摘要：数智治理背景下欧美发达国家高度重视高校学科专业调整优化工作。新一轮科技革命和产业革命的驱动、劳动力市场结构的变化、国家战略需求的强力牵引、生源整体下降和办学经费紧缩是其学科专业优化调整的主要动因。对此，欧美发达国家构建多类型、多层级、功能互补的数智治理模式。信息公开与择校决策、毕业去向与劳动力市场对接、质量监测与国际比较三种模式较为典型。通过对比发现，数智治理背景下高校学科专业调整优化的运行机制主要体现在：以政府层面统筹保障跨部门数据的采集整合，以标准分类代码嵌入诊断学科专业改进方向，以高透明度信息倒逼高校优化学科专业布局，以纵向追踪提升学科专业调整决策的科学性，以供需目标对接匹配持续优化课程知识体系。

关键词：数智治理；高等教育；学科专业；调整优化

作者：褚照锋，男，杭州师范大学中国创新创业教育研究院/经亨颐教育学院讲师，教育学博士；孙德芳，男，杭州师范大学教师发展研究中心教授，博士生导师。

引用本文：褚照锋,孙德芳.数智治理背景下欧美发达国家学科专业调整优化研究[J].比较教育研究,2026,48(9):29-40.

高校学科专业调整优化与科技创新、产业发展、区域经济等方面密切相关，是一项跨部门、跨时段、多主体的复杂任务。随着人工智能的迅猛发展与全面渗透，再叠加科技创新加速、产业结构转型、人口老龄化加剧等外部环境，这一任务显得愈发迫切，依据静态数据、经验判断的决策难以有效回应。数智治理能够将海量数据构成的动态过程整合到数据底座，通过数据平台和信息标准将跨部门、跨层级、跨区域的数据整合，且能够以指标体系和数据画像的方式呈现，最终使治理主体从经验判断走向数据支撑的科学治理。^[1]欧美发达国家在此方面已进行较为丰富的办学实践。

一、学科专业调整优化的主要动因

欧美发达国家学科专业调整优化的主要动因体现在以下相互交织的四个方面。

（一）新一轮科技革命和产业革命的驱动

学科专业不仅是静态的知识分类，而且是大学回应外部知识生产、产业结构和社会分工的制度化载体。长期以来，知识的内在演化逻辑是影响学科专业调整优化的主要原因。然而，以人工智能为代表的新一轮科技革命和产业革命，正深刻影响着传统学科的知识边界与人才培养模式。受此影响，欧美发达国家正在加速推进学科专业调整优化，以人工智能领域最为典型。这一方面体现在数据科学、机器人、网络安全、智能制造、人工智能伦理等新兴学科专业的快速增长，另一方面体现在传统学科专业开始嵌入人工智能素养、数据能力、算法治理等内容。

人工智能与高等教育协同发展是当今世界各国高等教育改革与创新的重要趋势，尤其是西方发达国家已将其提升为国家战略。^[2]2018年以来，欧美主要发达国家纷纷颁布针对性政策予以支持。人工智能技术的研发与应用需计算科学、工程学、认知科学、心理学、哲学等多学科的协同参与，^[3]因此这些政策对高校学科专业调整优化产生重要影响。2020年，美国在前期人工智能领域系列政策推动下，由国家科学基金会负责启动国家人工智能研究院。该研究院由29个机构组成，五年内每个机构将予以约2000万美元资助，重点支持农业和食品供应链、材料发现、人工智能与先进网络安全、人机交互与协作等跨学科领域。^[4]2018年，德国启动人工智能战略，仅2019—2021年已累计投入35亿欧元，核心在于建立和拓展德国和欧洲的人工智能生态系统，包括人工智能能力中心等11个行动计划。^[5]2018年，法国投入25亿欧元启动国家人工智能战略，并在2024年投入3.6亿欧元用于支持9个人工智能集群。这些集群由索邦大学等9所知名大学领衔，致力于打造国际公认的卓越中心，培养和吸引顶尖人才。^[6]2025年，英国出台的《人工智能机遇行动计划》提出，支持高等教育机构增加人工智能专业毕业生的数量，力争到2030年培养数万名相应专业人才。^[7]

（二）劳动力市场结构的变化

高校学科专业与劳动力市场之间是知识供给与社会分工的动态匹配关系，其调整优化需根据相关职业结构与技能需求变化，持续重新配置知识体系、能力结构和培养模式。经济合作与发展组织一项关于美国俄亥俄州等四个州高等教育人才供给与劳动力市场之间契合度的实证研究发现，虽然拥有高等教育学历的劳动者相对具有更高的就业率和显著的收入优势，但是许多毕业生难以找到充分发挥其技能的工作，同时一些行业也面临招聘不到合格人才的现实困境。^[8]这反映出高校人才供给存在错配与短缺的问题，也说明高校需及时优化专业结构、课程内容、培养方式等才可能与劳动力市场需求相匹配。

对此，欧美发达国家一些高校将劳动力市场信息、行业技能预测等作为推动学科专业调整优化的重要参考。美国劳工部预测，科学、技术、工程、数学（STEM）等学科领域的职业增长快于其他领域，预计到2033年将增长10.4%，而其他职业的平均增长水平为4%。其中，信息技术、网络安全、数据分析等领域的需求是推动计算机和数学类职业快速增长的重要原因。^[9]一些高校在此背景下正在重构课程体系。如普渡大学围绕劳动力需求建设综合性的半导体和微电子学位项目，其课程覆盖芯片设计、制造、化学材料等半导体行业的所有领域。^[10]法国则强调通过国家职业预测和战略投资引导学科专业调整。“法国2030”国家战略的未来技能与职业项目明确提出，将重点支持数字技术、健康、能源、食品等领域，由此驱动一批知名大学参与其中。^[11]此外，欧盟职业培训发展中心2035年的就业预测指出，未来各行业职业的就业差异主要由数字与绿色转型以及人口结构变化共同推动，而高科技及STEM领域的相关行业预计就业增长最高。^[12]

（三）国家战略需求的强力牵引

大学学科专业是基础研究创新和关键技术突破的重要支点。国家需要大学支撑关键技术和高端人才，而大学也需要通过服务国家与区域发展获得资源和声誉，它们之间日益呈现一种共生关系。欧美发达国家愈发强调通过针对性的法规政策和重大战略将学科专业调整优化嵌入国家战略需求。2022年，美国颁布《芯片与科学法》，把相关学科专业建设直接纳入国家科技竞争框架。该法确立重点支持先进制造、网络安全、人工智能等10个对国家经济和安全至关重要的关键技术领域。为此，美国国家科学基金会专门成立“技术、创新与合作部”，并授权2023—2027财年为其相关计划投入200亿美元。^[13]2023年，英国新成立的科学、创新和技术部推出《科学与技术框架》。该框架确定优先聚焦未来通信、人工智能、工程生物学、半导体、量子技术等关键领域，并将其视为建立战略优势、形成增长机会并发挥英国既有优势的重要抓手。^[14]有研究发现，2020—2025年，全球顶尖大学学科布局调整的主要特征之一正是以未来战略需求为核心导向，精准对接全球科技竞争与国家战略新兴领域，将人工智能、数据科学、生物工程等前沿学科作为重点。^[15]

（四）生源数量下降和办学经费紧缩

生源变化和办学经费是影响高校学科专业调整优化的重要因素，并且两者相互叠加发挥作用。随着欧美发达国家适龄人口下降、学生选择更加分化、办学经费收紧，高校开始愈发重视通过招生预测、成本核算、学生就业等指标主动对学科专业进行停招、撤并，以此聚焦优势特色，提升办学效能。

其中，美国人口结构变化正在加剧高校长期招生竞争和学费收入不稳定的形势，这导致一些低招生专业首先成为被调整的对象。美国西部州际高等教育委员会关于高中毕业生数量长期预测以及人口分析报告指出，高中毕业生人数预计到2025年达到峰值，此后全美整体呈下行态势，到2041年将降至340万以下，比2025年减少约13%。从总量看，加利福尼亚、伊利诺伊、密歇根、纽约、宾夕法尼亚这5个州的毕业生人数降幅之和将占到2023—2041年全美毕业生总数降幅的3/4左右。^[16]2024年有报道称，宾夕法尼亚州立大学等一批大型公立高校已开始裁员，并关闭招生率低的一些研究生和本科生专业。^[17]英国高校同样受办学经费、招生竞争、学费波动等因素影响，开始对课程进行大规模裁撤。2025年，英国大学协会的调查显示，49%的大学关停部分课程，较上一年的24%大幅上升。^[18]德国高等教育中心国际项目负责人格罗·费德凯尔（Gero Federkeil）指出，德国从1990—2011年学生人数持续增长，2012—2018年趋于稳定，随后新生入学人数开始下降，同时公共支出面临削减。2019年以来，德国公立综合性大学和应用科学大学流失了11%的新生。其中，工程和人文学科自2018年以来下降超过10%，尤其是机械和电气工程领域招生人数大幅下降，这将加速重要经济领域的劳动力短缺。^[19]

二、学科专业调整优化的典型模式

不同利益相关者对高校学科专业调整优化的价值侧重不同，这意味着推进该项工作的参照系必然是多样的。欧美发达国家构建多类型、多层级、功能互补的大数据平台体系，主要包括信息公开与择校决策、毕业去向与劳动力市场对接、质量监测与国际比较等三类模式。

（一）信息公开与择校决策模式

生源是高校学科专业调整优化须考虑的首要前提。然而，学生在选择学科专业时常被各种排名干扰，缺少可靠信息作为参考，容易根据院校整体声誉抑或市场上一些片面解读作出决定。信息公开与择校决策模式的主要功能是政府统筹公开高校办学的客观信息，以便公众作出适合自身需求的抉择。这些信息一般包括入学要求、学费、就业薪酬等，且能够具体到学科专业层面的可视化对比。如果某高校某一学科专业长期被标记为高成本、低满意度，那么随之社会公众的择校情况会带来生源压力，倒逼高校不得不调整优化。美国的高校评分卡、英国的探索大学、荷兰的全国学业选择是该模式的代表，相关情况如表1所示。

高校评分卡由美国政府于2013年倡议组建，在2015年公布之时就涵盖1996—2013年全美7000多所高校的1700个变量数据。^[20]它创建的主要目的在于通过公开全美院校的就读成本与价值相关的关键指标，帮助学生通过便捷的标准对比找到适合他们需求、价格合理且符合预期职业目标的学校。^[21]它包括院校和学科专业两个层面的数据集，能够基于学位类型、地理位置、专业领域等维度，同时交互式、可视化呈现10所大学的相关指标。^[22]探索大学于2019年推出，已成为英国高等教育的官方权威信息来源，能提供英国各地高校的专业课程信息，涵盖学生满意度等多方面的数据。^[23]全国学业选择是荷兰政府联合高等教育领域相关组织于2006年成立，旨在提供可靠、透明、权威的信息，服务于学生的专业选择与学业发展。^[24]它是涵盖全荷兰所有高等教育认证课程的统一数据库。学生不仅可以从地区、院校类型、专业领域等多维度对比课程满意度等信息，而且可以通过兴趣测试、职业画像、在线机器人问答等途径，综合权衡找到真正适合自己的课程。

（二）毕业去向与劳动力市场对接模式

高校人才供给与社会需求之间的匹配情况是学科专业调整优化的重要参照。该模式一种侧重长期追踪，另一种侧重实时更新。相关情况如表2所示。

侧重长期追踪的代表性平台是英国的纵向教育成就数据库和美国的高等教育就业结果数据库。高校依托这些平台可以了解各院校学科专业的毕业生在不同时段的就业区域、薪酬水平、行业分布等方面的全国基准与匹配水平。这有助于识别学科专业是处于增长期还是衰退期，以及学科专业需要改进还是长期表现不佳需要考虑撤销。需要强调的是，长周期的数据分析对于社会价值显现较慢的基础学科，以及区域学科专业的结构布局调整优化具有重要参考价值。

纵向教育成就数据库由英国教育部牵头于2016年推出，它整合了相关行政记录数据，能够为高等教育质量评估提供权威支撑。^[25]截至2022年4月，该数据库能提供约3900万人的长期就业结果和教育变迁途径，^[26]涵盖大学生毕业后1年、3年、5年的中位数收入等主要信息，并能按纳税年度、学科专业、院校机构等多维度进行可视化对比。高等教育就业结果数据库由美国人口普查局下设的纵向雇主—家庭动态项目组负责。2017年，该项目在德州大学系统首次试点，到2020年正式推出。截至2026年2月，它的数据信息涵盖952所院校，约占全美大学毕业生总数的35%。^[27]该平台组建主要为了弥补长期以来全美受教育程度与毕业后劳动市场数据之间的脱节问题。^[28]4它能按学位层级、专业和院校提供毕业生的收入和就业结果数据，并从州、毕业年份、四分位收入多维度可视化描绘毕业1年、5年、10年后的行业分布与地理信息。这不仅能引导高校从全国视野审视毕业生收入、州际迁移模式与劳动力市场的匹配度，而且还能了解不同学科专业在特定区域和行业的变迁情况，能够助力各州更好评估毕业生收入、工作单位，以及课程设置与所在区域社会需求的匹配情况。^[29]

侧重实时更新的代表平台是欧盟技能在线空缺分析工具。它能实时获取并识别市场对劳动力需求的最新变化，为新兴学科专业建设以及已有学科专业的知识体系更新指明方向。该工具基于欧洲各地数亿条的在线招聘广告，对其进行数据挖掘、自然语言处理，并进一步与职业、技能、行业等标准化代码对接，最终可视化呈现技能需求、职业变动、行业动向和区域差异。2015年，该项目启动，后经可行性论证、方法研讨、数据采集、专家论证、试点测试，^[30]于2021年正式推出，并按季度持续更新迭代。^[31]值得注意的是，为响应欧盟的碳中和、数字化转型战略，该工具专门提供针对可再生能源和信息通信技术领域相关职业的行业洞察分析。

（三）质量监测与国际比较模式

高校学科专业调整优化的有效推进需将其置于高等教育结构体系与多维参照系中系统审视。该模式通过整合学生学习体验、学术资源配置、区域经济贡献等多维指标，支持学科专业相关数据跨区域和跨院校的比照。据此，政府从系统层面把握学科专业的空间布局，做好顶层设计；高校与同类院校进行基准对比，明确在相应体系中的相对位置，进而制定符合学科专业基础的发展战略。代表性平台是英国的全国大学生调查、美国的高等教育综合数据系统、欧盟的全球大学多维排名，相关情况如表3所示。

全国大学生调查的实施背景是当时英国正经历高等教育规模扩张，面对学生的多样化需求和学费上涨，传统质量监测难以满足学生对高质量教学的期待。英国政府基于学生的自主选择、课程体验建立在详实可靠的信息支撑下才能促进教学质量提升的理念，推出一项围绕教学质量的全国性年度调查。^[32]该调查于2005年开启，后来调查结果也深度嵌入2017年启动的教学卓越框架。2025年，超500所高校，70%以上的学生参与调查，已累计近600万人次。^[33]该调查主要围绕课程教学、学习机会、评估与反馈等七个稳定主题以及一些动态附加主题展开。它能跨年度、跨机构对比不同学科专业领域及其学生课程学习体验的基准与满意度情况，并通过柱状图、趋势线、基准偏差等可视化方式呈现。^[34]

高等教育综合数据系统的前身是美国1966—1967年实施的高等教育基本信息调查项目，于1985—1986学年正式启动，后来调查内容不断丰富。^[35]3-4它由机构特征等13个相互关联的调查项目组成，^[36]涵盖超过7000个机构和多达250个变量的数据集。^[37]

欧盟的全球大学多维排名的实施旨在克服传统大学排名维度比较单一，以综合性的研究型大学为主且侧重硬学科领域，相对忽视大学在人文社会学科、教学质量、社会服务等方面的表现。^[38]15同时，传统排名还存在语言和领域偏见、对表现细微领域夸大、指标权重对排名结果的随意影响等问题，这会导致纵向的等级划分和狭隘的质量观念。不同的高等教育机构本身是多功能的，因此理想的大学排名应是多样、透明、利益相关者参与的用户驱动导向。^[38]17全球大学多维排名经过2009年的前期科学论证和2011年150多所高校的可行性测试，^[38]15于2014年正式公布，当时就涵盖850多所院校。^[39]最终，它确定教学质量等五个维度30项独立指标，并对不同指标进行从优秀到较差五个等级的评估，同时支持特定学科领域的对比。^[39]2023年，它并入欧洲高等教育部门观测站。该观测站是欧洲高等教育行业数据和信息的一站式平台，包括欧洲高等教育注册库、欧洲高等教育毕业生就业追踪等多个权威数据集，涵盖约3500所高校。其基准测试工具建立在全球大学多维排名的方法论基础之上。^[40]

三、学科专业调整优化的运行机制

欧美发达国家普遍将大数据平台作为数智治理的一项重要公共基础设施，这也成为政府回应利益相关者和社会经济发展需求的重要组成部分。相关机构通过出台政策法律、依托第三方组织、整合多源权威数据、试点测试推广等途径持续完善这些平台。它们赋能高校学科专业调整优化的运行机制体现在以下五个方面。

（一）以政府层面统筹保障跨部门数据的采集整合

高校学科专业调整优化的重要目的是实现教育供给侧与社会需求侧的匹配，然而两侧的相关数据信息涉及众多非教育机构。这意味着采集、整合、打通部门之间的数据壁垒离不开政府层面的统筹协调。欧美发达国家一般由政府机构牵头，依托法律授权、签订共享协议的方式实现跨部门、跨层级数据的统一采集、标准化整合和有序合法共享，为后续的技术嵌入与操作应用奠定基础，同时也能够确保数据覆盖全面、质量可信、用途合规，驱动学科专业调整优化从经验决策走向循证决策。需要说明的是，这种采集整合已有数据的方式具有较强客观性，能降低高校单方面美化数据的风险，同时相对不会给高校、雇主、公众带来额外的数据收集负担。

美英相关数据平台分别主要以教育部和学生办公室为核心机构统筹实现教育、财务、劳动等多部门数据的采集整合。高等教育综合数据系统由美国国家教育统计中心统筹管理，并通过1992年的《高等教育法修正案》强制要求全国高等教育机构统一提交相关数据。^[35]5国家教育统计中心的数据采集文件明确指出，为了避免重复采集，与国家科学基金委、农业部、国防部、劳工统计局等部门，以及各州高等教育行政官员协会、公立与赠地大学协会、社区学院协会等组织保持密切合作，确保数据共享。^[41]高等教育就业结果数据库的组建运行则得益于美国人口普查局与大学、大学系统、州教育部门、州劳动力市场信息办公室等机构间的数据共享合作协议。^[42]

全国大学生调查和探索大学均由学生办公室联合北爱尔兰经济部、苏格兰拨款委员会、威尔士高等教育与研究委员会推进。纵向教育成就数据库则由英国教育部牵头联合税务海关总署等多部门，同时整合高等教育统计局数据、国家大学生数据库、大学和学徒制个人学习记录数据等实现跨部门的数据对接。^[43]其中，《2015年小企业、就业与企业法》为其数据对接提供了法律保证，专门明确授权教育部永久关联学生贷款、税收、福利等行政记录数据。^[44]

需要强调的是，探索大学和高校评分卡是将多个国家级权威调查和行政记录数据进行标准化的整合再现。前者整合了全国大学生调查、纵向教育成就数据库、毕业生就业调查等相关权威数据；后者整合了高等教育综合数据系统、联邦学生贷款数据、财政部税务记录等相关权威数据。

（二）以标准分类代码嵌入诊断学科专业改进方向

标准分类代码嵌入是数智治理助力高校学科专业调整优化的核心技术架构。这通过官方技术文档对各维度代码使用进行系统解读实现，尤其是对学科、专业、课程、行业、职业等代码标准化定义、层级映射与版本迭代的说明，由此才能确保数据采集整合与分析的一致性、可比性和科学性。据此，高校不仅能够了解全国整体情况，而且能实现学科专业跨机构、跨年份、跨平台、跨区域的一致性对比、基准比较和纵向追踪，进而判断真正具有前景的发展方向抑或一直处于就业不佳地位的学科专业。同时，行业、职业标准分类代码的嵌入，能够对学科专业的就业匹配度进行动态交叉的供需分析。

高等教育综合数据系统、高校评分卡、高等教育就业结果数据库均嵌入美国的学科专业代码体系。该体系经过多次修订，能够提供三层六位数结构的统计对比。两位、四位、六位代码分别对应学科群、学科（专业类）、专业。^[45]以高等教育就业结果数据库为例，相应技术文档对其数据架构、方法论、数据用途、相关概念、制表级别、保护系统等进行详细说明，并针对纵向追踪场景的各类代码使用进行深入解读，同时说明学科专业代码的嵌入、使用、标准化与跨期迭代关系，以及相应北美行业分类代码的解读。^[46]相关技术文档明确说明：“对于硕士学位及研究型博士学位，分类至两位层级，而对于其他所有学位层级，分类至四位层级。同时还强调针对每个大学系统，为了对数据记录实现变量标准化，如何将旧版的学科专业代码更新为最新分类标准（2020版）。”^[47]

全国大学生调查、探索大学、纵向教育成就数据库则嵌入英国的高等教育学科分类代码及其标准化的通用聚合层级。前者是具体到专业层面的代码，后者是为了实现较为宏观层面的数据统计分析而对前者进一步聚合。后者最新版本的第一、第二、第三层级分别包含23组、35组、167组，能够实现从学科领域到专业课程层面的细化。^[48]全国大学生调查和探索大学嵌入通用聚合层级能够实现学科与课程质量的学生满意度调查及其可视化对比。同时，通过标准职业分类代码嵌入的交叉分析能够明确学生就业领域及其供需匹配。此外，英国高等教育统计中心还专门明确毕业生就业情况与标准职业分类代码之间的映射关系。^[49]

全国学业选择则嵌入荷兰高等教育课程中央注册机构的统一代码，以此保证信息统计的规范一致。技能在线空缺分析工具嵌入欧盟职业、行业分类代码，并能将其映射到欧盟技能、能力、资格和职业分类框架，这为学科专业的内涵更新提供重要支撑。全球大学多维排名则采用联合国教科文组织统计研究所的学科专业领域分类，支持跨国际、跨区域的比较。^[50]

（三）以高透明度信息倒逼高校优化学科专业布局

高透明度信息主要体现在两个方面。一是呈现学科专业发展的相关信息比较丰富，一般包括各类基准信息、薪酬水平、毕业率、学习成本、课程满意度等。这些信息与学生的切身利益相关，会直接影响学科专业的生源情况。二是呈现方式不再是枯燥的统计表格，而是交互式仪表板和基准化图形，具有便捷、可视、易懂的特征。这些高透明度信息能够使社会公众通过权威渠道快速了解某一学科专业在同类院校、相应区域的表现，迫使高校不得不审视学科专业布局、课程体系和资源配置，进而形成倒逼机制。同时，政府监管机构借助这些信息，通过绩效拨款等途径迫使高校真正推进学科专业调整优化。不同类型信息的透明主要通过以下途径产生倒逼机制。

其一，学科专业不同维度基准信息的透明能够映射其在同类机构中的位次差距。高等教育综合数据系统以年度全国覆盖的机构统计为基础，支持院校通过自定义数据查看反馈报告，能够与同类院校的各类基准信息进行直观对比。高校评分卡在官方文件解读中指出，学生需利用可获取的信息来协助其搜索、择定高校，而高校亟须更有质量的基准信息对比改进。^[51]不少高校正是基于这些信息进行专业的内部审查与调整优化。^[52]

其二，毕业率、薪酬水平及其就业匹配的透明能够对比不同学科专业的投入产出效率及其差异，相应的社会舆论压力迫使高校予以回应。高等教育就业结果数据库、高等教育综合数据系统、纵向教育成就数据库均具有类似功能。尤其是高等教育就业结果数据库的在线数据探索工具能够可视化对比不同学科专业领域的学位层级在毕业1年、5年、10年在各个州的流动、四分位收入及行业分布情况。有学者指出，高等教育就业结果数据库的重要性在于能提供透明可靠的数据，为效益分析和财务问责提供信息，这有助于提高大学办学的透明度与有效性。^[53]

其三，学习成本与课程满意度的透明事关不同学科专业的潜在生源与办学声誉。有研究基于全国大学生调查以及本科专业申请数据分析发现，虽然全国大学生调查排名并不直接影响专业申请，但是它被具体到学科层面排名时影响显著，此时每提高一个标准差，平均带来相应学院申请人数4.3%的增长。^[54]另外，全球大学多维排名的评价并不评选最佳院校和排名，而是通过在不同维度对比为不同类型高校的特色发展寻找生态位，尤其是知识转移和区域参与的维度为欧洲应用技术大学的高校发展及其学科专业调整优化提供重要参考。^[55]

（四）以纵向追踪提升学科专业调整决策的科学性

学科专业建设一般需要数年甚至更长时间，这意味着单纯依据短期就业率、录取分数、薪资水平等指标来决定学科专业的增撤，极易出现将短期的阶段性波动误判为长期的发展趋势，最终导致高校在热门学科专业设置上盲目跟风，却在基础、交叉、新兴等学科专业方面布局滞后。这些数据平台将学科专业发展置于连续时间序列和多重参照系考察，有助于对学科专业调整的影响因素进行综合研判。这对于维护大学学科专业生态具有重要意义。它们的数据结构多采用“院校×学科/专业×时间”的立体矩阵，以此实现学科专业跨年份、跨区域、跨院校的纵向追踪、分类比较与多维呈现，这能为学科专业当前表现如何、变化趋势怎样以及背后由哪些因素驱动的分析提供有力证据。上述平台基本都重视纵向数据建设，以高等教育就业结果数据库和纵向教育成就数据库最为典型。

有研究指出，高等教育就业结果数据库能够提供数百万毕业生毕业后1年、5年和10年的地域流动、行业就业和工资增长情况的纵向图景，这为开展政策研究、评估不同证书和课程的价值、课程的有效性评估提供重要信息。并且，该数据库能够深入了解高校学科专业如何与州和地区的劳动力需求相匹配，^[28]14这为增撤学科专业和国家资源配置提供重要决策证据。纵向教育成就数据库的官方文件提醒，学生就业结果受到个人特征、地区、行业等多种因素影响，不能简单将高收入专业等同于高价值专业，并且专门强调请注意本科毕业生和研究生之间的结果差异不能完全归因于拥有研究生学位或本科学位的影响，因为继续攻读研究生学位的本科毕业生并非原来本科毕业生的代表性群体。^[56]英国财政研究所基于该数据库的分析报告显示，对于本科毕业于回报率相对较低专业的学生来说，最大化收入的最佳选择是多元化发展。虽然他们攻读同一专业的硕士学位往往会带来负收益，但是攻读其他领域的硕士学位则会带来压倒性的正收益，无论男女皆是如此。^[57]这对于学科专业调整优化具有重要参考价值。

此外，纵向数据分析对于人文社会学科的发展更具启发。这些学科职业出口相对更分散、成效显现更滞后，如果缺乏长期追踪，那么很容易把短期低回报误判为长期无价值。英国国家学术院（British Academy）结合纵向教育成就数据库等数据对人文社会学科领域毕业生就业的分析报告指出，这些学科的学生选择从事的职业薪酬相对较低却具有重要社会价值。它们是构筑国家社会与文化基础设施的基石，尤其是教育领域。此外，不少该领域的毕业生往往倾向于特定的工作模式并非注重经济回报至上。因此，一些短期衡量指标难以全面衡量这些学科专业所蕴含的内在价值，倘若以此为借口削减资助，这其实背离了大学宗旨。必须将这些学科的价值置于宏观的政治和经济背景中全面审视。^[58]

（五）以供需目标对接匹配持续优化课程知识体系

“课程是人才培养模式的核心要素。全球大学教改的一个重要趋势是淡化专业、强化课程。”^[59]事实上，无论高校学科专业如何调整优化，最终只有落到课程层面知识体系的持续更新完善才会触及内涵建设，否则可能只是停留在更名的形式层面。有学者指出：“专业不能只是一个概念或符号，更重要的是通过专业改造或转型升级，以有组织的方式推进课程体系和教学内容更新，使专业真正名副其实。”^[60]相对来说，增撤学科专业属于改革成本相对较高的行为。那些面向国家重大战略和前沿研究领域的学科专业，面对学术组织内在的保守性，通过超常规举措增设是必要的。但是，多数已有学科专业的调整优化，通过模块更新、技能嵌入、跨界整合等课程层面的优化是成本较低且可行性较强的路径。

这些大数据平台基本都涵盖课程层面的相关信息，能够为高校课程优化提供直接或间接的证据支持，主要表现为基于供需目标对接驱动高校课程知识体系的优化。一方面通过提供实时或纵向的劳动力市场信号，帮助高校识别新兴技能缺口并将其嵌入现有课程板块，侧重新增课程知识。技能在线空缺分析工具对欧盟32个国家在线招聘广告的大数据剖析，包括对职业培训相关课程与实时劳动力市场趋势进行比较，旨在深入了解技能错配问题，为有效的课程规划与调整提供参考。^[61]另外，作为率先参与高等教育就业结果数据库测试的德州大学系统正是基于该平台对毕业生的收入、工作单位以及课程设置与雇主需求的匹配度分析，最终决定通过与谷歌合作将数据分析等与就业相关的微证书嵌入学生的专业学习。^[29]另一方面是通过识别学生学习体验与就业表现的不良环节，帮助高校明确完善方向，侧重改进已有课程知识。其中，全国学业选择是荷兰全国高校认证课程及其教学满意度呈现的平台，成为支持课程改革的重要参照。全国大学生调查主要聚焦学生对课程和学习体验的调查，其官方报告指出，实施多年带来的变革与创新主要集中在院校层面，最显著的是各个大学和学院利用调查结果来改进课程。^[62]

四、结语

高校学科专业调整优化是推动人才培养高质量发展的一项持续性工作。面对以人工智能为重要标志的新一轮科技革命和产业革命的全面冲击，以及高校生源下降、办学经费整体紧缩的客观事实，再加上国家之间科技竞争的复杂性，这导致高校学科专业调整优化仅仅依靠知识逻辑、局部经验、宏观政策愈发难以合理决策。在此背景下，欧美发达国家基于数据驱动、循证决策理念构建并实施的数智治理模式为合理决策提供有效支撑。其中，信息公开与择校决策模式侧重从生源视角的多维可视化对比，引导社会公众作出符合自身需求的抉择；毕业去向与劳动力市场对接模式侧重从供需匹配视角的持续追踪，引导相关主体理性看待学科专业的增长与衰退；质量监测与国际比较模式侧重从基准构建的多元化对比，引导高校学科专业合理定位，探索差异化、特色化的发展路径。这些不同治理模式的有效运行机制在制度层面主要体现在政府层面牵头统筹保证跨部门数据采集整合的权威性与合法性；在技术层面关键在于标准化分类代码的嵌入，尤其是学科、专业、课程、行业、职业等代码，这为持续有效诊断学科专业的改进方向提供重要支撑；在操作层面主要表现为通过多维度、跨时段、动态性地呈现高透明度信息，以及通过纵向追踪的决策参考，最终基于供需目标匹配持续优化高校学科专业的内涵建设，尤其是课程知识体系的不断完善。

（参考文献和注释见原文）

本文刊登于《比较教育研究》2026年9期，若转载请注明出处。