大學生科學數據素養現狀調查與提升策略研究

魏順平，侯文婷，程 罡

（1.中央民族大學 教育學院， 北京 100081； 2.國家開放大學， 北京 100039）

從數據素養的內涵來看，“數據素養”也被稱為“數據信息素養”，它由信息素養發展演變而來，是信息素養的一種拓展。大學生在校期間接觸到的主要是科學研究相關數據，數據處理需求主要來自學習和科研工作，因此，大學生在校期間的主要任務是習得科學數據素養。

從相關文獻看，已有研究多發生在2012—2018 年，距今已經5 年之久，這5 年來，國家基于大數據戰略，出臺多份文件，相關的具體要求已發生變化，高校學生數據素養也發生新的變化，我們有必要重新調查高校學生數據素養水平。另外，國家還出臺多份關于數據安全的文件，對國家數據戰略提出新要求，面對新要求，大學生有必要做出新改變，因此，本次調查數據應用與數據安全并重，相比以往調查，更多了解數據安全素養的現狀。

一、研究設計

1.研究問題

本研究基于已有高校學生科學數據素養的研究，開發調查工具，選取分布在我國東、中、西部8 個省份的9 所高校學生，調查我國高校學生的科學數據素養水平以及培訓需求。調查主要有三部分內容：高校學生的科學數據素養水平、影響高校學生科學數據素養的因素、學生科學數據素養教育需求。

2.問卷編制

本研究的問卷編制首先參考先前研究提出的科學數據素養構成框架，并根據研究內容增加了數據安全評價，把數據安全分為數據法律知識、數據倫理、數據規范三個子維度，基于此編制了調查問卷，然后抽取部分學生作為預調研的對象，并根據初步的結果及參加預調研學生的反饋，對問卷進行了反復的修改，最終確定了本研究調研所用的問卷，問卷內容包括：（1）基本信息：性別、學歷、專業、家庭居住地、家庭經濟情況、家庭文化程度；（2）數據素養：數據意識、數據知識、數據技能、數據安全；（3）教育需求：培訓方式、培訓具體軟件、培訓內容。

3.方法與樣本

文章調查采取“問卷星”網絡問卷的方式，面向北京市、天津市、湖北省、安徽省、云南省、四川省、貴州省、新疆維吾爾自治區等8 個省份的9所高校學生發放問卷，此次調查面向我國的東、西、中部地區的高校，調查范圍較為全面，最終得到問卷480 份，有效問卷446 份，問卷有效回收率約為93%。學生樣本基本情況描述見表1。

4.信效度檢驗

運用SPSS 軟件進行問卷信效度的檢驗，Cronbach’s Alpha 系數為0.938 ＞0.8。KMO 值為0.926 ＞0.7，結果表明問卷信效度較好，可以進行因子分析。數據再進行Bartlett’s 球形檢驗，sig.=0.000 ＜0.05，結果再次表明各題目效度和相關性較好，可以進行因子分析。

二、調查結果分析

1.大學生科學數據素養整體情況

總體來說，高校學生整體的科學數據素養水平較低。如表2 所示，高校學生四個維度得分的均值都在3 ～4 之間，認知大于行為，在這四個維度中，數據意識和數據安全維度得分相對較高（DC，3.96±0.67），均值較低的是數據知識（DK，3.32±0.68）和數據技能（DS，3.47±0.70），而數據技能中得分最低的是數據處理與分析（DS3，3.26±0.68），數據知識維度得分最低的是數據基本內涵與政策（DK1，2.98±0.74）。

表2 科學數據素養整體情況

進一步分析子維度發現，在數據意識維度中，高校學生對于數據有比較充分的認知，能夠意識到數據在科研乃至社會生活中越來越重要，但是對于及時發現數據需求并主動應用的意識較低；在數據技能中，學生對于數據處理與分析、交流與應用的能力遠低于其他維度得分，急需提升；在數據知識維度中，得分最低的是數據基本內涵與政策，在“了解大數據的內涵”一題中，均值只有2.92，學生對于數據內涵了解甚少；而在均值較高的數據安全維度中，面對數據安全法律知識，均值僅有3.30，說明學生數據安全法律知識十分欠缺，這點值得引起我們重視。

2.不同群體的科學數據素養水平差異分析

此問卷對于不同特征類型的科學數據素養進行分析，對于不同性別和教育背景的科學數據素養進行獨立樣本T 檢驗，發現不存在差異。將專業類型、家庭居住地、家庭經濟情況、家庭文化情況作為自變量，將科學數據素養作為因變量進行ANOVA 分析，結果顯示，科學數據素養在家庭居住地、家庭經濟收入、家庭文化程度方面出現顯著差異，而在專業類型方面并沒有顯著差異（如表3 所示）。

表3 科學數據素養的個人特征差異

3.基于科學數據素養的聚類分析

研究首先基于科學數據素養四個子維度得分均值將樣本聚類為三類，聚類結果良好，具體聚類中心及各類群體數量見表4。結果顯示，類1 中的四個維度得分整體較高，人數占比17.49%。

表4 基于科學數據素養構成的聚類中心

分析三類群體的個人與家庭特征可以發現（如表5 所示），科學數據素養得分較高的類1 相比類2、類3，男生占比（34.62%）較高；研究生學歷占比較高，且理工科類專業占比（29.49%）較高；來自農村，以高收入家庭為主，低收入家庭占比（19.23%）較少。科學數據素養得分較低的是類2，類2 和類3 構成相似，以女生為主，分別占比80.25%和82.04%，本科生占比60.49%和60.68%，專業相比于類1 多來自人文社科類專業，主要來自縣鎮，父母文化程度以初等教育程度為主，且低收入家庭占比較高，分別為30.86%和25.73%。

表5 各聚類的樣本分布情況

4.高校學生科學數據素養影響因素分析的結構方程模型

為進一步探究大學生科學數據素養四個一級維度之間的關系，本文擬通過問卷調查結果，構建結構方程模型，以探索各維度之間的相關系數。

（1）結構方程模型構建。結合問卷設計的維度，確定了大學生科學數據素養結構方程模型的變量體系，如表6 所示。

表6 結構方程模型的變量體系

使用AMOS26.0 軟件構建的模型如圖1 所示。

圖1 高校學生科學數據素養影響因素分析的理論結構模型

構建的結構方程理論模型首先要進行適用性檢驗，運行Standardized-estimates，運行結果如表7所示。4 個路徑系數參照指標外的其余路徑系數的顯著水平都達到0.05，臨界比值的絕對值＞1.96，顯著性概率值＜0.001，說明路徑系數均顯著，所構建的結構方程理論模型沒有問題。[1]

表7 結構方程模型的非標準化路徑系數

（2）結構方程模型修正。常用擬合指數中，適配指標應滿足卡方自由度比＜3.00，GFI ＞0.90，RMSEA ＜0.08。由圖1 可知，初始結構方程模型卡方自由度比＝5.347 ＞3.00 和GFA ＝0.724＜0.90，RMSEA ＝0.099 ＞0.08，未達到適配標準，參照修正指標，建立部分變量之間的相關關系以修正模型。[2]

修正之后模型的擬合指數數值如圖2 所示，指標要求已滿足，可以確定為最終模型。數據意識與數據知識、數據意識與數據技能、數據意識與數據倫理、數據知識與數據技能、數據知識與數據倫理、數據倫理與數據技能的相關關系系數依次為0.73、0.60、0.61、0.83、0.65、0.68，相互之間的相關系數均大于0.60，說明科學數據素養之間的相互關系甚是密切。其中，數據知識與其他三維度之間的關系系數均較高，說明在教學實踐中應注重科學數據素養的全面提升，以使科學數據素養的各個維度起到相互促進的作用。

圖2 標準化估計的高校學生科學數據素養培養結構方程模型

5.高校學生科學數據素養教育需求情況

（1）數據培訓需求。表8 是學生對科學數據素養課程內容需求統計結果。在數據培訓上，多數指標響應人數超過50%，一方面說明學生對科學數據素養課程的需求比較大；另一方面，從維度來說，數據分析處理課程需求占比達77.8%，這也與問卷對于科學數據素養水平測量中數據分析處理能力較低相一致。

表8 科學數據素養課程內容需求

（2）數據分析軟件課程需求。如表9 所示，軟件學習需求最高的是Python，有62.6%的學生提出了這一學習需求； 其次是SPSS（54.0%）、Excel（35.0%），其他數據分析軟件如CiteSpace、Amos、PowerBI、Nvivo 等需求較低。前文調查分析表明，學生在數據分析方面整體水平較低，從數據分析軟件學習需求調查中也可以看出學生對數據分析軟件多樣性認識還不夠，才會導致只有少數軟件有超過1/3 的學生選擇，而其他多數軟件只有不到10%的學生選擇。

表9 數據處理軟件學習需求統計

（3）喜愛的培訓方式。表10 是學生對喜愛的科學數據素養學習方式統計結果。可以看出，上機實驗的形式最受學生歡迎，占比高達70.4%；其次是系統講授，占比達到67.7%，這一結果符合數據素養這一技能型課程的學習特點。在課時安排上科學數據素養課程系統講授和上機實驗的占比要相當，上機實驗的課時占比還應超過系統講授。另外，45.1%的學生選擇在線課堂，在線課堂有回放功能，學習時間比較自由，更加靈活。

三、結論與建議

依據上述結果，結合當前最新要求和他人成果，本文對提升高校學生科學數據素養提出以下建議。

1.強化數據安全教育

習近平總書記強調，沒有網絡安全就沒有國家安全，就沒有經濟社會穩定運行，廣大人民群眾利益也難以得到保障。[3]2022 年，懷進鵬在主持教育部黨組理論學習中心組集體學習暨教育信息化首場輔導報告會時，提出筑牢數據安全底線，構建可持續的數據安全防護體系。[4]大學生是高校的主要人群，大學生數據安全意識和能力的提升將是高等教育領域數據安全的重要保障。加強高校網絡安全教育事關國家網絡安全防線，事關國家意識形態安全，事關高校立德樹人根本任務，具有重要意義，然而當前高校網絡安全教育所面臨的困境具體表現為邊緣化、形式化和碎片化。[5]調查表明，高校學生的數據安全意識狀況堪憂。因此，高校必須統籌數據安全與數據應用，將數據安全教育貫徹在高校學生數據素養的全流程，提升學生的數據安全意識，科學規范使用和利用數據。高校需對標國家法律和政策文件對“數據安全”的要求，強化學生的數據安全教育，包括依托校園媒體普及數據安全知識，開展系列數據安全展出活動，開展數據安全教育主題班會，通過各級團學組織深入學生宿舍、教室等場所進行數據安全知識普及宣傳，邀請公安系統、安全企業等單位專家現身說法，普及數據安全知識，結合近期熱點數據安全案件對學生進行警示教育等。并且學校要特別注重對學生開展敏感個人信息保護教育，教育學生收集處理敏感個人信息時應對必要性、科學性、倫理性進行論證，實施時應取得個人信息主體的單獨同意。具體到數據處理的安全教育方面，學校須教育學生在處理教育數據時遵守各項法律要求，并重點注意：（1）收集數據時遵循“最小夠用”原則，不得超出職能范圍收集數據；（2）存儲數據時遵循“最短周期”原則，應根據業務周期確定數據存儲期限，超過期限的數據應進行歸檔或銷毀；（3）使用、分析數據時遵循“最小必要”原則，明確數據的錄入、查看、修改、刪除等權限；（4）開放共享數據時遵循“用而不存”原則，通過接口的方式共享數據。

2.開好科研數據素養課程

（1）明確科學數據素養課程目標。明確的科學數據素養課程目標對于高校科學數據素養課程如何教、教什么、怎么教至關重要。在課程目標設計上，一方面要建立在充分了解學生的數據能力現狀和需求上，另一方面要結合當前國家大數據戰略的不斷推進對大學生提出的新要求去設計課程目標，從而使高校學生緊隨時代要求，努力做新時代要求的高科學數據素養人才。此外，在調查中發現，研究生相對于本科生來說，科學數據素養水平較高，因此科學數據素養要通過由淺入深的教育，注重教育目標的層次遞進性。

（2）采用眾籌與動態生成的課程建設模式。構建科學數據素養課程體系是提升學生科學數據素養教育的核心。世界范圍內，各類數據持續生產、更新，各類數據處理技術手段不斷迭代升級，各類數據應用層出不窮。因此，僅憑教師團隊很難做到將更新、更好、更實用的數據素養教學內容呈現在學生眼前，必須借助大數據手段來實現課程內容的動態更新。一種是人力手段，每學期的選課學生既是學習者，又是下一輪教學內容貢獻者，學生見到的數據、工具、應用案例以及他們的作品都將成為新的課程內容；另一種是技術手段，通過網絡爬蟲定期爬取政策、論文、書籍、會議、新聞，從中自動發現新政策要求、新數據平臺、新處理方法、新應用場景，不斷充實課程內容。

（3）構建成果產出和能力生成導向的課程教學模式。基于OBE 教育理念，構建成果產出和能力生成導向的課程教學模式。在科學數據素養課程中，學生自主學習活動是主要的學習活動。學生通過網絡教學平臺觀看PPT 課件、視頻課件以及課程資源庫進行自主學習，掌握基本的知識與技能，形成初步的數據應用意識和安全意識。在線下課堂，教師對一些重點、難點、知識點以及復雜操作技能進行講解、演示，教師帶著學生完成一些應用案例并讓每位學生形成學習成果，如一幅可視化圖表、一份數據分析報告或一份匯報講稿等。在大數據創新應用環節，教師組織學生組建小組，確定研究選題并開展數據分析研究，過程中教師匯總學生的知識技能盲區補充講解知識、技能，協助學生完成分析報告。在課程模式中，注重在學生學習過程中產出看得見的成果，注重通過大數據創新應用實踐促進學生形成利用大數據解決問題的能力，讓學生置身于數據環境中，真正提高科學數據素養。

（4）建立數智融合驅動的教育評價模式。數智融合驅動的教育評價模式是將大數據理念及人工智能技術融入教育評價的各要素、各環節而形成的一種更加科學、專業、客觀的教育評價方式，它具有評價主體多元、評價內容全納、數據采集全面快速、價值分析科學高效、評價反饋智能精準等關鍵特征，能全面反映學生的科學數據素養水平。

3.引領數據應用創新

黨的二十大報告指出，必須堅持科技是第一生產力、人才是第一資源、創新是第一動力，并進一步指出，要全面提高人才的自主培養質量，著力造就拔尖創新人才。2016 年，習近平總書記在中共中央政治局第三十六次集體學習時強調，網絡信息技術是全球研發投入最集中、創新最活躍、應用最廣泛、輻射帶動作用最大的技術創新領域，是全球技術創新的競爭高地。[6]大數據是網絡信息技術的重要組成部分，學校不但要教給學生數據安全、數據知識和技能，更為關鍵的是引導學生開展數據應用創新，提升創新能力。學校可通過以下形式實現創新應用：

（1）開展校內開放數據競賽。高校信息化已開展近30 年，積累了豐富的教學、管理、科研數據，如何用好這些數據是擺在教師、管理者面前的一個難題。學校可將歷史數據進行脫敏處理，提出當前教學、管理等方面的問題，邀請全校學生跨學院組隊參與解決問題。一方面可鍛煉學生的數據創新應用能力，另一方面可為學校教學、管理提供優化解決方案，可謂一舉兩得。

（2）與社會機構合作開展數據競賽，或推薦學生參加社會知名數據競賽。已有的大數據競賽項目有教育部高等學校計算機類專業教學指導委員會等主辦的大數據挑戰賽、教育部等學校統計學類教育指導委員會指導的全國大學生大數據分析技術技能大賽、中國通信企業協會的全國大學生大數據技能競賽等。通過競賽，一方面可以推動校企合作，加強校企共建，提升我國大數據專業人才的實踐能力；另一方面能夠更好地激發學生的自主學習熱情和創新潛力，提高學生團隊合作意識和能力。大數據競賽本身可以視作“理實一體化”“做學教一體化”教學模式的重要一環，它可以使學生搭建平臺、數據獲取、數據分析與處理等方面的相關能力在真實的大數據項目案例下得到訓練與培養。這不僅可以提高學生的整體素質，縮小學生能力與行業需求之間的差距，也更符合當前社會對人才培養規格的要求。