地方高校本科生数据素养的目标定位及其评价指标构建

摘 要：文章以数据素养内涵和大学生的数据行为特征为出发点，提出了当代大学生数据素养教育应当遵循的原则和目标定位，运用AHP法，从数据的认知和采集、验证与存储、数据安全维护、数据道德领域、数据的交流和表达、数据的验证和处理等六个方面构建地方高校本科生数据素养的目标定位及其评价指标。

关键词：数据素养 目标定位 评估指标体系 地方高校本科生

中图分类号：F061.3；G645" 文献标识码：A

文章编号：1004-4914（2024）08-212-03

数据素养是对信息素养、媒介素养的拓展与延伸，不仅要对数据保持较强的敏感性，也要具备挖掘与梳理数据的能力，能在数据的辅助下作出正确决策，也能在数据的辅助下展开联想，形成数据批判思维。[1]目前对于数据素养的标准解读暂时还没有明确的定义，学术上使用频率较高的有：“信息及数据素养”“基本数据素养”等，学者们从不同视角出发对数据素养的内涵做出解释，提出不同的观点。Carlson认为，良好的数据素养需要深入理解数据的内涵，在此基础上得出相应的结论，指明使用数据过程中存在的不当之处；沈婷婷指出，数据素养是对数据进行分析与处理、运用与汇总的能力；郝媛玲等指出，数据素养涉及多方面的内容，理解数据内涵、对数据建立正确认知、形成数据意识、掌握数据理论、弄清数据功能；胡卉等指出，数据素养不仅要掌握数据知识，也要具备数据意识与能力，还包含道德、伦理等内容。[2]虽然这些解释的方向和内容各有特色，不过他们有一个共同点就是把用户素养提升当作大方向，重点放在数据存在周期的各部分用户所需的知识和技能。作者认为可以将数据素养教育的提高和深化以及重点培养大学生科学精神和创新能力作为大数据时代高校数据素养教育的目标定位，并将其作为数据素养的六部分要点去评估当代大学生青年的数据素养，为未来开展高校的信息数据素养培育打下坚实基础，并且为其他不同层次等级的人群开展评估提供数据参考。

一、评价指标体系构建依据和原则

推动社会发展技术革新科学研发的主要动力为当代大学生青年群体，大学生的科研能力与其具备的数据素养有必然联系，大学生的数据素养决定着其能对社会进步贡献怎样的力量。因此，要客观地对大学生的数据素养进行评价，构建完善的评估体系模型尤为重要，也是展开相关研究的先决条件。按照系统性、科学性、可持续性、可操作性的原则，依托大学生数据素养培养所最终需实现的目标，本文构建了基于高职大学生数据素养和数据能力的评价体系。

（一）体系构建依据

1.培养大学生数据素养的定位目标。教育的目标往往具有较高的目标导向性，包含了人才培养体系架构的方方面面要求，是高等人才培养的总纲领。据此，高职教育要培养学生的多种应用能力，其中包含数据掌控与运用能力。大学生不仅要学会专业知识，还应具备一定的数据处理、数据分析、数据评价等体系架构。在对学生的数据素养进行评价时，要以此为导向构建评价指标体系。

2.大学生数据应用行为的特征。在使用数据过程中体现出的行为特征是使用者重要的个人特征，也是数据素养培养评估可以选取的一个重要评估指标和因素。当今的社会，各类科技产品，信息媒介的日益丰富，在网络时代，数据的收集和整理，数据的分析与数据的整合也相对变得容易、高效、和快捷，使得部分学生数据收集整理变得容易，但是相对容易的数据获取方式也容易出现潜在的版权、法律法规的违规，和更大的伦理道德风险。故而，要有广泛的数据需求，也要产生强烈的数据意识，能运用多样化的方式获取数据，形成良好的数据道德，这些都是大学生在数据行为特征领域的概括指标。

（二）体系构建的原则

1.系统性原则。要从多个方面、多个层次入手对学生的数据素养做出评价。

2.科学的原则。数据素质水平要能够科学的通过一些指标来体现，从而应用到评估体系之中去，同时这些指标必须可以很好地反映出数据素质内涵，这样才能体现出评估的侧重点所在。

3.可持续性原则。数据素质培养过程并不是一个一蹴而就的简单过程，其中可能出现的问题具有不可预见性，所以在这个过程中不仅要善于解决问题，同时也需要构建起一个能够不断适应新问题的环境，通过环境的优化推进大学生数据素质的提升，使可持续发展变为现实。

4.可操作性原则。评估体系必须具有实用性和可操作性。因为大学生在个性特征和专业类型上存在着一定的差异，所以在选择指标体系之时也需要注意到量化问题，尽可能使数据具有可行性，使大部分数据能够被运用到实际评估过程当中去。

二、湖南高校本科生数据素养评价指标的内涵阐释及评价体系构建

（一）指标的内涵阐释

1.数据需求意识。可以根据自己现阶段的实际需要，阐明清楚自己对数据的需求种类和数据内容的要求。

2.数据解决习惯。在实际的工作学习中，可以通过一些数据指标来量化问题，并解决问题的行为习惯和方式方法。

3.数据知识储备。可以洞察到数据所折射出来的事物的客观规律意义和相关含义，熟悉相关数据处理，数理分析，统计学领域的知识。

4.数据检索能力。可以通过一定的工具，运用（布尔逻辑算法、关键词换组）等数据检索的方法，通过实地文献检索、搜索引擎检索等方式找到需要的数据。

5.工具掌握能力。可以通过网络爬虫软件、python编程等多种方法和数据采集工具，在网络中采集相关数据。

6.数据提取能力。可以通过一定的关键词、关键字符等从相对杂乱的数据文件、预处理数据中提取到有价值的数据。

7.数据处理方法。可以运用清洗、分类、提取等方法对数据进行预处理，从而获得有用的资讯和数据体现的真实含义。

8.数据维护能力。可以对数据中残存的，缺失的，错误的数据进行修补、恢复，以及剔除无用数据等，对数据进行简单的维护。

9.数据计算能力。可以对数据运用一定的算法、程序、技巧进行计算。

10.分析工具使用。可以使用如EXCEL、SPSS、Matlab等软件及工具对数据进行处理分析并得到有用的结果和可视化的图表。

11.数据思维。具备相应的数据思维，可以对重要数据、数据的结构等形成一定的记忆和辨识习惯，可以按照数据结构的思维分析数据逻辑的机理。

12.数据解读。可以通过数据透过数字得到本质，解读出数据背后的意义和价值。

13.数据存储。对数据存储原理、数据存储的介质（U盘、硬盘、光盘、NAS、数据中心、云存储等）有相应的了解，并可以保存备份各项数据。

14.数据保护。有一定的数据安全相关意识，能够辩视数据环境的安全状况，可以对自己的数据安全进行一定的维护，保护自己的数据安全和隐私。

15.数据管理。可以对数据进行一定的归档、分裂、标注、整理等管理操作，使数据更规范。

16.数据评价。可以对数据进行评价、对数据有一个客观的公正的评析。

17.数据可视化。可以通过一些软件，对数据进行可视化的图标呈现。

18.数据表述。可以通过数据表达出需要的观点、结论以及成果。

19.数据分享。可以借助一定的平台、形式把数据安全可靠的分享给其他研究者或者公众。

20.项目理解。可以对项目有一定的理解、用数据完成量化指标定义，掌握相应的数据工作。

21.数据沟通。能够对数据进行高度的总结提炼，可以用恰当的方式对数据进行概括，同时可以与他人沟通交流。

22.项目业务推动。可以通过数据及数据表达的相应结果，对整个项目进行推进。

23.数据隐私。具有一定的数据伦理意识和数据隐私意识，不对数据中的涉密、涉及隐私的内容进行传播、不利用数据产生的潜在盈利点谋利。

24.数据法规与行为规范。知道相应的数据安全、数据管理隐私规定和法律法规，不篡改数据、不买卖交易数据，不通过数据牟利。

（二）评价体系构建

具体评价指标体系构建，见表1。

三、基于AHP法的高校本科生数据素养评价方法的选取

目前学术界主要通过主成分分析法、赫芬达尔指数法、熵值法、层次分析法与综合指标法等方法来评价高校本科生的数据素养水平。由于相关统计数据不完善、评价指标目标值选取存在争议等问题，综合各方面因素考虑，本文采用层次分析法，具体操作步骤分为如下几步：[3]

（一）构建递阶层次结构

一个复杂的问题往往可以拆分成一些细小的部分，即元素，这些元素可以按照其属性的不同进行分类，组成不同的层次，不同层次有不同的递进支配作用，逐个解决这些元素，最终可以解决这个整体问题，获得理想的结果。

（二）数据素养评价方法的运用

1.建造两两比较判断矩阵。对所有因素进行两两比较，继而把握住每一个元素的重要程度，以此为依据对每个元素赋予一定数值。[4]本文采用表1的1-9标度法来量化其判断数。

针对n个元素A1，A2，A3，…，An而言，可以通过两两比较，得到比较判断矩阵A，A=（aij）m×n，其中判断矩阵具有以下性质：①aijgt;0；②aij=1/aij；③aij=1。立足于上述判断，最终可得到称A为正的正反矩阵。

2.计算单一准则下元素的相对权重。

对于n个元素A1，A2，A3，…，An，通过两两比较得到判断矩阵A，解特征根问题：Aω=λmaxω，所得到的ω称为计算排序向量的特征根法。

3.计算一致性指标C.I.：

一致性指标计算公式：C.I.=（λmax-n）/（n-1），其中，n为判断矩阵阶数

4.查找平均随机一致性指标R.I.：

平均随机一致性指标R.I.值，具体参考表2。

5.计算一致性比例C.R.：

C.R.=C.I./R.I.

若C.R.lt;0.1，一般认为判断矩阵的一致性是可以接受的，否则，需要对判断矩阵作适当修正。[5]

6.指标权重的确定及一致性检验。

根据上述模型可确定高校本科生各级数据素养水平的具体权重。指标权重的具体计算结果，见表3。其中C.R.lt;0.1，通过一致性检验，满足一致性要求，判断结果可靠。

按照上述方法再对6个二级评价指标进行相同的运算，分别得出各三级评价指标的权重如下：

表4 指标层对准则层B1的影响

B1=（0.075，0.141，0.360，0.194，0.194，0.039）

B2=（0.153，0.213，0.147，0.055，0.150，0.282）

B3=（0.151，0.381，0.381，0.088）

B4=（0.493，0.196，0.311）

B5=（0.667，0.167，0.167）B6=（0.667，0.333）

7.计算评价指标总权重。根据上述各三级评价指标的权重数据可以计算出产业融合水平模型指标的总权重（见表4）。

总之，高校本科生数据素养水平的评价指标研究十分重要，通过问卷调查法和AHP分析法对湖南省高校本科生数据素养情况进行了多维度的特征性和需求分析，不仅能清晰地认识当前湖南高校本科生数据素养培养的水平现状，而且对湖南省地方高校本科生数据素养需求方面可以起到很好的实践意义，从而充分认知和发展的作用。此外，研究湖南省地方高校本科生数据素养水平的综合评价指标，还具有一定的理论价值。[6]

[基金项目：湖南省教育科学“十四五”规划2024年度一般项目《扎根理论视域下湖南省大学生创业扶持政策执行效果评价研究》（编号：XJK24CJG006）。]

参考文献：

[1] 王玥.智媒时代财经新闻人才培养研究[J].传媒论坛，2021，4（9）：23-24.

[2] 覃梦河，邱远棋.我国大学生数据素养评估体系构建初探[J].河南图书馆学刊，2018，38（2）：128-130.

[3] 刘桂丽，陈秀峰.层次分析法在路线详细方案比选中的应用[J].青岛理工大学学报，2012，33（1）：107-111+121.

[4] 马一薇.高光谱遥感图像融合技术与质量评价方法研究[D].郑州：解放军信息工程大学，2010.

[5] 董效维.基于回归分析的知识产权与区域经济协同发展的研究[J].商业文化，2021（12）：141-143.

[6] 刘桂丽;陈秀峰层次分析法在路线详细方案比选中的应用[J].青岛理工大学学报，2012（02）：29

（作者单位：1.长沙卫生职业学院信息中心 湖南长沙 410000，2.湖南交通工程学院财务处 湖南衡阳 421001）

[作者简介：喻琨（1980—），男，湖南长沙人，长沙卫生职业学院信息中心主任、实验师，主要从事计算机应用技术和职业教育研究，通讯作者：胡雪晴（1993—），女，湖南衡阳人，湖南交通工程学院财务处讲师、硕士，主要研究方向：区域经济与财务管理。）

（责编：若佳）