　　过程监测：构建数智化驱动的质量生成路径

　　教学全过程数据的伴随式采集与整合。创建数智化推动的质量产生途径，关键之处在于实现教学全过程数据的采集和整合，从而为质量监测和改善提供精确的数据支撑。教学全过程包含备课、课堂教学、课后辅导、作业批改、实践教学等各个环节，每一个环节中都存在着许多体现教学质量的数据。依靠数智化技术创建起统一的数据采集平台，可以对教学全过程的数据进行伴随式采集，不需要人工干预就能自动收集教师的教学行为、学生的学业状况、教学互动的效果等各种数据，保证数据采集的全面性、实时性、准确性。同时，还要对采集到的分散数据加以整合整理，剔除重复的信息，充实缺失的数据，创建起统一的教学质量数据库，为后续的质量分析和诊断赋予结构化、标准化的数据支撑。在此基础上，利用大数据分析、人工智能算法等技术手段对教学数据进行多维度挖掘。例如，通过对课堂互动的频次、内容进行分析来发现学生参与度的不同、兴趣点的分布情况，通过对实践教学任务完成情况、成果质量的分析来评价学生的应用能力水平。除此之外，还要建立严格的数据安全和隐私保护机制，在遵守教育数据治理规范的基础上，实现教学数据在教务管理、教师发展、学生服务等各个部门之间的共享互通，打破数据孤岛，把数智化技术真正变成教学各个环节之间、教学质量不断改善的纽带。

　　学习状态与效果的动态分析与即时反馈。数据采集的目的是为了更好地了解学生、服务学生。学习状态与效果的动态分析，就是把采集到的教学数据变成对学生的正确把握。智能分析系统可以对学生的学业行为数据做深层次的挖掘，找出学生的学习习惯、兴趣爱好、困难之处。通过学生个体和群体学习轨迹的比较来发现需要特别关注的学生，预测将会出现的学习问题。同时，通过对知识点掌握情况和学习行为的分析，可以找到影响学习效果的主要因素。动态分析的结果要立刻变成对学生反馈和对教师的提示。即时反馈可以对学生在遇到困难的时候给予及时的鼓励与指导，也可以对学生取得进步时给予及时的肯定与强化。反馈形式可以灵活多样，可以是系统的自动提醒，可以是教师有针对性的点评，也可以是同伴间的互动交流。这种动态分析和即时反馈相结合的方式，可以几乎实时地发现教学过程中状态的变化，使反馈和干预发生在问题刚发生或者学生学习动力发生变化的“关键时刻”，把质量保障从事后追溯前置到事中调控，大大提高了教学管理的敏捷性和有效性。

　　关键质量节点的预警与干预机制建立。基于动态分析，可以建立关键质量节点的智能预警和敏捷干预机制，及时发现教学与学习过程中存在的质量隐患，采取相应的措施加以解决，把过程监测由“观察”变成“保障”，保证高等教育质量的稳步提高。预警机制的核心就是依据教育规律和历史数据，对不同的环境设置科学的预警阈值和规则。例如，当系统检测到某学生连续几次没有完成在线预习、在线测验成绩明显下降、或者在讨论中存在认知偏差的时候，会自动发出学业预警，消息会同时发送给学生本人、任课老师和辅导员。预警只是开始，关键在于配套的、多样的干预机制。干预可以是系统自动完成的，即向预警学生推送学习建议和辅导资源；也可以是教师主导的，即进行个别谈话、组织小组辅导、调整教学方式；还可以是管理层面的，即组织教学督导听课、开展专项教学研讨、提供教师发展支持。建立预警干预机制要明确各方责任和流程，保证预警信息能及时响应，干预措施能精准有效，形成一个监测、预警、干预、再监测的闭环，把潜在的质量风险化解在过程中，保证育人进程的高质量开展。

　　持续改进：完善数智化赋能的质量保障闭环

　　多源数据支撑的质量诊断与问题识别。完善数智化赋能的质量保障闭环，首先要依靠多源数据开展质量诊断，准确找到高等教育质量提升过程中存在的问题。多源数据包括教学数据、学生数据、管理数据、行业数据等各方面，从各个方面全方位地反映高等教育质量的总体状况。利用数智化分析工具，对多源数据加以综合分析，从人才培养、教学服务、育人过程等各方面展开质量诊断，全面找出目前高等教育质量提升过程中存在的人才培养同社会需求相脱离、教学方法单一、质量管控不精确等突出问题。同时，还要对问题产生的原因进行分析，区分共性问题和个性问题、表面问题和深层问题，找出问题的主要症结，为之后的教学改进指明方向。依靠多种数据来源开展质量诊断和问题识别，保证改进措施可以准确对应到问题上，提高质量保证的针对性和有效性。

　　诊断结果向教学改进措施的精准转化。质量诊断的意义在于为教学改进指明方向，只有将诊断结果转化为改进措施，才能发挥出它的价值。诊断结果要转化成教学改进措施，必须要有顺畅的传导途径和准确的转化路径。传导机制就是把诊断信息准确地传递给学校管理者、院系负责人、课程团队、任课教师等决策权、有行动权的主体。不同的主体关注的质量问题不一样，所要获取的诊断信息也不同，信息传递要分层分类、精准推送。同样的诊断结果，可能对应着不同的改进方向，要依照实际情况来作出选择和决策。改进措施的制定要确定责任主体、时间节点、资源保障，保证措施可操作、可检查。诊断结果与教学改进措施的精准对接，可以将诊断结果真正转化为提升高等教育质量的实际行动，推动质量保障闭环的有效运转。

　　改进成效的跟踪评估与策略迭代优化。改进成效的跟踪评价和策略更新优化，是形成质量保证闭环的重要环节，可以保证教学改进措施持续发挥作用，使高等教育质量不断提高。在改进措施执行期间，依靠数智化数据平台，就改进成果展开实时追踪监测，搜集有关数据，同改进前后质量变动加以比较，评判改进举措的执行成效。对效果好的措施加以总结，固化推广；对效果不好的措施进行分析，及时调整优化，防止无效投入。同时，还要创建策略迭代改良机制，联系数智化技术发展趋向，社会需求改变以及学生成长新期待，定时对改进策略展开复盘改良，持续改善质量保证体系。通过不断的跟踪评价和迭代优化形成集诊断、改进、评价、优化于一体的完整闭环，从而保证高等教育质量的持续提高，适应数智化时代的发展要求。

　　数智化转型背景下，高等教育质量提升要以目标为导向、过程为监测、改进为持续三个角度来建立全方位、全流程、全覆盖的质量提升体系。通过确定符合社会需求、学生发展的质量目标，建立数智化推动的质量生成途径，健全数智化支撑的质量保证闭环，可以有效地解决目前高等教育质量发展中存在的主要问题。这种实践探索可以充分发挥数智化技术的赋能作用，推进高等教育内涵式发展，切实提高育人质量，为社会培养出更多高素质复合型人才，助力高等教育高质量发展。

　　作者：李晓林，吉林外国语大学英语学院，副教授。