大數據背景下經管類學生數據素養現狀及提升策略

尹麗英，衛林英

（西安郵電大學 經濟與管理學院，陜西 西安 710061）

0 引 言

大數據背景下，具備數據素養是“在數字世界遨游”的重要保障，高校大學生需要借助數據素養來準確獲取數據信息，提升數據處理能力。與國外相關研究相比，數據素養在近幾年才成為國內學者的重點關注對象。梳理總結數據素養內涵及數據素養組成要素，構建滿足符合研究對象的數據素養評價指標體系，進一步設計并發放問卷，結合數據素養現狀，提出大數據環境下經管類學生數據素養的提升策略。

1 數據素養內涵辨析

（1）信息素養與數據素養

數據素養在大數據平臺上借鑒信息素養研究方式發展而來，它們之間一脈相承。前期信息素養的定義界定、相關理論、評價依據、教育培養等為數據素養的研究提供了有效的理論指導。信息素養是數據素養發展的前提。“數據素養”的重要程度大于“信息素養”。數據素養是經管類學生不可或缺的素養之一，要獲取信息的基本條件就是要擁有數據素養，具備數據敏感性，學會運用各種方式獲取原始數據，出色的數據意識能夠讓經管類學生探尋到很多有價值的原始數據信息。

（2）數據素養能力構成

數據素養能力是其概念確定和評價指標體系構建的前期基礎，劃分依據不同，包含的內容也不同。典型的數據素養能力劃分見表1所列。

表1 數據素養能力構成

不同學者對數據素養能力的劃分類別有多有少，有粗有細，通過學習和借鑒前期國內外學者的數據素養能力研究進行分類。本課題擬從數據意識、數據態度、數據收集、數據整理、數據表征、數據分析和數據交流這七方面來劃分數據素養能力。

（3）數據素養定義

數據素養內涵豐富，學者們從不同角度予以揭示：其作為信息素養的一部分，可為利用數據發現問題、分析問題、解決問題，或提供解決方案提供支撐；在遵守相應道德規范的條件下擁有理解并使用數據支持決策的能力。因此，數據素養即擁有正確的數據意識和數據態度，能夠利用數據收集、數據整理、數據表征和數據分析能力支持決策，并進行數據交流。

2 大數據環境下經管類學生數據素養評價指標體系設計

不同學者的數據素養評價指標體系不盡相同，考慮大數據時代背景，結合國內高校經管類學生的數據素養能力現狀特點，擬從數據意識、數據態度、數據收集、數據整理、數據表征、數據分析和數據交流這7個指標入手，構建數據素養評價指標體系，該體系包含21個二級評價指標，見表2所列。

表2 數據素養評價指標體系

7個一級指標具體內涵如下：

（1）數據意識：指對數據內涵進行深入探究與思考，能夠對各類數據保持敏感和信賴，善于挖掘數據來歷和發現自己的數據需求，從而明晰數據表層價值和隱含價值。

（2）數據態度：指對原始數據資料可靠性和準確性的把控程度，擺正數據位置，嚴謹、批判性對待數據及數據結果。

（3）數據收集：指在把握數據相關需求和數據特征的基礎上運用正確的數據統計方法來搜集原始數據資料的過程。

（4）數據整理：指借助統計軟件對原始數據資料進行初步統計整理，去除錯誤或無關數據，簡化數據資料。

（5）數據表征：指運用統計量、統計表與統計圖，借助信息技術全面有效地揭示和表明數據成果。

（6）數據分析：指依據有效的數據分析方法來全面評價最終結果，以確保處理過程的準確性，從而做出有效決策。

（7）數據交流：指能夠運用數據結論與他人進行交流和共享，恰當說理，可以依據結論撰寫最終報告。

3 大數據環境下經管類學生數據素養現狀調研

基于所構建的指標體系設計問卷，并于2022年3月9日—5月10日借助問卷星、微信、QQ等線上方式向經管類學生發放調查問卷，最終收回267份問卷，其中有效問卷250份，針對問卷的數據結果進行統計。

3.1 數據意識指標分析

數據意識頻數（百分比）統計見表3所列。

表3 數據意識頻數（百分比）統計

“A1關注數據來源”和“A2了解數據內涵和數據需求”中占比最多的是“不確定”選項，說明學生忽視了數據來源對于數據的重要性，不能合理評價自身對于數據來源的關注度，不能正確了解自身掌握的數據內涵和數據需求程度水平。“A3 具備數據敏感性”中，大多數經管類學生對日常數據具有敏感性和信任性，他們善于發現有效的原始數據資源。“A4 基于數據聯系實際”的結果顯示：總體上，經管類學生擅長基于數據聯系實際，能夠發現數據表層價值和隱含價值。可見經管類學生數據意識處于中等水平，他們對數據意識的理解不夠清晰和深刻，無法公正評判自身數據意識層級。

3.2 數據態度指標分析

數據態度頻數（百分比）統計見表4所列。

表4 數據態度頻數（百分比）統計

“B1質疑數據可靠性與準確性”中，僅40.4%的學生偏向質疑數據的準確性，可見大部分學生往往不會質疑數據的準確性；“B2了解數據重要性并使數據增值”中，50%的經管類學生認為很重要，會積極主動地獲取數據；“B3 嚴謹對待數據，批判性看待數據處理最終結果”的調查結果表明：高達57.6%的經管類學生可以遵從。可見，大數據環境下經管類學生的數據態度整體水平較高，大多數被調查者已認識到數據的重要性，但同時還需關注學生質疑數據可靠性與準確性的能力。

3.3 數據處理指標分析

（1）數據收集指標分析

數據收集頻數（百分比）統計見表5所列。

表5 數據收集頻數（百分比）統計

“C1 設計簡單的調查問卷”是為了考查經管類學生數據收集基本水平而設置，結果顯示：52%的學生可以設計簡單的問卷來收集數據資料；“C2恰當選用數據收集方式及收集渠道”結果表明：大多數經管類學生了解多種數據收集渠道，可以依據現實條件準確選擇有效的數據收集方式；“C3 分類收集數據”中，43.6%的學生比較符合分類收集數據要求。可見，經管類學生具備基本的數據收集能力，但與大數據環境下數據素養的要求仍存在一定差距，需逐步進行專項訓練以提升數據收集能力。

（2）數據整理指標分析

數據整理頻數（百分比）統計見表6所列。

表6 數據整理頻數（百分比）統計

“D1 剔除錯誤或無效數據”中顯示：60.9%的學生對原始數據資料無從下手，無法精準定義和選擇“錯誤或無效數據”；“D2 使用統計軟件整理數據”中有38.8%的經管類學生基本可以做到借助多種統計軟件來整理原始數據，8%的學生可以熟練掌握各類統計軟件的處理程序；“D3 合理組織與簡化數據”中，45.6%的學生較為符合要求。總之，經管類學生數據處理能力需要加強，他們在剔除錯誤或無效數據處理方面表現不足。

（3）數據表征指標分析

數據表征頻數（百分比）統計見表7所列。

表7 數據表征頻數（百分比）統計

“E1 正確運用統計量表征數據”中，有51.2%的學生符合要求；“E2 恰當選用統計表和統計圖表征數據”中，有58.8%的學生可以自主選用表格和圖表來展示數據信息；“E3借助信息技術呈現數據及數據結果”中，49.2%的人員可以熟練借助信息技術來揭示數據信息。綜上，數據表征是數據素養不可或缺的組成部分，經管類學生數據表征能力也需不斷完善和提升。

（4）數據分析指標分析

數據分析頻數（百分比）統計見表8所列。

表8 數據分析頻數（百分比）統計

“F1 準確選用分析方法評估數據”和“F2 依據數據做出合理決策”中，有34.8%和36.8%的學生表明不確定自己是否可以有效選擇數據分析方法來評估數據，結果中完全符合要求的學生占少數；“F3我能從數據分析結果中準確提取結論，并依據數據做出合理決策”中仍有30.8%的學生不能明確表述意見。可見，數據分析能力整體水平尚不足，“不確定”占比過大，需逐步提升經管類學生的數據分析能力。

3.4 數據交流指標分析

數據交流頻數（百分比）統計見表9所列。

表9 數據交流頻數（百分比）統計

“G1 依據數據準確表述結論”中，39.6%的學生能較好地表述數據結論，9.2%的經管類學生能夠主動和團隊中的其他成員交流數據信息，他們樂于實現信息數據的共享。“G2恰當運用數據說理”中，有56%的調查對象能恰當使用數據觀點說明道理。“G3正確利用數據及數據結論撰寫調查報告”中，高達53.2%的經管學生滿足要求，但32.4%的學生也表示“不確定”。可見，經管類學生的數據交流能力整體上看是合乎要求的，但仍需進一步加強。

4 大數據環境下經管類學生數據素養提升策略

基于經管類學生的數據素養現狀研究結果，根據數據素養7個能力維度，針對性提出如下建議：

（1）數據意識能力。高校應該以數據意識為教學內容的出發點，開展“數據意識”系列課程、專題講座和交流會，借此來加深經管類學生對數據意識與態度的重視程度。

（2）數據態度能力。高校在數據素養課程內容教學過程中要注重培養經管類學生樹立正確的數據態度，以嚴謹、公正和批判性的數據態度對待數據和數據結果。

（3）數據處理能力。基于經管類學生的實際特點開設數據收集相關實驗課，通過模擬實驗讓學生真實掌握原始數據資料的獲取方法。引導學生學習數據整理相關的教學內容，具體包括理論部分和實踐部分，在教學過程中師生共同總結數據整理的有效方式，借助相關的數據整理實踐結果來判斷經管類學生的數據整理能力層級。為經管類學生開設數據表征能力培養相關的培訓課程和系列講座，以一站式數據表征方式和相關途徑為主，同時開設相匹配的實踐課。數據分析能力教學內容涉及數據分析基本方法，同時開設數據分析實踐課，讓學生嘗試用學過的數據分析方法對數據結果進行深入分析。

（4）數據交流能力。高校除了教學數據交流理論課程外，還需定期召開數據交流的有關專題活動和講座，借此實現數據結果的交流共享，以提升經管類學生的數據交流能力。

5 結 語

大數據時代，經管類學生的數據素養教育仍有很大的提升空間，需從數據素養環境、師資培訓、課程體系、合作機制等多方面、全方位促進和推動數據素養教育的發展。