教育、科技、人才是中国式现代化的基础性、战略性支撑。对高校而言，科教融汇不能停留在科研成果数量与教学活动数量的并列呈现，而要回答三个更具体的问题：学校有哪些可用于育人的科研资源，哪些师生可能围绕共同方向形成协同，这种协同如何进入课程、竞赛和创新训练并留下可评价的过程证据。已有研究表明，科研产出与教学质量之间不存在简单的正相关关系，科研优势只有经过资源治理、需求匹配、教学设计和组织协同，才能转化为育人优势。

 

　　围绕上述问题，上海海事大学以数据基座贯通科研、教学和学生发展数据，先把分散记录转化为可发现的业务对象，再以可视化图谱支持资源理解与关系核验，并进一步用“找导师”“找学生”机制把资源目录转化为面向具体需求的双向发现机制。平台不替代教师和学生作出教育判断，而是用可解释的数据证据缩短发现路径，为跨学院协同和科研资源进入育人过程提供工作入口。

 

　　问题牵引

 

　　许多高校积累了大量科研项目、论文、专利、标准、获奖和实验数据，但这些资源通常依附于科研管理流程；学生竞赛、创新训练、课程任务和作品记录又分散在教务、学工及二级学院。数据对象缺少统一标识，研究方向、项目经历和学生能力证据难以关联，导致学生寻找导师主要依靠熟人介绍，教师寻找合适学生依靠有限接触，学院也难以从全校范围配置指导资源。

 

　　教育部等九部门印发的《关于加快推进教育数字化的意见》提出逐步实现“一数一源”，推动高校教学、科研、管理和服务数据共享。与之同步，上海海事大学数据治理及数据基座建设项目将教务、科研、学工等核心业务数据整合列为建设内容。学校据此把建设目标从“汇数据、做大屏”转向“建对象、连关系、进业务”，以师生实际需求检验数据治理成效。

 

 

　　1.以统一对象标识建立跨域关联

 

　　学校围绕教师、组织、科研项目、科研成果、课程、学生、竞赛、教学任务和学生作品等核心对象开展汇聚治理，通过统一标识连接不同业务系统中的同一对象；在此基础上形成教师科研画像、学生成长画像、课程资源、科研成果课程化和师生协同等主题模型。其中，业务系统提供原始记录，数据基座完成对象汇聚与关联，主题模型组织资源语义，可视化应用支持检索、筛选、排序和下钻，业务过程产生的任务、反馈、作品与评价再回写数据基座（如图1所示）。

 

 

　　2.用同一快照和证据链保证结果可核验

 

　　截至2026年8月，平台同一完整图谱快照已汇聚2560名教师、9733项科研项目和4680名学生，形成26274项已关联教师的科研成果的数据、29826条学生竞赛成果及9360条师生关联。统计采用图谱去重和关联后的对象口径；未关联到教师的成果不计入教师科研全景。系统同时保留来源、更新时间、指标口径和对象明细，确保使用者能够从图形返回对象、从对象追溯记录，避免把汇总指标、视觉投影或候选关系误作新的业务事实。具体机制见表1。

 

 

 

　　1.教师科研全景：让科研资源“看得见、找得到”

 

　　教师科研全景将学院、教师、项目、成果与合作关系置于同一分析空间（如图2所示）。教师以蒲公英果实呈现，科研项目和论文、专利、标准、获奖等成果统一表现为白色冠毛，合作关系以连接线表达。用户可按学院、成果类型和年份筛选，也可从项目或成果下钻至教师及其合作网络。这样，科研资源不再只是管理系统中的分散条目，而是成为能够按主题和关系组织的全校资源目录。

 

 

　　2.学生成长轨迹：把一次获奖还原为连续实践证据

 

　　学生成长场景以年轮、梯田和群岛等空间组织年级、学院和学生个体，把竞赛成果与备赛、训练等成长记录放入连续轨迹。教师可据此了解学生的专业基础、兴趣方向和持续参与情况，学生也可从既有经历出发选择后续科研训练（如图3所示）。管理人员看到的不仅是获奖数量，还包括参与覆盖、年级分布和成长过程，为分层指导与资源供给提供依据。

 

 

　　3.“找导师”：让学生以问题和方向发起资源发现

 

　　在“科研反哺教学”场景中，学生不必先知道教师姓名或所在学院，可直接输入“想参加智能船舶方向的挑战杯”等自然语言需求。平台会提取研究方向和竞赛关键词，在全校范围综合教师研究方向、科研项目、科研成果和已有竞赛指导证据，形成最多20位教师的相关度排序。每条结果同步展示学院、方向、分值以及贡献最高的项目、成果或指导记录；点击候选教师后，镜头定位并整体高亮教师蒲公英、花茎和相关证据，帮助学生从“看到名字”进一步理解“为什么匹配”（如图4所示）。

 

 

　　这一步将学生寻找导师的起点从组织通讯录转向真实问题，把跨学院资源发现由偶然接触转化为可重复、可解释的工作流程。相关度不是对教师能力的综合评价，也不直接生成指导关系，而是帮助师生更高效地进入沟通与核验。

 

　　4.“找学生”：让教师从成长证据中发现合适参与者

 

　　教师同样可以从项目或竞赛任务出发输入人才需求，例如“想找参加过挑战杯智能船舶方向的学生”。平台依据学生专业、竞赛成果、成长记录和已有导师关联进行排序，展示学生所在学院、年级、专业或实践标签，并列出支撑匹配的竞赛和成长证据。点击结果后，系统定位对应学生小树及其成果和关联关系（如图5所示）。由此，教师能够跨越课堂接触范围发现具备相关经历的学生，学院也可在尊重学生意愿和教师判断的前提下组织跨专业团队。

 

 

　　5.以可解释匹配和人工核验守住业务边界

 

　　双向匹配第一版设计采用浏览器内确定性关键词加权和同义词扩展，不调用外部大模型或向量数据库。研究方向、项目、成果、竞赛和成长记录分别设定权重与上限，近五年证据优先；没有可核验依据的对象不进入结果。排序理由直接来自得分证据，避免生成无法回溯的概括。算法负责扩大资源发现范围，教师、学生和学院负责核对兴趣、能力、任务要求、时间条件与合作意愿，正式业务确认后才形成真实关系。具体机制如表2所示。

 

 

 

　　1.建立“科研资源—教学任务”转换链

 

　　科研反哺教学不是把论文结论搬进课件，而是把科研中的真实问题、数据、模型、方法和规范转化为学生能够参与、能够完成并接受评价的学习任务。学校为科研项目和成果配置研究主题、课程方向、知识点、适用对象、任务难度和成果形态等标签，课程团队据此把真实问题拆解为数据分析、模型构建、方案比较、实验验证和成果表达等任务。

 

　　例如，上海海事大学智能航运信息通信实验教学中心形成了“科研成果进实验教材、科研课题进实验内容、科研团队进实验课堂”的做法，相关教师也将锂电池热管理研究引入“传热学”课程。双向匹配进一步为任务选师、学生组队和跨学院协作提供候选入口。

 

　　2.形成“需求—匹配—确认—实施—回写—评价”闭环

 

　　后续，系统把双向发现嵌入既有业务链路：学生或教师表达需求，平台给出带证据的候选排序；师生与学院完成人工核验，课程或项目负责人确认任务与关系；实施过程中持续记录任务分工、阶段反馈、修改过程和学生作品；评价结果和后续参与情况再回写数据基座。新的记录将反过来丰富教师科研画像与学生成长画像，为下一次资源发现提供更完整的证据。具体闭环做法见表3。

 

 

　　治理提升

 

　　从“看见科研资源”到“按需求发现师生”，反映的是高校数据基座建设重心的变化：一是从按系统汇聚数据转向围绕教师、学生、项目和任务组织业务对象，使跨域数据能够支撑同一育人问题；二是从静态展示转向可解释的决策辅助，既扩大资源发现范围，又保留证据来源和人工判断；三是从单次匹配转向过程闭环，使需求、关系、任务、反馈和作品持续沉淀，支撑课程改进和学生发展评价。近年来高校数据治理也在由单纯汇聚转向价值导向、场景牵引和业务协同。

 

　　对学校管理者而言，双向匹配还提供了观察资源配置的新视角。学院排行、成果方向排行和教师反哺成效可用于发现优势学院、活跃方向和潜在短板；面向具体需求的匹配结果则帮助管理部门判断资源能否跨学院流动、学生是否能够接触合适指导力量。需要强调的是，管理视图用于发现问题和配置支持，不应演变为以单一分值评价教师或学生。

 

　　上海海事大学具有航运、港口、物流、海洋环境和海事法治等鲜明学科特色。学校依托数据基座，将相关科研数据、模型、案例和教师资源转化为课程任务、创新项目与学生发展机会，并用“找导师”“找学生”建立供需双向发现入口。案例表明，数据基座的核心价值不是增加一块大屏，而是降低科研资源教学化、育人资源组织化和跨学院协同的成本，使科教融汇能够围绕真实需求持续发生、留下过程并接受评价。