科學數據素養能力評價指標體系構建研究

秦小燕 初景利

摘?? 要：構建定性描述與定量評價相結合的科學數據素養能力指標體系，為開展全方位、有針對性的科學數據素養能力調查提供科學的評價標準和量化測評工具。基于文獻調研與科學數據素養本土化特征研究，初步擬定指標體系;運用德爾菲方法，進行兩輪專家咨詢，通過評議各項指標的必要性和明確性確定各級指標內容;利用層次分析法通過計算專家評分從而確定指標權重。最終構建了由3個維度、18個一級指標、47個二級指標共同構成的“科學數據素養能力指標體系”，并為各維度和一級指標賦予權重值，從而保證了指標體系的科學性、通用性、前瞻性和可操作性。

關鍵詞：科學數據素養;能力;指標體系;德爾菲法;層次分析

中圖分類號：G252.7?? 文獻標識碼：A?? DOI：10.11968/tsyqb.1003-6938.2020062

Research on the Construction of the Evaluation Index System of Scientific Data Literacy

Abstract The scientific data literacy competency index system combining qualitative description and quantitative evaluation were constructed to provide scientific evaluation standards and quantitative evaluation tools for conducting all-round and targeted scientific data literacy survey. Based on the literature research and the study on the localization characteristics of scientific data literacy， the index system was initially constructed， and Delphi method was used to carry out two rounds of expert consultation， and the content of each index was determined by evaluating the necessity and clarity of each index， then AHP was used to determine the index weight by calculating the expert score. Finally， the scientific data literacy competency index system composed of 3 dimensions， 18 first-level indexes and 47 second-level indexes were constructed， and the weight values were given to the dimensions and first-level indicators， so as to ensure the scientificity， universality， foresight and operability of the index system.

Key words scientific data literacy; competency; index system; Delphi method; analytic hierarchy process （AHP）

1?? 引言

科學數據是知識發現與科技創新的重要基礎。在數據密集型科研時代，對科學數據的管理和利用能力成為科研人員的必備素養，科學數據素養教育的重要性受到日益廣泛的關注。科學數據素養能力指標體系，是科學數據素養能力評價的依據，是科學數據素養教育體系的重要組成部分，對于保證大數據時代人才培養的有效性和評估的科學性具有重要意義。

關于數據素養所應該包含的核心能力，國內外不同領域的專家學者，都開展了一定的研究，然而，由于具體應用情境和研究角度的不同，其對數據素養的觀點和看法也不盡相同。國外主要從數據管理的角度出發，探討面向不同領域或群體的數據素養能力評價。J.Carlson等[1]在普渡大學、明尼蘇達大學、康奈爾大學和俄勒岡大學圖書館共同開展的數據信息素養項目的基礎上，為地理信息學科開展數據信息素養教育，通過對教師的訪談以及對學生學習成績的評估，構建了由12項核心能力構成的“數據信息素養核心能力集”;弗吉尼亞理工大學圖書館成立了數據素養咨詢組，開發了“數據素養技能模型”，包括8個能力維度的初級、中級、高級3個層次的核心技能，為學生、教師和科研人員提供科研和數據相關的制度框架[2];J.C. Prado和M.？魣.Marzal[3]構建了信息素養視域下的數據素養課程核心能力和內容體系，并將其轉化為教學主題或單元，旨在促進圖書館以此作為基本參考框架、廣泛開展數據素養教育;R.Schneider[4]構建了由8個維度和若干數據管理技能構成的“研究數據素養能力體系”。A.Grillenberger和ROMEIKE[5]圍繞計算機科學專業教育，從理論上推導出數據素養的核心內容和過程領域，從而開發了由4個數據主題領域和4個相應的數據處理模塊構成的數據素養能力模型;C.Ridsdale等[6]構建的數據素養能力矩陣，包含5大知識領域22個能力指標以及相應的技能要求。Databilities研究團隊則從數據的獲取、操作和應用3個方面，為15項數據能力劃分了6個進階層級，構建了“數據素養能力框架”[7]。

我國學者近幾年也從不同的角度探討了數據素養的核心能力構成與評價體系。如王維佳等[8]利用因子分析法研究科研人員數據素養能力綜合評價方法;劉愛琴等[9]基于MOOC環境下構建了高校大學生數據素養能力評價系統;董薇等[10]基于灰色理論建立數據素養能力評價多層次模型;周兵[11]面向高校教師構建數據素養能力評價指標集合，并通過模糊綜合評價法設計數據素養評價數學模型;潘雪和陳雅[12]從教育主體、對象、形式、內容和效果5個角度構建高校數據素養教育評價指標體系等。

縱觀已有研究，大多側重于科學數據素養能力的定性描述，而結合我國科研工作實際的定量化研究較為缺乏。隨著數據密集型科學的發展，科研人員亟需一個具備通用性、本土化以及系統性的能力參考框架，用來指導提升數據素養水平、勝任日益復雜的數據領域工作。本文通過大量的文獻分析，結合充分的本土化調研，采用德爾菲法和層次分析等方法，構建了一套定性與定量相結合的科學數據素養能力指標體系，為引導科研人員應對數據管理與利用中的嚴峻挑戰、推進我國科學數據素養教育及評估提供參考依據。

2?? 科學數據素養能力評價指標的擬定與篩選

為了保證指標體系的有效性、合理性，保障評估過程和結果的科學性，本文在廣泛研讀國內外相關文獻的基礎上，結合面向我國科研人員的科學數據素養能力特征研究結果，初步擬定了我國科學數據素養能力評價指標，運用德爾菲法，通過問卷調查進行專家意見的征詢與整合，從而得到專家對科學數據素養能力評價指標較為一致的意見。

2.1??? 研究方法與實施步驟

德爾菲法，又名專家意見法，是一種重要的專家評價及預測方法[13]。其本質上是一種利用函詢形式進行的集體匿名思想交流過程。即針對所要預測的問題進行多輪專家意見征詢，對每一輪收集到的意見進行梳理、匯總和統計，并將集中意見后的修訂稿作為參考材料，再匿名反饋給各位專家，以供分析判斷，進而提出新的論證意見，直至專家意見趨于一致，得到一個較為一致且可靠的結論或方案。

本文采用德爾菲法進行科學數據素養能力指標體系的專家評議（具體步驟見圖1）。通過充分吸收不同專家的經驗和學識，保證指標預測與評價結論的可靠性、客觀性。

2.2??? 評價指標的初步擬定

建立評價指標體系的目的就是用一種能夠獲得公眾認可的價值標準來衡量和判斷事物的價值[14]。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集合，從而更為客觀和公正地分析和評價科研人員的科學數據素養水平。

在大量閱讀國內外相關領域學者對科學數據素養能力研究文獻的基礎之上，提取關鍵性能力表征要素，并結合筆者對我國科研人員科學數據素養能力的本土化特征研究結果[15]，從“個人”“團隊”“數據生態”3個維度出發，以科學數據生命周期和科研生命周期為主線，初步設置了18個一級指標能力域，以及表征每個能力域中具體能力要素的51個二級指標（見表1）。同時，結合教育目標評價理論，從認知、技能、情感三大領域目標入手，對各二級指標進行了詳細地描述，最終完成“科學數據素養能力指標體系”的初步擬定[16]。

2.3??? 專家評議過程

2.3.1?? 第一輪評議程序與內容

第一輪評議程序為，通過電子郵件或遞送紙質版的方式將問卷發放給各位評議專家。為了達到最佳的評議效果，隨附一封簡要的說明信，針對課題研究背景與主要研究目標，向專家詳細介紹了指標體系的構建思路與方法，同時說明了所采取的德爾菲法的具體實施步驟，使專家清楚地了解研究內容，掌握指標體系的評議基礎。

“科學數據素養能力指標體系專家評議問卷（第一輪）”的評議內容主要包括5個方面：（1）各項指標的“必要性”;（2）各項指標描述的“明確性”;（3）針對每項指標提出修改意見;（4）補充各個維度中需要補充的指標;（5）采用開放式問題的方式，請專家提出對整個指標體系的意見或建議。

為了方便結果分析與統計，分別對各項指標做了編碼，維度分別表示為“個人”（I）、“團隊”（T）、“數據生態”（E）;一級指標分別表示為“I1、I2……I10，T1……T3，E1……E5”;二級指標由一級指標代碼加順序號構成，如“I11、I12……T11、T12……E11……E51”。

2.3.2?? 第二輪評議程序與內容

第二輪評議程序為，通過電子郵件或遞送紙質版的方式將第二輪評議問卷發放給各位專家，此次的評議專家全部為已經參加過第一輪指標評議的專家，因此對指標研究的內容和方法已基本了解，無需做出特別說明。

除了“科學數據素養能力指標體系專家評議問卷（第二輪）”以外，同時將第一輪指標評議結果反饋給專家，包括“必要性”和“明確性”分析結果。第二輪評議內容主要包括4個方面：（1）指標的“必要性”評議，對第一輪評議中未達成共識的指標以及經合并修改后的指標進行“必要性”評議;（2）指標的“明確性”評議，對第一輪評議中“明確性”未滿足要求的指標和其他修改過的指標進行“明確性”評議;（3）請專家對每項指標提出修改意見;（4）請專家提出對整個指標體系的意見或建議。

2.4??? 數據分析方法

2.4.1?? 指標“必要性”評議數據的分析方法

（1）李克特五點量表法。將第一輪評議問卷中“必要性”一欄的專家評議選項劃分為5個等級，并分別賦值，即：5 非常必要—計5分;4 必要—計4分;3 一般—計3分;2 不太必要—計2分;1 不必要—計1分。

（2）眾數法。“眾數”是指一組數據中出現次數最多的那個數據。本論文采用眾數法判斷專家意見的集中趨勢，專家意見中出現比例最高的選項，即作為指標的“必要性”等級。對于一組數據，眾數可能是唯一，也可能多于一個。在本文“必要性”的評議數據中，21位專家對“科學數據素養能力指標體系”中各項指標的“必要性”等級進行了判定，形成一個由21個數據構成的數據組，眾數最少1個，最多4個，因此，專家意見有可能集中在一個或幾個選項上。

（3）四分位差法。“四分位數”是指在統計學中把所有數值由小到大排列成一個數列，并分成四等份，處于三個分割點位置的數值。四分位數共有3個，第1個四分位數稱為下四分位數，通常用Q1表示，表示位于數列中第25%位置的數字，第2個四分位數稱為中位數，用Q2表示，表示位于數列中第50%的數字，第3個四分位數稱為上四分位數，用Q3表示，表示位于數列中第75%的數字。

“四分位差”表示第3個四分位數（Q3）與第1個四分位數（Q1）的差距，用Q.D.表示。計算公式為：

Q.D.=Q3-Q1????????????????????????????????????? （式1）

針對本文的“必要性”評議數據，Q.D.的取值區間為{0，0.5，1，1.5，2，2.5，3，3.5，4}。經分析，可以認為當Q.D.=0或者Q.D.=0.5時，該項指標的專家評議意見基本達成共識。

（4）“必要性”判定。針對某項指標“必要性”的專家評議結果，共有5個選項，即：“5 非常必要;4 必要;3 一般;2 不太必要;1 不必要”;通過計算某個選項的專家數在專家總數中所占的百分數，可以看出該項指標專家意見的分布情況。將“5 非常必要”和“4 必要”兩個選項的專家百分數相加，即得出該項指標的“必要性”百分數。按照本文的研究要求，當“必要性”百分數<60%，則認為該指標不必要，可以從指標體系中剔除。

綜合采用李克特五點量表、眾數法、四分位差和“必要性”判定法，進行“必要性”評議數據的分析。對于任一項指標而言：當指標只有1個眾數的時候，則采用四分位差判斷該眾數是否是專家組達成的共識意見;當指標有2個、3個或4個眾數的時候，說明專家組意見未達成共識。

根據以上分析結果，結合專家評議的“必要性”比重，判斷指標的取舍;并且按照專家意見修改指標內容，在下一輪調查問卷中請專家再次評議該指標的“必要性”。

2.4.2?? 指標“明確性”評議數據的分析方法

采用李克特五點量表、算數平均值分析方法來判斷指標的“明確性”。

（1）李克特五點量表法。將第一輪評議問卷中“明確性”一欄的專家評議選項劃分為5個等級，并分別賦值，即：5 非常明確—計5分;4 明確—計4分;3 一般—計3分;2 模糊—計2分;1 非常模糊—計1分。

（2）算術平均值。算術平均值可以用來表征一組數據的集中趨勢。本文以“明確性”評議數據組的平均值作為全體專家對該項指標“明確性”的集中意見。計算公式為：

（式2）

其中，n=21，xi∈{1，2，3，4，5}

當■>4時，則認為該項指標的“明確性”達到本論文的研究要求[17]。

2.5??? 結果分析

2.5.1?? 專家評議結果概況

（1）專家評議的基本情況。選擇專家是德爾菲法成敗的關鍵。德爾菲法所選取的專家應該是對研究問題有一定的了解程度、并能夠從同一個角度去理解項目分類和有關定義的人。專家的權威程度要高，具備較高的理論水平和豐富的實踐經驗，能夠提出獨到見解和有價值的判斷。專家人數需根據研究項目涉及的知識范圍、專家意見表的回收率等綜合確定，既要保證專家所屬學科的代表性、又要有利于評議組織和實施、數據分析與處理的順利進行。根據有關文獻報道，因研究課題的規模大小以及涉及面的寬窄，專家人數一般以15-50人為宜[18]。

本文評議的內容是科研人員的科學數據素養能力指標體系，所需要的評議人員由從事數據素養教育的專家以及科研第一線的專家學者共同組成。通過與所邀請專家的溝通聯絡，確定參加項目評議的專家有足夠的熱情與時間進行評議。第一輪共邀請了23位專家構成評議專家組。在所有參加評議的專家成員中，表示對項目主題很熟悉的有15位，占65.2%;表示熟悉的有8位，占34.8%，沒有人員表示不熟悉（評議專家組的基本情況見表2）。

（2）專家評議表的回收情況。專家評議表的回收率（回收率=完成咨詢的專家數/全部專家數），也稱為專家積極系數，通常用來反映評議專家對研究問題的關心程度。本研究共進行了兩輪德爾菲專家咨詢，第一輪發放問卷23份，收回21份，第二輪發放21份，收回21份，且均為有效問卷，其積極系數分別為91.3%、100%（見表3），這表明專家對本研究的主題非常關心，參與程度很高。

2.5.2?? 第一輪專家評議結果分析

（1）“必要性”和“明確性”評議結果。經分析第一輪各指標的“必要性”和“明確性”評議結果數據可知：

在第一輪“必要性”專家評議中，“科學數據素養能力指標體系（初稿）”中的51項二級指標，共有39項指標達成共識，成為必要的指標;另有12項指標未達成共識，需要根據專家意見進行相應修改，然后進入下一輪“必要性”評議;其中有2項指標的“必要性”百分比小于60%，分別為：“了解所有數據保存都有成本”“認識到元數據遵循一定標準，并按照學科規范將其應用于數據集，解讀外部數據源的元數據”。

因此，可將這2項指標從指標體系中剔除，根據專家意見，將相關內容合并到其他指標中去。

在第一輪“明確性”專家評議的51項指標中，共有33項的“明確性”達到本文研究的要求，另外19項指標的“明確性”還有待提高;即使在39項達成共識的指標中，也有9項指標“明確性”未達標。需要結合指標的“必要性”判定，對“明確性”未達標的指標進行相應修改，然后進入下一輪“明確性”專家評議。

（2）第一輪專家修改意見。專家組對指標體系的整體框架表示認可，對“維度”和“一級指標”的設置均未提出任何異議，認為整個指標體系設計的較為系統而且全面，內容也很詳實。有專家指出其中部分指標所涉及的內容專業性較強，如“數據管理”部分的相關術語，非專業人士理解起來會存在一定困難，將影響到評價結果的可靠性;還有專家表示不同學科領域的科學數據素養能力側重點不同，期望能夠按照學科特性設計出更有針對性的指標體系;有專家建議在定性評估的基礎上，增加定量評估的指標，使評估更加科學有效;有專家指出如果針對指標體系擬定一些潛在的應用者，實施評價和考核會具有更強的指導意義。另外，專家對每項指標給出了詳細的修改意見，限于篇幅，此處不做詳述。

（3）第一輪修改后的指標體系。根據第一輪專家評議的結果，綜合考慮專家對指標“必要性”和“明確性”的判定，以及專家的修改建議，我們對初步設計的“科學數據素養能力指標體系”進行了相應的修改，形成第二輪專家評議問卷。

2.5.3?? 第二輪專家評議結果分析

（1）數據分析方法。第二輪專家評議的數據分析方法與第一輪相同。

（2）數據分析結果。①“必要性”和“明確性”評議結果。經分析第二輪各指標的“必要性”和“明確性”評議結果數據可知：在第二輪“必要性”專家評議中，對第一輪評議中未達成共識的12項指標，專家意見已全部達成共識，且“必要性”百分比均大于80%。第一輪評議中“明確性”未滿足要求的指標和其他修改過的指標共計35條，在第二輪的專家評議中，“明確性”均已達標，而且大多數指標的“明確性”比第一輪指標描述有明顯提升;②第二輪專家修改意見。專家普遍認為與第一輪指標體系相比，經修改后的指標體系，其指標設置更為清晰合理，而且重要性和可操作性都有所增強。此外，專家對各二級指標的邏輯性提出了一些改進建議，如I12與I14，I23與I25，I33與I35，建議互換排列順序，以使指標更好地反映數據操作的流程。

經過兩輪德爾菲專家評議，充分綜合了各學科領域專家的智慧和經驗，對指標體系進行了全面細致的修改。經指標刪減、增加、合并、順序調整、以及指標表述方式的修改，最終形成由3個維度、18個一級指標、47個二級指標共同構成的“科學數據素養能力指標體系”[19]，保證了指標體系的科學性、通用性、前瞻性和可操作性。

3?? 科學數據素養能力指標權重的確定

采用德爾菲方法對科學數據素養指標體系進行了兩輪專家評議與分析研究，形成了針對科研人員科學數據素養的較為全面的能力指標體系。然而，作為一個完整的評價指標體系，除了需要具備定性指標之外，還需要通過定量評價來反映被研究群體的科學數據素養水平，即確定各項指標在科學數據素養能力評價指標體系中的權重。

權重是能力指標體系的重要組成部分，科學合理地確定各級指標的權重，是量化評價質量的根本保證。目前計算指標權重較為有效的量化方法中最常用的是層次分析法（The Analytical Hierarchy Process，AHP），是將價值和判斷結合為一個邏輯整體，依賴于想象、經驗和知識去構造問題所處的遞階層次，并根據邏輯、直覺和經驗去給出判斷[20]。本文采用層次分析法確定指標體系中各級指標權重的基本步驟如下：

3.1??? 建立層次結構

基于“科學數據素養能力指標體系”，建立遞階層次結構（見圖2）。將指標體系分為四個層次，最上層為“科學數據素養能力評估”目標層，以下依次為維度層、一、二級指標層。

3.2??? 構造判斷矩陣

判斷矩陣表示針對上一層次某元素，本層次與之有關元素之間相互重要性的比較。在圖2中，目標層與維度層有關聯，可以構造判斷矩陣（見表4），其中，Cit表示對于目標層而言，I與T兩元素之間的相對重要性比較數值標度（兩兩比較矩陣中使用的重要性標度及其含義參見表5）。

在專家評議問卷中，設計了“目標—維度層（W—維度）”“個人維度—一級指標層（I—I）”“團隊維度—一級指標層（T—T）”“數據生態維度—一級指標層（E—E）”4個判斷矩陣表，請專家對 “一級指標”和“指標維度”的重要性等級進行評定。

3.3??? 單層次排序及一致性檢驗

3.3.1?? 原始數據分析

共21位專家參與了評議，對判斷矩陣中的數據進行統計分析（具體均值和方差見表6、表7、表8、表9）。

3.3.2?? 單層次權重計算

以上數據是對21位專家評議數據的統計，使用層次分析法需要量值為1，3，5，7，9（中間值為2，4，6，8），與之對稱矩陣的量值是1/3，1/5，1/7，1/9（1/2，1/4，1/6，1/8）。因此將上面表格中的數據圓整到與層次分析法相對應的量值（見表10、表11、表12、表13）。

按照權重的計算方法，計算各指標權重，并進行一致性檢驗。

由以上分析可見，“目標—維度層（W—維度）”“個人維度—一級指標層（I—I）”“團隊維度—一級指標層（T—T）”“數據生態維度—一級指標層（E—E）”4個判斷矩陣都具有滿意的一致性。

3.4??? 層次總排序

確定出上述各項具體指標的排序權重后，乘以100再圓整，即得出指標體系中各項評價指標的初始加權值（見表14）。

由于二級指標是根據一級指標的內涵要求而進行的能力細分，而且每個二級指標在整個指標體系中所占的絕對比重不大，因此，在本研究中，未對二級指標進行層次分析法權重分配，將在以后的研究中進一步探討。

4?? 討論

4.1??? 指標篩選的嚴謹性

本研究在指標篩選時采用了德爾菲法，所咨詢的專家不僅有從事數據素養教育的教師，還有在科研一線工作的學者。為了保證指標體系的科學性與導向性、超前性與可持續性，特選取了副教授職稱以上的專家，他們對調查內容的熟悉程度和權威性較高，確保了本次德爾菲專家咨詢的可信度。考慮到調查的普遍性和學科的綜合性，專家的學科背景既有理科、工科、又有人文、經管、社會科學等，保證了最終評議產生的科學數據素養能力指標體系是通用層次的。在分析評議結果時，除了對各指標的“必要性”和“明確性”進行了科學計算，同時在指標的表述和篩選中充分參考了專家反饋的修改意見，以及在訪談中提到的實際情況，避免了片面依靠評分的弊端。

4.2??? 指標體系的初步建立

本文依據指標體系的構建原則，經過兩輪德爾菲專家評議，最終形成由3個維度，18個一級指標和47個二級指標共同構成的“科學數據素養能力指標體系”。同時，采用簡潔實用而且系統性較強的層次分析法進行指標權重的確定，基于21位學科領域專家對指標體系中3個維度和18個一級指標進行了重要性標度，經數據統計與分析，分別計算出指標層次單排序和總排序的權重值，從而完成了定性描述與定量評價相結合的科學數據素養能力指標體系，為開展全方位、針對性的科學數據素養能力評價與教育方案設計提供了科學的評價標準和量化測評工具。此外，在指標體系構建過程中，請專家對每個指標的知識、技能和態度層面進行了相對重要性判定，形成集眾專家判斷意見的“科學數據素養指標體系‘知識-技能-態度重要性測度表”[16]，可供科學數據素養教學內容設計時做參考，以利于在整個教育過程中有重點有步驟、循序漸進地實現能力培養。

4.3??? 指標體系的可操作性

科學數據素養能力培養的實踐和成效都需要一定的標準進行指導和衡量。本文所構建的科學數據素養能力指標體系，正是從數據密集型科研時代個體所應該具備的數據能力出發，通過多維度的指標表征，對每個指標進行了知識、技能和態度層面的細致描述，包括能力說明、行為方式、情境示例等，綜合反映具體能力要求與行為結果，具有良好的可測性，為科學數據素養教育內容設計提供了切實的指導。利用科學數據素養能力指標體系，首先，學生可以評估自身的科學數據素養能力，了解自己在科學數據領域所缺乏的知識或技能，并按照指標體系的具體要求有針對性地提高相應的能力;其次，院系教師和圖書館員能夠根據科學數據素養指標體系，開發和設計適合不同層級學習者的科學數據素養教育項目;第三，學校教學管理部門通過了解學生的科學數據素養能力和教育需求，從而協調各方資源，支持圖書館等相關機構制定科學數據素養培養方案、開設課程或培訓。

4.4??? 指標體系的適用性

本文設計科學數據素養能力指標體系的出發點是學科通用型，而對于不同的學科，其數據的范圍、類型、格式和標準各不相同，即使在宏觀范圍內的同一領域，或者在單個科研團隊或實驗室小組的微觀領域內，不同的研究目的和研究類型所創建或利用的數據集屬性也各不相同。因此，為了更有針對性地評價具體學科領域的科學數據素養能力水平，需要進一步加強針對特定學科屬性的科學數據素養指標體系構建。另外，隨著數據環境與信息技術的發展，指標內容及其在教育評價工作中的應用效果還需在后期研究中繼續完善。

5?? 結語

科學數據素養能力指標體系反映了數據密集型科研時代下，從事科學研究的相關人員所應該具備的數據利用與管理能力。調研結果顯示，我國科研人員在科學數據利用與管理的過程中所表現的科學數據素養核心能力基本與國外保持一致，但也存在一定差異，如在數據管理計劃制定與實施、數據共享平臺應用等方面與國外相比仍有較大差距，對數據意識、數據安全、數據交流等方面的能力給予了特別關注[15]，這些都為構建符合我國國情的科學數據素養能力指標體系提供了基礎。隨著現代科研的團隊合作與協作特征日益明顯，數據和學術更加密不可分，共存于知識基礎設施的復雜生態系統中。在架構指標體系維度時，不僅要考慮以個人數據管理和利用為核心的能力，同時要將個人在科研團隊與數據生態中的能力構成納入其中，以全面反映大數據時代個體的科學數據素養能力。構建過程中進行了廣泛的學科專家評議與論證，保證了指標體系的科學性，這種定性描述與定量評價相結合的指標體系，使其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，為科研人員數據素養能力評價提供了理論框架與行為指導。

參考文獻：

[1]? 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.

[2]? 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].[2019-01-19].http：//docs.lib.purdue.edu/cgi/viewcontent.cgi？article=1054&context=dilsymposium.

[3]? PRADO J C，MARZAL M？魣.Incorporating data literacy into information literacy programs：Core competencies and contents[J].Libri，2013，63（2）：123-134.

[4]? SCHNEIDER R.Research data literacy[C].European conference on information literacy.Springer International Publishing，2013，397：134-140.

[5]? GRILLENBERGER A，ROMEIKE R.Developing a theoretically founded data literacy competency model[C/OL].WIPSCE '18：Proceedings of the 13th Workshop in Primary and Secondary Computing Education，2018，9：1-10.[2019-02-24].https：//doi.org/10.1145/3265757.3265766.

[6]? RIDSDALE C，ROTHWELL J，SMIT M，et al.Strategies and best practices for data literacy education knowledge synthesis report[J].Journal De Physique IV，2015，105（3）：11-18.

[7]? Databilities：a data literacy competency framework[R/OL].[2019-03-17].https：//docs.wixstatic.com/ugd/1ff4ae_14805e0c8e

f14b54bdafd38e44d5de23.pdf.

[8]? 王維佳，曹樹金，廖昀赟.數據素養能力評價與大學圖書館數據素養教育的思考[J].圖書館雜志，2016，35（8）：96-102.

[9]? 劉愛琴，劉蕾蕾，尚珊.MOOC環境下數據素養能力評價模型構建與度量[J].圖書館理論與實踐，2018（3）：104-109.

[10]? 董薇，姜宇飛，張明昊.基于灰色多層次評價模型的數據素養能力評價研究[J].圖書館學刊，2017，39（11）：22-29.

[11]? 周兵.大數據時代高校教師數據素養的內涵及評價體系探析[J].圖書館研究與工作，2018（1）：51-54.

[12]? 潘雪，陳雅.我國高校數據素養教育評價指標體系探析[J].新世紀圖書館，2018（7）：31-34.

[13]? GRAHAM B，REGEHR G，WRIGHT J G，et al.Delphi as a method to establish consensus for diagnostic criteria[J].Journal of Clinical Epidemiology，2003，56（12）：1150-1156.

[14]? 邱璇，丁韌.高校學生信息素養評價指標體系構建及啟示[J].圖書情報知識，2009（6）：75-80.

[15]? 秦小燕，初景利.面向我國科研人員的科學數據素養能力評價研究[J/OL].[2019-09-17].https：//kns-cnki-net.e.buaa.edu.cn/kcms/detail/11.1762.G3.20190917.0923.002.html.

[16]? 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.

[17]? 宋化民，肖佑恩.科學技術統計學[M].北京：中國石化出版社，1990：117-176.

[18]? 孫振球，徐勇勇.醫學統計學[M].北京：人民衛生出版社，2002.

[19]? 秦小燕，初景利.基于ITE-KSA結構的科學數據素養能力指標體系研究[J].圖書與情報，2019（1）：115-124.

[20]? 孫建軍.定量分析方法[M].南京：南京大學出版社，2005.

[21]? 楊良斌.信息分析方法與實踐[M].長春：東北師范大學出版社，2017：23-35.

作者簡介：秦小燕，北京航空航天大學圖書館館員，博士;初景利，中國科學院文獻情報中心期刊出版運營總監，中國科學院大學圖書情報與檔案管理系教授，博士生導師。

收稿日期：2020-01-20;責任編輯：魏志鵬;通訊作者：初景利（chujl@mail.las.ac.cn）