大数据背景下高职院校数据素养教育研究——基于广东省科技干部学院商科学生的抽样调查

古婷骅，王腾利，方 舟

(广东省科技干部学院，珠海 519090)

1 引言

过去的十数年里，信息技术和人工智能技术使得人们的生存环境走向数字化，人们必须要具备相应的数据素养才能适应数据环境的现实需要。与此同时，数字经济加速了产业的转型升级，在此大背景下，各行各业呈现出对数据资源前所未有的重视，社会对高职院校的人才培养质量提出了更高的要求，要求除了熟练掌握专业技能之外，还包括综合素质的提高，数据素养则是综合素质中的一个重要组成部分。但是，在当前高职教育中，无论是传统专业还是新兴专业，存在对学生数据素养培养缺位的问题。为了适应产业对高素质人才的要求，如何培养学生的数据素养应当成为高职教育界重点关注的问题之一。

数据素养的概念与信息素养这一术语密切相关。最早提出数据素养的概念源自于美国教育学界，是从计量素养和统计素养的概念拓展和延伸而来[1]。2012年，美国推行了一系列教育创新项目和计划，以高等教育为切入点，举办有关数据知识和处理技能方面的培训，其核心内容就是数据素养教育[2]。从已经掌握的国内外文献和研究来看，数据素养的内涵是具备数据意识和数据敏感性，能够有效、恰当地获取、分析、处理、利用和展现数据，并拥有数据批判思维[3,4]。

国外早已十分重视数据人才的培养和储备，相当一部分高校已经开展了数据素养教育的实践。美国国家科学基金（NSF）2007 年资助了雪城大学信息研究院秦健教授设计的数据管理课程，该项目用于提升学生E-SCIENCE 环境下的数据素养[4]。张靖等在2019年系统梳理了国外的14 种数据素养能力模型，研究认为当前数据素养教育的两种思路，一种是全面认识数据生命周期的系统化教育思路，另一种是针对专门的学科或领域，快速掌握数据处理和管理技能的专门化教育思路，两种教育思路对应的数据素养能力模型分别是能力导向模型和目标导向模型[5]。国内关于数据素养的相关研究在2013 年左右开始起步，从2018年教育部职成司发布的国家专业教学标准来看，高职对于数据素养教育也逐步开始重视。鉴于高职院校对数据素养的教育实践和研究尚处于起步阶段，缺乏实践经验和本土化的教育研究，基于师生对数据素养认知现状探讨数据素养教育实践的思路和策略，为高职院校建立科学合理的数据素养培养模式、建设相应的课程体系、合理分配有限教学资源提供参考是十分迫切而且必要的。

本研究将根据已有文献研究成果以及教育学、信息学等领域的相关理论，构建高职院校数据素养评价体系，编制数据素养测量量表，以广东省科技干部学院为例，调查高职学生的数据素养培养现状，了解高职院校数据素养教育的现状，剖析目前高职院校数据素养教育存在的主要问题，并提出数据素养的培养路径和方法，将为高职院校数据素养培养提供借鉴和参考。

2 文献回顾与数据素养的概念

当前对于数据素养的界定尚未统一。主流的观点包括了3 种层次，一是认为媒介素养、信息素养等概念的基础上发展出数据素养[6]；二是认为数据素养是与信息素养等同的术语；第三种是认为数据素养是信息素养的扩展与深化，较之于信息素养的概念更为宽泛。中国的研究者更倾向于数据素养中数据意识、数据采集与处理、数据评估等数据应用技能[7]，而国外研究者则更着重于利用数据来演绎、推导结论及应用数据进行决策的能力[8]。

国内图书情报领域的学者较早开始数据素养教育的研究，主要从信息素养延伸而来。孟祥保调研了欧美10 几所高校的数据素养教育实践，归纳了Libguides导航、通识教育、学科专题教育3 种教育模式[8]；朱玉奴分析了国外数据素养教育课程的案例和特点，总结了图书馆开展数据素养教育的意义和服务模式[9]；张静波从科研生命周期的角度阐述数据素养教育的主要内容[7]；同时有不少学者从特定的领域对数据素养教育的现状、策略进行探索[10-14]，以及运用文献计量等方法对国内外相关研究进行回顾[15-17]，这些文献概述了国外多所高校的数据素养教育课程和模式，或是阐述了在科学研究的各个阶段数据素养的内容。

2.1 计量素养与统计素养

20 世纪80 年代，英国经济与社会研究委员会起草的国家战略中提出将计量方法运用到社会科学的培养计划中[1]。2008 年，研究者提出将计量素养理解为使用基础的数学概念处理日常问题的能力，除了数字处理能力外，还需要具备推理、论证和观察的能力[18]。

统计素养被认为是计量素养中的一个重要组成部分[19]，WALLMAN 认为统计素养的核心在于理解和批判性的评价统计结果的能力，这种能力的目标只需要解决日常生活中的统计问题即可，同时能够为个人、专业、公共3 方面的决策提供统计学参考的能力[20]。

2.2 信息素养与数据素养

关于数据素养概念的讨论，有研究者认为它约等同于统计素养[3]，也有学者认为数据素养是统计素养的一部分，包括数据获取、评价、处理、总结和交流数据结果的能力，注重数据生命周期的全流程，而统计素养的目的是个体是否能够批判性的考量统计结果。两个概念的共同之处在于对数据的处理和总结、思考，同样与传统的信息素养概念非常相近，但数据素养更强调数据的有效获取、处理和使用，和处理其他类型的信息相比，大数据环境下数据处理更为复杂。正是由于存在这些相似之处，研究者将数据素养看作是信息素养的扩展或是其中一部分，基于这种观点，本文认为数据素养是包含统计素养，并且是从属于信息素养概念的下位概念。

3 数据素养评价体系的构建

目前，基于学科教育视角的数据素养能力评价已有不少成果，而高职教育的培养目标为技能型人才，职业教育视角应当与学科教育存在一定的差异。因此，高职院校的数据素养能力评价应该与本科教育有所区别。本研究结合2018 年教育部职成司发布的国家专业教学标准，综合国内外文献对数据素养内涵、组成能力的研究基础上，对高职学生的数据素养进行摸底测量。量表由数据意识、数据收集、数据组织与管理、数据分析、数据利用与归档、数据伦理等6个维度，共33个题目来构建高职院校数据素养能力评价指标体系（表1）。

表1 高职院校数据素养能力评价指标体系Table 1 The evaluation index system of data literacy ability in vocational colleges

4 数据素养的认知与能力调查分析

4.1 调查对象和方法

本研究以广东省科技干部学院为例，采取问卷调查法开展调查与分析，根据已有研究中对于职业教育中数据素养教育宜采用专门化教育的思路，选取商科学生进行调查及分析。根据学生专业课程中面对的主要业务数据类型，研究中“数据素养”的数据类型限定为商业数据，内容包括商业企业内部数据、分销渠道数据、消费市场数据等，主要是指某一产业价值链上各个重要环节的历史信息和即时信息的集合。为了能够更深入的分析学生数据素养的培养现状，研究增加了对教师样本的调查，对照学生样本的结果，能够更清晰的了解目前数据素养培养存在问题。调查数据的收集方法是向在校教师和学生发放网络问卷，设定每个IP 限制填写一份问卷的方式确保数据的有效性。问卷分为两个部分，第一部分是人口统计变量，如年龄、年级、专业、身份等，第二部分是数据素养的认知与能力调查，为对照不同人口统计变量群体在数据素养认知与能力上的差异，采用李克特五点量表，1 分表示非常不认同题目表述，5 分表示非常认同题目表述，由被调查者根据自己的实际情况自评打分。问卷发放时间为2019 年11 月10 日—2019 年12 月25 日，共回收304 份有效问卷，调查样本分布情况详见表2。

表2 调查对象情况分布 单位：个Table 2 Distribution of respondents

4.2 结果分析

4.2.1 调查结果可靠性检验

本研究采用spss22.0 以及mplus7.4 作为数据处理检验工具。信度及效度如表3 所示，所测量的6个维度及相对应的题目的标准化估计系数均在0.6 以上，Z值P＜0.001，因此所有题目均达到显著性差异。题目信度均大于0.5，大于推荐值0.36，因此维度对题目的解释能力良好，组成信度通过检验。AVE 即平均方差萃取量均大于0.5，即维度对题目的平均解释能力较好。

如图1 所示，选取横断面分析样本各群体数据素养的能力，采用各群体数据素养能力指标得分均值（堆积块中上方数字）以及标准差（堆积块中下方数字）等进行描述性统计分析。图1 采用堆积图的方式表示，6个维度叠加之后可以看出整体得分结果，教师和大三学生的得分情况略优于大二学生，其次是大一学生，在各评价维度中，教师及大三学生得分高或低的指标也较为一致，说明当前大三学生经过前两年的学习，基本已经掌握了一定的数据素养。大一学生各评价维度的得分总体偏低，数据意识和数据伦理的总体得分高于其他的维度，说明大一的学生对数据的重要性以及价值已经有较深刻的认知，同时也具备一定的数据伦理意识。

4.2.2 数据意识与数据伦理

图1 调查总体情况分析Fig.1 Results of the survey in terms of six indicators

图2 数据意识、数据伦理对比分析图Fig.2 Comparative analysis of data awareness and data ethics

表3 信度分析和收敛效度分析Table 3 Analysis of reliability and convergent validity

6个维度中数据意识得分最高，其次是数据伦理。图2 对比分析了数据意识及数据伦理的结果。其中大一和大二两个群体在这两个维度的得分均低于平均分，总体认知水平较低。大三的学生得分略高于均值，教师群体的数据意识得分远高于数据伦理，但总体得分在均值之上。

从单个指标的分析结果来看（表4），受访者对自身拥有大数据意识的认同度不高，是否意识到数据包含商业价值、有效性、可信性和敏感性的得分则相对较高，说明受访者已经具备一定的数据意识，且能以严谨认真的态度对待商业活动中产生的数据，但是对于自身具备大数据意识持有一定的怀疑态度。

4.2.3 数据收集能力

图3 折线图为各群体得分的标准差，在数据收集能力的认知得分上出现了较为不同程度的分歧，大三及教师两组数据在群体内部的差异更为明显。对于“有效选择研究方法（如调查、访谈、实验）和工具收集数据”以及“能够从海量数据中挖掘有用的数据并使其显性化”两项指标得分高于数据建模能力以及数据收集过程优化能力。大一学生以及大二学生的得分整体低于教师和大三学生，表明了当前的培养体系能提高一定的数据收集能力。指标之间的纵向对比来看，利用外部渠道和工具收集数据的得分高于通过数据挖掘等方法获取新的数据，表明了在利用计算机技术，特别是基于大数据挖掘的技术进行数据收集的能力方面，学生们还有较大的提升空间。

4.2.4 数据组织与管理

总体得分仍然是大三和教师两个群体较好。各群体在指标3“了解本专业领域的数据标准以及数据标准的运用”以及指标4“能够按照数据复杂程度，识别和评估数据的效用和优先级”两项在得分上明显低于其他指标，说明大部分人只能够进行基本的数据组织与管理以服务于工作和学习，在数据标准上缺乏知识储备，缺乏对复杂数据评估的实践能力（图4）。

表4 数据意识与数据伦理的测量情况统计表Table 4 Survey statistics in data awareness and data ethics

图3 各年级及教师数据收集能力差异对比分析图Fig.3 Comparative analysis on data gathering ability of teachers and students

4.2.5 数据分析能力

数据分析能力属于数据素养中较为核心的能力。总体上，标准差折线显示大三及教师群体内部差异较大，并且各项指标的得分均高于大二学生和大一学生。纵向上比较，数据可视化、数据分析过程的精准性、数据解读是各群体得分较低的指标（图5）。

4.2.6 数据利用与归档能力

数据利用与归档方面，除了指标“寻求帮助”得分相对理想之外，其他指标得分均低于均值的水平。数据利用能力是数据素养中的高阶能力，要求能够在数据分析结果的基础之上，结合业务或者研究目标，加以解读和利用，甚至进行二次分析和解读。而在这一组能力上的得分说明目前高职的师生缺乏高阶的数据素养，并且其自身也意识到这个问题的存在（图6）。

图4 各年级及教师数据组织与管理能力差异对比分析图Fig.4 Comparative analysis on data organization and management ability of teachers and students

图5 各年级及教师数据分析能力差异对比分析图Fig.5 Comparative analysis on data analysis ability of teachers and students

图6 各年级及教师数据利用与归档能力差异对比分析图Fig.6 Comparative analysis on data utilization and archiving ability of teachers and students

5 研究结论

（1）学生具备一定的数据意识，但对商业数据的有效获取能力比较缺乏。在数据匮乏的时代，人们的主要精力在于寻找和获取信息，然而处于数据过载的今天，数据的有效获取、利用、管理就显得尤其重要。数据本身不再是稀缺资源，稀缺的是通过获取有效数据，能够解读其中所蕴含的商业信息和事实。从调查结果来看，师生已经具备一定的数据意识，包括数据的价值、特征、在业务活动中的地位等。数据的有效获取是数据素养的基础技能，是实现数据的有效组织、数据分析、数据利用与归档的基本前提，调查发现师生对数据的有效获取能力比较缺乏，在拥有基本统计知识和计算机基础的前提下，这一技能是可以通过实训课程来提高和掌握的，关键是能够在大量的、无规律的数据中辨识出自己所需要的数据，应用一定的工具和方法，有效地获取数据。

（2）学生具备基础的数据分析能力及表达能力，但对数据价值的深度挖掘能力不足。数据组织与管理能力描述师生对于数据使用计划、数据内容管理、对行业数据标准的认知、数据使用的评估及管控。数据分析能力则是描述师生应用合适的数据分析工具，合适的方法，通过严谨的分析操作流程进行精确的深度的解读数据的能力。调查的得分显示，师生基本能够根据工作需要制定数据管理计划，完成数据内容管理以及及时更新数据，但是对于数据标准、复杂数据的评估与使用能力稍弱。数据本身并不能传达信息，需要被解读，数据解读则是基于数据的组织与管理，其中的每一个流程都有出错的概率，一旦出错则有可能导致决策错误，所有的数据利用行为都基于对数据的理解，这就必须对数据的标准，数据的效用和数据的优先级有清晰的认知。在理解数据之后，对数据的分析才能发现有价值的信息，数据分析要求从数据中挖掘出有价值的业务现状，需要掌握一定的统计和数据分析知识。

（3）数据收集、组织与管理、分析、利用与归档能力认知在群体间的差异明显。从调查的总体结果来看，群体间的数据意识和数据伦理得分差异不大，但是在其他几项能力上老师、高年级学生与大一、大二学生之间呈现明显的分化。学生在前两年主要进行专业基础课和专业核心课的学习，随后会进入到企业进行项目实训，这样从理论到实践的学习过程是将知识内化的过程，学生能够更直观的理解数据生命周期是如何贯穿于商务活动的全流程，因此可以发现学生经过了大一、大二的学习，大三的实践活动后，数据素养相较于入学是有了较明显的提升，研究结果中高年级学生比低年级学生的数据素养得分有所提高也印证了这一点。值得注意的是，既然数据是贯穿于整个商务活动流程的，那么在构建课程体系以及课程标准开发时，应该将数据素养的相关技能和知识融入整个课程体系中，并在各门课程的知识点、技能点中有所体现。

6 高职院校开展数据素养教育实践的路径及方法

从调查结果来看，高职院校对于数据素养的培养还在探索和起步阶段。从前述研究结果来看，数据素养的重要性已经被师生意识到，但是如何进行数据素养培养尚未形成清晰的路径，有关的政策、标准的支撑稍显薄弱，更遑论以完整的培养体系和培养模式融入专业教育当中。这一部分将结合调研数据的分析结果，对中国高职院校开展数据素养培养路径和方法提出以下几点思考。

（1）明确数据素养的培养目标及层次，建立三阶递进式的课程体系。培养实践需要有明确、完整的战略规划和政策指引，分步推进，分层实施，层层关联，因此规划和制定一个科学、完整的数据素养培养体系，依托先进有效的课程体系，才能对数据素养培养进行过程化的有效管控以及对培养成效进行评价。当前，国内高职院校对于数据素养的课程体系还是处于空白的状态，制定培养模式可以从调研社会要求、对接产业需求，明确培养目标、分析培养对象的特征作为切入点，制定合理、适用的培养体系以及相对应的课程体系等。制定过程注意讲究方案能落地，执行有实效。针对不同地区的产业特征、不同高校的定位、不同的专业、不同的培养目标、不同的师资力量等方面采取差别培养策略。

由加州大学圣地亚哥分校对数据生命周期的描述[21]以及本研究的调查结果，参考现有研究对于数据素养教育的建议[22-26]，认为高职数据素养课程建立“底层重意识、中层重利用、上层重管理与交流”的三阶递进式课程体系能够实现明确培养目标，有序递进提高人才培养质量的目的（图7）。

图7 高职数据素养培养课程体系图Fig.7 Curricular system of data literacy training in vocational colleges

从横向上看，数据素养教育在当下已经具备了通识教育的特征，教育内容需要覆盖数据收集、组织、管理、保存、利用等数据活动流程，还包括让学生学会分析相关数据政策、制定数据管理计划、在保证数据安全的前提下实施数据共享，此外，数据分析工具的运用、数据管理策划书的撰写、数据引用、数据伦理等知识与技能也必不可少；从纵向上看，数据管理的资源导航、数据素养通识教育课程、专业数据素养教育构成了由广而精、由浅入深的纵深教育体系。因此，在制定数据素养的培养体系和培养模式中，要注意上述周期性、完整性、层次性、递进性。

（2）加强教师队伍中“数据人才”的培养，保障培养目标顺利达成。从调查结果可以发现，教师队伍中的数据意识以及数据技能距离行业要求也还有一定的距离，数据知识、数据管理技能匮乏，数据素养水平整体较低，随着数据密集型环境的到来，数据人才储备不足将会直接影响数据素养教育的开展，教师数据素养水平直接影响学生数据素养教育质量。面对目前缺乏具备高水平数据素养教育能力人才的现状，必须重视教师队伍中数据人才的储备，重视数据人才和其他专任教师的继续教育与持续发展，为数据素养教育做好准备工作。

（3）嵌入专业人才培养方案中进行渗透式数据素养教育。数据素养教育不仅可以采取直接的系统的课程教学，也可以采用嵌入到专业人才培养方案中渗透式教育的间接方式。根据当前数据素养教育的两种思路，区别于本科教育的培养目标，高职教育的核心是培养高技术技能人才，强调学生掌握知识、技能，并能够熟练运用在业务活动中，更宜采用专门化的教育思路及对应的目标导向模型[5]，即对某一项或者某几项数据处理或管理能力进行深入学习，数据的应用将会贯穿业务活动的整个流程，从学生对知识和技能的学习规律角度，如果能将高职学生数据素养教育能融入工作情景，更能够提高学生对数据素养中各项能力的认知，对知识点和技能点的直观体验及掌握。因此，采用嵌入式教育的方法能够真正的让数据素养渗透到学生专业技能学习的各个方面，有效结合专业技能学习与素养培养。在大数据背景下，高职教育中融入数据素养的教学时间有限，因此其教学目标和内容必须有所侧重，因此在能力目标设置上必须有所取舍，如何把专门化的数据素养教育融入工作过程的情景，针对特定的技术技能领域，融入到学生的专业技能培养，进行渗透式教育，提高学生数据素养，是后续高职院校数据素养教育中一个值得深思和探讨的课题。