警校學員數字素養培養模式研究

唐超

摘? 要：在分析大數據環境對警校大學生數字素養要求的基礎上，反思了當前警校大學生數字素養的現狀，認為數字素養是警校大學生專業素養的重要組成部分而非游離于專業之外，應當通過數字素養嵌入專業課程、跨專業培養、基于課程項目、基于虛實交互、基于翻轉課堂等模式，實現數字素養與專業素養的融合。

關鍵詞：警校大學生;數字素養;專業素養;文件檢驗

中圖分類號：C961? ? ? ? ?文獻標志碼：A 文章編號：2096-000X（2019）19-0165-04

Abstract： Based on the analysis of the requirements of digital literacy of Police College students in the big data environment， this paper reflects on the current situation of the digital literacy of Police College students， and holds that the digital literacy is an important component of the professional literacy of Police College students， rather than dissociating from the major， and that digital literacy should be embedded into professional courses and cross-professional training. The integration of digital literacy and professional literacy can be optimized based on curriculum projects， virtual-real interaction and flipped classroom.

Keywords： police college students; digital literacy; professional literacy; document inspection

數字素養是在各種媒體和形式中有效查找、交流和使用信息所需的一套態度、理解和技能的集合體[1]。保羅·吉爾斯特（Paul Gilster）在1997年出版的同名書中首次推廣了這一術語[2]。大數據環境下，如何鑒別、查找、交流、使用數據成為信息人的具備的素養之一。警校大學生具有未來警官的特殊身份，數字素養是其專業素養的重要組成部分。數字素養培養融入專業課程是警校大學生數字素養生成的重要模式之一。

一、大數據環境對警校大學生數字素養的要求

“大數據”作為一個新的概念，用以描述人類所面臨的突如其來的數據規模。人們之所以用大數據來描述所處的時代，原因并非數據本身的屬性發生了變化，而是數據規模的變化，引發了人們的格外關注，同時也隱喻了人們應對數據過載時的內心焦慮。對于警校大學生而言，除了需要具備作為普通用戶的數字素養之外，還需要關注大數據背景下，數據的價值生成規律，以及如何利用數據服務警務工作模式創新。

（一）數據無序分布對數據價值感知的要求

大數據環境下，數據來源增多，數據增長速度快，數據更新速度遠遠超出數據處理的速度，數據吸收、數據融合的速度遠遠適應不了數據的多元化增長。從無序的數據中追求有序，成了大數據時代的重要目標之一[3]。無序的數據同樣蘊含價值，或者基于對無序數據的“序化”，也可以創造價值，優化數據生態環境。

在無序的數據環境下，感知到數據的價值是數據素養的重要體現。數據價值感知的本質是對數據用戶需求、數據對象內容和數據任務組織提前進行充分認知、解讀和表達，為數據的開發和利用奠定基礎。對數據價值的感知，關鍵在于對數據質量、數據價值、數據生成規律的把握，尤其是數據在不同形態、不同背景、生命周期不同階段下的價值和意義，這也是大數據環境下數據素養的一個新的特征。

在數據無序分布的背景下，警校大學生應當對數據價值具有高度的敏感性和預判能力，使之成為職業能力的重要組成部分。警校大學生應當能夠通過自身的專業素養，從紛繁復雜、良莠不齊的數據中，提前發現其具備的價值，理解不同形態數據的意義，預判數據形態變化下的數據價值表現形式。

（二）數據指數分布對數據價值評估的要求

從整體的角度講，的確出現了數據指數分布即“數據爆炸”的事實。這一現象從二戰以后開始出現，如今逐漸進入高峰。數據爆炸的現象作用于個體和組織，表現為數據的過載，即遠遠超越了個體和組織的數據處理能力。數據過載不僅增加了數據獲得、整合的障礙，更重要的是難以鑒別、評估數據的價值，理解數據的整體意義。數據的資源效用受到削弱，數據處理的成本增加。就警務數據而言，多元、多維數據在不同組織、不同地域、不同行業和不同系統中也呈現出指數增長的趨勢，給警務部門的數據處理提出了新的要求。文獻[4][5]等開始探索大數據環境下，警務工作模式的優化與創新。

數據之間基于提示、關聯、被引、合作等關系，能夠實現數據價值的增值。通過對數據量-質轉變的評估和域外關聯評估，可以進行數據價值轉化規律的認知。對于組織而言，結合數據規律評估數據價值，能夠重構信息社會中和諧有序的數據關系，實現面向不同階段數據價值的開發策略和管理策略。對于個體而言，通過對數據價值的動態評估，能夠提升個體決策中的理性程度，更加客觀地面對數據的干擾。

在數據指數分布的背景下，警校大學生需要具備數據價值評估的基本素養。所謂數據價值評估，是指對不同形態、不同生命周期的數據所具有的價值（如經濟價值、安全價值、證據價值、法律價值等）進行客觀評價的過程。警務數據個體（如出入境證件防偽數據），能夠實現對關鍵事實（如違法犯罪、關鍵線索、關鍵證據）的描述、補充、互補或關聯。警務數據匯集達到了特定程度，或者數據集合中出現了能體現關鍵事實的關鍵數據，則數據集合實現了質的變化，其價值也會發生相應的變化。警校大學生應當具備在海量數據環境中，評價警務數據或數據集合呈現“關鍵事實”的價值，包括呈現“關鍵事實”的數量、細節、深度，以及數據或數據集合呈現事實本身的關鍵程度。

（三）數據“集中-離散”分布對數據價值實現的要求

大數據環境下，警務數據的分布在社會層面呈現出集中-離散分布的特征，具體表現為關鍵少數部門或載體承載了絕大多數的數據內容，比如政府、互聯網企業、數據公司等，它們基于自身業務職能，而占據了大量的公共安全數據和個人信息。少量的數據載體承載著大量的關鍵警務數據，如出入境證件。在數據的過分集中，引發了學者對政治生態改變的擔憂，甚至有人認為數據的過分集中而且疏于監管的情況下，可能會引起數據霸權的產生[6]。

大數據環境下，數據融合和數據互補是警務數據價值實現的關鍵路徑。通過數據融合和數據互補，能夠還原關鍵事實（如違法犯罪、關鍵線索、關鍵證據）的全貌。數據互補包括形式上的互補和內容上的互補，各自具有優勢。“還原論”曾經被視為情報分析的指導理論，即通過片段信息的拼接，無限逼近事實真相。還原論對應的典型表現，是美國軍隊提出的一種叫做“3F-E-A”的行動標準流程。3F代表的是Find（找到）、Fix（鎖定）、Finish（終結），E代表的是Exploit（利用），A代表的是Analyze（分析）[7]。其核心思想就是基于多源數據發現事實進而將其作為采取行動的前提。而數據融合則包括基于數據外部特征（語法特征）的融合和數據內部特征（語義特征）的融合。

警校大學生應當具備開發數據價值的素養和能力，使警務數據產生增值，更好地服務警務決策。警務數據價值的實現，不僅需要借助特定的方法論工具，對警務數據進行整合、加工和挖掘，更重要的是基于自身的警務專業素養，解讀數據分析的結果，形成數據分析結論，使數據更加準確、高效、及時地還原關鍵事實，促進數據與公安業務的融合與對接。

綜上，大數據環境下，用戶往往傾向于從數據本身的角度建構數據素養，但很少將數據素養視為專業素養的組成部分。警校大學生這一特殊群體，面臨的是網上追逃、數字證據、數字監控等潛在的職業環境，數字素養是其專業素養的重要組成部分。因此，在職業素養的框架下，調整警校大學生數字素養的坐標和標準，探索數據素養與專業課結合的培養模式，是大數據環境下警務人才培養的重要課題。

二、大數據環境下警校大學生的數字素養狀態

大數據環境下，人們普遍面臨著“數據富有而認知缺失”的窘境[8]，這與一般人所持有的觀點“數據量越大，習得的知識越多”的慣性認知大相徑庭[9]。鑒于警校大學生未來職業發展的可預期性，我國警校所開設的課程，以專業課為主，對于數字素養的培養，尚未構成警校課程體系的內容，警校大學生數字素養，還存在與其職業定位不符的地方。

（一）通過數據迷霧看到關鍵事實真相的素養需要提升

結合數據背景去解讀數據內容也可以稱為數據解析，是對數據內容在特定產生背景下的具體含義的解讀和分析。具體的能力包括： 數據噪聲和附加內容的去除能力、數據立場信息的去除能力、數據干擾信息的去除能力、數據檢索技術帶來的偏向性及去除能力等。解析能力的提升可以規避數據內容偏差、不同來源數據內容的局限性等。

大數據環境下，數據與事實之間存在對應性，但并非簡單的“映射”關系。許多社會事實，如證件偽造、恐怖活動、偷渡活動等，本身處于隱蔽或保密狀態，無法進入大數據的關注范疇，完全基于大數據實現關鍵事實真相的還原，不具有現實基礎。大數據環境下，數據以片段的方式呈現的，表現形式更加多元。警務數據的掌控者處于自身利益，往往通過選擇性曝光（Selective Explosion）或者選擇性感知（Selective Sensemaking）提供數據，這樣做就犧牲了信息的全面性和有意識推理[10]。此外，數據質量難以監控，更容易被篡改或編輯。這些都會給用戶認知事實真相帶來干擾甚至誤導。

人類獲取和接收信息、知識和情報的過程，遵循對數轉換規則，物理空間的一切實體總是以其對數尺度反映在我們的感覺系統中[11]。警校大學生思維活躍，知識面寬，信息接受能力強。但大數據環境下，他們所面臨的數據量突然增大，已經超出其數據承載能力，給其帶來認知的困擾，導致其鑒別數據真偽、數據價值的能力偏弱，無法通過紛繁復雜的數據迷霧看到關鍵事實真相。

（二）對數據算法的獨立判斷能力需要提升

大數據時代，人們對數據算法的質疑與對其吹捧是同步的。首先，任何一種算法都不會是完美和中立的，跟算法所選擇的數據樣本有關。算法本身折射了設計者的價值觀、評價標準和行為目標，是服務與特定的業務活動的。算法具有特定的指向性而非普適性，甚至帶有歧視的成分[12]。但普通的數據用戶不具備鑒別算法科學性與片面性的能力，往往在各種算法所構建的種種規則中無所適從，或者被一些算法所誤導，造成了一種新的數據迷失。比如基于大數據模型進行的就業分析、信用分析、犯罪可能性分析等，可能給用戶和執法活動帶來誤導。

《數據素養教育的策略和最佳實踐知識綜合報告》認為“批判性地思考數據，用數據解決高層次問題”是數據應用能力的重要體現[13]。但作為未來的警務工作者，警校大學生除了普通信息用戶所面臨的典型數據算法之外，還面臨特定情境下的數據算法，比如網絡追逃算法、累犯可能性算法、犯罪熱點算法、安全風險評估算法、輿情評價算法等，需要用批判的眼光去評估其科學性。這些算法需要專業知識支撐，同時融入了算法設計者的個人傾向。如果對這些關系到公共秩序安全和執法對象個人隱私的算法缺乏獨立判斷能力，則很難在將來的警務實踐中保持客觀和中立。“數據為王”的時代，警校大學生還需要基于自身的專業素養，對數據算法提出獨立判斷。

（三）由警務數據轉化為警務知識的能力需要提升

數據與社會現實之間“對應”但非“映射”的關系，使得我們不能完全依據數據還原現實，而是結合數據去解讀現實。數據可以成為決策的輔助，但不能成為決策的依據。基于數據分析結論，可以發現社會之間的關聯和社會結構，從數據中發現知識，可以評估社會未來的發展趨勢。

警校大學生面臨海量的數據，但是從警務數據轉化為警務知識的能力還應當成為信息素養培養的重要的內容。警務數據向警務知識的轉化，不僅包括數據挖掘或數據分析，還包括對數據挖掘結果的解讀與賦意，在這一環節實現了由數據向知識的質變。目前警校開設的與數據處理有關的課程較多，但都是圍繞對數據處理本身設置，還缺少對數據處理結果解讀、賦意的課程，反映數據素養培養和專業素養培養的脫節。

三、融入專業課程的數字素養培養模式

數字素養是警校大學生專業素養的重要組成部分，而不能作為專業素養的補充或游離于專業素養之外。文獻[14]認為，高等教育機構只有了解當前數字化環境下對勞動者能力的需求，才能針對學生構建有針對性的、面向未來能力發展的數字素養提升策略。強化數字素養與未來工作能力的結合，重視適應未來工作需要的能力發展是數字素養的關鍵。數字素養的生成，既需要外部的引導，也需要警校大學生這一認知主體自身的體驗和嘗試。因此，應當探索數字素養與專業素養相融合、“主體-客體-數據環境”相融合的培養模式。

（一）數字素養嵌入專業課程的融入模式

嵌入式數據素養教育模式即在專業課教學中嵌入數據素養教育內容，把數據素養教育作為各學科課程目標的有機組成部分，既完成專業課教學，也要求學生掌握科學數據管理的知識和技能，并利用數據解決專業問題[15]。這種模式可以為多數警校專業課程設計所借鑒。

在警校專業課程學習內容設計過程中，可以在適當的環節加入有關數據素養的內容。比如文件檢驗與諸多公共安全管理內容相關，是偷渡、詐騙、走私等案件偵查的基礎，是獲取偵查情報的重要手段。文件檢驗數據個體可以服務于個案偵查，為其他案件的偵查提供數據基礎。而文件檢驗數據整體則有利于發現犯罪熱點、犯罪趨勢，進行治安態勢預警。在《文件檢驗》課程中，可以引入包括文件特征的數字化表達、文件檢驗的數據化發展趨勢、文件檢驗大數據分析、文件數據與公共安全數據的關聯等內容，使學生既能掌握文件檢驗的基本知識和技能，又能在公共安全的大框架下理解文件檢驗的專業地位和數據價值。

（二）跨專業設置課程的融入模式

傳統的警校人才培養體系是按照專業劃分的，專業之間的融入度低，使得警校大學生綜合素質的培養受到影響。綜合型警務人才是未來警務人才培養的方向之一，跨專業的人才培養模式，可以使警校大學生具有更寬的知識面，更活躍的思維和更強的創新意識。大數據環境下，數據素養的構成更加多元，需要的相應知識和技能也更加多維。比如在計算機科學專業領域，普渡大學計算機科學專業的一門課程的主要內容是介紹計算機對社會和政治的影響，以及如何使用數字工具[16];通識課程，如阿什福德大學為本科生開設的一門“生活與工作中的數字素養”課程[17]。

跨專業聯合培養警校大學生，可以通過基于Moocs平臺，構建跨專業課程體系。比如通過Moocs平臺，可以向移民管理專業學生共享警務數據挖掘類課程、數據表達類課程等，使移民管理專業學生不僅掌握證件檢查、文件檢驗等專業技能，還能夠運用數據手段進行數據挖掘和分析。通過跨專業教師共同開發課程內容，使課程內容更加系統和綜合。比如《文件檢驗》課程內容的設計，既需要有技術背景的老師參與，也需要有數據分析、刑事偵查等專業背景的老師參與，幫助學生在多元多維的背景中理解“文件檢驗”的技術意義。通過激發學生參與活力，打造創新型課堂。比如《文件檢驗》課程的組織過程中，可以在實踐環節引導學生參與警務大數據平臺，利用文件檢驗數據進行查詢比對，認識文件檢驗數據在多元數據環境中的價值和價值實現途徑。

（三）基于課程項目的融入模式

為了提高警校大學生的數據素養，促進專業素養和數據素養的融合，可以采用理論與實踐相結合的方式，對學生進行項目式的學習引導，在這一過程中學習、共享、協作，提升數據思維能力。項目式學習是指采用真實世界的數據信息，提前讓學生了解實際警務工作中所需的深層次數據，鼓勵學生積極尋求真實數據案例的解決方案，將學習方法應用于實踐當中。

警校課程體系設置中，可以圍繞警務工作需求設置課程項目。比如在《文件檢驗》課程中，可以設置“文件檢驗與犯罪線索追蹤”的課程項目，通過提供一定量的文件檢驗數據和信息，引導學生逐步追蹤犯罪線索，還原犯罪場景和過程，在場景中實現知識與技能的融合。

（四）基于虛實交互的融入模式

虛擬現實技術（Virtual Reality，VR）基于視覺、聽覺、觸覺等多種感覺維度的沉浸度能夠激發用戶的多感知性、存在感、交互性以及主動性，使用戶能夠在仿真環境中感受到數據內容，具有成為現實社會與數字社會的橋梁的潛質。比如可以基于虛擬現實技術，展示文本數據、移民管理數據、犯罪偵查數據等。也可以基于虛擬現實技術，進行案情推演，為用戶呈現多維和動態的感知空間。在警校大學生數字素養培養過程中，可以基于虛擬現實技術，實現虛實交互式的融入。

在警校專業課程設計中，可以引入虛擬現實技術，在虛實交互的環境下，提升學生對現實社會的實時感知能力。比如在《文件檢驗》課程中，可以嘗試將文件信息數字化，在模擬仿真的證件檢驗現場，體驗文件檢驗的流程、檢驗的方法、可能遇到的突發情況及處置等。同樣，基于虛擬現實技術，可以直觀地感受到文件數據與其他數據的關聯，并且可以用可視化的方式，呈現這種關聯，從而更直觀、生動地感知數據的變化和意義。

（五）基于“翻轉課堂”的融入模式

“翻轉課堂”（Flipped Classroom或Inverted Classroom）是信息化環境下的一種新的課堂組織模式。是指重新調整課堂內外的時間，將學習的決定權從教師轉移給學生。在這種教學模式下，課堂上學生能夠更專注于主動的基于項目的學習，共同研究解決綜合或專業的問題，從而獲得更深層次的理解。2017年美國新媒體聯盟發布了《高等教育中的數字素養Ⅱ：新媒體聯盟地平線項目戰略簡報》提出，可以采用翻轉課堂、慕課結合面授的教學方式，包括師生合作、生生合作等塑造學生的數字素養[18]。

警校專業課程組織過程中，可以借鑒“翻轉課堂”的模式，充分調動學生的積極性，在積極參與中，提升專業素養。比如《文件檢驗》課程組織，在學生自學階段，可以將課程內容分解成若干知識點，由學生在課下獨立進行信息檢索，并且基于微課、慕課等學習平臺進行自學。在課堂交流環節，可以組織學員運用數字化手段，將需要展示的知識點（如筆跡識別、言語識別等）做成直觀的PPT或者錄制成短視頻，引導學生對文件檢驗的關鍵點、基本過程、檢驗結果等進行呈現。在知識發布環節，可以組織學員運用微信、博客、慕課等平臺，對適合公開的知識點進行發布。

四、結論

警校大學生數字素養的培養是專業素質建設的重要組成部分，對未來警官的戰斗力和專業能力具有關鍵的作用。將數字素養融入專業課程建設，體現了素養生成的規律和警務專門人才培養的規律。未來，可以探索面向警校大學生專業能力培養全過程的數字素養培養模式，使數字素養與專業能力的培養相得益彰。

參考文獻：

[1]David Bawden，Lyn Robinson.Introduction to Information Science[M].London：Facet，2012.

[2]Paul Gilster.Digital Literacy[M].New York：Wiley.1997.

[3]林道進.把無序變有序，讓數據有價值[EB/OL]. https：//www.csdn.net/article/a/2018-08-28/15959129.2019-6-12.

[4]彭知輝.基于大數據的警務預測：局限性及其順應之道[J].中國人民公安大學學報（社會科學版），2016（2）：37-45.

[5]彭知輝.大數據：讓情報主導警務成為現實[J].情報雜志，2015（5）：1-7.

[6]Yuval Noah Harari.Why Technology Favors Tyranny[J].The Atlantic，2018（10）.

[7]《賦能》精讀整理[EB/OL]. https：//www.jianshu.com/p/ee15f5ebb9e4.2019-06-16.

[8]Data Overload Part III： Why Is Data Overload a Problem？[EB/OL]. https：//rentlytics.com/data-overload-part-iii-why-is-data-overload-a-problem/.2019-06-12.

[9]Bernard Marr. Big Data Overload： Why Most Companies Can't Deal With The Data Explosion[EB/OL]. https：//www.forbes.com/sites/bernardmarr/2016/04/28/big-data-overload-most-companies-cant-deal-with-the-data-explosion/#410f48ea6b0d.2019-06-12.

[10]MANJOO F.ENOUGH T. Learning to live in a post-fact society[M].Hoboken，NJ： John Wiley&Sons，2008.

[11]馬費成.論情報學的基本原理及理論體系構建[J].情報學報，2007，26（1）.

[12]楊成越，羅先覺.算法歧視的綜合治理初探[J].科學與社會，2018（4）.

[13]陳媛媛，王苑穎.加拿大數據素養教育實踐及啟示——以達爾豪斯大學為例[J].情報理論與實踐，2019（6）：166-171.

[14]張春華，韓世梅，白曉晶.面向未來發展的數字素養及其培養策略——基于《新媒體聯盟地平線項目數字素養戰略簡報》的研究[J].中國遠程教育，2019（2）：9-16.

[15]張群，劉玉敏.面向研究生的高校圖書館科學數據素養教育研究[J].大學圖書館學報，2017（5）：93-98.

[16]Come D，Dunsmore B. Cs10100 Digital Literacy[EB/OL]. https：//www.cs.purdue.edu/corporate/docs/spring2015/Digital%20Literacy%20Dunsmore1.pdf. 2019-07-16.

[17]Ashford University. General Education Courses at Ashford University-Digital Literacy for Life & the Workplace[EB/OL]. https：//www.ashford.edu/online-degrees/online-courses/general-education-courses.2019-07-16.

[18]高山.《高等教育中的數字素養Ⅱ：新媒體聯盟地平線項目戰略簡報》研究[J].圖書館建設，2018（7）：42-48.