图书情报专业研究生数据素养课程设置及特征分析＊——基于iSchool联盟院校的调查

司 莉 姚瑞妃

（1.武汉大学信息资源研究中心 湖北武汉 430072）

（2.武汉大学信息管理学院 湖北武汉 430072）

随着大数据的不断发展、e-Science的不断深入，数据素养已成为大数据领域研究的热点之一。但因发展时间较晚，数据素养目前还没有统一的术语和定义，常用的术语有“数据素养”（data literacy）“数 据 信 息 素 养 ”（data information literacy）“科学数据素养”（science data literacy）“研究数据素养”（research data literacy）等，因“数据素养”概念所含范围更广，故笔者使用“数据素养”作为本文的术语表述。笔者认为数据素养是具有 “数据”意识，在符合社会伦理和道德伦理的基础上，利用数据资源发现问题、分析问题与解决问题的能力，主要包括数据意识、数据能力和数据伦理三个要素。

目前，相关研究多集中在对数据素养定义的讨论、不同主体开展数据素养教育情况的调查、数据素养的研究现状等方面，但就图情领域的数据素养课程开设情况的研究则较少。本文通过对38所iSchool联盟院校、138个图情领域研究生（硕士、博士）项目开设数据素养课程现状的调查，总结分析其课程开设的特点，以期为我国开展数据素养教育提供可借鉴的经验。之所以选择iSchool联盟院校，是因为“iSchool运动”发展至今已在世界图书情报领域产生了广泛影响，吸收了来自全球的77所成员院校和8所准会员院校。因而，以iSchool联盟院校为调查对象，分析其数据素养课程开展情况，得出的结论具有较强的代表性和可借鉴性。

1 数据来源及数据处理

1.1 研究方法

本文主要采用网络调查法，通过访问iSchool联盟院校网站，以图情领域的研究生项目为分析对象，获取课程数据。具体步骤如下：（1）根据iSchool网站公布的成员院校名录，选取调查院校；（2）依据各成员院校主页下的“Programs”或“Academic”栏目，选取调查项目；（3）通过调查各院校网站“Courses”栏目下的课程表，获取课程数据（见表1）。

表1 调查院校及其学位项目分布表

1.2 数据获取

数据获取按照以下3个步骤依次进行：

（1）学校选取。通过查看iSchool主页提供的iSchools名录，逐一访问联盟院校的网站。为排除语言障碍，本文仅选取所属地区以英语为母语或官方语言的38所院校。

（2）学科项目选取。通过访问院校网站“Programs”或“Academic”下的项目名录，选取与图书馆学、情报学相关度高的研究生项目。随着iSchool院校涉及的学科愈加多元化，它们不仅保留了原有的图书馆学、情报学和图书情报学的内容，还融合了计算机科学、管理学、传播学和教育学。因此，为确保被调查课程属于图情领域，必须对iSchool院校开设的学位项目进行分析，筛选与图情专业直接相关或相关性较高的项目作为下一步获取课程的对象。

（3）课程获取。通过调查各院校网站“Courses”栏目下的课程表，获取图情相关专业开设的所有课程信息。调查中，重点收集课程的名称和内容描述，并对课程的性质（必修或选修）和上课形式进行记录。

1.3 数据处理

课程查重和课程筛选。因同一院校的各项目间常出现交叉课程，故需按照课程编号进行查重，剔除重复课程，获得总课程数据集。数据处理的另一个重要任务是区分课程是否与数据素养相关，即筛选课程。通过访问课程描述信息，将其与数据素养的定义进行比对，只有符合定义的才纳入数据素养课程数据集。

2 iSchool院校图书情报专业研究生数据素养课程调查结果分析

2.1 总体情况

本文共调查了38所iSchool院校138个研究生项目，收集了4017门课程。通过分析课程数据，可知各院校数据素养的课程数在其总课程数中的占比（见表 2）。

表2 38所iSchool院校数据素养课程数量表

（1）从院校层面来看。调查中的38所院校均开设了数据素养课程，开课院校有所增加。2015年司莉等对iSchool院校的大数据相关课程进行调查，发现尚有较多院校未开展大数据教育。而在本次调查中，以前未开课的院校均已开设了数据素养课程，如德克萨斯大学奥斯汀分校信息学院、北德克萨斯大学信息学院，反映出各学院应对大数据不断发展对图情专业人才提出新挑战与新要求的积极态度。

（2）从研究生项目层面来看。被调查的研究生项目主要涉及图书馆学、情报学、图书情报学、档案学和数据科学等学科。其中不乏跨学科的研究生项目，以亚利桑那大学信息学院情报学学院为例，其在情报学硕士下设置了数据科学、信息系统、人机交互、生态信息学、卫生健康和计算机6个方向的不同项目，涉及计算机科学、生物学、医学等多个学科。

（3）从开设的课程层面来看。数据素养课程数在课程总数中的占比普遍较低，平均占比仅为7.6%。调查院校中，仅加州大学伯克利分校信息学院、康奈尔大学计算和信息科学学院、罗伯特·戈登大学阿伯丁商学院信息管理系、卡内基梅隆大学信息系统与管理海因茨学院四所高校的开设比例超过了20%，分别为37.3% 、34.4%、33.3%和 27.4%。而开设比例低于平均水平的院校则多至18所，其中开设比例低于3%的加州大学埃尔文分校唐纳德布伦信息和计算机学院、密苏里大学信息科学与学习技术学院、罗格斯新泽西州州立大学通信与信息学院、肯特州立大学图书馆和信息科学学院的占比仅为0.6%、2.3%、2.4%和2.5%。结合院校的学位项目，分析数据素养课程数量可以发现：学位项目中出现了“数据”“数据科学”的院校，数据素养课程开设比例较高；反之，比例则较低。

2.2 课程内容分析

本文从数据素养定义出发，依据课程的详细描述，将所有数据素养课程分为3个大类（“数据意识”“数据能力”和“数据伦理”）和15个小类，并对授课内容进行归纳总结。当课程同时涉及多种数据素养要素时，本文采取以下处理方式：一是课程同时涉及数据素养的两个及以上大类。此时，所涉及大类中的各详细小类将被分别累加一次课程数。如加州大学伯克利分校信息学院的“社交数据变革”（Social Data Revolution）授课内容同时涉及数据素养的意识、能力和伦理3个大类，因此要对各大类下的15个小类分别累加一次记录；二是课程涉及同一类别的不同小类。此时，该类下所涉及的各小类将被分别累加一次课程数。如“社交媒体数据的挖掘与分析”（Social Media Data Mining and Analysis）中既包括数据挖掘也涉及数据分析，因此要在“数据挖掘”和“数据分析”小类中分别计入一个课程数。本次调查的课程中包括了31门“数据科学”综合课程，此类课程涉及了数据素养的各个方面，如华盛顿大学信息学院的“数据科学III：规模、应用和伦理”（Data Science III:Scaling,Applications and Ethics）为分析大规模、异构数据提供理论和实践的介绍，课程内容包括了数据意识、能力和伦理等各方面内容，所以要对15个小类的课程数各累加31次。汇总得到课程分类及相应的课程数量和授课内容（见表3），其中专门课程是专为数据素养具体要素独立开设的课程。

表3 课程分类和课程内容简介表

2.2.1 数据意识

数据意识作为数据素养的先决条件，其强弱决定研究者能否有效的处理和利用数据，直接影响了数据管理过程和再利用的效果。数据意识要求人们能认识到数据、数据传播与分享的意义和价值，了解数据使用过程中可能存在的问题并能批判性的认识数据，主要包括“数据价值意识”“数据安全意识”“数据共享意识”和“数据批判思维”4个具体要素。

“数据意识”共有156门课程，开课数较少且无专门课程，其内容均在“数据能力”或“数据伦理”课程中作为附属内容被提及。“数据意识”各具体要素的开课情况相同：课程总数为39，包括31门“数据科学”类课程和8门综合了数据意识、能力和伦理的混合课程。通过详细了解相关课程的内容描述，发现数据意识的课程内容主要集中在了解数据政策、分析数据共享利益主体和培养数据批判性思维三个方面。如以谢菲尔德大学信息学院“数据与社会”（Data and Society）为例，其以讲座、研讨会和独立学习为主要授课模式，探讨了与市场营销、政治竞选和国家安全等领域有关的数据问题，并将宗旨定位为帮助学生成功驾驭与数据处理和使用相关的社会、政治、法律和道德问题，成为更有批判性和反思性的数据科学家、决策者，并能批判性地反思新兴数据实践如何塑造和促进复杂社会世界的发展。

2.2.2 数据能力

数据能力是指处理数据的基本知识与技能，以及根据原有数据发现问题、分析问题和解决问题的能力，包括“发现、获取数据”“数据管理”“数据描述和元数据”“数据评估”“数据分析”“数据挖掘”和“数据再利用”等7个具体要素。

数据能力是开课数最多的大类，共有444门课程，远多于数据意识和数据伦理。但数据能力中各具体要素的数量分布严重不均也是不容忽视的问题，一方面数据管理类的课程数较多，达139门；另一方面“发现、获取数据”与“数据评估”开课数却较少，分别仅为36门和31门。数据评估能力更是没有自己的专门课程，仅在其他要素的课程（如数据再利用）和“数据科学”综合性课程中被提及。

在授课内容上，发现和获取数据课程主要是介绍开放数据源和获取数据资源的工具；数据管理的课程内容既包括依据数据生命周期和科研生命周期进行的数据管理，也包括数据库的操作与管理，要求学生兼具数据管理技能和数据库操作能力；数据描述与元数据课程主要是讲授元数据标准、开发及管理的相关问题；数据评估课程侧重分析元数据对数据的质量影响，数据与待解决问题的相关性；数据分析课程主要训练学生使用分析工具进行实际操作的能力；数据挖掘课程要求学生了解数据挖掘的相关概念、熟练运用挖掘工具和技术，并以可视化方式进行展示；数据再利用课程着重于培养学生利用数据解决实际问题的能力。

2.2.3 数据伦理

数据伦理要求在获取和利用数据的过程中，尊重数据隐私，遵循数据交流规则，合理合法的使用数据。数据伦理作为数据素养的准则，是必不可少的部分。对于图情领域的学生而言，数据伦理主要包括：“数据隐私”“数据交流规则”“数据信任”和“合理合法的使用数据”4个具体要素。

数据伦理的开课数量相较于数据意识要高，总数达236门。由于该类课程多以“Ethics”为名对数据伦理有关问题进行集中讲授，如德克萨斯大学奥斯汀分校信息学院的“Data and Ethics”（数据和伦理）。因此，“数据交流规则”“数据信任”和“合理合法的使用数据”的开课情况相同：总课程数为56门，其中包括31门“数据科学类”课程和25门“Ethics”课程，无专门课程。“数据隐私”作为该类开课数最多的要素，另有14门专门课程，如查尔斯·斯托特大学信息研究院“Topics in Privacy”（隐私专题）。 在内容方面，课程主要介绍了隐私的保护价值和方法，讨论当前数字时代存在的数据伦理问题，并以案例为对象分析了数据伦理面临的挑战，但有关“数据交流规则”和“数据信任”的讨论则较少。数据的交流规则作为数据传播与共享的重要规范，在当前的课程体系下并未得到足够重视。“数据信任”的相关主体包括数据生产者和数据使用者：就数据生产者而言，要本着对数据负责的态度，发布真实、准确的数据；对数据使用者来说，要求在引用数据的过程中标注正确、完整数据来源。而当前课程多讲授数据使用者的行为规范，较少涉及数据生产者的行为规范。

3 iSchool图书情报专业研究生数据素养课程设置的特征分析

3.1 符合iSchool课程设置的共性要求

已有的iSchool课程研究大都显示，iSchool院校的课程具有突出技术、注重实用性、强调跨学科及跨界合作、保证学生选课自由等特点，本次调查结果显示，数据素养课程也具有上述特点。数据能力课程对ACCESS、ORACLE、Python和R语言等技术和工具十分重视，在课程描述中多次出现，如德克萨斯大学奥斯汀分校信息学院的 “Data Mining”（数据挖掘）。课程的跨学科及跨界合作在其学位项目的设置上就有所体现。如密歇根大学信息学院为更好的与医学融合，开设了健康信息硕士；亚利桑那大学信息学院在情报学硕士的基础上开设了生态信息方向，以便更好地满足生物学对数据素养的高要求。同时，为保证学生的选课自由，数据素养以少数核心必修课程为基础，配以大量选修课程，以便学生能根据自身的兴趣爱好和不同水平的技术基础来选择课程。

3.2 注重数据能力培养的系统化

iSchool院校将数据素养的课程设置系统化，以确保学生能熟练掌握数据能力，其主要体现在两方面：一是课程设置阶段化，二是设置“前提课程”来满足课程中所需的知识和技能储备。课程设置阶段化是指院校在安排同一授课方向时，将其分成多个阶段，按阶段授课。如加州大学洛杉矶分校教育与信息研究学院，由“Data,Data Practices,Data Curation Part I”（数据、数据实践和数据管理 I）和“Data,Data Practices,Data Curation:Part II”（数据、数据实践和数据管理II）两门不同层次的课程组成数据管理的内容教学，使得课程设置呈阶段化特征，更加体系化。此外，较多的学校选择通过设置“前提课程”来完成课程的系统化。如以亚利桑那大学信息学院为例，选修“Data Management in Healthcare Systems”（医疗系统中的数据管理）需先修完“Healthcare Informatics:Theory and Practice”（健康卫生信息：理论和实践），以保证学生拥有课程所需的数据库知识和技能基础。

3.3 面向需求的数据挖掘与管理类课程蓬勃发展

基于数据生命周期的数据管理能力作为数据素养的重中之重，其开课数远多于数据能力大类下的其他要素，这既是图情界对数据库设计与管理教育长期探索的结果，也得力于数据管理本身作为科研计划的重要组成部分引起了学界的广泛重视。数据挖掘和分析课程的兴起是多种因素共同作用的结果。一方面，增加数据挖掘和数据分析的开课数是iSchool院校应对大数据发展的重要举措；另一方面，随着数据驱动决策的行为方式被广泛认可，大力提升数据挖掘和分析能力也成为学生自身发展的迫切需要。在形式上，数据挖掘和数据分析常作为一门课程进行集中讲授，如马里兰大学信息研究学院“Social Media Data Mining and Analysis”（社交媒体的数据挖掘和分析）让学生直接体验收集社交媒体语料库的方法，定义并总结相关的活动特征，并对这些特征进行分析，以实践的方式来训练学生挖掘和分析数据的技能。

3.4 强调在数据能力实践中培养数据意识与数据伦理

数据意识和数据伦理大都融入在数据挖掘、数据分析和再利用等培养数据能力的实践过程中，专门课程的开设数量较少。在少数的专门课程中，授课内容多是解读与数据相关的政策法规，分析生活中具有代表性的数据使用案例。对比而言，融入于数据实践过程中的数据意识和伦理的培养更注重数据使用过程中的道德和伦理问题。如以“Data and Ethics”（数据和伦理）和“Policy and Ethics in Digital Curation”（数据管理中的政策和伦理）为例，前者将数据的社会、历史观点与道德、政策和案例相结合，帮助学生理解数据科学的伦理问题，包括：数据隐私、数据交流和数据歧视；后者讨论解决数字记录和数据管理带来的知识产权、隐私、安全以及其他政策和伦理问题的策略。

4 结语

综上，本文以38所iSchool院校、138个图书情报领域的研究生项目及其所开设的4017门课程为调查对象，以数据素养定义（数据意识、数据能力和数据伦理三个要素）为基础对课程进行类别划分，分析了数据素养课程的设置情况和特征。调查发现，数据素养课程的开设院校不断增加，但其开课数在课程总数中的占比仍然较低，平均占比仅为7.6%。就数据素养的三大要素而言，数据能力的开课数最多，达444门，授课内容既包括数据管理与挖掘等技术能力的培养，也包括元数据等基础知识的教育；数据意识的课程仅156门，开课数最少且多融合于数据能力和数据伦理的课程中，无专门课程，授课内容多为介绍数据政策，注重培养学生的数据批判和反思精神；数据伦理开课数居中，共236门，课程内容大多探讨数据隐私问题。通过对课程内容分析，总结得出iSchool数据素养课程设置呈现出如下特征：符合iSchool课程设置的共性要求、注重数据能力培养的系统化、重视数据挖掘与管理类课程的发展、强调在数据能力实践中培养数据意识与数据伦理。

由于本文主要采用网络调查法，从各院校网站中直接获取课程数据。而网站列举的课程可能存在更新不及时、课程内容描述不详细等问题，导致获取的课程数据与各院校的实际课程数据可能存在差异。在今后的相关研究中，笔者拟通过邮件调查和电话访谈等方式克服网络调查方法的缺陷，从而弥补单纯采用网络调查可能带来的信息不完整等方面的不足。

参考文献：

［1］孟祥保，常娥，叶兰.数据素养研究：源起、现状与展望［J］.中国图书馆学报，2016，42（2）:109-126.

［2］Tibor Koltay.Data literacy：in search of a name and identity［J］.Journal of Documenta-ion，2015（2）:401-415.

［3］Carlson J，Fosmire M，Miller C.Determining data information literacy needs:a study of st-udents and research faculty［J］.Portal:Libraries and the Academy，2011，11（2）:629-657.

［4］Qin J，D’Ignazio J.Lessons learned from a two-year experience in science data literacy education［J/OL］.［2017-10-23］.https://docs.lib.purdue.edu/cgi/viewcontent.cgi?arti cle=1009&context=iatul2010.

［5］Ivo Batistic，Jadranka Stojanovski.Worldwide Commonalities and Challenges in Informat-ion Literacy Research and Practice［M］.ECIL Conference 2013，Istanbul，Turkey，2013，10（22-25）:664.

［6］黄如花，李白杨.数据素养教育:大数据时代信息素养教育的拓展［J］.图书情报知识，2016（1）:21-29.

［7］孟祥保，李爱国.国外高校图书馆科学数据素养教育研究［J］.大学图书馆学报，2014,32（3）:11-16.

［8］邓李君，杨文建.大数据环境下高校图书馆数据素养教育研究［J］.图书馆建设，2016（1）:76-80

［9］于良芝，梁司晨.iSchool的迷思：对iSchool运动有关LIS、iField及其关系的认知的反思［J］.中国图书馆学报，2017,43（3）:18-33.

［10］iSchools Directoey［EB/OL］.［2017-10-16］.https://ischools.org/members/directory/.

［11］University of North Texas：College of Information［EB/OL］.［2017-10-20］.http://ci.unt.edu/main/.

［12］University of North Carolina：School of Information and Library Science.Programs［EB/OL］.［2017-10-21］.https://sils.unc.edu/programs.

［13］Pennsylvania State University：College of Information Sciences and Technology.Degree Programs［EB/OL］.［2017-10-21］.https://ist.psu.edu/education/degree.

［14］Simmons， Boston：School of Library and Information Science［EB/OL］.［2017-10-21］.http：//www.simmons.edu/slis/.

［15］University of British Columbia:School of Library，Archival and Information Studies.Pr-ograms［EB/OL］.［2017-10-22］.http://slais.ubc.ca/programs/prospective-students/.

［16］Charles Sturt University：School of Information Studies.coureses［EB/OL］.［2017-10-22］.http://arts-ed.csu.edu.au/schools/sis/courses.

［17］University of Texas，Austin：School of Information.Programs［EB/OL］.［2017-10-23］.https：//www.ischool.utexas.edu/programs.

［18］Drexel University：College of Computing&Informatics.Programs［EB/OL］.［2017-10-23］.http://drexel.edu/cci/academics/programs/.

［19］University of Toronto：Faculty of Information（Canada）.Programs&Courses［EB/OL］.［2017-12-03］.https://ischool.utoronto.ca/current-students/programs-courses/.

［20］Florida State University：College of Communication and Information.Graduate Program［EB/OL］.［2017-10-23］.https://ischool.cci.fsu.edu/academics/graduate/.

［21］University of Glasgow：Humanities Advanced Technology and Information Institute.Postgraduate［EB/OL］.［2017-10-24］.https://www.gla.ac.uk/postgraduate/.

［22］University of Washington：Information School.Curriculum［EB/OL］.［2017-10-24］.https://ischool.uw.edu/programs/mlis/curriculum.

［23］University of California，Irvine：The Donald Bren School of Information and Computer Scie-nce Graduate ［EB/OL］.［2017-10-24］.http://www.informatics.uci.edu/#.

［24］University of California，Berkeley：School of Information.Programs［EB/OL］.［2017-10-03］.https://www.ischool.berkeley.edu/programs.

［25］University of California，Los Angeles：Graduate School of Education and Information Studies［EB/OL］.［2017-10-24］.https://gseis.ucla.edu/.

［26］Carnegie Mellon University:School of Information Systems and Management，Heinz College.program［EB/OL］.［2017-10-24］.https://www.heinz.cmu.edu/programs/.

［27］Cornell University：Faculty of Computing and Information Science［EB/OL］.［2017-10-24］.http://www.cis.cornell.edu/.

［28］University of Kentucky:College of Communication and Information.CI Program［EB/OL］.［2017-10-25］.https://ci.uky.edu/ci/units.

［29］Kent State University：School of Library&Information Science［EB/OL］.［2017-10-26］.https://www.kent.edu/iSchool/libraryinformation-science-2.

［30］University College London：Department of Information Studies.Study［EB/OL］.［2017-10-26］.http://www.ucl.ac.uk/dis/study.

［31］Robert Gordon University:Department of Information Management of Aberdeen Busin-ess School.Study［EB/OL］.［2017-10-27］.https://www.rgu.ac.uk/areas-of-study.

［32］Rutgers，The State University of New Jersey:School of Communication and Information.Academics［EB/OL］.［2017-10-28］.https://comminfo.rutgers.edu/academics.

［33］University University of Maryland，Baltimore County:Department of Information System Graduate Programs［EB/OL］.［2017-10-29］.https://informationsystems.umbc.edu/home/graduate-programs/.

［34］University of Maryland：College of Information Studies.Program［EB/OL］.［2017-10-29］.https://ischool.umd.edu/programs.

［35］McGill University，Montreal：School of Information Studies.Programs［EB/OL］.［2017-10-30］.http://www.mcgill.ca/sis/programs.

［36］Indiana University：School of Informatics and Computing.Graduate［EB/OL］.［2017-11-02］.https://www.sice.indiana.edu/graduate/index.html.

［37］University of Missouri：School of Information Science and Learning Technologies.Programs［EB/OL］.［2017-11-02］.https://sislt.missouri.edu/#.

［38］University of Michigan：School of Information.Programs［EB/OL］.［2017-11-03］.https://www.si.umich.edu/content/programs.

［39］University of Melbourne：Melbourne School of Information［EB/OL］.［2017-11-03］.http://www.msi.unimelb.edu.au/#study.

［40］University of South Australia:School of Information Technology and Mathematical.Stu-dy and career areas［EB/OL］.［2017-11-05］http://study.unisa.edu.au/?_ga=2.3120368.1302029801.1382547330-599137041.1381259121.

［41］University of Washington：Information School.Programs［EB/OL］.［2017-11-05］.https://ischool.uw.edu/programs.

［42］University of Pittsburgh：School of Information Sciences.Academics［EB/OL］.［2017-11-06］.http://www.sci.pitt.edu/academics/.

［43］University of Strathclyde：Department of Computer and Information Science.study withus［EB/OL］.［2017-11-07］.https://www.strath.ac.uk/studywithus/.

［44］University of Wisconsin，Madison：School of Library and Information Studies.Programs［EB/OL］.［2017-11-08］.https://ischool.wisc.edu/programs/.

［45］University of Sheffield：Information School［EB/OL］.［2017-11-02］.https://www.sheffield.ac.uk/is/index.

［46］Syracuse University：School of Information Studies.Academics［EB/OL］.［2017-11-08］.https://ischool.syr.edu/academics/overview/.

［47］University of Arizona：School of Information.Graduate［EB/OL］.［2017-11-09］.https://ischool.arizona.edu/graduate.

［48］University of Illinois：School of Information Sciences.Academics［EB/OL］.［2017-11-10］.http://ischool.illinois.edu/academics.

［49］司莉，何依.iSchool院校的大数据相关课程设置及其分析特点［J］.图书与情报，2015（6）:84-91.

［50］University of California，Berkeley：School of Information.Social Data Revolution［EB/OL］.［2017-12-03］.https://www.ischool.berkeley.edu/courses/info.

［51］University of Washington：Information School.Social Media Data Mining and Analysis（4）［EB/OL］.［2017-12-03］.https://ischool.uw.edu/programs/informatics/curriculum.

［52］University of Washington：Information School.?INFX 575 Data Science III：Scaling，A plications，and Ethics （4）［EB/OL］.［2017-12-03］.https://ischool.uw.edu/.

［53］郝嫒玲，沈婷婷.数据素养及其培养机制的构建与策略思考［J］.情报理论与实践，2016（1）:58-63.

［54］郝爱玲，沈婷婷.大数据环境下高校教师数据素养现状及提升策略探析——基于上海地区高校的调查分析［J］.现代情报，2016（1）:102-113.

［55］University of Sheffield：Information School.?INF6033 Data and Society［EB/OL］.［2017-12-03］.https://www.sheffield.ac.uk/is/pgt/modules/inf6033.

［56］University of Texas，Austin：School of Information.Course Descriptions［EB/OL］.［2017-12-03］.https://www.ischool.utexas.edu/courses/course_descriptions.

［57］Charles Sturt University：School of Information Studies.Handbook 2018［EB/OL］.［2017-12-03］.http://www.csu.edu.au/handbook/subjects/INF463.html.

［58］University of Texas，Austin：School of Information.?Course Descriptions［EB/OL］.［2017-12-03］.https://www.ischool.utexas.edu/courses/course_descriptions.

［59］University of California，Los Angeles:Graduate School of Education and Information st-udies［EB/OL］.［2017-12-03］.https://is.gseis.ucla.edu/programs/mlis-degree/mlis-courses/.

［60］University of Arizona：School of Information.Graduate Courses［EB/OL］.［2017-12-03］.https://ischool.arizona.edu/graduatecourses.

［61］University of Maryland:College of Information Studies.Policy and Ethics in Digital Cu-ration［EB/OL］.［2017-12-03］.http://apps.gradschool.umd.edu/Catalog/public-courses-detail.hp?LBSC.

［62］University of Washington：Information School.curriculum［EB/OL］.［2017-12-03］.https://ischool.uw.edu/programs/informatics/curriculum.