醫學本科生數據素養鴻溝現象及彌合研究

中圖分類號：G642.0 文獻標志碼：A

0 引言

隨著醫療信息化發展，數據素養正成為醫學生的核心能力。數據素養指獲取、分析、評估和應用數據的能力，對醫學生未來的臨床決策、科研和公共衛生實踐至關重要。在醫療領域，良好的數據素養有助于醫生準確解讀患者數據、優化診療方案，并提升科研數據分析能力。研究大學生數據素養的文獻不斷涌現，如高偉等基于科學數據生命周期理論及KSAO模型構建了雙一流高校學生科學數據素養評價體系。于珊珊等構建了高校數據素養培育體系，提出四項策略以提高培育質量。楊文建等[3]從數據素養與情境教育的關聯入手，優化了面向大學生的數據素養教育情境。當前，醫學生數據素養研究仍顯不足，而醫學教育數字化轉型對其數據素養提出了更高要求。良好的數據素養有助于其適應數字化教學環境，成長為新時代醫學人才。為此，本文調查醫學本科生數據素養現狀，分析影響因素，基于數字鴻溝理論探討提升路徑。

1研究對象與方法

1.1 研究對象

本文選取桂林醫科大學375名本科生為研究對象，覆蓋一到五年級，不少于12個專業的學生。采用分層隨機抽樣法，不同年級和不同專業按比例分配，確保不同年級和不同專業的醫學本科生均有參與。

1.2 調查工具

依據《數字素養框架》[4]和相關政策，邀請專家參與咨詢，結合專家咨詢結果和醫學院校實際情況，針對醫學本科生設計了一份數據素養調查問卷。問卷內容：（1）性別、生源地、年級、專業、成績排名等醫學本科個人基本信息；（2）對數據素養的了解程度、了解渠道、活動來源、提升途徑、提升需求等基礎調查；（3）數據素養能力調查，包括數據意識、數據倫理、數據收集與評估能力、數據利用能力、數據分析能力、數據管理能力等。

問卷采用李克特五級量表，選項“很不符合”記1分，“比較不符合”記2分，“一般\"記3分，“比較符合”記4分，“非常符合\"記5分。

1.3統計分析方法

運用SPSS27.0對調查數據進行描述性統計、信效度檢驗等。定量數據采用 描述，定性數據采用 n（%） 描述。采用 Φ_t 檢驗和單因素方差分析進行差異檢驗。檢驗標準 α=0.05 。表1顯示，醫學本科生數據素養量表的Cronbach'sα系數為0.961，KMO值為 0.946，Plt;0.001 ，數據素養6個維度的Cronbach'σ_sα 系數均大于0.834，表明量表整體及內部信度和效度較好，以 Plt;0.05 為差異具有統計學意義。

2結果

2.1研究對象基本情況

從人口學基本特征來看，男女占比分別為 36.6% 和 64.4% ，符合該醫學院校女生比例較高的人口學特征。基礎醫學、臨床醫學、口腔醫學、全科醫學、檢驗醫學、預防醫學、康復醫學、生物技術、藥學、護理學、醫學影像學和其他綜合性專業的占比分別為 5.7% ！22.1% 、 2% 、 13.5% 、 0.9% 、 1.1% ！ 2.6% 、 4.6% 73.2% 、 19.8% 5.2% ） 13.9% ，各年級分別占比為一年級 21% ，二年級 20.1% ，三年級 34.2% ，四年級

20.4% ，五年級 4.3% 。數據樣本根據醫學院校的實際情況均有分布，且整體分布較為均衡，能較好地反映醫學本科生的整體水平。

2.2 問卷發放情況

此次研究發放問卷375份，剔除答卷時間較短及無效問卷，回收有效問卷348份，回收率 92.8% 。

2.3醫學本科生數據素養的整體得分情況

表1顯示該校醫學生的數據素養平均得分為3.58分，標準差為0.61。其中，184名醫學本科生得分低于平均值，而有164名醫學本科生得分高于平均值，這揭示了該校醫學本科生整體的數字素養水平較高，但不同學生的數字素養水平存在一定的差距。具體到數據素養的6個維度得分，數據倫理平均得分最高（4.11分），其他維度的得分從高到低依次為數據意識（3.59分）數據收集與評估能力（3.56分）、數據管理能力（3.46分）數據分析能力（3.45分）、數據利用能力（3.38分）。

3 討論與分析

3.1 對象鴻溝

3.1.1性別鴻溝與城鄉分野凸顯—優勢分化格局 顯現

據調查顯示，醫學本科生的數據素養受性別、生源地、年級、專業、成績以及是否參加過數據素養相關的講座培訓等因素的影響，其中性別、生源地、年級對是否參加過數據素養等相關講座培訓的影響較為顯著。調查表明，男性醫學本科生除數據倫理外，在數據意識、數據收集與評估能力、數據利用能力、數據分析能力、數據管理能力以及數據素養綜合能力得分均高于女性醫學本科生，且性別差異在數據利用能力、數據分析能力、數據管理能力以及數據素養綜合能力4個方面 P 值均小于0.05，說明內在差異顯著。這一調查結果與陳福平等5的研究結果兩性在信息與工具技能、權益維護技能以及總體的數字技能的差異并不顯著相反，這可能是因為醫學院校大多數男生來自臨床等高分專業，綜合素質及學習能力較強。從不同生源地來看，醫學本科生的數據素養存在顯著差異，城市生源的醫學本科生數據素養得分（3.66分）均高于鄉鎮生源的醫學本科生（3.62分）及農村生源的醫學本科生（3.53分）。因此，提升醫學本科生數據素養，大學前教育環境十分重要，這與魏順平等的研究結果一致。

3.1.2年級梯隊與專業矩陣差異—素養落差根源浮現

從不同年級來看，五年級醫學本科生除數據倫理外，在數據意識、數據收集與評估能力、數據利用能力、數據分析能力、數據管理能力以及數據素養方面的綜合得分均高于其他年級的醫學本科生，而一二年級的醫學院本科生數據素養得分普遍高于三四年級。對于這一現象，本文認為五年級（2020級）的醫學本科生專業大部分為臨床醫學、口腔醫學、全科醫學等專業，這些專業不僅學習年限較長，學生還普遍面臨課題研究等任務，促使他們在數據素養各方面得到較好鍛煉。三年級（2022級）和四年級（2021級）的醫學本科生，因疫情防控轉為線上學習，而線上學習往往缺乏面對面的互動，學生難以獲取多樣化的實踐操作機會，使得他們容易遭受不同程度的學習損失[7]，從而導致學習效果不佳，三四年級學生的數據素養得分較低。可見，線下課程與參與課題對醫學本科生提升自身的數據素養有很大的影響。

在本次調研所涉及的各醫學專業中，本文經數據分析發現，基礎醫學（3.97分）和檢驗醫學（3.56分）數據倫理維度得分顯著低于其他專業（ gt;4 分），究其原因可能是其較少直接接觸患者和醫療數據。而臨床醫學、康復醫學和全科醫學因日常頻繁處理患者數據，實踐強化了數據倫理意識，得分較高。

3.1.3培訓促動與績優聯動呈現—素養進階優勢 彰顯

進一步分析發現，醫學本科生是否參與過信息素養、數據素養等相關講座及培訓，對其數據素養有著較為明顯的影響。具體而言，除數據倫理維度外，其余5個維度的統計分析結果顯示， P 值均小于0.001，這表明在這些維度上不同參與情況的學生之間存在顯著差異。綜合分析可知，數據素養總得分方面呈現出一定的規律：經常參加數據素養相關講座及培訓的醫學本科生（4分），其總得分高于偶爾參加相關講座及培訓的醫學本科生（3.65分）；而偶爾參加相關講座及培訓的學生得分又高于從未參加過此類講座及培訓的學生（3.42分）。這反映出相關培訓及講座對學生數據素養成長的深度賦能機制?？梢?，舉辦數據素養相關講座及培訓，對于提升醫學本科生的數據素養有著極大的助力作用。另外，成績靠前的學生數據素養各維度得分更高，可能與其較強的學習能力和接受能力有關。

3.2 內容鴻溝

3.2.1 數據倫理與意識較突出

內容鴻溝是指數據素養的6個維度呈現發展不均衡現象。數據倫理得分4.11分，是6個維度中得分最高的。 75.6% 的醫學本科生能較好地遵守相關法規，合法獲取數據與使用產品信息； 76.7% 的醫學本科生能較好地遵守數據收集、利用、共享中所涉及的道德和倫理以及尊重他人的數據，使用數據時符合學科或行為規范。數據意識維度的評分為3.59分，略高于醫學本科生數據素養的平均分（3.58分），其中有 43.1% 的醫學本科生能較好地認識并區分數據的格式； 62.1% 的醫學本科生能較準確地認識到數據對學習、生活等方面具有重要意義；54.3% 的醫學本科生能較好地對科學研究過程中得到或產生的數據的真實性、有效性負責。這說明醫學本科生在數據意識方面有一定的基礎，但整體數據素養水平仍有提升空間，這樣才能更好地適應數字化醫療的發展需求。

3.2.2 數據運用與管理有待提升

數據利用能力維度的評分為3.38分，顯著低于其他維度。其中 42% 的醫學本科生認為自己能正確有效地選擇數據分析方法； 42.2% 的醫學本科生能有效地利用數據分析工具； 45.3% 的醫學本科生能準確地應用統計量進行數據整理。這揭示了醫學本科生正確利用數據方面的能力存在明顯不足，過半的學生認為自己存在數據利用能力缺陷。此外，數據收集與評估能力（3.56分）、數據分析能力（3.45分）和數據管理能力（3.46分）同樣需要加強。數據收集與評估能力調查顯示， 56.3% 的學生不能有效利用相關工具定位和查找所需數據； 49.7% 的學生不能有效選擇數據搜集方式； 52.6% 的學生不能較好判斷所收集數據的準確性，并能剔除無效的數據或明顯錯誤的數據。數據分析能力調查顯示， 52% 的學生較難從數據分析結果中準確提取結論; 52.3% 的學生不能正確、有效地利用數據分析結果解釋現實問題； 58.9% 的學生不能有效利用數據分析結果對未來做出預測； 58.4% 的學生較難發現數據的潛在價值（如再次利用、隱藏信息，能解決其他問題等）。數據管理能力調查中，56.4% 的學生不能較好地分類管理數據； 50% 的學生不能有效保護數據安全； 58.6% 的學生不能預防數據風險的發生； 55.5% 的學生不能利用法律等方式保護數據。

4彌合路徑

4.1接入溝層面：跨越資源獲取障礙，夯實數據素養基礎

在數字時代，數據素養的培養離不開對各類數字化資源的接觸與獲取，政策制定者與教育部門需攜手共進，打破資源獲取的壁壘。調查數據表明，農村與鄉鎮生源的數據素養顯著落后于城市學生，根源在于成長時數字化資源接觸有限，陷入接入溝困境，這與霍明奎等研究結果一致。政府應出臺更為積極的政策扶持措施，加大對數字化基礎設施建設的資金投入，特別是針對教育資源相對匱乏的農村和偏遠地區，確保網絡覆蓋和數據資源的廣泛可達性。同時，教育部門應建立健全數據資源共享機制，優化資源配置，減少因地域、專業差異導致的資源不均現象。研究表明，通過國家智慧教育公共服務平臺的建設及推廣應用， 84.4%.55.1% 和 54.0% 的來自不同區域、不同教齡、不同類型學校的教師認為平臺在資源豐富性、交互形式多樣性和資源共享便捷性上有幫助，能夠提升教育教學效果并促進教學方式的轉變[9]。因此，政府及相關部門應健全數據資源共享機制，幫助不同地區、不同生源的醫學生跨越資源獲取障礙，提供一個更加公平、開放的數據資源環境，助其打牢數據素養基礎。

4.2使用溝層面：優化教育教學體系，提升數據利用能力

研究表明，參與數據素養專題講座及專業培訓的學生，在數據素養層面相較于未參與者具有顯著優勢，這直接體現了二者在數據資源利用能力上的明顯差距，即“使用溝”現象。在“使用溝”層面，學校作為教育實施的核心主體，承擔優化數據素養教育體系、強化學生數據運用能力的關鍵任務。具體而言，學校應結合《提升全民數字素養與技能行動綱要》[10]，致力于構建一個全方位的培訓體系。該體系需涵蓋理論教育、實踐操作和案例分析等多個維度，以確保培訓內容既全面深人，又能滿足不同層次學生的實際需求。特別是在實踐操作環節，學?？稍O立專門的數據實驗室或工作坊，配備先進的數據處理軟件和設備，供學生進行實際操作練習，幫助學生將理論知識與實踐操作相結合，提高他們的數據分析和處理能力。這一系列的教育體系優化與實踐能力培養措施，將為醫學本科生提供一個更加完善、實用的數據素養教育平臺，為跨越使用溝提供堅實支撐。

4.3知識溝層面：分層教學精準干預，提供多元化個性化數字學習空間

醫學本科生群體中，不同年級學生的數據素養得分存在顯著差異，這一現象深刻揭示出在知識積累與轉化進程中的知識溝問題?；诖?，學校應實施整體性的多元教學策略。根據年級和專業特點，學校應設計分層次的教學計劃，確保低年級學生掌握數據素養基礎知識，中年級學生加強數據分析和處理技能的培養，高年級學生則鼓勵參與科研項目，提升數據應用創新能力。例如，廣東工業大學圖書館設計匹配用戶學年階段的數據素養教育內容。針對低年級本科生，數據素養教育內容以數據檢索、數據導航為主；針對高年級本科生和研究生，重點培育用戶的數據批判性分析能力和數據交流能力[1]。在此過程中，高校圖書館應擴展與校內外機構合作開展數據素養教育的覆蓋面與縱深度，定制化、結構化設計與用戶真實需求相匹配的數據素養教育內容，幫助學生建立扎實的理論基礎，提供資源輔助。例如，深圳大學圖書館與ScienceDirect、Wiley Inter-Science、IngentaConnect等數字學術服務機構（全文數據庫）建立了穩定的合作關系，邀請業外機構的數據管理專家擔任兼職導師，為師生提供數據采集、數據加工、數據轉換等方面的指導[]。這一系列的分層教學與創新能力培養措施，將為醫學本科生提供一個更加個性化、高效的學習環境，為跨越知識溝提供動力。

參考文獻

[1]高偉，郭書宏，吳悅昕，等.雙一流高校學生數據素養能力評價及提升策略[J].新世紀圖書館，2024（1）：27-34.

[2]于姍姍，袁宇平.大數據時代高校大學生數據素養培育體系研究[J].情報科學，2024（11）：84-91.

[3]楊文建，鄧李君.面向大學生數據素養教育的情境優化研究[J].圖書館，2024（6）：22-29.

[4]郭一弓.歐盟數字素養框架DigComp2.1：分析與啟示[J].數字教育，2017（5）：10-14.

[5]陳福平，謝怡景.能力的代價與分化：第三道數字鴻溝中的數字傷害[J].社會，2024（6）：217-242.

[6]魏順平，侯文婷，程罡.大學生科學數據素養現狀調查與提升策略研究[J].河北開放大學學報，2024（1）：71-76.

[7]]UNESCO. The state of the global education crisis ：apathto recovery[R]. Paris：UNESCO，2021.

[8]霍明奎，張瑜.大學生數字素養差異性及影響因素研究：基于吉林省高校的調查[J].教育信息技術，2022（5）：42-45.

[9]王娟，周瓊，段雨迪，等.國家中小學智慧教育平臺應用：現狀調研與提升策略：基于全國4272位教師的調查數據[J].中國電化教育，2024（7）：74-82，108.

[10]中央網絡安全和信息化委員會辦公室.提升全民數字素養與技能行動綱要[EB/OL].（2021-11-05）[2025-01-09]. https：//www. cac.gov. cn/2021-11/05/c_1637708867754305.htm.

[11]王戈非.高校圖書館數據素養教育現狀、問題與對策研究[J].圖書館界，2024（6）：79-84.

（編輯 李春燕）

Phenomenon and mitigation of data literacy gap among undergraduate medical students

PENG Zhijie， WANG Qiangfen （School of Humanities and Management， Guilin Medical University，Guilin 541199，China）

Abstract：Inorder to understand thecurrent situation of data literacy among medicalundergraduates and the factors influencing it andto explorethebridgingpath，thearticleusedarandomlysampled questionnaireto survey undergraduates of Guilin Medical Universityand analyzed the datausing SPSS27.0.Theresults showed that undergraduate medical students hadasignificant object divide （gender，place of origin，gradeand training experience hadasignificant impact）andcontent divide （data ethics scored the highest and data utilization was the weakest）.The articleproposes thatthe training system needs tobe optimizedat 3 levels，namely，theaccess gap，the use gap and the knowledge gap，to reduce the diferences between urban and rural areas，specialtiesand abilitydimensions，and to improve the data literacy of medical talents.

Key words： medical undergraduates; data literacy; divide phenomenon; bridging paths