計算思維視角下的勞動者數字素養

[ DOI ] 10.19764 / j.cnki.tsgjs.20240738

[本文引用格式] 任明.計算思維視角下的勞動者數字素養[J].圖書館建設，2024（3）：34-36.

1 背 景

隨著大數據的快速發展，我國已成為名副其實的數據大國，并在穩步邁向數據強國。在激活數據要素潛能、將我國龐大的數據規模優勢轉化為數據價值優勢的進程中，勞動者的數字素養發揮著至關重要的作用。數字素養作為數字時代生存所需的一系列技能，使公民能夠充分利用數字技術創造價值[1]。隨著數字技術、數字平臺等日益普及的應用，勞動者需要具備相應的數字素養，才能有效地完成工作任務[2]。埃森哲[3]預測，到 2030 年，全球 75%的知識工作者每天都要與由基礎模型支持的應用程序、服務或代理進行互動。當然，數字素養不等同于使用數字設備、平臺和應用的能力，更重要的是能深刻理解數據要素的價值，在各自的工作環節中以不同的方式為推動基于數據的價值創造作出貢獻。為此，勞動者需要在思維、觀念、能力等方面全面提升自身的素質，以適應不斷演變的外部環境。

2 計算思維的方法論

計算思維作為數字時代勞動者應具備的基本素養，其培養具有核心意義。計算思維這一術語是時任卡內基梅隆大學計算機科學系教授周以真（Jeanette M. Wing）[4] 在2006年首次提出的，她認為計算思維是“像計算機科學家一樣思考”的能力，這種能力不僅僅涉及計算機編程，更重要的是在多個抽象層次上思考。這將成為人人都使用的一項基本技能，就像閱讀、寫作和算術這些技能一樣。具體來說，計算思維是以系統的方式來解決問題的思維過程，這個過程的核心是找到合適的計算模型，以此來表述問題并制定可自動執行的解決方案[5]。在遇到復雜問題或新問題的情況下，有可能需要研究發明新的計算模型，此時的計算思維就成為一種研究活動。

計算思維提供了一套系統的方法，使勞動者有效地理解、分析、解釋、利用數據，并據此來解決問題、做出決策、創造價值。目前，對于計算思維的方法還沒有明確的共識，谷歌提出的計算思維的四種核心方法廣為人知，具體包括分解問題、模式識別、抽象化、算法設計。這也在一定程度上體現了以計算思維解決問題的過程：首先，將復雜的問題分解成一系列較小的、更容易處理的子問題；其次，在分析這些子問題時，識別其中的模式和關聯；再次，對問題進行抽象建模；最后，設計解決這些問題的步驟或規則，即算法。算法有助于高效編寫計算機程序，使問題通過計算機自動執行的方式得到解決。這四個核心方法構成了計算思維的基礎，建立這些能力使我們能夠清楚地理解自動化解決問題的內在機理。

3 計算思維在數字勞動中的作用

伴隨大數據和人工智能時代的到來，數字勞動成為新型的勞動形式，并成為推進經濟高質量發展的主要動力。數據是數字勞動中的重要組成部分。一方面，數據作為勞動對象，是產業鏈條上的基礎產品和原材料[6]；另一方面，數據亦是勞動工具的重要組成，基于大數據的算法、軟件服務等作為物質中介使勞動者將自身勞動傳遞到勞動對象上，從而提高信息與服務的集中效能和配給效率[7]。從這兩種角色出發，我們可以看到兩大類數據相關的勞動：一類從事數據加工處理，另一類從事算法和工具的開發，計算思維在這些數字勞動中都發揮著重要作用。

數據加工處理主要是從數據中提取有價值的信息和規律。在大規模數據的處理中，大量體力和腦力的重復性、程序性勞動被自動化的算法取代。在這一過程中，勞動者常需要使用算法、模型和工具，系統地分析數據，發現模式，從而更加高效地解決問題。使用計算思維，勞動者可以從具有一般性、具有抽象意義的層面上思考問題，不局限于具體問題的細節，從而更深刻地認識數據中所蘊含的問題的本質。具體來說，分解問題賦予我們處理復雜數據集的能力，有助于清晰地簡化和理解問題；識別模式和抽象化使我們能夠從具體數據中提取共性特征，形成抽象化的概念或模式，將特定情況下的認識轉化為更有泛化意義的洞察力，這是數據分析的核心。可見，數據加工、算法邏輯、分析思維等隱性知識和思維組織技能，已逐漸成為勞動力的內在要求[8]。計算思維是數據加工處理工作中創造新勞動產品的關鍵能力。

算法和工具的開發主要是設計能夠解決特定類型問題的方案。在這一過程中，勞動者是算法、模型和工具的創造者，他們極大地依賴計算思維能力來開展工作。這一過程通常是在抽象層面上考慮問題及其解決方案，抽象思考能夠幫助勞動者定義算法的邏輯結構，從而有效地處理各種具體數據。而且，抽象思考激發創新力，有助于從現有工作中發現新的可能和創意。以近年來人工智能發展的前沿——深度學習為例，這是一種強大的機器學習技術，使用多層神經網絡來模擬人腦結構，通過學習樣本數據的內在規律和表示層次，使機器能夠像人類一樣具有學習能力。深度學習強調數據的表征學習，為了使機器理解復雜的文字、圖像和聲音等數據，通過逐層的特征變換，將初始的“低層”特征表示轉化為“高層”特征表示，再使用簡單模型完成復雜的分類等學習任務。與傳統機器學習使用人工構造特征的方式相比，深度學習使用多重非線性變換，對數據進行高層抽象，從而捕捉到數據中復雜的、隱含的關系。可見，從事算法和工具開發這類工作，對勞動者的計算思維能力顯然有更高要求[9]。尤其在當前大語言模型和生成式人工智能技術迅速發展的當下，勞動者在技術實踐中也面臨著諸多挑戰，如如何改進算法、理解可能會產生的錯誤、識別和糾正數據中存在的偏差、解釋模型的輸出等。解決這些難題需要勞動者具備邏輯思維能力、批判性思維和創造性思維等高階思維能力。

4 以計算思維為核心全面提升勞動者數字素養

數據要素的特殊性和復雜性對勞動者提出了多樣化的要求。數據的價值增值過程，不僅涵蓋了數據加工處理、數據產品生成以及相應的算法設計活動，還包括了對接市場需求、在具體場景下的數據賦能，以及進一步與資產要素協同融合、形成數據資本的增值過程[10]。目前，我國正積極推進數據要素市場化改革，亟需探索形成一套兼顧中國國情需求和數據要素特殊規律、有效回應行業痛點難點問題的綜合配套改革方案，以有效引導和促進數據要素市場的發展，規范數據交易和流通，促進數據的價值釋放，提升數據要素配置效率。在這一背景下，需要堅持安全與發展并重的理念，以計算思維為核心全面提升勞動者數字素養。

一方面，勞動者應當具備對數據要素價值的敏銳洞察力。計算思維不僅是解決問題的能力的體現，還是個體適應數字化環境與數字技術更迭的認知心理能力[11]。對于數據要素價值的洞察力不僅限于對數據本身的理解，更重要的是能夠在具體場景中認識數據的潛力和價值，精通如何有效利用數據來促進社會和經濟的發展，從而確保各方面管理和支持能夠在變革中適應我國國情的需要，適應不斷變化的市場需求。

另一方面，勞動者必須樹立強烈的數據安全意識和法律意識。計算思維使我們能夠從數據中發掘情報，但對于那些對國家安全戰略具有重大意義的情報，數據的關聯分析、情報生成與感知也可能帶來潛在的安全威脅[12]。因此，必須加強勞動者的數據安全意識和法律意識，確保數字勞動的合法合規，及時發現并應對潛在的數據安全風險，采取有效的風險治理措施，共同營造合法有序的數據要素市場環境。

隨著數據要素市場化改革的不斷推進，勞動者的數字素養提升變得尤為迫切。在此過程中，每位勞動者都需積極適應數字化時代的新要求，持續培養計算思維能力，提升對數據要素價值的敏感性和洞察力，并強化數據安全意識和法律意識。同時，政府和各類組織應提供必要的培訓和支持，確保勞動者具備勝任其工作的能力，推動數字社會和數字經濟的健康可持續發展。通過這些措施，我們能夠充分發揮我國海量數據規模和豐富應用場景之優勢， 激活數據要素潛能，做強做優做大數字經濟，增強經濟發展新動能，構筑國家競爭新優勢。

參考文獻：

[1] PHIPPEN A.Digital Literacy[M]//ELLIS L.Encyclopedia of libraries，librarianship and information science.[S.L.]：Academic Press，2024：1-8.Doi：10./016/B978-0-323-95689-5.00097-3.

[2] REDDY P，SHARMA B，CHAUDHARY K.Digital literacy： a review of literature[J].International journal of technoethics，2020，11（2）：65-94.

[3] 埃森哲.技術展望2023——當原子遇見比特，構建數實 融合的新基礎 [EB/OL].（2023-07-19）[2024-04-10]. https：//max.book118.com/html/2023/0717/5230104241 010243.shtm.

[4] WING J M.Computational thinking[J].Communications of the ACM，2006，49（3）：33-35.

[5] AHO A V.Computation and computational thinking[J]. The computer journal，2012，55（7）：832-835.

[6] 何玉長，王偉.數字生產力的性質與應用[J].學術月刊， 2021，53（7）：55-66.

[7] 阮朝輝.馬克思主義生產方式視閾中的數據技術：性質、地位與作用[J].探索，2018（1）：21-31.

[8] 王星，王春璇.從工業勞動到數字勞動：勞動過程變遷與理論探索[J].新視野，2023（6）：38-45.

[9] DENNING P J.，TEDRE M.Computational thinking for professionals[J].Communications of ACM，2021，64（12）： 30-33.

[10] 于施洋，黃倩倩，虞洋，等.數據要素市場的價值增值研究：理論構建與實施路徑[J].電子政務，2024（2）：33-40.

[11] 馬曉飛，張爾赫. \"數字中國\" 建設背景下高校學生計算思維培養研究：熱點、趨勢與建議[J].圖書情報工作， 2023，67（13）：142-151.

[12] 周毅，郭朗睿.公共數據開放中隱性安全風險的內涵、表現及其生成邏輯[EB/OL].[2024-04-10].https：//link.cnki. net/urlid/11.1448.g3.20240407.1941.002.

[作者簡介]

任 明 中國人民大學信息資源管理學院副教授、博士生導師，研究方向為大數據分析、人機協作智能、數據要素市場。E-mail：renm@ruc.edu.cn。

[收稿日期：2024-04-11]