面向未來的數據科學支持最佳實踐研究

摘 要：數據科學在科學研究和社會經濟發展中的作用日益凸顯，借助數據科學方法和技術可以獲得基于大數據的見解和預測，并推動跨學科的新發現。美國亞利桑那州立大學圖書館的數據科學支持實踐重點關注計算素養提升、地理空間數據支持、可重復性研究支持，并取得了實質性進展，對其案例展開分析，可以為我國高校圖書館開展數據科學服務提供借鑒。

關鍵詞：數據科學；數據素養；數據科學教育；數據科學支持

引言

近年來，數據科學獲得了快速發展和廣泛關注。數據科學在科學研究和社會經濟發展中的作用日益凸顯，它將統計學和計算機科學的概念和方法應用于眾多領域問題，獲得基于大數據的見解和預測并推動跨學科的新發現。

在制造業領域，基于傳感器數據構建異常檢測模型可實行預測性維護；在醫療衛生領域，通過創建預測模型確定風險因素，可預測患者再入院風險；在金融業領域，通過構建機器學習模型實時識別異常事件，可用于防范欺詐和金融犯罪等。但是，應用這些方法需要專門的技能和資源，包括計算機編程和數據可視化，而具備數據素養、能夠批判性地思考大數據問題并運用大數據技術解決現實問題的人才十分匱乏，在一定程度上阻礙了數據科學應用的充分發展。美國亞利桑那州立大學啟動了全校性的數據科學教育項目，圖書館為支持數據科學教育提供了多領域的教育資源，在計算素養支持、地理空間數據支持和可重復性研究支持等方面取得實質性進展。

一、數據科學教育發展概況

美國的數據科學教育起步較早，早期的數據科學教育主要是建立在單個學術單元內的特定領域技能。例如，亞利桑那州立大學和密歇根州立大學于2013年左右在商學院設立了商業分析本科學位；北肯塔基大學于2012年在計算機科學系設立了本科數據科學項目。在我國，教育部于2015年將數據科學與大數據技術列為特設新專業，并鼓勵高校根據經濟社會發展需要和各校辦學條件等情況，設置大數據相關專業或在現有專業設置大數據方向，加快培養大數據相關人才。隨著數據科學應用的擴展以及對數據科學教育認知的提高，數據科學教育受到國內外高等教育機構越來越多的關注。對于高校而言，如何滿足數據科學教育需求以破解高校支持數據科學素養發展的資源嚴重不足的問題，是當前推進數據科學教育亟須探討的問題。許多高校缺乏全面的數據科學支持，導致未滿足的需求不斷增加。

許多大學制訂了數據科學計劃，將數據科學教育作為一個跨學科研究領域來建設，為學生將來從事數據科學職業做準備。高校圖書館在數據存儲與管理、數據素養培訓等方面有良好基礎，美國亞利桑那州立大學北卡羅來納州州立大學、紐約大學等高校圖書館一直支持研究人員舉行計算和統計技能方面的培訓。高校圖書館在提供與數據科學相關的多個領域的培訓和指導方面具有獨特的優勢和地位。

二、ASUL數據科學支持實踐

1.背景和緣起

美國亞利桑那州立大學（Arizona State University，簡稱ASU）是一所研究型公立綜合性大學，被譽為美國“公立常春藤”之一，連續九年被《美國新聞與世界報道》評為最具創新力的大學，該校以學生的發展與成就作為衡量自身的標準。為了讓不同學科的學生均獲得數據素養，在畢業時掌握以新的方式使用數據展開可靠、智能和創造性推理所需的深入分析思維技能，以支持個人未來的教育和職業發展，啟動了泛大學性質的數據科學項目。由于數據科學領域相對年輕以及研究人員對技能發展的需求增加，導致數據科學應用所需的技能和資源的差距。

調研發現，缺乏培訓機會是造成差距的主要原因之一。然而，校園的數據科學教育培訓通常存在“各自為政”的現象，即信息技術部門面向一個群體講授，圖書館面向另一個群體講授，計算機科學系面向另外一個群體講授。

在此背景下，支持數據科學工作為圖書館的參與提供了機會。圖書館是高校校園的樞紐，與數據科學領域一樣，本質上也是跨學科的。基于此，亞利桑那州立大學圖書館（Arizona State University Library，簡稱ASUL）積極參與支持數據科學教育的工作。由于圖書館在數據收集、管理和共享最佳實踐方面經驗豐富，多年來圍繞數據使用促進體驗式和協作式學習，在數據科學支持領域發揮了重要作用。

2.舉措與實踐

（1）計算素養提升支持

ASUL每周舉辦R編程語言的研討會，每場研討會歷時2小時。研討會分為兩種形式：一是集中授課的實踐指導。這類課程受眾面廣，在內容上大多是為新手設計的。實踐指導側重于特定主題，如R語言基本統計分析方法、應用R語言圖形包ggplot繪制統計圖形等，旨在提供“速贏”服務，幫助參與者迅速將所學應用到研究工作中；二是R工作坊。參與者將他們的問題和代碼帶到工作坊，并在積極、包容的環境中獲得支持，參與者經常互相幫助，共同探索解決數據分析和可視化方面的挑戰。除了正式的研討會，圖書館的數據科學專家還提供R語言數據分析深度咨詢，由于數據科學專家自身的學科背景所限，主要提供生命科學領域的支持。此類咨詢的最大受眾是研究生，他們通常很少甚至沒有接受過正式的計算技能培訓，通過一對一的深度咨詢，可以為真正的合作和更深入的學習提供機會。

（2）地理空間數據支持

地理空間數據是基礎性、戰略性信息資源，是來自資源、環境、經濟和社會等領域帶有地理坐標的數據。如今，地理空間信息無處不在，數量龐大，促使各學科對地理空間分析潛力有了新的認知。對地理空間數據類型的認識和對地理空間工具的更多使用加劇了對空間數據支持的需求。ASUL于2020年1月建成了地圖和地理空間中心（Map and Geospatial Hub，簡稱MGH），專門研究地理信息系統、遙感、地理可視化、制圖等技術以及將地理空間數據轉換為增值信息所需技術，目前MGH已成為全球地理信息服務的典范。

MGH已開展的地理空間數據支持培訓主要分為三個方面：一是舉辦開放研討會。把不同學科的研究人員聚集在一起，幫助師生快速了解地理信息技術及制圖資料，快速掌握GIS操作流程及相關數據管理的理論、方法、技術和應用；二是舉辦使用編程語言，如R和Python。舉辦地理空間分析的講習班以及使用開源軟件，如QGIS、GRASS和SAGA開展地理空間分析的培訓；三是嵌入課程服務。針對師生的教學需求將地理館藏嵌入本校課程教學，包括地圖資料、地理影像資料、地理空間數據等。隨著數據集規模越來越大，為了通過計算編程提高效率，許多研究人員都表達了對R和Python編程語言地理信息系統（Geographic Information System，簡稱GIS）支持的愿望。編程語言的地理空間應用知識對于利用解決大數據研究場景所需的計算資源至關重要，提供以編程工具和開源軟件為中心的教育資源和活動，有助于研究人員熟悉使用這些系統所需的工具和技能。MGH面向新手用戶群體以簡短形式舉辦的GIS軟件、數據結構和地理空間概念講習班都較為成功。

（3）可重復性研究支持

數據科學和可重復性是相輔相成的，適當地應用數據科學的原則和工具可實現研究的可重復性，而采用鼓勵可重復性的做法，如使用有據可查的數據集、遵循數據管理最佳做法等，可促進數據科學良性發展。ASUL支持可重復性研究的研討會主題包括整合數據管理的最佳實踐、推廣腳本/軟件來實現工作流自動化、推廣支持可重復性研究的工具以及倡導開放式研究實踐。研討會主題和內容根據目標受眾有所不同。

針對本科生的研討會，介紹開放科學、透明度和可重復性的概念，較少關注出版和遵守數據與代碼共享政策，而更多關注實現可重復性的實踐技能。例如，如何使用R編程語言展開分析，如何使用開放科學框架（OSF）組織研究。針對博士后的研討會主要涉及數據管理基礎知識、數據管理規劃、資助者/出版商政策、數據存檔和出版。ASUL指出，穿插簡短發言和實踐練習的可重復性研討會是最有效的組織形式。學員對能夠滿足實際需求的研討會更感興趣，如怎樣編寫數據管理計劃、如何在數據存儲庫中查找數據、如何使用開放科學框架等。ASUL實踐表明，開放科學框架實踐活動很受歡迎，許多與會者普遍認為它是一個有用的工具，便于他們以可復制的方式分享已完成的工作。

三、ASUL數據科學支持實踐對我國的啟示

1. 準確把握圖書館在數據科學教育中的使命責任

數據科學不僅是分析復雜海量數據的能力，還涉及數據收集、存儲、整合、分析、推理、交流和倫理原則等方面。隨著數據密集型研究對數據管理需求的不斷增長，高校圖書館在數據科學教育中的作用日益重要，圖書館應更廣泛地參與到數據科學支持實踐中來。圖書館的使命是通過提供、開發、傳播、整理和保存研究與學術成果來推動知識的創造，具體做法是提供數據科學教育資源和活動，倡導多學科合作研究的文化，提供開放包容討論的機會，促進校園的數字學術交流。大數據時代的研究型圖書館需要精通數據科學的工作人員，一些圖書館館員的角色需要轉變為專門從事數據管理、可視化、GIS、開放科學、機器學習以及人工智能等相關研究支持工作，逐步成長為數據館員、數據分析師、數據管理專家、數據科學專家。

2.因地制宜規劃數據科學支持服務層次

ASUL的數據科學支持服務涉及整個數據生命周期中的數據管理利用技能及軟硬件設施。國內高校圖書館并非都有必要或者有條件開展各層次服務，各圖書館應對資源環境掃描，并對校園用戶的數據科學支持需求展開評估。在此基礎上，因地制宜規劃本館的數據科學支持服務層次及內容。

從服務層次上看，基礎數據科學支持服務主要是讓學生探索整個數據生命周期，學習如何有目的地、合乎道德地查找和使用數據以及如何分享數據以供再利用，服務對象多為來自不同專業的學生，課程內容涵蓋各種類型的數據，并演示處理不同結構數據的函數和算法。

圖書館還可以參與聯合課程教學和活動或者嵌入某學科課堂，由圖書館館員作為客座講師，介紹數據分析涉及的一般原則或主題，如數據倫理。更高一級的數據科學支持服務需要在軟硬件方面提供支持數據科學相關領域教學和教育的空間、技術和軟件，如創建數據可視化實驗室，提供數據可視化和AR/VR軟件；創建數字人文工作室，提供用于實踐學習的軟件和工具等。

以研討會和工作坊形式舉辦數據管理專題培訓，多以提供科學編程、數據管理、數據可視化、開源軟件方面的實踐機會為主，還可以專門針對數字人文、地理信息系統等特定領域舉辦講習班，促進校園中不同領域研究人員之間的合作，培養從數據中展開可靠、智能和創造性推理所需的深度分析技能。高級數據科學支持服務主要是提供一對一咨詢支持，具體服務內容根據研究問題及其復雜性按需提供，還可定期提供開放式咨詢時間，吸引研究人員參與。

3.提供支持實際應用為導向的數據科學教育資源

以支持實際應用為導向，提供數據科學特定主題或技能方面的教育培訓資源，便于學生根據自己的背景和興趣選擇合適的學習路徑。

一方面，考慮到學生可能對不同的數據科學應用感興趣，研討會或講習班的內容設計應涉及不同學科的數據科學應用，如社會科學中的數據科學、地理空間數據科學應用、農業中的空間數據等。這類課程將使不同學科的本科生受益，特別是非數據科學專業學生。

另一方面，應重點組織針對R和Python編程語言的教育資源和活動，幫助學生及研究人員快速熟悉并使用這些工具和技能，具體做法是提供一到兩個小時的短期工作坊，重點介紹軟件、數據結構和分析技能，以幫助初學者更好地理解和掌握這些工具。

四、結語

可以預見的是，數據科學教育將更加注重技術和工具的應用，應努力填補數據、技術和人才之間的空白。圖書館在現有信息素養教育的基礎上，可以通過開發數據科學教育資源、提供體驗式學習機會、舉辦專題研討會、深度咨詢等方式，為數據素養培養、數據科學教學和推廣提供有價值的服務，支持面向未來的數據科學教育發展。

參考文獻：

[1]Data Science使用場景[EB/OL].[2024- 04-08].https：//www.oracle.com/cn/artificial-intelligence/data-science/.

[2]教育部對十二屆全國人大四次會議第2174號建議的答復[EB/OL].[2024- 04-10].http：//www.moe.gov.cn/jyb_xxgk/xxgk_jyta/jyta_gaojiaosi/201611/t20161102_287366.html.

[3]Admission to ASU[EB/OL].[2024- 04-15].https：//www.asu.edu/admission.

[4]Oliver J C， Kollen C， Hickson B，etc. Data Science Support at the Academic Library[J].Journal of Library Administration，2019，59（3）：241–257.

[5]ASU Library Map and Geospatial Hub[EB/OL].[2024-04-15]. https：//lib.asu.edu/geo/about.

[6]宋家梅，閆 娜.大學圖書館數字人文實踐創新案例分析與啟示——以美國亞利桑那州立大學地理信息服務為例[J].圖書館，2023（12）：51-57.

[7]Nandita M，Michelle C，Amanda H，etc.Creating a Data Science Framework： A Model for Academic Research Libraries[J].Journal of Library Administration，2021，61：1-22.

[8]Kang G， Sinn D.Technology education in academic libraries： An analysis of library workshops[J].The Journal of Academic Librarianship，2024，50（2）：102856.

作者單位：1.中國民航大學圖書館；2.中共中央黨校（國家行政學院）圖書和文化館

基金項目：本文系天津市教委科研計劃項目“面向一流學科發展戰略的圖書館信息資源配置研究”（項目編號：2022SK128）的研究成果之一。

作者簡介：李娟娟（1984—），女，漢族，河北衡水人，碩士，副研究館員，研究方向：圖書館學科信息服務、信息資源建設。