教育数字化知识图谱

主要坑有：把平台当软件采购，预算大头花在软件上而数据工程投入不足——应把数据工程作为核心投入；没有开放格式要求，被厂商私有二进制格式锁定——需求书应写明支持 Parquet 等开放存储格式、数据集可导出、元数据可导出为通用 Schema；没有版本管理，数据集改了无法回溯——应支持分支、标签与时间旅行回溯；缺乏数据集说明文档——每个数据集应有“数据集卡片”说明来源、加工方式、许可与限制；忽视国标合规——训练数据的安全管理应符合 GB/T 45652-2025 等标准；未经学科专家审核就入库、无权属审查就使用、敏感数据未脱敏就处理，这三条是质量红线。组织上应建立“学科专家+数据工程师+标注团队”协同，并遵循“先小规模 POC、再规模化”的路径。