基于KSAO模型的大学生数据素养评价体系构建——以管理科学与工程硕士研究生为例

陈圆慧

(天津师范大学 管理学院， 天津 300387)

0 引言

管理科学与工程，是一门主要研究人类在工程、社会和经济等方面的管理活动规律的学科。在该学科中已经积累了大量的数据，需要研究人员掌握一定的大数据技能，能利用大数据进行有效的管理决策。因此,无论是对该学科的内在需求，还是社会需求,都需要学生具备一定的数据素养。

目前有针对教师、医学生和图书情报的师生为研究对象进行的数据素养评价研究，而针对管理科学与工程硕士研究生数据素养的评价内容的研究较少。因此，本文对管理科学与工程专业学生的数据素养展开探析。

1 管理科学与工程硕士研究生的数据素养需求

1.1 内在需求

管理科学与工程需要注重培养硕士研究生的分析与决策能力，对数据素养的内在需求为：在信息化时代，各行各业都产生了大量数据，大数据具有覆盖面广，客观性强的特点，因此大数据成为管理与决策的重要信息来源。管理科学与工程硕士研究生在科学研究的主要需求之一是能熟知大数据来源，并且能采集到所需要的、可用于决策的各类有用数据。

大数据分析可以突破传统的数据分析方法的局限性，能够利用多维度的全样本数据，挖掘出潜在的决策模式。因此，培养管理科学与工程硕士研究生熟练应用大数据分析方法，是适应科研创新的需求。

1.2 社会需求

随着信息技术在社会环境中的不断发展和完善，对管理科学与工程的人社会需求体现在：各类机构和企业建设新的信息化平台的需求。在信息化时代，需要管理科学与工程专业的研究生具有大数据思维和管理能力，能根据各行业的具体特点，运用数据素养的相关知识有效解决各种实际问题，满足相关业务的需求[1]，如政府机构，行业主管部门等相关机构的信息化建设的需求。

各类机构和企业进行科学决策的需求。在大数据背景下，需要管理科学与工程硕士研究生能有效地获取和处理大数据、从大量的数据中提出有价值的信息，将提取出的信息或知识用于管理决策，具有科学的管理决策能力[1]。

各类企业或机构在经济领域的需求。近年来，随着信息技术的发展、管理科学与工程研究学科和其他学科的交叉融合[2]，管理科学与工程的从业人员需要融合大数据技术、管理技术和经济学，利用数据分析和挖掘技术，研究经济活动中所产生的数据，从而来解决经济领域中所遇到的各种问题。

2 数据素养的内涵

基于管理科学与工程硕士研究生的内在和社会需求，管理科学与工程硕士研究生的数据素养内涵如下：

(1)具有大数据决策的意识。管理科学与工程硕士研究生要学会对各来源的大数据转化为有效信息进行决策，改变利用调查问卷或者机构运营的有限数据来进行决策的思维习惯。

(2)利用大数据来决策问题。能利用大数据洞察出关于生产、运营等方面问题的决策，进行验证性的大数据分析，发现新的决策模式。

(3)掌握数据分析方法。掌握如SAS、SPSS、MATLAB等常见的数据分析软件，具备基本的数据分析能力。在大数据分析时，由于数据的增多，数据的复杂性增大，学生应掌握关联、聚类分析等数据分析方法，从而规避统计陷阱。

(4)具备利用大数据满足业务需求的能力。管理科学与工程硕士研究生应提升以业务需求为目标的数据的应用能力[1]，将所学的数据相关理论知识真正应用到实践当中。在企业信息化建设基础上，能够构建适应大数据发展的管理平台，运用大数据技术解决具体的问题。

3 基于 KSAO 模型的学生数据素养评价体系构建

KSAO模型，结合组织创造力交互性的框架和人格心理学模型[3]，广泛用于人力资源管理领域，有四个用来描述员工岗位资质的内容框架：Knowledge(知识)、Skill(技能)、Ability(能力)和Other Attributes(其他特质)。KSAO模型具有系统性、可操作性和科学性、适用于管理科学与工程研究生数据素养的研究。

本文在设计在指标内容选取方面，结合已有相关研究成果，提出4 层一级指标，11项具体指标，建立管理科学与工程研究生数据素养评价体系(见表1)。

表1 基于 KSAO 模型的大学生数据素养评价指标体系

3.1 K(Knowledge，知识)：指数据相关的基础知识

数据基础知识是在理论知识层面上，对数据处理工具和方法的掌握。具体指标内容分为：数据的基础理论知识；数据的基础处理知识；数据意识。掌握数据相关理论知识是培养和提高数据素养能力的基础。

数据的基础理论知识是培养和提高管理科学与工程研究生的数据素养能力的基础，主要包括数据内涵、类型、数据格式转换与有效使用期限等知识。

数据的基础处理知识。主要包括管理科学与工程研究生对数据检索和数据分析处理的方式和工具的基础知识。管理科学与工程研究生能准确判断所需数据的源头与途径，利用各种数据检索工具快速准确地获取有效数据。各种数据检索工具如搜索引擎、公开出版的权威数据库、各类网站门户和自媒体平台等，如Endnote、百度云盘等，或者用元数据来管理科研数据。

管理科学与工程研究生要具有数据意识，明确不同问题对数据的不同需求，数据意识主要包括：数据敏感度、数据价值感知度、和数据安全意识。数据意识是数据素养的基础条件。数据敏感度是能在海量的数据中，迅速地用最优路径找到自己所需数据；数据价值感知度是指在生产生活和科研活动中，能够分辨出数据分别在不同情境下对不同主体的意义和价值。数据安全意识是有意识的对数据采取安全保护措施、避免出现数据泄露的情况。

3.2 S(Skill，技能)：数据相关的操作技能

数据能力从实践的角度出发，主要包括4个层次的指标：数据的获取能力、数据管理能力、数据的分析和评估能力与数据的决策能力。

数据获取能力，主要包括管理科学与工程研究生对数据发现和获取能力，要求学生能在海量的数据源中检索、收集到相关数据，评估筛选出完整准确的数据。研究生在科学研究或者进行工程项目时，能通过不同的技术或方法，从特定的信息源中获取研究需要的数据。常见的数据获取途径有：图书馆学科服务中心、领域内权威信息公开网站、数据中心等。

数据管理能力，主要包括管理科学与工程研究生对数据整理和长期保存能力。数据整理能力，要求学生能够对大量的无序数据按照一定的标准进行分类整理和汇总。常用的数据处理方法有：数据管理工具Endnote、Excel和元数据标识；数据长期保存能力，学生能对不同介质和载体的数据进行保存，保证数据的真实完整性。存储在PC端上的数据可以使用云盘备份、移动硬盘定期备份保存，重要的文件可以采用纸质版备份保存。

数据的分析和评估能力，数据分析能力使指管理科学与工程研究生能够通过数据分析方法和工具对数据进行有效地分析评估。学生应掌握一般的数据分析工具，如SPSS软件；数据评估能力指学生能够辨别数据的准确性和真实性、及时剔除无效数据。

数据的决策能力，要求管理科学与工程研究生能够通过可视化工具呈现数据，能将数据转化为信息，对数据分析的结果能准确解读和客观表达，从而进行数据决策。数据的有效呈现方式有：利用统计量、统计图表、幻灯片、数据可视化图片、总结报告等描述数据。

3.3 A(Ability，能力)：数据相关的通用能力

管理科学与工程研究生的数据通用能力包括数据利用能力和数据交流共享能力。

数据利用能力。能够把对数据的认知应用于专业的学科上。在我们理解数据的特征和价值后，能够充分结合个人素质和认识水平，合理有效地配置数据资源，从而最大程度的发挥数据价值。

数据交流共享能力。主要包含：数据的归纳思考、表达交流和迁移创新等能力。管理科学与工程研究生能够对获取的有效数据进行归纳思考，交流和共享数据处理分析结果。

3.4 O(Other Attributes，其他特质)：数据相关的其他特质

数据的法律法规意识。管理科学与工程研究生应该在法律范围内获取和使用数据。规范数据引用格式，遵守知识产权法。在引用他人数据时，要严格按照知识产权法进行引用，并参照相关的著录规则和参考文献格式，尊重数据的原始性和完整性。

数据伦理和道德意识。管理科学与工程研究生在尊重他人隐私的同时也要保护好自己的数据隐私，未经允许不得倒卖和传播他人的数据隐私。在数据的整个生命周期，都应该做到尊重知识，尊重数据。

4 管理科学与工程硕士研究生数据素养培养路径

基于 KSAO 模型的数据素养评价指标体系，对管理科学与工程硕士研究生的培养路径的提出如下建议，

(1)管理科学与工程硕士研究生在工程项目和科学研究中，要注重培养自己的数据的发现与获取、分析与评估、交流与决策等能力。明确自己的数据素养发展情况，提升数据素养水平。

(2)管理科学与工程专业的教师可以从课堂教学、课后作业与课后实践3个方面来培养研究生的数据素养。首先，教师可以通过增加有关数据理论与工具的课程模块，帮助学生掌握数据基础知识和数据相关操作技能；其次，教师通过课后小组作业的形式，让学生交流与共享数据，锻炼大学生的数据通用能力；最后，教师可以安排一些发现、获取、分析、评估数据的相关实践活动，从而锻炼大学生的数据思维和数据应用能力。

(3)对开设管理科学与工程专业的高校来讲，首先可以开设数据理论和数据分析工具等相关知识课程，如数据分析软件、数据挖掘等课程，还可以与管理学、组织行为学[3]、经济学、生产管理等课程结合，形成大数据课程案例；其次，学校可以通过管理课程和建设数据环境，帮助学生提升数据素养水平。如定期开展数据应用技能大赛、建立数据兴趣社团、开办数据法律法规意识相关讲座等，培养学生形成数据意识和数据思维；最后，从校外实践方面来说，学校可以制定培养管理科学与工程研究生数据素养的实践方案，促进学生了解管理过程中的大数据产生和应用的环节，在此过程中，可以进一步要求硕士研究生提出结合数据研究的解决方案，训练他们应用数据决策的能力。

管理科学与工程研究生数据素养培养是一项系统工程，在这个过程中，需要学校和教师要互相配合，开发、整合多种教学资源，为学生提供丰富多样的学习资源和完善的学习环境[5]，同时，管理科学与工程研究生也要充分发挥主动性，探索适合自身的学习方式，在学校和教师引导下不断提升数据素养。

5 结语

为了提升管理科学与工程硕士研究生的数据素养水平，基于KSAO 模型建立了数据素养评价指标体系，从知识、技能、能力、伦理等方面展开讨论，提出从学生、教师和高校等三个方面的大数据素养的培养途径。该评价指标体系丰富了数据素养教育的内容体系，有助于引导学生形成正确的数据分析观念，而且为数据素养评价等相关研究提供了模式参考，促进全方面、多角度的数据素养教育的深入开展。