基于累積logit模型的醫學生數據素養分析

楊 麗，付文玉，曹海霞

(濰坊醫學院公共課教學部，山東 濰坊 261053)

隨著“互聯網+”時代的到來，大數據充斥著人們的日常生活；數據是信息的表現形式和載體[1]，可以是數字，也可以是語音、文字、符號、視頻等。那么數據素養就成為衡量人們數據處理能力高低的素質[2]，包含的方面涉及到數據收集分析能力、數據利用共享、數據評估管理等。作為新時代的醫學生這種數據素養也尤為重要，本文通過選取醫學院校醫學生為樣本，利用logistics模型，對醫學生的數據素養進行綜合分析。

一、研究對象

調查對象來自于山東省某醫學院校，在校園內隨機發放調查問卷500份，回收調查問卷478份，有效問卷444份，有效率92.89%。由專門數據統計人員準確無誤地錄入數據，進行相關數據分析。

二、研究方法

“數據素養現狀調查問卷”第一部分包括：人口學信息性別、年齡、專業、年級、數據處理能力自我評價、數據操作的相關活動；第二部分是“數據素養測量量表”，共26個題目。在進行正式調查前，進行預調查,結果顯示問卷信度效度良好，統計軟件SPSS 20.0。選擇累積Logit模型進行分析，選擇Logit作為聯接函數。

三、結果與分析

1.基本情況。

本次調查大學生總數是444例，其中男生150人(33.8%)，女生294人(66.2%)；專業涉及到臨床、公共衛生與管理、口腔、藥學、影像等10個專業，其中大一157人(35.4%)，大二100人(22.5%)，大三119人(26.8%)，大四68人(15.32%)。

2.醫學生數據素養的得分現狀。

性別方面，男生得分(86.87±20.288)，女生(85.83±20.247)；統計學分析P值為0.609，差異沒有統計學意義。不同年齡段、年級的數據素養得分如下(見表1、表2)，差異均無統計學意義。數據的中位數88，說明得分集中在稍較高的分數，即大多數大學生的數據處理能力處于中等偏上水平。數據素養得分中最大值為130，最小值為26，其極值為104；該數據的四分位數為25。該數據跨度較大，最小值與最大值較分散，數據的變異程度大。說明大學生的數據處理能力差距較大，有的學生具有較強的數據處理能力，有些同學的數據處理能力較差。

表1 不同年齡段數據素養的得分

表2 不同年級數據素養的得分

3.醫學生數據素養影響因素的有序多分類logistic回歸分析。

將性別、年齡、是否參與數據處理、是否參與數據操作等因素作為自變量納入有序多分類logistic回歸分析。經模型擬合檢驗得χ2=53.406，P=0.000，模型成立有統計學意義；平行線檢驗結果顯示χ2=30.763，P=0.078；經擬合優度檢驗，Pearson和Deviance兩個準則的P值是0.1和1.0，均大于0.05.說明模型擬合較好(見表3)。

表3 醫學生數據處理能力的有序多分類logistic回歸分析

性別和年齡對數據處理能力的影響沒有統計學意義，但是日常生活中參與數據處理、學生工作中參與數據處理、以及數據素養總得分越高，數據處理能力就會越強。

三、討 論

通過自行設計問卷調查大學生的數據素養，結果有一定局限性。從調查結果發現，該醫學院校的大學生數據素養得分情況屬于中等偏上，但是差距較大；大學生提高數據素養的途徑首先是通過相關的理論課程[3-4]，比如：統計學，軟件課程，其次還可通過論文、大學生社團、大學生科技創新項目、數學建模比賽等活動。高校教師通過相關數據分析課程[5]，將數據管理的基本理論和技術方法，系統地傳授給學生，所以高?？梢詫⒏嗟臄祿治龅恼n程納入教育教學體系中來；另外，近幾年各高校開展的各類競賽活動[6]，也可以在很大程度上提高大學生的數據素養，在校大學生應該積極參與到各類競賽活動中來，利用學校圖書館[7-8]，查找相關的實體文獻信息資源和虛擬文獻信息資源，利用信息技術提高自身的數據素養。