高校教师数字素养评价指标构建研究

杨爽 周志强

摘要：[目的/意义]随着数字技术的迅速发展和普及，“数字素养”成为研究领域颇受关注的话题，构建高校教师数字素养评价指标，将教师的数字素养利用统一标准进行准确评定，便于高校有目的、有原则的进行数字素养推进工作。[方法/过程]本研究构建了高校教师数字素养评价指标体系，包括5个维度，18个指标，5个维度分别为数字技术使用、数字信息管理、数字内容创造、数字社群构建和数字安全能力。通过调查问卷收集相关数据，利用定量分析方法对所构建的评价体系的合理性进行检验。[结果/结论]本研究不但为高校数字素养培养工作提供必要的标准，而且弥补了目前相关研究中的不足，具有较重要的现实和理论意义。

关键词：高校教师;数字素养;评价指标

DOI：10.3969/j.issn.1008-0821.2019.03.007

〔中图分类号〕G254.97〔文献标识码〕A〔文章编号〕1008-0821（2019）03-0059-10

随着数字技术的迅速发展和普及，利用数字技术来完成日常工作和学习任务，已经成为数字经济时代人们不可或缺的能力。以数字化的知识和信息作为关键生产力的数字经济蓬勃发展，新兴的数字化产品、服务大量涌现，在此背景下，人们应用数字媒介获取、传递、组织和创造信息的能力越来越重要。“数字素养”（Digital Literacy）是人们取得竞争力的必备技能，具备一定的数字化技能和素养，才能更好地挖掘数据的价值和享受数字化的服务。高校作为数字素养培养的重要机构，有必要提高教师的数字素养，从而培养适应时代发展的高素质人才。目前，“数字素养”的研究已成为各国学者关注的话题。国外研究方面，Fernando G F等以本科学生的学术素养实践行为为研究对象，分析了学生在学习过程中的数字素养的实际表现情况[1]。Ramírez-Montoya M S等认为，教师的数字素养已经成为构建优质课堂实践知识的关键元素，并且能够帮助学生提升学习能力[2]。Yu T K等认为数字不平等是“信息时代”关键的问题之一，个人的信息素养和数字能力对ICT采纳行为具有重要作用[3]。Al-Qallaf C L等则以本国学生的英语学习效果为研究对象，探究了数字素养和数字内容对学生学习情况的影响作用[4]。国内研究方面，张静等通过对国外高校数字素养教育实践的分析梳理，提出我国应该构建数字素养标准框架，以促进学生在实践中提升数字素养[5]。许欢等则针对我国数字素养教育不够完善这一现状，对美国、欧洲等发达国家和地区的数字素养培养模式发展进行述评，为我国数字素养的培养提出相应建议[6]。李春卉则以英国高校图书馆一系列数字素养教育实践探索活动为研究对象，为我国开展数字素养教育提出了设想[7]。

从以上的研究成果中可以看出，数字素养已经成为很多国家进行国民素质教育和高等教育的重要内容，正被越来越多的国家纳入其教育课程的体系之中。但是目前的研究和实践较多集中于探讨数字素养对学生学习的促进作用，致力于从实践调查和分析中找出依据，从而提出相应的数字素养培养方案。然而，数字素养教育，特别是高校数字素养教育，不能缺少高校教师的参与。高校教师在培养学生学术能力的过程中具有举重若轻的作用，在当前ICT技术迅猛发展的情况下，高校教师是否可以将数字素养的理念融入日常教学工作，是否可以运用数字手段有效地开展教学工作，将应用数字媒介获取、传递、组织和创造信息的能力教授给学生，对于学生的数字素养的培育均具有重要作用。

因此，构建高校教师数字素养评价指标，将教师的数字素养利用统一标准进行准确评定，不仅可以为高校数字素养培养工作提供必要的标准，便于有目的、有原则的进行数字素养推进工作，而且也弥补了目前相关研究中的不足，具有较重要的现实和理论意义。本研究基于以上论述，提出构建高校教师数字素养评价指标体系的研究主题，拟解决如下研究问题：1）数字素养的概念和内涵是什么？2）如何构建高校教师数字素养评价体系？3）如何验证评价指标体系的合理性？本文将通过调查分析和数据验证，对以上问题加以分析解答。

1理论基础

1.1数字素养的概念

“数字素养”由以色列学者Yoram提出，他根据多年的研究工作经验提出了數字素养的概念框架，认为数字素养应该包括五个方面的内容：图片——图像素养、再创造素养、分支素养、信息素养以及社会——情感素养[8]。数字素养概念的发展经过了一个不断融合的过程，在信息素养的大框架之下，随着社会信息技术的进步和人类生活方式的改善，其概念融合了媒体素养、计算机素养、网络素养等的元素，被认为是个体获得的“数字时代的生存技能”，也是“信息社会的重要资产”[8]。

美国图书馆协会（American Library Association，简称ALA）认为数字素养是利用信息和通信技术来发现、评估、创造和交流信息的能力，需要认知技能和技术技能[9]。英国联合信息系统委员会（Joint Information Systems Committee，简称JISC）认为数字素养是个人在数字社会中生活、学习和工作所必备的能力[10]。Mohammadyari S等的研究指出，数字素养是利用数字技术来理解、分析、评估、组织和评价信息的能力[11]。在Ramírez-Montoya M S等的研究中，数字素养被定义为在使用信息和通信技术时所需的内容、技能和态度的集合[2]。Guzman等则认为“数字”指与新的信息和通信媒体有关的活动，而“素养”是指在不同环境中为个人和专业发展所必需的知识、技能和态度的集合[2]。

1.2数字素养评价指标

很多国际组织如ALA、JISC等为数字素养制定了执行标准，目的在于为教育者提供专业发展所需的知识和能力，并指导未来的教育工作者如何将信息素养融入课程和教学中[4]。例如ALA Digital Literacy Taskforce[9]在2011年提出，具备数字素养的人拥有以下属性：1）拥有技术和认知方面的多种技能用以发现、理解、评估、创造和交流各种形式的数字信息;2）能够正确而有效地使用不同的技术来检索信息，解释结果，并判断信息的质量;3）理解技术、终身学习、个人隐私和信息管理之间的关系;4）利用这些技能和适当的技术与同伴、同事、家人、公众进行沟通和协作;5）利用这些技能积极参与公民社会活动，为社区做出贡献。JISC[10]在2015年提出，数字素养的六要素分别为：1）信息、数据和媒介素养;2）数字创作、问题解决和创新;3）数字交流、协作和参与;4）数字学习和发展;5）ICT素养;6）数字身份与福祉。也有很多相关领域的学者通过调查研究提出了数字素养的评价指标或者内涵维度，应用于图书馆、教师培训等多个领域。例如，Greene等认为，数字素养有两个主要方面，即“能力”和“知识”，能力指制定获取有用信息的策略的能力，而知识则是指审核和整合所获取信息的知识[12-13]。

具体的研究成果如表1所示：

表1数字素养指标/维度研究

作者年份指标/维度内涵

新媒体联盟（New Media Consortium，简称NMC）[14]2016

1.通识素养1.熟练使用基本数字化工具（包括办公自动化软件、图像处理软件、云内容和云应用、网页内容编辑工具等）的能力;

2.创新素养2.在通识素养的基础上掌握一些挑战性技能（如音视频创建与编辑、动画制作、编程、电脑硬件设备知识、数字公民和知识产权知识），进而开展创新活动的能力;

3.跨学科素养3.不同学科、不同学习情境中的课程融会贯通的能力。

Laar F V等[15]2017

1.技术1.使用（移动）设备和应用程序来完成实际任务和识别特定的在线环境来导航和维护方向的技能;

2.信息管理2.使用信息和通信技术有效地搜索、选择、组织信息，以便对某一特定任务的最合适信息来源做出明智的决定的技巧;

3.通信3.利用信息和通信技术向他人传递信息的技能，确保有效地表达意思;

4.协作4.利用信息和通信技术建立一个社会网络并在一个团队中交流信息、谈判协议、并在相互尊重的基础上做出决定以实现共同目标的技能;

5.创造力5.使用信息和通信技术产生新的或以前未知的想法的技能，或者以一种新的方式对待熟悉的想法，并将这些想法转化为在特定领域内被认为是新奇的产品、服务或过程;

6.批判性思维6.使用信息和通信技术对信息和沟通做出明智的判断和选择的能力，能够利用反射推理和足够的证据来支持以上决定;

7.解决问题7.将信息和通信技术用于认知过程和理解问题情境的能力，结合知识的积极运用，找到解决问题的方法。

Noh Y[16]2016

1.技术素养1.能够使用硬件、计算机，编辑文件、浏览网页和交流;

2.比特素养2.能够检索、判断、编辑、处理和使用信息;

3.虚拟社区素养3.参与社区、形成自我认同、建立关系、共同解决问题、创造网络文化的能力。

综合分析数字素养相关研究可以看出，国外学者针对数字素养所包含的指标和维度的研究开展较早，而国内的相关研究还较为欠缺。在具体研究内容方面，虽然学者们普遍对数字素养从能力、认知、思维、知识等角度展开了维度划分和指标归纳，但是相对来说，维度所涵盖的范围较广，指标的精细度较差，缺乏对实践的指导作用。并且专门针对高校教师的数字素养评价指标的研究也相对较少。基于上述文献梳理和分析，本文提出构建高校教师数字素养评价指标体系的研究主题。

2高校教师数字素养评价指标体系构建

2.1评价指标体系构建

本研究以新媒体联盟中数字素养研究为基础，综合上述学者的研究成果，并结合高校教师工作特点，首先选取了5个维度18条数字素养评价指标，评价体系的维度分别为数字技术使用、数字信息管理、数字内容创造、数字社群构建和数字安全能力。各个维度包括的具体指标及其解释说明、主要参考来源如表2所示。

2.2问卷设计与调查

本研究将所构建的高校教师数字素养评价指标体系整理成李克特七级量表调查问卷形式，在语言表达上，试图用简洁明了的语句将各个指标要素的内涵表达清楚，以便于调查参与者理解和判断，从而通过量表打分表达其对量表指标的认知程度。本研究通过发放实体问卷、电子邮件问卷等形式收集数据，调查对象为高校教师群体。调查问卷如表3所示。

3数据收集与处理

通过问卷调查本研究共回收有效问卷295份，为了验证本研究所构建的评价指标体系的合理性，本研究通过探索性因子分析和验证性因子分析两个步骤，对所收集的数据进行信度和效度的检验。

3.1探索性因子分析

将收集到的预测数据代入SPSS 19软件，使用因子分析方法进行探索性因子分析。KMO（Kaiser-Meyer-Olkin）检验取值在0～1之间，当KMO值越接近于1，说明变量间的相关性越强，变量越适合做因子分析。Bartlett球形检验是一种检验变量之间相关性程度的方法，根据实际数据的相关系数矩阵行列式得到统计量后，如果该值较大，且其对应的相伴概率值小于显著性水平（0.05），则认为变量之间存在相关性，适合于做因子分析。数据的KMO检验和Bartlett球形检验结果如表4所示。

KMO值为0.873，比较接近1，因此变量间的相关性较强，变量适合做因子分析;Bartlett球形检验显著性水平达到0.001水平，因此拒绝原假设，认为变量间的相关系数不是单位阵，变量之间存在相关性，适合于做因子分析。

3.1.1解释总方差

在因子分析中选择用主成分分析法进行因子抽取，选取因子固定数量为5，累计方差贡献率达到72.092%，认为丢失的信息较少，因子旋转后累计方差贡献率也没有发生改变，说明主成分提取较为合理。预测数据的解释总方差如表5所示。

3.1.2旋转成分矩阵

利用最大方差法进行因子旋转后，设定系数按大小进行排列，并且小于0.4[20]的系数在公因子列中删除，以保证每一个观察变量不会横跨到其他潜在变量维度内。预测数据的旋转成分矩阵如表6所示：

从表6中可以看出，DT1～DT4、DI1～DI4、DCT1～DCT3、DCY1～DCY3以及DS1～DS4均在同一公因子内，所有观察变量没有横跨到其他潜在变量维度内，说明同一维度下的观察变量相关性较高，对所属维度的变异度解释性也较强。

3.2验证性因子分析

通过前文的探索性因子分析，证明本研究所构建的量表具有一定的可信度和有效性。为了保障量表的严谨性，本研究运用AMOS 21.0对数据进行验证性因子分析，在AMOS界面設置5个潜变量、18个观测变量和18个残差变量，选择最大似然估计进行模型运算，模型如图1所示。观察变量及其对应潜变量之间的载荷系数估计如表7所示。

首先，對模型的路径系数进行统计显著性检验，回归系数的非标准化估计值（Regression Weights）与其标准误（S.E.）之间的比值称为临界比值，简写为C.R.。当C.R.的绝对值大于1.96时，显著性P值达到0.05水平，记作“*”;当C.R.的绝对值大于2.58时，显著性P值达到0.01的水平，记住“**”;当C.R.的绝对值大于3.29，显著性P值达到0.001水平，记作“***”。如表7所示，模型显著性良好。

3.2.1收敛效度

收敛效度（Convergent Validity）又称为聚合效度，是表征同一维度内的观察变量对所属维度隶属度的指标，在验证性因子分析中，收敛效度用标准化因素载荷量（Standardized Regression Weights）、组合信度（Composite Reliability，简称CR）和平均方差抽取量（Average Variance Extracted，简称AVE）来测量[21]，一般要求标准化载荷量在0.6以上，组合信度在0.7以上，AVE在0.5以上表示收敛效度良好。如表8所示。

各个观察变量的标准化载荷量均大于0.6，组合信度均大于0.7，平均方差抽取量均大于0.5，收敛效度良好。

3.2.2区别效度

区别效度（Discriminant Validity）又称区分效度，是表征不同维度之间具有区分度的效度指标，即不同维度应该反映的是不同的概念，排除维度之间可能因共线性而引起的估计误差。即比较各个维度的平均方差抽取量的平方根（AVE）与维度之间的相关系数r的大小，若AVE>r，则表示维度之间的区别效度明显，维度之间不存在共线性问题[22]。本研究的区别效度如表9所示。

从表中的数据可以看出，各个维度的AVE均大于该维度与其他维度之间的相关系数，因此本研究的数据区别效度良好，维度之间不存在共线性问题。

3.2.3配适度

配适度是指理论模型与数据的拟合程度，本研究将从绝对拟合指标（卡方/自由度、GFI、AGFI、RMSEA）和增量拟合指标（NFI、CFI）两方面进行模型的拟合度检验[23]。卡方值（χ2）是评价整体模型拟合的传统指标，用以评估样本拟合协方差矩阵之间的差异的大小[24]，一般认为χ2越小表示理论模型与实际数据适配度越好，但是对χ2的具体取值范围没有一定的标准;自由度（df）的大小取决于模型中的有效参数和需要估计的参数的个数，并且卡方与自由度的比值（χ2/df）越小，表明理论模型的协方差矩阵与实际数据的适配度越高，拟合度越好，一般要求χ2/df小于3。GFI为拟合优度指标，GFI越大，表示模型的适配度越好，一般要求GFI大于0.9;AGFI为调整后拟合优度指标，其要求与GFI相同;RMSEA为近似误差均方根，模型的RMSEA值介于0.05～0.08之间表示模型的配适度良好。NFI为范拟合指数，CFI为比较拟合指数，一般要求两者均要大于0.9，表示模型的配适度良好。模型的配适度如表10所示。

从表10可以看出本研究模型的配适度基本达到要求，理论模型与实际数据的拟合情况良好，模型内在质量良好。

4研究结论

本研究构建了高校教师数字素养评价指标体系，并通过调查问卷收集数据对其可信度和有效性进行验证，数据结果证明，本研究所构建的评价指标体系具有一定的合理性。本研究所构建的高校教师数字素养评价指标体系包含5个维度，18个指标，如图2所示。

本研究在论述了数字素养概念与内涵的基础上，系统梳理了国内外对于数字素养评价指标体系的相关研究，在结合前人研究的基础上，构建了高校教师数字素养评价指标体系，并通过调查问卷和定量分析方法对所构建的评价指标体系的合理性进行了验证。本研究认为高校推进教师数字素养工作，可以数字技术使用、数字信息管理、数字内容从创造、数字社群构建和数字安全能力5个方面对教师的数字素养进行评定。通过合理制定有效的培训方案，从以上5个方面推进教师数字素养培训工作，提高教师数字素养，从而强化教师在教学、工作中的数字能力，将应用数字媒介获取、传递、组织和创造信息的能力教授给学生，对学生数字素养的培育起到重要作用。

本研究可以帮助我国高校将教师的数字素养利用统一标准进行准确评定，不仅可以为高校数字素养培养工作提供必要的标准，便于有目的、有原则地进行数字素养推进工作，而且也弥补了目前相关研究中的不足，具有较重要的现实和理论意义。笔者将在未来研究中，针对所构建的指标体系的实际应用效果进行跟进调查，并通过实践调查不断完善指标体系的构建。

参考文献

[1]Fernando G F，Eduardo G J，Isabel L C.Undergraduate Students Perspectives on Digital Competence and Academic Literacy in a Spanish University[J].Computers in Human Behavior，2017，74：196-204.

[2]Ramírez-Montoya M S，Mena J，Rodríguez-Arroyo J A.In-service Teachers Self-perceptions of Digital Competence and OER Use as Determined by a xMOOC Training Course[J].Computers in Human Behavior，2017，77：356-364.

[3]Yu T K，Lin M L，Liao Y K.Understanding Factors Influencing Information Communication Technology Adoption Behavior：The Moderators of Information Literacy and Digital Skills[J].Computers in Human Behavior，2017，71：196-208.

[4]Al-Qallaf C L，Al-Mutairi A S R.Digital Literacy and Digital Content Supports Learning：The Impact of Blogs on Teaching English as a Foreign Language[J].Electronic Library，2016，34（3）：522-547.

[5]张静，回雁雁.国外高校数字素养教育实践及其启示[J].图书情报工作，2016，60（11）：44-52.

[6]许欢，尚闻一.美国、欧洲、日本、中国数字素养培养模式发展述评[J].图书情报工作，2017，61（16）：98-106.

[7]李春卉.英国高校图书馆数字素养教育实践及启示[J].图书馆建设，2017，（8）：78-82.

[8]王佑镁，杨晓兰，胡玮，等.从数字素养到数字能力：概念流变、构成要素与整合模型[J].远程教育杂志，2013，31（3）：24-29.

[9]ALA Digital Literacy Taskforce.What is Digital Literacy？[EB /OL].http：//connect.ala.org/files/94226/what%20is%20digilit%20%282%29.pdf，2018-03-28.

[10]Joint Information Systems Committee.Developing Students Digital Literacy[EB /OL].https：//www.jisc.ac.uk/guides/developing-students-digital-literacy，2018-03-28.

[11]Mohammadyari S，Singh H.Understanding the Effect of E-learning on Individual Performance：The Role of Digital Literacy[J].Computers & Education，2015，82：11-25.

[12]Greene J A，Yu S B，Copeland D Z.Measuring Critical Components of Digital Literacy and Their Relationships with Learning[J].Computers & Education，2014，76：55-69.

[13]Greene J A，Copeland D Z，Deekens V M，et al.Beyond Knowledge：Examining Digital Literacys Role in the Acquisition of Understanding in Science[J].Computers & Education，2018，117：141-159.

[14]张晴.《数字素养：新媒体联盟地平线项目战略简报》研究[J].图书馆工作与研究，2017，（5）：110-114.

[15]Laar E V，Deursen A J A M V，Dijk J A G M V，et al.The Relation between 21st-century Skills and Digital Skills：A Systematic Literature Review[J].Computers in Human Behavior，2017，72：577-588.

[16]Noh Y.A Study on the Effect of Digital Literacy on Information Use Bbehavior[J].Journal of Librarianship and Information Science，2016，49（1）：26-56.

[17]Ilomki L，Paavola S，Lakkala M，et al.Digital Competence—An Emergent Boundary Concept for Policy and Educational Research[J].Education and Information Technologies，2014，21（3）：655-679.

[18]Punie Y，Brecˇko B，Ferrari A.DIGCOMP：A Framework for Developing and Understanding Digital Competence in Europe[J].eLearning Papers，2014，（38）：3-17.

[19]Koc M，Barut E.Development and Validation of New Media Literacy Scale（NMLS）for University Students[J].Computers in Human Behavior，2016，63：834-843.

[20]Hair J F J，Anderson R E J，Tatham R L，et al.Multivariate Data Analysis，5th Ed[M]：All Publications，1998.

[21]Segars A H.Assessing the Unidimensionality of Measurement.A Paradigm and Illustration within the Context of Information Systems Research[J].Omega，1997，25（1）：107-121.

[22]Hair J F，Black W C，Babin B J，et al.Multivariate Data Analysis（7th Edition）[M]：Englewood Cliffs，N.J.Prentice Hall，2009.

[23]Hooper D，Coughlan J，Mullen M R.Structural Equation Modelling Guidelines for Determining Model Fit[J].Electronic Journal on Business Research Methods，2008，6（1）：141-146.

[24]Hu L T，Bentler P M.Cutoff Criteria for Fit Indexes in Covariance Structure Anaysis：Conventional Criteria Versus New Alternatives[J].Structural Equation Modeling，1999，6（1）：1-55.

（責任编辑：孙国雷）