2025年伊始，國(guó)產(chǎn)大模型的集中涌現(xiàn)標(biāo)志著我國(guó)在通用人工智能（AI）領(lǐng)域邁出了具有戰(zhàn)略意義的探索步伐。深度求索（DeepSeek）自問世以來，以相對(duì)較低的成本快速實(shí)現(xiàn)了多模態(tài)智能、推理能力與行業(yè)落地之間的高度耦合，展現(xiàn)了我國(guó)人工智能研發(fā)實(shí)力的躍升，也為全球多模態(tài)智能的發(fā)展提供了具有參考價(jià)值的樣本。DeepSeek通過構(gòu)建開放生態(tài)體系，大幅降低本地部署AI模型的門檻。在國(guó)家政策積極引導(dǎo)、技術(shù)門檻降低、應(yīng)用場(chǎng)景日益豐富的多重作用下，各高校于2025年逐步對(duì)DeepSeek進(jìn)行本地部署，推動(dòng)高等教育智能轉(zhuǎn)型，2025年可被視為我國(guó)高校的“DeepSeek元年”。

2025年高校布局校園版DeepSeek的趨勢(shì)統(tǒng)計(jì)

自2025年初以來，隨著我國(guó)在通用人工智能領(lǐng)域戰(zhàn)略布局的不斷深化，以及國(guó)產(chǎn)開源大模型研發(fā)體系的日益完善，高校加快推動(dòng)以DeepSeek為代表的大模型工具在教學(xué)與科研體系中的部署與應(yīng)用。DeepSeek依托其在語言理解、復(fù)雜推理與跨模態(tài)生成等方面的優(yōu)勢(shì)，以及開放源代碼、低部署門檻、高適配能力等技術(shù)特性，逐漸成為高校推動(dòng)人工智能賦能教育教學(xué)和科研創(chuàng)新的重要工具[1]。在國(guó)家政策支持、技術(shù)生態(tài)開放和成本結(jié)構(gòu)優(yōu)化的多重驅(qū)動(dòng)下，部分高校率先完成本地部署，推動(dòng)模型嵌入到智能教學(xué)輔助、科研支持、跨學(xué)科知識(shí)建模、行政管理自動(dòng)化等具體場(chǎng)景。整體來看，DeepSeek在高校的推廣使用已由早期的觀望嘗試階段轉(zhuǎn)向系統(tǒng)性接入階段，呈現(xiàn)出部署規(guī)?；?yīng)用體系化、功能協(xié)同化的趨勢(shì)。

1.時(shí)空特征與分布態(tài)勢(shì)

2025年以來，高校相繼推進(jìn)DeepSeek系統(tǒng)的本地化接入。為梳理高校部署現(xiàn)狀，本文選取2025年1月1日至8月30日期間，147所“雙一流”高校作為主要研究對(duì)象，聚焦其在校園內(nèi)本地部署DeepSeek系統(tǒng)的情況進(jìn)行統(tǒng)計(jì)分析。數(shù)據(jù)主要來源于高校官方網(wǎng)站與教育新聞平臺(tái)，并開展多輪人工校驗(yàn)與時(shí)間節(jié)點(diǎn)比對(duì)，從而確保數(shù)據(jù)的準(zhǔn)確性與時(shí)效性。統(tǒng)計(jì)結(jié)果顯示，在上述高校中，已有125所高校明確披露完成本地部署，顯示出當(dāng)前高校在推進(jìn)AI基礎(chǔ)設(shè)施建設(shè)方面的高度積極性與響應(yīng)力度。

如圖1所示，從“雙一流”高校本地部署DeepSeek的累加次數(shù)與百分比分布，可以清晰觀察到DeepSeek在高校中的推廣過程呈現(xiàn)出典型的S型擴(kuò)散曲線特征，部署學(xué)校累加數(shù)量與百分比均顯示出由緩到快、再趨于平穩(wěn)的演進(jìn)軌跡，與創(chuàng)新擴(kuò)散理論（Diffusion of Innovations Theory）中所描述的技術(shù)采納模式高度契合。在圖示初期階段（第1至7周，即2025年1月1日至2月18日），部署DeepSeek的高校數(shù)量緩慢增長(zhǎng)，主要由以“985”高校為代表的技術(shù)創(chuàng)新者（Innovators）引領(lǐng)。這類高校具備雄厚科研基礎(chǔ)、較強(qiáng)風(fēng)險(xiǎn)承擔(dān)能力和對(duì)前沿技術(shù)的敏銳判斷力，是技術(shù)擴(kuò)散的先行試點(diǎn)。進(jìn)入中段（第8至10周，即2025年2月19日至3月11日）后，隨著早期部署高校的經(jīng)驗(yàn)示范效應(yīng)增強(qiáng)以及大模型技術(shù)自身穩(wěn)定性提升，越來越多“211”高校和部分其他“雙一流”高校開始加入部署行列，構(gòu)成擴(kuò)散中的早期多數(shù)（Early Majority）群體。此階段部署高校數(shù)量迅速上升，呈現(xiàn)加速擴(kuò)張態(tài)勢(shì)，是擴(kuò)散曲線的躍升期。隨著部署高校數(shù)量逼近飽和，圖示后期（第11至18周，即2025年3月12日至5月6日）增長(zhǎng)曲線逐漸平緩，進(jìn)入穩(wěn)定擴(kuò)散階段。剩余未部署高校為晚期多數(shù)（Late Majority）或滯后者（Laggards），其部署受限于資源條件與組織能力，往往需要政策激勵(lì)、區(qū)域協(xié)同等外部強(qiáng)干預(yù)力量推動(dòng)[2]。

為深入分析我國(guó)“雙一流”高校在本地部署DeepSeek過程中的總體趨勢(shì)與差異特征，本文選取辦學(xué)層次、地域分布與部署時(shí)間三重變量交叉分析，以厘清不同類型高校在部署節(jié)奏與應(yīng)用廣度上的差異，試圖以有限數(shù)據(jù)分析制度響應(yīng)、組織慣性與資源環(huán)境配置的三元機(jī)制。具體而言，將“雙一流”高校按照辦學(xué)層次分為“985”高校、“211”高校以及其他“雙一流”高校，按照地域分布分為東部、中部與西部高校，并以首批部署時(shí)間為起點(diǎn)按照部署時(shí)間進(jìn)行分類，通過列聯(lián)表卡方檢驗(yàn)，分析DeepSeek的部署情況是否因高校屬性的差異而有所不同。結(jié)果如表1所示。

從創(chuàng)新擴(kuò)散的視角來看，DeepSeek在高校層級(jí)與地域?qū)用娴耐茝V過程呈現(xiàn)出典型由上而下的擴(kuò)散路徑，部署態(tài)勢(shì)表現(xiàn)出顯著的層級(jí)化差異。從辦學(xué)層次來看，DeepSeek部署比例隨著高校辦學(xué)層次遞減而逐級(jí)降低。如表1所示，截至2025年5月，全國(guó)“985”高校中已有38所部署DeepSeek，占比高達(dá)97.44%，“211”高校部署率為90.43%，而在非“211”高校但仍屬于“雙一流”建設(shè)高校中，僅有69.63%的高校完成部署，不同辦學(xué)層次的高校在是否部署DeepSeek上有顯著的統(tǒng)計(jì)學(xué)差異（p<0.001）。這一趨勢(shì)表明，辦學(xué)層次較高的高校更易獲得人工智能布局的政策與資源支持，部署節(jié)奏也更為迅速，展現(xiàn)出較強(qiáng)的先行示范效應(yīng)。國(guó)家重點(diǎn)建設(shè)的“985”與“211”高校，通常擁有更充裕的科研經(jīng)費(fèi)與更強(qiáng)的技術(shù)基礎(chǔ)設(shè)施，在校內(nèi)具備較為完善的信息化管理體系，更容易對(duì)接并落地通用大模型。相較之下，部分普通“雙一流”高校在硬件投入、技術(shù)團(tuán)隊(duì)建設(shè)和跨部門協(xié)同方面仍存在短板，使其在部署大模型時(shí)面臨更多的現(xiàn)實(shí)制約。從高校地域來看，部署率在不同區(qū)域間的總體差異并不顯著，但仍呈現(xiàn)出一定的地域分布規(guī)律。地域差異的成因既包括地區(qū)經(jīng)濟(jì)發(fā)展水平、教育信息化建設(shè)程度等客觀因素，也受到地方政策引導(dǎo)、教育行政管理方式與高校間協(xié)作機(jī)制的影響。中部地區(qū)有較強(qiáng)的區(qū)域協(xié)同傳統(tǒng)與高校聯(lián)盟體系，使得新技術(shù)推廣可以通過以點(diǎn)帶面的模式快速擴(kuò)展。相較之下，東部地區(qū)的部署節(jié)奏反而略顯滯后，可能與高校自主性較高有關(guān)。從部署時(shí)間來看，高校大規(guī)模部署DeepSeek的時(shí)間集中在二月中旬到四月上旬，呈現(xiàn)出迅速增長(zhǎng)到逐漸飽和的規(guī)律，“雙一流”高校對(duì)DeepSeek的部署時(shí)間上存在顯著的統(tǒng)計(jì)學(xué)差異（p<0.001）。

2.功能結(jié)構(gòu)與場(chǎng)景譜系分析

為進(jìn)一步揭示DeepSeek在“雙一流”高校中的功能定位與實(shí)際應(yīng)用路徑，對(duì)其典型應(yīng)用場(chǎng)景進(jìn)行了系統(tǒng)梳理與歸類分析。結(jié)合政策文件、公開報(bào)道、高校實(shí)踐案例等多元數(shù)據(jù)來源，參考現(xiàn)有人工智能教育應(yīng)用分類框架，本文將高校部署DeepSeek的主要應(yīng)用場(chǎng)景劃分為六大類：即教學(xué)輔助中的“助教”類應(yīng)用、學(xué)生支持中的“助學(xué)”類應(yīng)用、教育“評(píng)價(jià)”類應(yīng)用、學(xué)校治理中的“管理”類應(yīng)用、“科研”類應(yīng)用，以及涵蓋多個(gè)領(lǐng)域功能的“綜合”應(yīng)用[3]。在分類基礎(chǔ)上，對(duì)樣本高校中各類應(yīng)用出現(xiàn)的頻次進(jìn)行了統(tǒng)計(jì)分析。結(jié)果如表2所示。

從當(dāng)前統(tǒng)計(jì)數(shù)據(jù)來看，高校對(duì)DeepSeek模型的應(yīng)用以綜合性部署為主，占比高達(dá)72%，涵蓋教學(xué)支持、科研輔助、教學(xué)管理與學(xué)習(xí)評(píng)價(jià)等多個(gè)功能，顯示出高校在頂層設(shè)計(jì)上對(duì)大模型賦能教育的系統(tǒng)性思維。相較之下，聚焦于助教（3.2%）、管理（12%）、科研（4%）、評(píng)價(jià)（0.8%）與助學(xué)（8%）的單一功能部署比例較低。不同類型高校在部署DeepSeek的場(chǎng)景選擇上存在差異，可能受制于組織數(shù)字能力、學(xué)科布局結(jié)構(gòu)、教師數(shù)字素養(yǎng)等多重變量。后續(xù)研究可結(jié)合問卷與個(gè)案訪談，進(jìn)一步識(shí)別影響各類場(chǎng)景部署優(yōu)先級(jí)的深層因素。未來應(yīng)進(jìn)一步推動(dòng)各場(chǎng)景應(yīng)用之間的協(xié)同、數(shù)據(jù)互通與機(jī)制聯(lián)動(dòng)，在保障數(shù)據(jù)安全與倫理合規(guī)的前提下，建構(gòu)以大模型為核心的教育數(shù)智生態(tài)體系。

綜合性部署高校數(shù)量占據(jù)主導(dǎo)，反映出高校教育數(shù)智化正在由點(diǎn)狀試驗(yàn)向面狀布局躍遷。綜合性部署不只是簡(jiǎn)單的技術(shù)疊加，也體現(xiàn)出高校在資源協(xié)同、場(chǎng)景聯(lián)通與數(shù)據(jù)集成方面的深度整合。浙江大學(xué)部署了全套DeepSeek-V3與R1系列模型，構(gòu)建專屬算力平臺(tái)，確保校內(nèi)師生獲得高效、穩(wěn)定的模型服務(wù)。結(jié)合華通云數(shù)據(jù)提供的算力池化技術(shù)，學(xué)校實(shí)現(xiàn)了GPU資源的動(dòng)態(tài)調(diào)度，有效應(yīng)對(duì)教學(xué)、科研、辦公等不同場(chǎng)景的負(fù)載需求。山東大學(xué)則提出“校內(nèi)版DeepSeek-R1+本地知識(shí)庫(kù)”的融合架構(gòu)，實(shí)現(xiàn)教學(xué)資料、科研文獻(xiàn)、行政文件的智能整理、深度分析與個(gè)性化推薦，為教師科研辦公、學(xué)生自主學(xué)習(xí)提供全天候、多模態(tài)支持服務(wù)。作為DeepSeek應(yīng)用的重點(diǎn)領(lǐng)域，“智能助教”已在多個(gè)高校取得初步成果。北京師范大學(xué)在本地部署DeepSeek-R1模型基礎(chǔ)上，深度整合本校教學(xué)大綱、課程手冊(cè)與教學(xué)案例庫(kù)，為近萬門課程開發(fā)定制化智能助教系統(tǒng)。該助教能根據(jù)課程特點(diǎn)與學(xué)生的學(xué)習(xí)進(jìn)度和薄弱點(diǎn)，動(dòng)態(tài)推薦適配的學(xué)習(xí)資源與習(xí)題。本地部署保障了數(shù)據(jù)安全，還提升了知識(shí)庫(kù)定制的靈活性。高?；诖竽Ｐ烷_發(fā)各類伴學(xué)智能體，面向?qū)W生需求提供個(gè)性化學(xué)習(xí)資源與路徑。上海交通大學(xué)將DeepSeek接入AI應(yīng)用平臺(tái)，開發(fā)數(shù)學(xué)深度推理智能體，針對(duì)學(xué)生解題薄弱環(huán)節(jié)提供分步驟引導(dǎo)和錯(cuò)題歸因分析，形成完整的認(rèn)知反饋閉環(huán)。部分高校圖書館接入DeepSeek，幫助學(xué)生進(jìn)行數(shù)據(jù)庫(kù)檢索，提升學(xué)生的效率。DeepSeek模型在科研領(lǐng)域的部署主要聚焦于大數(shù)據(jù)處理與跨學(xué)科問題建模。吉林大學(xué)利用本地部署的大模型系統(tǒng)，高效處理海量科研數(shù)據(jù)并輔助預(yù)判科研方向。華中科技大學(xué)則通過將AI系統(tǒng)與超算平臺(tái)結(jié)合，服務(wù)于材料科學(xué)與生物醫(yī)學(xué)研究，實(shí)現(xiàn)多模態(tài)數(shù)據(jù)的關(guān)聯(lián)分析與模型生成，為復(fù)雜研究任務(wù)提供算法支撐。此外，河北工業(yè)大學(xué)以DeepSeek為基礎(chǔ)，在多個(gè)產(chǎn)業(yè)領(lǐng)域構(gòu)建知識(shí)體系與智能服務(wù)矩陣，為產(chǎn)學(xué)研協(xié)同提供高頻次、高保密性、高精度的智能支持。管理層面的應(yīng)用強(qiáng)調(diào)大模型對(duì)教學(xué)管理、行政辦公與事務(wù)性流程的支撐能力。高校通過構(gòu)建本地智能系統(tǒng)，將大模型嵌入到教務(wù)管理、科研申報(bào)、資料歸檔等關(guān)鍵節(jié)點(diǎn)，實(shí)現(xiàn)文本自動(dòng)分類、事務(wù)智能檢索與流程節(jié)點(diǎn)優(yōu)化。四川大學(xué)通過打造“大川智問”校園問答智能體，將DeepSeek嵌入學(xué)生服務(wù)全流程中，實(shí)現(xiàn)從新生入學(xué)導(dǎo)引、教務(wù)辦理指引到畢業(yè)離校手續(xù)等事項(xiàng)的智能應(yīng)答與流程提醒。部分高校將DeepSeek接入招生問答系統(tǒng)中，為考生提供了定制化的報(bào)考答疑，減少了教師行政負(fù)擔(dān)。在評(píng)價(jià)方面，DeepSeek為實(shí)驗(yàn)課程與技能實(shí)訓(xùn)提供了新型解決方案。東南大學(xué)推出的“實(shí)驗(yàn)Talk”平臺(tái)，通過模型分析學(xué)生上傳的圖像、圖表、文本與波形數(shù)據(jù)，自動(dòng)生成實(shí)驗(yàn)報(bào)告質(zhì)量評(píng)估意見，突破了傳統(tǒng)“一對(duì)多”教學(xué)模式下指導(dǎo)不足的瓶頸。

高校部署DeepSeek的內(nèi)在機(jī)制可從“技術(shù)—組織—環(huán)境”（Technology-Organization-Environment，T-O-E）框架視角進(jìn)行系統(tǒng)分析，組織在面對(duì)新技術(shù)時(shí)，其采納與擴(kuò)散受到技術(shù)屬性、組織條件與外部環(huán)境三重維度的共同影響[4]。從技術(shù)維度看，戴維斯基于理性行為理論與計(jì)劃行為理論提出的技術(shù)接受模型（Technology Acceptance Model，TAM）指出，用戶使用信息技術(shù)的行為由行為意向決定，行為意向由使用態(tài)度和感知有用性共同決定，而使用態(tài)度又由感知有用性和感知易用性共同決定[5]。DeepSeek所具備的開源靈活性、部署門檻較低及多模態(tài)任務(wù)能力，增強(qiáng)了技術(shù)的感知可用性與感知易用性，降低了高校技術(shù)采納的不確定性與初期成本，凸顯其在高校環(huán)境下的兼容性與響應(yīng)性優(yōu)勢(shì)。從組織維度看，組織內(nèi)部資源結(jié)構(gòu)、領(lǐng)導(dǎo)意愿、專業(yè)人力與數(shù)字化治理能力成為部署的決定性因素。多數(shù)率先部署的高校具備更強(qiáng)的算力基礎(chǔ)設(shè)施和教師數(shù)字素養(yǎng)，其組織結(jié)構(gòu)也具備快速響應(yīng)新技術(shù)的能力，體現(xiàn)出主動(dòng)適配的組織行為特征。在環(huán)境維度方面，國(guó)家教育數(shù)字化戰(zhàn)略、區(qū)域算力布局計(jì)劃及大型科技企業(yè)開放生態(tài)共同構(gòu)成高校本地接入DeepSeek的制度環(huán)境基礎(chǔ)。高校間的競(jìng)爭(zhēng)機(jī)制也促成了競(jìng)爭(zhēng)同形（Competitive Isomorphism）的擴(kuò)散趨勢(shì)[6]，加快了平臺(tái)部署的群體性演化。

高校布局校園版DeepSeek的實(shí)踐問題分析

DeepSeek正在成為推動(dòng)我國(guó)高等教育智能化轉(zhuǎn)型的重要技術(shù)力量，高校將其嵌入到教學(xué)輔助、科研支持、行政管理與教育評(píng)價(jià)等環(huán)節(jié)，形成以“大模型+教育”融合發(fā)展為特征的新型應(yīng)用格局。從整體趨勢(shì)來看，DeepSeek在高校部署呈現(xiàn)出起步迅速、覆蓋面廣、場(chǎng)景豐富的特點(diǎn)。然而，盡管部署高校數(shù)量持續(xù)上升、應(yīng)用范圍不斷拓展，大模型在推廣過程中仍面臨一系列現(xiàn)實(shí)挑戰(zhàn)。首先，高校部署缺乏差異化戰(zhàn)略，即總體性與技術(shù)性部署多，缺乏精細(xì)化應(yīng)用性布局；其次，高校接入部署的供需銜接不暢，即技術(shù)供給過剩，需求側(cè)調(diào)研不足；此外，集成式人工智能技術(shù)凸顯了高校數(shù)據(jù)庫(kù)建設(shè)底層基礎(chǔ)設(shè)施薄弱；最后，高校接入DeepSeek的成本效益未被充分評(píng)估，資源投入與實(shí)際產(chǎn)出不成正比?？傮w而言，當(dāng)前DeepSeek在高校的應(yīng)用仍處于過渡階段，既需要技術(shù)路徑上的持續(xù)優(yōu)化與場(chǎng)景適配，也亟需系統(tǒng)設(shè)計(jì)與支持，以實(shí)現(xiàn)人工智能與高等教育體系的真正融合。

1.DeepSeek部署的技術(shù)導(dǎo)向偏誤與場(chǎng)景契合困境

高校在部署DeepSeek過程中，更加關(guān)注技術(shù)層面的建設(shè)指標(biāo)，側(cè)重于建設(shè)大規(guī)模算力平臺(tái)、私有大模型系統(tǒng)和統(tǒng)一管理平臺(tái)等技術(shù)指標(biāo)，而忽略了以用戶需求、教學(xué)目標(biāo)和學(xué)科特點(diǎn)為導(dǎo)向的精細(xì)化應(yīng)用布局。從T-O-E模型的視角看，高校的技術(shù)采納不僅受制于技術(shù)本身的可用性，還深受組織內(nèi)部資源配置與外部政策環(huán)境的影響[7]。競(jìng)爭(zhēng)同形式的集體響應(yīng)缺乏精細(xì)化應(yīng)用性布局，未進(jìn)行充分的需求和場(chǎng)景調(diào)研，缺乏將教學(xué)目標(biāo)、學(xué)科特點(diǎn)與模型功能進(jìn)行分層匹配的系統(tǒng)性研究，從而難以形成針對(duì)性強(qiáng)的場(chǎng)景適配方案[8]。高校在前期規(guī)劃中未能明確教師、學(xué)生與管理者等不同用戶群體的功能需求，未將技術(shù)部署與教學(xué)場(chǎng)景深度融合，導(dǎo)致部署后的大模型應(yīng)用缺乏持續(xù)推進(jìn)機(jī)制，難以形成有效的教育、學(xué)習(xí)、科研閉環(huán)。一方面，高校致力于搭建模型平臺(tái)，但缺乏直觀的可視化界面、終端工具和使用培訓(xùn)，使得其無法真正融入師生日常教學(xué)與管理中。另一方面，高校尚未建立完善的應(yīng)用評(píng)估與反饋體系，導(dǎo)致部署后使用熱情下降，未能充分發(fā)揮大模型對(duì)教學(xué)模式和管理創(chuàng)新的帶動(dòng)作用。當(dāng)前，多數(shù)高校尚未開展部署效果的系統(tǒng)評(píng)估與用戶調(diào)研，缺乏基于數(shù)據(jù)驅(qū)動(dòng)的反饋機(jī)制與成本效益模型，制約了模型部署的精準(zhǔn)性與可持續(xù)性。后續(xù)研究擬補(bǔ)充專家訪談與學(xué)生、教師問卷，重點(diǎn)聚焦高校在部署階段的管理機(jī)制、師生參與度與評(píng)估路徑等維度，提升研究的實(shí)證解釋力。

2.DeepSeek推廣的供需匹配失衡與用戶參與缺位

高校接入部署DeepSeek的供需銜接不暢，即技術(shù)供給過剩，需求側(cè)調(diào)研不足。參與式設(shè)計(jì)（Participatory Design）理論強(qiáng)調(diào)系統(tǒng)開發(fā)過程中用戶的早期參與對(duì)于工具功能適配性與用戶采納意愿起決定性作用。當(dāng)前在高校推廣中，DeepSeek的技術(shù)供給往往由信息化部門或合作企業(yè)主導(dǎo)，導(dǎo)致教師與學(xué)生邊緣化，一線教學(xué)主體的參與不足使得需求方聲音難以充分反映在系統(tǒng)設(shè)計(jì)中。一方面，需求方未能參與設(shè)計(jì)與評(píng)價(jià)，容易形成技術(shù)與需求脫節(jié)，教師與學(xué)生在教學(xué)、學(xué)習(xí)、科研等層面的真正需求可能被忽視。另一方面，用戶群體的數(shù)字素養(yǎng)存在差距，部分教師與學(xué)生對(duì)新技術(shù)不夠熟悉，也削弱了新技術(shù)的感知可用性與易用性[9]。從感知易用視角出發(fā)，DeepSeek供給側(cè)冗余疊加，而需求側(cè)使用率低、滿意度差。供給端過度堆砌工具而不聚焦實(shí)質(zhì)需求，造成經(jīng)費(fèi)投入與實(shí)際效益之間的錯(cuò)配。當(dāng)前市場(chǎng)和校內(nèi)供給端同時(shí)涌現(xiàn)出生成式AI平臺(tái)、智能學(xué)習(xí)系統(tǒng)等多種AI產(chǎn)品，在功能上存在較多重疊，且多由不同部門各自推進(jìn)，造成資源浪費(fèi)。盡管部分高校將不同AI應(yīng)用集成于校內(nèi)智能體，融入現(xiàn)有教學(xué)平臺(tái)，但由于應(yīng)用場(chǎng)景設(shè)置不清晰、指導(dǎo)不足，師生對(duì)新系統(tǒng)的使用率不高、使用深度有限，難以真正將AI深度融入教學(xué)與學(xué)習(xí)實(shí)踐。在環(huán)境資源配置中，高校在教育技術(shù)項(xiàng)目中普遍缺乏專業(yè)的產(chǎn)品管理能力。多數(shù)項(xiàng)目以技術(shù)實(shí)現(xiàn)為出發(fā)點(diǎn)，缺少面向用戶的需求調(diào)研和使用場(chǎng)景分析，也未建立持續(xù)收集用戶反饋的機(jī)制。技術(shù)部門無法及時(shí)了解教師和學(xué)生在使用過程中的痛點(diǎn)，難以根據(jù)反饋迭代技術(shù)并完善功能。同時(shí)，高校也缺乏系統(tǒng)的效果評(píng)估指標(biāo)，對(duì)不同應(yīng)用場(chǎng)景的投入產(chǎn)出比沒有精準(zhǔn)測(cè)算，無法依據(jù)數(shù)據(jù)調(diào)整資源分配[10]。

3.DeepSeek應(yīng)用的知識(shí)底座薄弱與數(shù)據(jù)融合滯后

DeepSeek大模型本質(zhì)上是一種基于海量數(shù)據(jù)訓(xùn)練的集成性工具，其效果不僅依賴模型能力，也高度依賴其與本地知識(shí)庫(kù)、教學(xué)資源庫(kù)的融合。然而，部分高校未能將本地化教學(xué)內(nèi)容、課程案例與科研成果等數(shù)據(jù)接入校園DeepSeek，導(dǎo)致大模型無法與高校設(shè)置的具體課程和科研內(nèi)容相對(duì)接，制約了模型的使用深度與專業(yè)化表現(xiàn)，本質(zhì)上揭示了底層數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)的不足[11]。在組織結(jié)構(gòu)層面，高校缺乏統(tǒng)一規(guī)劃的教育大數(shù)據(jù)平臺(tái)。部分高校的數(shù)據(jù)資源底板薄弱，學(xué)校教務(wù)、科研、圖書資源等數(shù)據(jù)分布在不同系統(tǒng)中，缺少統(tǒng)一標(biāo)準(zhǔn)和接口，各學(xué)院自行建設(shè)數(shù)據(jù)庫(kù)，沒有形成跨部門共享的完整數(shù)據(jù)資源庫(kù)，限制了大模型的知識(shí)底座建設(shè)。由于數(shù)據(jù)來源零散且更新不及時(shí)，供AI訓(xùn)練的本地語料質(zhì)量難以保證，影響專業(yè)化支持效果[12]。在技術(shù)配置層面，當(dāng)前部署的DeepSeek大模型多為通用模型，更多基于公開大規(guī)模語料訓(xùn)練，與本地教學(xué)資源耦合度低。由于本地化微調(diào)和專業(yè)知識(shí)嵌入成本高，不少學(xué)校暫時(shí)未對(duì)模型進(jìn)行定制化改造，模型輸出容易出現(xiàn)通用性強(qiáng)但針對(duì)性弱的回答。DeepSeek的教育智能體功能未能精準(zhǔn)對(duì)接各學(xué)科需求，限制了其在專業(yè)課程教學(xué)和研究指導(dǎo)中的價(jià)值。在環(huán)境維護(hù)層面，現(xiàn)有知識(shí)基礎(chǔ)設(shè)施建設(shè)多為一次性投入，缺乏持續(xù)更新維護(hù)機(jī)制。部分高校雖建立了知識(shí)圖譜或數(shù)據(jù)庫(kù)，但更新頻率較低，難以跟上學(xué)科進(jìn)展與教育需求變化。知識(shí)圖譜構(gòu)建和維護(hù)需要投入大量人力、物力以及專門技術(shù)，然而目前投入不足，致使知識(shí)底座建設(shè)難以形成良性循環(huán)。

4.DeepSeek建設(shè)的成本壓力增加與效益評(píng)估缺位

大規(guī)模部署DeepSeek大模型系統(tǒng)需要投入大量的軟硬件資源，包括算力中心建設(shè)、模型微調(diào)、人力培訓(xùn)、安全審查等。其中，算力成本尤其突出。訓(xùn)練或微調(diào)大型模型需要大量GPU/AI芯片資源，運(yùn)行時(shí)也需持續(xù)高性能算力支持。此外，持續(xù)支出的系統(tǒng)維護(hù)成本也不容忽視，高校需要專門團(tuán)隊(duì)負(fù)責(zé)模型監(jiān)控、升級(jí)、故障處理、安全加固等工作。綜合來看，本地部署模式短期投入巨大，且高校在DeepSeek大模型項(xiàng)目上尚未建立系統(tǒng)的評(píng)估指標(biāo)與機(jī)制，難以評(píng)估長(zhǎng)期運(yùn)行的投入產(chǎn)出比[13]。具體而言，對(duì)模型在教育教學(xué)中所產(chǎn)生的實(shí)際效果缺乏量化考核方法，對(duì)科研輔助和管理優(yōu)化所帶來的效益也缺少清晰的評(píng)估框架。投入決策更多依賴經(jīng)驗(yàn)和預(yù)期，缺少科學(xué)依據(jù)。部分高校只關(guān)注短期的功能驗(yàn)收，忽視了后續(xù)使用情況和價(jià)值產(chǎn)出。在當(dāng)前教育數(shù)字化熱潮中，部分高校為了緊跟政策和潮流，傾向于盲目部署先進(jìn)技術(shù)，而不考慮實(shí)際可用性。這種“為部署而部署”的思維導(dǎo)致資源使用效率不高。技術(shù)平臺(tái)建成后，如果教師和學(xué)生不適用或者未充分培訓(xùn)學(xué)習(xí)，系統(tǒng)就可能長(zhǎng)期閑置而價(jià)值難以體現(xiàn)。部分學(xué)院或項(xiàng)目組追求最新最強(qiáng)的模型版本，卻忽視了本校特色和需求特點(diǎn)，造成重復(fù)建設(shè)，浪費(fèi)人才和經(jīng)費(fèi)資源。

進(jìn)一步發(fā)揮DeepSeek賦能高等教育的思考

當(dāng)前我國(guó)高校對(duì)DeepSeek系統(tǒng)部署已初具規(guī)模，整體應(yīng)用呈加速擴(kuò)展態(tài)勢(shì)。然而，從已有實(shí)踐經(jīng)驗(yàn)來看，部署過程中暴露出的問題也不容忽視，特別是在模型與教育場(chǎng)景的適配深度、資源利用效能及長(zhǎng)效運(yùn)行機(jī)制等方面，尚未形成穩(wěn)定、成熟的體系。要實(shí)現(xiàn)從初步接入向深度融合的轉(zhuǎn)變，必須超越技術(shù)部署層面，從T-O-E模型出發(fā)，推動(dòng)技術(shù)資源配置、組織協(xié)同與制度環(huán)境建設(shè)的系統(tǒng)提升。從教育實(shí)踐視角來看，模型部署引發(fā)教育理念、教學(xué)方法與組織流程的深度變革。因此，技術(shù)系統(tǒng)的有效嵌入必須與教育目標(biāo)保持一致，服務(wù)于育人過程。從系統(tǒng)建設(shè)角度出發(fā)，應(yīng)以整體性眼光構(gòu)建包括基礎(chǔ)數(shù)據(jù)平臺(tái)、教師支持體系、學(xué)生使用反饋機(jī)制在內(nèi)的復(fù)合型技術(shù)支持環(huán)境，為人工智能系統(tǒng)在高校的持續(xù)優(yōu)化提供反饋閉環(huán)。推動(dòng)DeepSeek在高校的高質(zhì)量應(yīng)用，不僅是人工智能技術(shù)發(fā)展的延伸，更是高等教育體系現(xiàn)代化轉(zhuǎn)型的重要契機(jī)，唯有技術(shù)—組織—環(huán)境協(xié)同多維發(fā)力，才能真正實(shí)現(xiàn)教育技術(shù)為育人賦能。

1.區(qū)域協(xié)同推動(dòng)資源共享與應(yīng)用落地

DeepSeek模型的有效運(yùn)行高度依賴算力資源與技術(shù)平臺(tái)支撐。受制于地區(qū)間經(jīng)濟(jì)發(fā)展不均與學(xué)校層級(jí)差異，高校在部署能力上存在顯著分化。以區(qū)域資源共享為基礎(chǔ)、以分層部署策略為保障，推動(dòng)資源的高效配置，是提升DeepSeek部署效能的現(xiàn)實(shí)路徑[14]。在數(shù)字化環(huán)境共建中，應(yīng)構(gòu)建區(qū)域算力協(xié)作網(wǎng)絡(luò)，實(shí)現(xiàn)高校間異地部署與資源共享。借鑒美國(guó)國(guó)家科學(xué)基金會(huì)于2024年啟動(dòng)的國(guó)家人工智能研究資源（NAIRR）試點(diǎn)項(xiàng)目的經(jīng)驗(yàn)，可以由教育主管部門統(tǒng)籌，聯(lián)合優(yōu)勢(shì)高校、科研機(jī)構(gòu)與算力平臺(tái)，設(shè)立區(qū)域性AI資源節(jié)點(diǎn)，支持高校異地訪問與遠(yuǎn)程調(diào)用，以打破“強(qiáng)校強(qiáng)、弱校弱”的資源鴻溝[15]。在組織結(jié)構(gòu)層面，應(yīng)推動(dòng)分層分級(jí)部署策略，實(shí)現(xiàn)因校制宜的模型落地。鼓勵(lì)行業(yè)聯(lián)盟或省級(jí)教育集群共建共享基礎(chǔ)設(shè)施，重點(diǎn)高?？山ㄔO(shè)本地高性能AI節(jié)點(diǎn)，并承擔(dān)服務(wù)共享職能。目前，浙江大學(xué)智能體“浙大先生”向全國(guó)CARSI聯(lián)盟的800余所高校開放，華南理工大學(xué)本地部署DeepSeek應(yīng)用，面向廣東省內(nèi)院校共享，促進(jìn)了區(qū)域共建與教育公平。普通本科院校與職業(yè)院校則通過云端方式接入統(tǒng)一平臺(tái)，實(shí)現(xiàn)輕量化部署，減少重復(fù)投資與建設(shè)成本。在部署形態(tài)上，應(yīng)探索“私有+公有+混合云”協(xié)同機(jī)制，以滿足高校不同場(chǎng)景的靈活接入需求。應(yīng)集聚科研資源、人才與技術(shù)力量，構(gòu)建協(xié)同發(fā)展的共建共用平臺(tái)，形成基礎(chǔ)設(shè)施協(xié)同、數(shù)據(jù)資源共享、場(chǎng)景開發(fā)共創(chuàng)的良性生態(tài)。

2.校企協(xié)同促進(jìn)應(yīng)用擴(kuò)維與人才培養(yǎng)

DeepSeek賦能教育的實(shí)效性依賴模型架構(gòu)的先進(jìn)性，更取決于其與教育實(shí)踐的深度耦合。當(dāng)前高校在應(yīng)用層面面臨專業(yè)適配不足與人才供需錯(cuò)配等問題，須通過校企協(xié)同，推動(dòng)產(chǎn)學(xué)研一體化體系建設(shè)[16]。其一，鼓勵(lì)高校圍繞人工智能加快學(xué)科專業(yè)布局，構(gòu)建“頂尖科學(xué)家人才+技術(shù)研發(fā)人才+應(yīng)用實(shí)踐人才”的人工智能人才培養(yǎng)矩陣，加大對(duì)高素質(zhì)人工智能人才培養(yǎng)的要素投入，提升人才供給能力。以課程、專業(yè)、能力三層級(jí)目標(biāo)體系為牽引，推動(dòng)教學(xué)內(nèi)容、培養(yǎng)目標(biāo)與AI應(yīng)用場(chǎng)景的協(xié)同適配。其二，鼓勵(lì)校企聯(lián)合開發(fā)行業(yè)垂直模型，滿足教育、醫(yī)學(xué)、金融等不同專業(yè)的應(yīng)用需求。當(dāng)前DeepSeek在教育實(shí)踐中的拓展能力受限于語義遷移能力不足與場(chǎng)景適配結(jié)構(gòu)的缺失。要打破模型通用性與專業(yè)化需求之間的矛盾，亟需在產(chǎn)學(xué)協(xié)同中引入垂直嵌入策略，即通過與企業(yè)共建領(lǐng)域知識(shí)圖譜，將教育語境下的教學(xué)流程、評(píng)價(jià)體系、學(xué)科標(biāo)準(zhǔn)等嵌入模型底層架構(gòu)，形成語義對(duì)齊機(jī)制，提升其垂直領(lǐng)域效能。其三，在資源整合層面，鼓勵(lì)高校與企業(yè)共建AI教育聯(lián)合實(shí)驗(yàn)室，集中整合課程數(shù)據(jù)、考試題庫(kù)、科研論文、知識(shí)圖譜等數(shù)據(jù)資源，為模型優(yōu)化提供高質(zhì)量語料支持。動(dòng)員社會(huì)更多的資源力量投入人工智能與教育的融合創(chuàng)新應(yīng)用，實(shí)現(xiàn)資源集約化、共享化利用。其四，在人才培養(yǎng)層面推行雙聘制機(jī)制，實(shí)現(xiàn)人才跨界流動(dòng)。高水平AI技術(shù)人才與教育應(yīng)用人才之間存在斷層，是制約DeepSeek落地的重要因素。高校應(yīng)探索與企業(yè)之間的雙聘機(jī)制，促進(jìn)高校教師與企業(yè)工程師雙向流動(dòng)，以解決大模型研發(fā)、迭代、運(yùn)維等人才供需錯(cuò)配問題。

3.制度設(shè)計(jì)完善治理體系與績(jī)效機(jī)制

從教育治理視角來看，DeepSeek系統(tǒng)作為新型教學(xué)基礎(chǔ)設(shè)施，其部署需納入高校整體發(fā)展戰(zhàn)略與質(zhì)量保障體系之中。高校在推動(dòng)DeepSeek應(yīng)用過程中，應(yīng)重視產(chǎn)品思維，將“可用”轉(zhuǎn)化為“常用”。一是建立AI系統(tǒng)部署前期評(píng)估機(jī)制。美國(guó)非營(yíng)利性組織EDUCAUSE發(fā)布的《AI政策與指南行動(dòng)計(jì)劃》中指出，人工智能政策和指南應(yīng)涵蓋機(jī)構(gòu)治理、運(yùn)營(yíng)和教學(xué)的政策框架，并以此為基礎(chǔ)不斷發(fā)展[17]。高校應(yīng)設(shè)立“人工智能教育指導(dǎo)委員會(huì)”，負(fù)責(zé)前期可行性研究、部署方案審查與需求匹配評(píng)估。借鑒項(xiàng)目生命周期管理理念，將DeepSeek部署分為需求調(diào)研、方案設(shè)計(jì)、試點(diǎn)應(yīng)用、全校推廣四個(gè)階段，每一階段設(shè)立明確績(jī)效指標(biāo)與驗(yàn)收標(biāo)準(zhǔn)。二是制定部署操作指引與倫理規(guī)范，提升技術(shù)落地的安全性與規(guī)范性[18]。歐盟《教育工作者在教學(xué)中使用人工智能和數(shù)據(jù)的道德準(zhǔn)則》指出，應(yīng)明確AI工具的角色邊界與教學(xué)輔助性，避免教學(xué)權(quán)威的過度轉(zhuǎn)移[19]。我國(guó)高校應(yīng)結(jié)合網(wǎng)絡(luò)安全法、個(gè)人信息保護(hù)法，制定《人工智能倫理規(guī)范》等制度文件，為教學(xué)場(chǎng)景中的AI應(yīng)用劃定清晰邊界，保障人工智能技術(shù)在教學(xué)科研應(yīng)用過程中的倫理規(guī)范。三是引入平臺(tái)績(jī)效考核體系，綜合考評(píng)使用頻率、滿意度與成果轉(zhuǎn)化比。歐洲11國(guó)高校聯(lián)合啟動(dòng)了“高等教育中的生成式人工智能與大語言模型”項(xiàng)目，強(qiáng)調(diào)需求映射與政策制定相一致，通過與教學(xué)人員的合作，了解教學(xué)需求，制定相應(yīng)的政策和實(shí)踐指南，促進(jìn)AI技術(shù)融入教學(xué)[20]。當(dāng)前部分高校缺乏AI平臺(tái)運(yùn)行的系統(tǒng)性考核機(jī)制，難以判定其價(jià)值與效能。應(yīng)建立涵蓋系統(tǒng)數(shù)據(jù)使用、師生滿意度調(diào)查、教學(xué)成效分析、科研成果轉(zhuǎn)化等維度的綜合評(píng)價(jià)指標(biāo)體系，并結(jié)合預(yù)算分配與后續(xù)資源支持，形成以評(píng)促用、以評(píng)促優(yōu)的動(dòng)態(tài)優(yōu)化機(jī)制。

4.數(shù)據(jù)底座支撐教學(xué)應(yīng)用與科研創(chuàng)新

DeepSeek系統(tǒng)的智能水平不僅取決于算法與模型能力，更依賴于其所連接的數(shù)據(jù)底座。在高等教育環(huán)境中，模型必須與高校課程體系、教材資源、科研成果等本地知識(shí)深度耦合，才能實(shí)現(xiàn)真正的教學(xué)嵌入式支持。AI4EU是一個(gè)歐洲范圍的AI平臺(tái)，旨在為教育提供全面的資源支持。該平臺(tái)建立結(jié)構(gòu)化教育資源庫(kù)，收集并整理各類AI相關(guān)的教育資源，供學(xué)生、教師和專業(yè)人士使用[21]。當(dāng)前我國(guó)高校在數(shù)據(jù)資源建設(shè)方面尚屬薄弱，亟需構(gòu)建完善的教育知識(shí)基礎(chǔ)數(shù)據(jù)底座。首先，加快本地教育知識(shí)庫(kù)建設(shè)，實(shí)現(xiàn)DeepSeek模型與課程體系深度耦合。知識(shí)庫(kù)建設(shè)應(yīng)以課程標(biāo)準(zhǔn)與教學(xué)大綱為基礎(chǔ)，整合教材章節(jié)、課件資源、歷年試題、課堂筆記等教學(xué)內(nèi)容，構(gòu)建結(jié)構(gòu)化知識(shí)單元與概念網(wǎng)絡(luò)，以支持AI系統(tǒng)精準(zhǔn)推理與語義理解。同時(shí)，應(yīng)針對(duì)不同學(xué)科建立個(gè)性化知識(shí)圖譜，滿足多學(xué)科語義建模需求[22]。其次，推動(dòng)結(jié)構(gòu)化教學(xué)資源體系建設(shè)，為模型輸入提供高質(zhì)量語料支持。AI模型要發(fā)揮教育價(jià)值，必須基于結(jié)構(gòu)化、標(biāo)準(zhǔn)化、可追蹤的高質(zhì)量語料體系。因此，應(yīng)加快資源標(biāo)簽化、元數(shù)據(jù)標(biāo)注、語義編碼等工程，實(shí)現(xiàn)課程內(nèi)容的深層語義組織與數(shù)據(jù)接口標(biāo)準(zhǔn)建設(shè)。最后，建立資源持續(xù)更新機(jī)制，完善知識(shí)圖譜動(dòng)態(tài)維護(hù)與智能反饋能力。高校應(yīng)設(shè)置教育數(shù)據(jù)管理中心，負(fù)責(zé)教學(xué)數(shù)據(jù)收集、更新與知識(shí)圖譜動(dòng)態(tài)維護(hù)工作，實(shí)現(xiàn)教學(xué)內(nèi)容與模型能力的實(shí)時(shí)協(xié)同演進(jìn)。

參考文獻(xiàn)：

[1]張樂，劉益伶.當(dāng)高校“定制版”DeepSeek開啟“深度求索”[N].中國(guó)新聞，2025-02-26（8）.

[2]王袁欣，劉德寰.接觸與采納：基于人工智能早期體驗(yàn)者的創(chuàng)新擴(kuò)散研究[J].現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)），2023（2）.

[3]馬志強(qiáng)，崔鑫，尤欣雅，等.DeepSeek在國(guó)內(nèi)高校中的應(yīng)用態(tài)勢(shì)分析：政策驅(qū)動(dòng)、場(chǎng)景實(shí)踐與風(fēng)險(xiǎn)應(yīng)對(duì)[J].中國(guó)教育信息化，2025（4）.

[4]Awa H O， Ojiabo U O， Orokor L E. Integrated technology-organization-environment (T-O-E) taxonomies for technology adoption[J].Journal of Enterprise Information Management，2017（6）.

[5]Davis F D. Perceived usefulness， perceived ease of use，and user acceptance of information technology[J].MIS Quarterly，1989（3）.

[6]宋鐵波，張雅，吳小節(jié)，等.組織同形的研究述評(píng)與展望[J].華東經(jīng)濟(jì)管理，2012（5）.

[7]羅楊洋，周國(guó)輝，韓錫斌.高校數(shù)字化轉(zhuǎn)型如何適配有效策略？——基于技術(shù)、組織、環(huán)境協(xié)同的視角[J].現(xiàn)代教育技術(shù)，2025（6）.

[8]楊現(xiàn)民，曾佳堯，李新.人工智能與教育深度融合的場(chǎng)景細(xì)化及落地實(shí)踐——基于探索性多案例分析法[J].開放教育研究，2025（1）.

[9]費(fèi)建翔，劉丙利，黨同桐.何以擁抱：高校教師教學(xué)人工智能技術(shù)采納意愿研究[J].現(xiàn)代教育技術(shù)，2025（5）.

[10]李煥宏，薛瀾.生成式人工智能應(yīng)用的使能型風(fēng)險(xiǎn)規(guī)制——以高等教育應(yīng)用為例[J].清華大學(xué)教育研究，2025（1）.

[11]楊寧霞，唐愛民.人工智能賦能高等教育治理：國(guó)際經(jīng)驗(yàn)與中國(guó)選擇[J].電化教育研究，2024（11）.

[12]劉驥，錢禹辰，郭桂真，等.2024年國(guó)際教育數(shù)智化轉(zhuǎn)型的十大趨勢(shì)[J].中國(guó)教育信息化，2025（3）.

[13]蔡君韜.生成式人工智能技術(shù)賦能高等教育現(xiàn)代化[J].中國(guó)高校科技，2025（4）.

[14]黃春晨，魯長(zhǎng)風(fēng)，田友誼.人工智能賦能高等教育的政策嬗變與展望——基于“主題—工具—評(píng)價(jià)”的三維分析框架[J].高教探索，2025（1）.

[15]U.S. National Science Foundation. Democratizing the future of AI R&D: NSF to launch National AI Research Resource pilot[EB/OL].https://www.nsf.gov/news/democratizing-fu-ture-ai-rd-nsf-launch-national-ai#:~:text=Alexandria%2C%20Virginia%3A%20Today%2C%20the%20U.S.%20National%20Science%20Foundation，necessary%20to%20power%20responsible%20AI%20discovery%20and%20innovation.

[16]楊勇軍，楊新榮.應(yīng)用型高校深化產(chǎn)教融合的動(dòng)力機(jī)制[J].繼續(xù)教育研究，2024（4）.

[17]Robert J， McCormack M. 2024 EDUCAUSE Action Plan: AI Policies and Guidelines[R]. Boulder: EDUCAUSE，2024.

[18]沈苑，汪瓊.人工智能在教育中應(yīng)用的倫理考量——從教育視角解讀歐盟《可信賴的人工智能倫理準(zhǔn)則》[J].北京大學(xué)教育評(píng)論，2019（4）.

[19]鹿星南，高雪薇.人工智能賦能教育評(píng)價(jià)改革：發(fā)展態(tài)勢(shì)、風(fēng)險(xiǎn)檢視與消解對(duì)策[J].中國(guó)教育學(xué)刊，2023（2）.

[20]FernUniversitat in Hagen. ADMIT–Generative AI and Large Language Models in higher education[EB/OL]. https://www.fernuni-hagen.de/bildungswissenschaft/bildung-medien/forschung/projekte/admit.shtml.

[21]AI on Demand. About AI4EU[EB/OL].https://www.ai4eu-rope.eu/about-ai4eu.

[22]劉驥，趙詢，羅陽.算法賦能高校治理的空間特性與與風(fēng)險(xiǎn)疏解[J].大學(xué)教育科學(xué)，2025（3）.

[本文為2025年教育部教育管理信息中心委托研究課題“生成式智能體賦能教育數(shù)字化的國(guó)際經(jīng)驗(yàn)與應(yīng)用研究及數(shù)據(jù)庫(kù)建設(shè)”（編號(hào)：MOE-CIEM-2025007）的研究成果]

【作者單位：劉驥、薛夢(mèng)姣，陜西師范大學(xué)教育學(xué)部；蘇福根，教育部教育管理信息中心研究處】

（原載2025年第21期《中國(guó)高等教育》）