基于ITE-KSA結構的科學數據素養能力指標體系研究

秦小燕 初景利

摘? ?要：科學數據素養能力指標體系是評價科研人員管理和利用數據進行科學研究與創新能力的重要依據，是探析科學數據素養教育現狀以及分析數據素養教育對策與機制的重要前提和基礎。文章基于科學性與導向性、可操作性、獨立性與靈活性、前瞻性與可持續性原則建立了科學數據素養能力指標體系，提出從“個人”（individual）、“團隊”（team）和“數據生態”（data ecology）（簡稱ITE）三個維度構建18個一級指標、47個二級指標，并且從“知識”（knowledge）、“技能”（skill）、“態度”（attitude）（簡稱KSA）三個層面對每個指標內容進行描述與表征。基于ITE-KSA的能力指標體系呈現多維立體結構，既有縱向的類屬維度和能力域層級劃分，又有橫向的具體能力要素分解，使得科學數據素養能力指標體系在指導科學數據素養能力評價、相關課程開發與教育實踐等方面具有很強的實用性和可操作性。

關鍵詞：科學數據素養;能力;指標體系;個人;團隊;數據生態

中圖分類號：G316? ?文獻標識碼：A? ?DOI：10.11968/tsyqb.1003-6938.2019016

Abstract The scientific data literacy competency index system is an important basis for evaluating the ability of scientific researchers to manage and utilize data for scientific research and innovation. It is an important premise and basis for analyzing the status quo of scientific data literacy education and analyzing data literacy education strategies and mechanisms. Based on the principles of science， orientation， operability， independence，flexibility， foresight， and sustainability， this paper established the scientific data literacy competency index system， and put forward 18 first-level indexes and 47 second-level indexes from three dimensions of "individual"， "team" and "data ecology"（ITE for short）. It also described and characterized each index content from three levels： "knowledge"， "skill"， and "attitude"（KSA for short）. The index system based on ITE-KSA presents a multidimensional structure， which has both vertical category and capability domain hierarchy， as well as horizontal specific capacity factor decomposition. This makes the scientific data literacy competency index system very practical and operable in guiding the evaluation of scientific data literacy， related curriculum development and educational practice.

Key words scientific data literacy; competency; index system; individual; team; data ecology

1? ?引言

科學研究活動實質上是一項以數據為核心的工作，數據獲取和數據分析貫穿于整個科研周期。在大數據時代，科研環境的數據密集型特征尤為明顯，研究資料、實驗過程、實驗結果等均以數據的形式而存在，無論個人、企業還是國家，誰能更好地掌握數據、理解數據、分析數據，誰就能在科研創新中取得競爭優勢。科學數據素養是時代發展對科研人員素養能力提出的更高要求，是科研人員學術研究與交流的必備能力之一。關于數據的知識，將成為個人知識結構中的必備要素和基礎，關于數據的思維和行為模式也將發生重大變革。

科學數據素養是新興的跨學科研究領域，科學數據素養在以數據為中心的科研時代，其價值毋庸置疑，然而科研人員到底應該具備哪些能力才被認為具備科學數據素養，相關教育機構的培養方案和教學體系如何構成，如何對從事科研的學生與教師進行系統有效的科學數據素養能力培養，這一系列問題都值得從學術角度進行深入地剖析與研究。

目前為止，關于科學數據素養能力指標體系，國內外尚沒有形成較為系統和權威的理論框架，缺乏一個具備通用性、本土化以及系統性的整體參考框架，這不利于科學數據素養教育的發展。因此，本文基于前期對科學數據素養教育的基礎理論模式和一般實現途徑的深度歸納和演繹，以及我國科研人員科學數據素養的本土化特征研究[1]，啟發、指導和組織科學數據素養能力指標體系的構建過程，凝煉科學數據素養能力指標體系的核心內容。

2? ?科學數據素養能力指標體系的重要性與構建原則

2.1? ? 科學數據素養能力指標體系的重要性

科學數據素養能力指標體系是評價科研人員管理和利用數據進行科學研究與創新能力的重要依據，也是探析科學數據素養教育現狀以及分析數據素養教育對策與機制的重要前提和基礎，可以為各級各類教學機構的教師、圖書館員、行政管理人員明確培養科研人員數據素養的目標和方向，也為各個機構的課程設計提供基本的指導。

科學數據素養能力指標體系對科研人員自身也非常重要，它為科研人員提供一個如何處理數據的指南，使其認識到培養自己批判性思維能力和學習方法的重要性，促進數據時代受教育者提高學術研究能力，并使他們明確數據管理和數據利用所需要的具體技能，進而推動科學數據管理與共享的發展。科學數據素養能力指標體系的研究為在大數據時代數據密集型科研范式下探討數據素養提供一個整體框架，具有高層次的參考價值和宏觀的指導意義。

2.2? ? 科學數據素養能力指標體系的構建原則

大數據時代的科學家培養，注重跨領域復合型人才培養，培養過程中需堅持“應用為先”的導向，而不是純粹依靠“技術驅動”。因此，對于科學數據素養能力指標體系的構建，需要以提升數據應用能力和科研創新能力為目標，改變從認知數據、采集數據到分析數據的線性思維模式，以“互聯網+數據”的理念作為指導，強調“互聯網+”新業態下，知識社會創新推動下的數據思維培養、數據技能提升和數據生態創建與發展。

科學數據素養能力指標體系是將科研人員從事科學研究過程中應該具備的數據能力科學化、具體化、細化為一系列相互聯系的指標的集合，從而更為客觀和公正地評價科研人員的科學數據素養水平。為了保證指標體系的有效性、合理性，保障評估過程和評估結果的科學性，在構建能力指標體系時，應該遵循以下基本原則，即科學性和導向性、可操作性、獨立性與靈活性、前瞻性與可持續性[1]。

3? ?科學數據素養能力指標體系的架構

綜合國內外文獻中所涉及到的科學數據素養相關能力指標與特征[2-13]，結合對我國科研人員科學數據素養能力期望與需求的本土化研究結果[1]，為了更加全面地評價科研人員的科學數據素養水平，本文基于科學數據素養的過程-目標結構內涵[1]，依據指標體系的構建原則，初步將指標體系框架確定為3個維度，分別為“個人”（individual）、“團隊”（team）、“數據生態”（data ecology），本文簡稱“ITE”結構（見圖1），每個維度都有相應的數據素養能力特征要求（見表1）。

3.1? ? “個人”維度

如果說信息時代，信息素養是人的必備素養，那么數據時代，數據素養勢必成為個人生存和發展的基本技能，也應該成為個人終身學習的目標。生活在數據社會的每一位個體，不但是數據的生產者，而且是數據的消費者和管理者，將自己融入數據活動的每個過程中時，需要對數據行為進行反思，不斷考察數據來源、數據質量、數據技術與研究任務的適應性，在不斷變化的技術環境和數據實踐活動中，努力學習和掌握必備技能，一方面順利完成各項科研任務，另一方面推動數據密集型科研環境的良性發展。

因此，“個人”維度強調個人數據技能的終身學習以及個人數據管理。這個維度下的所有數據能力，也將是終身學習的重要組成部分，隨著新技術的出現和時代的發展，這些數據技能將支持個體應對更加復雜的數據環境，更加高效地完成數據管理。基于“個人”維度的評價重點與考察目標，結合科學數據素養過程-目標結構體系，該維度下設10個一級指標，分別為：“數據意識”“數據收集”“數據分析”“數據保存”“數據管理”“數據評價”“數據引用”“數據交流”“數據安全”“數據倫理”（見圖2）。每個一級指標根據其能力構成要素，設立了若干二級指標（“個人”維度的二級指標體系見表2）。

3.2? ? “團隊”維度

“團隊”是為了完成某一項研究任務，由一群具備不同背景、不同技能及不同知識的人員進行協調、協作、協同工作的組織構成。美國自然科學基金會2011年提出在更大的背景下理解科學研究，強調數字學術（digital scholarship）的特征與趨勢為：“數據密集型、多學科交叉、團隊合作與協作、以問題為導向”[14]。合作是數字學術環境下的最主要特征，不僅是同一所學校、同一個院系的個體研究者之間的合作，而且包括跨學科、跨機構、跨項目組的合作。國際上大規模科研合作的典型案例，如人類基因組計劃，來自美、英、日、法、德、中國等國家的科學團隊參與了項目研究[15];第一篇關于引力波發現的報道中，共有來自歐洲、德國、意大利、法國、中國等多達1083名作者[16]。中規模和小規模的科研合作更是不勝其數。合作成為一種常態，不是新生事物，隨著時代發展技術進步，其合作的廣度和深度將會不斷拓展。

“合作、交互式計算、重現性研究”是數據驅動學術研究的主要特征。在數據驅動的研究當中，既然有很多團隊參與合作，那么數據都要做到可開放、可獲取，依賴于元數據和數據之間的規范、標準，依賴于科研人員良好的倫理道德與行為表現，作為科研人員來說，必須要有數據處理的知識和能力，現代科學研究，需要同時掌握不同工具的使用方法，而且往往是結合在一起協同工作的，特別強調研究效率與精準度。每位科研人員會為同一個項目而承擔其中一部分任務，如何來管理整個項目，提升研究質量，保證研究效率，是項目成功的重要保障，需要考慮和解決的問題非常多。數據驅動的研究，尤其是各類數據工具的驅動，對于整個科研過程，要進行反思，要清楚研究目標是什么，科研團隊可以做什么。盡管人文科學和自然、工程以及社會科學的研究流程有一些不同，但總的來說大同小異。

“團隊”維度強調團隊知識建構，以及團隊數據管理。這一維度所包括的數據素養能力是圍繞著一個團隊內部成員高效而有效地共享數據、合作管理數據、共同達到團隊科研目標而設置的。“團隊”維度下設3個一級指標，分別為“個人與團隊成員之間的數據共享性”“個人數據與團隊目標數據的相容性與一致性”“個人數據與團隊目標數據的差異性與容錯性”（見圖3）。根據每個一級指標所包含的能力要素，設立了若干二級指標（“團隊”維度的二級指標體系見表3）。

3.3? ? “數據生態”維度

“生態”就是指一切生物的生存狀態以及它們之間和它與環境之間環環相扣的關系，生物與環境是一個不可分割的整體。“數據生態”主要指大數據生態，是一個開放的、可擴展的、可靠的數據科學生態系統，是網絡化數據社會與現實社會的有機融合、互動以及協調，形成大數據感知、管理、分析與應用服務的新一代信息技術架構和良性增益的閉環生態系統，目標是實現全球科研數據的關聯與協作。互聯網時代無論是代碼還是數據，只有開放，才能集聚群體的智慧，激發創新的力量，放射出更大的價值，真正推動社會進步。大數據需要有大量能互相連接的數據，無論是自己產生的、還是通過開放共享的、亦或根據需要購買或交換的數據，其在大數據平臺或者是能互通的各個數據節點上，均遵循相同的數據標準，能夠正確的關聯，通過大數據相關處理技術（如算法、引擎、機器學習等），形成自動化、智能化的大數據產品或者業務，自動智能地指導人類的生產活動、工業制造、社會發展等，進而形成從數據生產、采集、存儲、分析、管理到應用服務，以及反饋的閉環生態系統。數據生態為人們提供了大量的機會，也帶來了很多風險，處于生態系統中的利益相關者，彼此以開放的態度進行交流與合作，為了保證數據有序、規范、安全地運行，均應具有數據生態的法制意識和規范意識，充分地理解數據安全問題，并將其貫穿于數據活動和交互的每個環節，主動培養并提高科學數據素養水平，為數據生態的良性發展貢獻力量。

個體處于數據環境之中，產生的數據會對整個數據社會環境產生影響，反之數據環境的變化也會影響個體的思維與行為模式，進而影響個體產出的數據。個體和數據環境是相互依存和相互影響的。

無論從教師視角、還是學生視角、或是圖書館員視角考慮，都應是將科學數據素養能力置于更廣闊的“數據生態”來考慮。個人作為數據生態系統中的一員，有責任也有義務為推動建設良性健康的數據生態而努力，不僅掌握自身如何利用或合作管理數據，而且還要有能力指導共同體中的相關人員科學合理地利用數據、管理數據，并能在關鍵任務中知道如何獲取資源、尋求幫助。“數據生態”維度強調個體在數據生態中的交流、發展和責任，共設立5個一級指標，分別為：“數據生態意識及數據文化”“數據共享”“數據生態動態平衡與調節”“數據生態法規建設”“數據教育與培訓”（見圖4），每個一級指標下設若干二級指標（見表4）。

4? ?科學數據素養能力指標的表征與描述

4.1? ? 教育目標分類理論

教育目標是教育事業發展的導向和標準，教育目標分類理論是20世紀50年代，以美國教育與心理學家本杰明·布魯姆（Benjamin Bloom）為代表的學者提出的，并隨著相關學科發展和理論研究的不斷深入而得到豐富與發展。在這個理論體系中，布魯姆等將教學活動所要實現的整體目標劃分為認知、情感和動作技能3個領域，并圍繞各領域教育目標細化了層次結構（見圖5）。在認知領域中，按照人的認知水平從低到高分為“記憶、領悟、應用、分析、評價和創新”6個層次[17];情感領域較為抽象和隱性，其教育活動與態度形成或改變、價值觀念更新、高尚情操培養等密切相關，依據價值內化的程度，情感領域教育目標分為“接受或注意、反應、評價、組織、價值與價值體系個性化”5個層次[18];在動作技能領域，分為“感知、準備、有指導的反應、機械動作、復雜的外顯反應、適應、創新”7個層次[19]。

科學數據素養屬于教育領域研究范疇，因此在制定評估標準或教學方案的時候，可以以教育目標分類理論為指導，從認知、情感、動作技能三方面全方位考慮科學數據素養的能力要求，對學習者進行科學有效的培養。

4.2? ? 能力指標的表征與描述

在科學數據素養能力指標體系中，二級指標是圍繞其所屬維度中一級指標的總體目標而設立的，分別從不同的側面反映了一級指標范疇下所應該具備的能力要素。這些指標一方面用來評價科研人員數據素養水平，另一方面用來指導科學數據素養教育實踐，對其進行準確表征與描述，是能力指標體系構建的重要任務。

美國大學與研究圖書館協會（Association of College & Research Libraries， ACRL）2015年發布的《高等教育信息素養框架》，作為全球素養評價中的先進理念，圍繞6個主題構建了新的信息素養體系，每一部分以一個“閾概念”（threshold concept）作為信息素養的有機組成部分，并且通過“知識技能”（knowledge practices）和“行為方式”（dispositions）兩個相關元素，來反映重要的培養目標。“知識技能”表示學習者理解和掌握“閾概念”之后所應具備的知識或技能，“行為方式”體現的是學習者以特定方式思考或行動的情感和態度傾向[20]。這些新興的理念啟發我們在理解新的科學研究和高等教育范式中，科學數據素養在注重技能培養的同時，要更加強調理念提升。因此，本文基于布魯姆教育目標分類法，分別對二級指標進行了“知識”（knowledge）、“技能”（skill）、“態度”（attitude）三個方面（簡稱KSA）的具體表征，“知識”從認知層面考察被評估對象在能力指標要求下所應該具備的基本知識，包括事實性知識、概念性知識、程序性知識、元認知知識，掌握了這些知識，即通曉了一門學科或解決其中的具體問題所必須了解的基本要素、要素之間的關系、方法準則以及自我認知。“技能”則從行為層面對能力指標所應表現的相關反應或動作做出說明，包括對具體問題情境的感知、為了特定行動或經驗而做出的相關準備、具體任務的操作行為或方式等。“態度”側重于對個體情感層面的表征，即面對某一現象或某項行為時，所表現出的意愿、興趣、個人品性、價值取向，從某種意義上說，態度決定了個體完成任務時準備付出的努力程度、克服困難和挫折的決心以及判斷事物的價值標準。“知識”“技能”“態度”三個方面共同體現了科學數據素養的教育目標，不能孤立地把他們分割開來，這也意味著每種能力在理論上都可以通過多種方式進行評估。

如以某一條二級指標為例，“個人”維度中“數據意識”的二級指標“了解自己在學習或科研工作中的數據需求”（“知識”（認知層面）、“技能”（行為層面）、“態度”（情感層面）的具體描述方式見表5）。

5? ?結語

本文基于科學數據素養的過程-目標結構內涵，依據指標體系的構建原則，結合所提取的能力要素，設計了基于ITE-KSA結構的科學數據素養能力指標體系（見附表1）。創新性地提出從“個人”“團隊”“數據生態”（即“ITE”）3個維度全方位架構指標體系的方法，探討了每個維度對數據素養能力考察的重點和要求，以此為基礎，形成了18個能力域，即一級指標。進而對每個能力域所包含的具體能力要素進行表征，共提取了47個二級指標，分別從“知識”“技能”“態度”（即“KSA”）3個方面對每一個二級指標進行了詳細的表征與描述，最終構建了完整的能力指標體系。整個指標體系呈現了一種多維立體結構，既有縱向的類屬維度和能力域層級劃分，又有橫向的具體能力要素分解。這種結構使得科學數據素養能力指標體系在指導科學數據素養能力評價、相關課程開發與教育實踐等方面具有很強的實用性和可操作性。為科學數據素養教育對策與培養方案的制定提供了基本的框架和指南，同時也是評價科研人員管理和利用數據進行科學研究與創新能力的重要依據。

參考文獻：

[1]? 秦小燕.科學數據素養能力指標體系構建與實證研究[D].北京：中國科學院大學，2018.

[2]? CARLSON J，FOSMIRE M，MILLER C C，et al.Determining data information literacy needs： A study of students and research faculty[J].portal：Libraries and the Academy，2011，11（2）：629-657.

[3]? OGIER A L，LENER E，MILLER R K.The data literacy advisory team at virginia tech：Developing a content model for data literacy instruction[EB/OL].[2018-01-19].http：//docs.lib.purdue.edu/cgi/viewcontent.cgi？article=1054&context=dilsymposium.

[4]? PRADO J C，MARZAL MIncorporating Data Literacy into Information Literacy Programs：Core Competencies and Contents[J].Libri，2013，63（2）：123-134.

[5]? SCHNEIDER R.Research data literacy[C].European Conference on Information Literacy.Springer International Publishing，2013，397：134-140.

[6]? STEPHENSON E，CARAVELLO P S.Incorporating Data Literacy into Undergraduate Information Literacy Programs in the Social Sciences：A Pilot Project[J].Reference Services Review，2007，35（4）：525-540.

[7]? QIN J，D'IGNAZIO J.Lessons learned from a two-year experience in science data literacy education[C/OL].[2018-03-02].International Association of Scientific and Technological University Libraries，31st Annual Conference.Paper 5.https：//docs.lib.purdue.edu/iatul2010/conf/day2/5/.

[8]? HAENDEL M A，VASILEVSKY N A，WIRZ J A Dealing with data：A case study on information and data management literacy[J].PLOS Biology，2012，10（5）：1-4.

[9]? CARLSON J，JOHNSTON L，WESTRA B，et al.Developing an approach for data management education：A report from the data information literacy project[J].International Journal of Digital Curation，2013，8（1）：204-217.

[10]? Cambridge University Library.DataTrain[EB/OL].[2018-02-04].http：//www.lib.cam.ac.uk/ preservation/dataTrain/.

[11]? 胡卉，吳鳴.嵌入科研工作流與數據生命周期的數據素養能力研究[J].圖書與情報，2016（4）：125-137.

[12]? 隆茜.數據素養能力指標體系構建及高校師生數據素養能力現狀調查與分析[J].圖書館，2015（12）：51-56，62.

[13]? 鄧李君，楊文建.個體數據素養評價體系及相關指標內涵研究進展[J].圖書情報工作，2017，61（3）：140-147.

[14]? 秦健.數字圖書館向開放數字倉儲的轉變：對圖書館數字學術服務的新要求[R].第十四屆數字圖書館前沿問題高級研討會（ADLS2017），2017.

[15]? Human Genome Project.About the Human Genome Project[EB/OL].[2018-01-12].https：//web.ornl.gov/sci/techresources/Human_Genome/project/index.shtml.

[16]? ABBOTT B P，ABBOTT R，ABBOTT T D，et al.（LIGO Scientific Collaboration and Virgo Collaboration）.Observation of gravitational waves from a binary black hole merger[J].Physical review letters，2016，116（6）：061102.

[17]? （美）布魯姆.羅黎輝等譯.教育目標分類學，第一分冊：認知領域[M].上海：上海：華東師范大學出版社，1986.

[18]? （美）克拉斯沃爾 D R，布魯姆.施良方，張云高，譯.教育目標分類學，第二分冊：情感領域[M].上海：華東師范大學出版社，1989.

[19]? （美）哈羅A J，辛普森 E J.施良方，唐曉杰，譯.教育目標分類學，第三分冊：動作技能領域[M].上海：華東師范大學出版社，1989.

[20]? 秦小燕.美國高校信息素養標準的改進與啟示——ACRL《高等教育信息素養框架》解讀[J].圖書情報工作，2015，59（19）：139-144.

作者簡介：秦小燕，女，北京航空航天大學圖書館館員;初景利，男，中國科學院文獻情報中心、中國科學院大學圖書情報與檔案管理系教授。