热门标签:代写本科论文 写作发表 工程师论文 代写一篇论文多少钱
当前位置: 代写一篇论文多少钱 > 教育教学论文 > 国外高校数据素养教育的经验借鉴

国外高校数据素养教育的经验借鉴

时间:2019-04-10 10:05作者:曼切
本文导读:这是一篇关于国外高校数据素养教育的经验借鉴的文章,在教学目标方面,美国高校面向各行业数据岗位,倾向于培养有其他学科知识基础,掌握数据处理与分析能力的专业性人才,而中国高校致力于培养具备数据能力,将来从事数据服务工作的综合性人才。

  摘    要: [目的/意义]通过对大数据时代中美高校数据素养教育开展情况的比较分析,旨在推动我国高校大学生数据素养教育,培养符合数据时代要求的人才。[方法/过程]运用文献收集、网络调研和比较分析的研究方法,选择美国和中国的三所高校为研究样本,从数据素养教育的四个方面——教学目标、教学内容、教学方式和教学评价体系进行讨论,分析大数据时代背景下两国高校开展数据素养教育的特点与差异,为大数据环境下我国高校的数据素养教育提供相关建议。[结果/结论]与美国相比,我国数据素养教育还处于萌芽和发展阶段。在教学目标方面,国内高校应顺应大数据时代背景,针对不同群体制定层次化目标。在教学内容方面,国内高校应加强对数据安全和数据伦理道德的培养,关注学科专业特色并开展有针对性的教学。在教学方式方面,国内高校应与其他机构开展多元合作,创新数据素养培养模式。在教学评价体系方面,国内高校应重视课程评估与反馈,建立健全数据素养教育评价体系。

  关键词: 大数据; 数据素养教育; 中国; 美国; 高校; 比较研究;

  Abstract: [Purpose/significance]This paper aims to promote the data literacy education of college students in China and cultivate talents in line with the requirements of the data environment by making comparison between Chinese and American universities. [Method/process]Using the method of literature collection, online research and comparative analysis, three universities in China and America are selected as research samples to conduct a comparative discussion on the teaching goal, teaching material, teaching methods and teaching evaluation system. This paper analyzes the characteristics and differences of data literacy education between two countries under the big data environment and offer suggestions for the data literacy education in Chinese universities. [Result/conclusion]Compared with America, the data literacy education in China is still emerging and developing. In terms of teaching goal, domestic universities should comply with big data environment and set hierarchical goals for different groups. In terms of teaching material, schools should strengthen the education of data security and information ethics, focus on specialty characteristics and carry out targeted teaching. In terms of teaching methods, diversified cooperation with other institutions are needed to innovate data literacy training models. In terms of teaching evaluation system, it is essential to attach importance to course evaluation and feedback, then establish and improve the data literacy education evaluation system.

  Keyword: big data; data literacy education; China; USA; university; comparative study;

  随着信息技术和开放数据社区的不断发展,人类步入大数据时代,数据成为当今推动创新和社会发展的主要驱动力。与此同时,人们获取、预处理、储存、分析数据的能力也有显着提升,大数据正越来越深刻地影响着我们的工作、学习和生活。教育部于2018年4月13日发布《教育信息化2.0行动计划》,以大数据、人工智能、物联网等新兴技术为基础,积极推进新时代教育信息化发展。大数据对变革信息教育提出新的要求,传统的信息素养面临数据社会发展的新挑战,以数据管理为核心的数据素养被提出并得到广泛关注。

国外高校数据素养教育的经验借鉴

  在全球化数据信息社会背景下,美国联邦通信委员会早在2009年和2010年就出台了宽带技术机会计划(Broadband Technology Opportunities Program)和国家宽带计划(National Broadband Plan),后者包括成立国家数据素养工程[1]。美国总统奥巴马在2012年发布了“大数据研究和发展计划”,从国家层面启动数据素养教育的相关举措,强调了对国民数据素养教育的重视[2]。同年,欧盟委员会对之前发布的“欧洲数字化议程”进行更新,加强数字技术与工作的结合。2013年澳大利亚也开始发展国家数据素养工程[3]。在我国,目前主要有一些机构和高校图书馆对数据素养教育给予关注,如国家教育部在2014年成立人文社会科学项目“数据素养对科学数据管理的影响及对策研究”,北京大学图书馆在《2014-2018行动计划概要》中提出将数字素养(Digital Literacy)、媒介素养(Media Literacy)、数据素养(Data Literacy)等纳入信息素养体系[4]。

  大数据时代推动数据素养教育成为研究热点,近年来国内外学者在该主题下均开展了相关研究,但研究重点和方法有所不同。E.Gummer等[5]在定性研究的基础上,尝试着提出教师数据素养概念框架。J.Gary等[6]认为数据素养教育不仅可以培养人们对数据科学的敏感性,还可以培养对数据社会学、数据政治及参与公众数据基础设施的敏感性。E.Porat等[7]在实验中将学生的感知数据素养和实际完成任务的数据能力进行对比,研究结果表明参与者对自身数据素养的评估明显高于其实际能力。M.V.Geel等[8]和W.B.Kippers等[9]开展了基于数据决策(Data-based Decision Making)的干预实验,结果均表明实验者的数据素养得到显着提高,此外Geel的实验结果还表明硕士学位教育工作者与更高水平教育工作者之间的“知识鸿沟”被缩小。国内学者曹树金等[10]基于文献调研探讨了数据素养与信息素养、媒介素养、统计数据素养等其他素养的关系。宋甲丽等[11]通过网络调研,了解国内高校图书馆科学数据素养教育取得的成果、存在的问题并提出对策和建议。焦海霞[12]以工作理念、方式和空间为切入点,在图书馆教育领域提出一条从信息素养馆员向数据素养馆员转型的可能路径。黄如花等[13]通过分析国外公共图书馆开放数据服务的实践和应用情况,指出国内图书馆应加强开放数据资源建设,提升数据服务质量并推动数据素养教育。可以看出,目前国内学术界在数据素养方面探讨较多的内容有数据素养与其他相近概念之间的界定、我国图书馆与数据素养教育现状等,主要运用文献调研、调查问卷等方法,而运用对比分析法,对中美数据素养教育进行比较研究的成果较少,经过全方位对比并根据国内教育环境提出创新性、适应性解决方案的研究就更少了。

  综上,美国、欧洲等发达国家已具备比较成熟的数据素养培养环境和方法,而我国高校的数据素养教育尚处于起步阶段,数据素养的独立价值开始得到关注,但是相关培养模式和评估体系的形成可谓任重道远。本文选择在数据素养教育领域开展时期长、经验较为丰富的美国和起步较晚、发展相对不成熟的中国进行比较,尝试解决以下三个问题:①在大数据环境下,中美高校在数据素养教育方面有哪些具体做法?②中美高校在数据素养教学目标、教学内容、教学方式和教学评价体系中有哪些相同点和不同点?③对我国数据素养培养模式的建议?本文首先对数据素养的概念、内涵和构成要素进行界定,区分数据素养与可能引起混淆的信息素养,然后运用文献收集、网络调研和比较研究法,从四个方面对中美高校的数据素养培养模式进行案例和比较分析,最后对我国数据素养培养模式提出建议。本文的研究在借鉴国外高校数据素养教育方面的经验上,为推动我国高校在大数据时代开展数据素养教育、培养符合数据时代要求的人才提供参考。

  1 相关理论

  1.1 数据素养的概念及内涵

  数据素养的定义,学界目前并未达成统一认识。从该概念在国外的发展历程来看,一些学者或机构作出了比较权威、有影响力的解释。最早开始研究数据素养的人是以色列学者Y.Eshetalkalai[14],他在1994年提出的“五框架概念说”成为数据素养概念的雏形。数据素养概念的正式提出要追溯到1997年,P.Gilster[15]将数据素养定义为:能读懂电脑显示的各种数据资源,深入理解这些信息内在含义的能力。2012年,美国图书馆协会(American Library Association, ALA)给出定义,即利用信息与通讯技术检索、理解、评价、创造并交流数字信息的能力,这个过程需具备认知技能及技术技能[1]。国内也有学者对数据素养进行了相关定义和研究,主要是从数据素养所要具备的能力出发。黄如花[16]倾向于数据素养是信息素养的一种扩展和延伸,包括数据意识、数据能力和数据伦理三方面内容。何海地[17]将数据素养概括为将数据作为信息进行描述、创造和交流的能力,侧重于从数据中构建知识的能力。沈婷婷[18]从科学数据管理的视角下认为数据素养就是对数据的理解、获取和运用能力,同时还要具备批判性思维。

  综上,国内外学者和组织对于数据素养的理解存在差异,说明这是一个新兴的、还在发展中的概念,但从这些定义中可以概括出数据素养的核心内容:①数据意识:对数据的敏感度、判断力和辩证思维,能及时充分感知到数据的价值。②数据知识与技能:个体所储备的数据相关基本知识和操作技能,包括数据检索、存储、处理等方面的知识,运用统计软件进行数据挖掘和分析的能力。③数据应用:从对数据的分析处理中得出科学结论,解决实际问题的能力。④数据伦理与道德:在数据获取、发布与使用过程中遵守法律,不违反道德规范。在这些数据素养的构成因素中:数据意识是前提,数据知识与技能是基础,数据应用是关键,数据伦理与道德是准则。

  1.2 数据素养与信息素养的关系探讨

  数据素养和信息素养由于存在相似特征,有时会被认为是同一种事物,但实际上两者层次和内容不同,数据素养是经过扩展和精炼而形成的新概念[19]。从信息和数据的概念来看,数据是原始的、不相干的事实,是对客观事物的一种抽象表示,本身不代表任何意义。信息是被赋予一定含义的、相互间具有联系和相关性、能影响人们行为的数据,即信息是加工处理后的数据。从这个层面,数据比信息的范围更广泛,数据素养实际上是对信息素养的一种扩展,故数据素养有时也被称作数据信息素养[12]。随着网络技术的发展,人们采集、处理信息能力的逐渐提升,信息素养已经不能满足需求,于是人们开始从原始数据中寻找和挖掘信息,利用数据创造价值。

  1.3 大数据时代我国数据素养教育现状及存在的问题

  数据素养教育在我国正处于萌芽和发育时期,大数据环境下数据陡然增长、信息技术的飞速发展使得数据及相关工具触手可得,催生了大批数据用户的崛起。高校学生作为数据用户的主要群体,对其进行的数据素养教育活动是国内数据素养教育的主要形式,在一定程度上推动了我国数据素养环境的构建。目前,国内数据素养教育存在以下问题:①课程内容单一,缺乏数据素养实训。国内高校虽然开设了数据素养课程或讲座,但多是关于检索工具、相关数据库资源信息等内容,运用实际生活中的大数据进行专题实训,理论联系实际的课程并不多。②多媒体教学普及度和运用度不高。国内教学思维和教学习惯的转变速度较慢,互联网新技术没有与教学得到有效结合。③教育信息化平台建设不完善,教师数据素养能力不足。数据素养教育要求教师能收集、分析和利用不同类型的大量教学数据,针对此设定或调整教学过程。由于国内教育信息化平台的不完善,缺乏相关训练,教师在面对复杂的教育大数据时,也不能很好地做出分析。④缺乏统一标准的数据体系,教育大数据共享困难。国内高校在最初开展数据素养教育时,各部门的教学数据管理是分散进行的,没有建立统一的数据标准,“信息孤岛”的存在导致数据共享产生困难,不利于发挥教育大数据的价值。

  2 研究方法及样本选择

  2.1 研究方法

  本文采用了文献分析法、网络调查法和比较研究法。首先,通过逐个访问样本学校的网站,围绕数据素养的培养目标、课程设置、教学方式等进行全方位调查(调研截至2019年1月2日);其次,对国内外数据素养教育的相关文献进行整理,归纳中国和美国数据素养教育的发展历程和特点;最后,重点从教学目标、教学内容、教学方式和教学评价体系四个方面展开比较讨论,为我国高校数据素养教育发展提供建议。

  2.2 样本选择

  在调研样本的选取上,本文以中国和美国数据素养教育方面开展较好的高校为研究对象。其中,为保证调研样本的代表性,美国高校根据《美国新闻和世界报道》(US News & World Report)发布的2019年美国大学综合排名,初步筛选位于前60名中的哈佛大学、斯坦福大学、宾夕法尼亚大学、康奈尔大学、佛罗里达大学、雪城大学和普渡大学。在资料获取过程中,考虑到对比分析的有效性,最终选择了普渡大学、康奈尔大学、哈佛大学三所高校为样本分析对象。国内高校则筛选出2018年中国大学综合排名前十的北京大学、浙江大学、中国人民大学、上海交通大学、复旦大学、南京大学。考虑到资料全面性和数据素养教育模式的代表性,最后确定北京大学、浙江大学和复旦大学为国内高校样本。样本学校的基本情况如表1所示。

  表1 样本高校介绍
表1 样本高校介绍

  3 中美高校数据素养教育模式对比分析

  3.1 数据素养培养目标分析

  通过分析国内外高校数据素养培养目标,可以发现各高校在开展数据素养教育时,都注重培养学生的数据知识、数据技能等综合能力,如以普渡大学为带领者,康奈尔大学、明尼苏达大学和俄勒冈大学图书馆联合开展的数据信息素养项目(DIL),旨在确定不同学科背景研究生的数据素养教育需求,并采取有效的教学措施来满足这些需求。哈佛大学联合图书馆、教务处和技术服务部开展数据素养培训项目,以帮助科研人员和图书馆馆员学习数据管理技术和最新的数据处理工具,在跨学科研究、数据交互社区的作用下提高数据获取和数据共享意识,同时在互动过程中发展图书馆数据资源,使数据信息更易于被用户访问和利用。国内北京大学图书馆向各院系介绍数据信息资源的检索和使用,其目的是提高对文献和相关数据库资源的检索和利用能力,为学生从事数据管理的研究和实践打下基础。浙江大学要求培养面向市场和产业需求,掌握数据科学的理论与方法,能开展大数据原创性研究与开发应用,切实解决中国大数据领域前瞻性核心问题的研究型和技术性人才。复旦大学则要求学生具有数据收集、组织、分析和开发利用的基本能力,具有综合运用所学知识解决问题的基本能力。

  在未来人才培养和就业导向方面,国外高校具备一定的数据素养环境和经验。在大数据背景下对培养目标做出了调整,面向各行业的数据岗位,有针对性培养学生的数据知识与技能[20]。国内大部分高校的培养方向是掌握现代数据分析知识、技术和方法,能够承担国家各级管理部门、金融机构、科研单位等数据管理和数据服务工作的综合性专门人才,但缺乏与具体的学科专业相结合,可能会出现掌握专业知识的人不懂得如何运用管理数据,而具备数据分析知识和能力的人无法开展跨学科研究和工作的现象。

  3.2 数据素养教学内容分析

  国内外高校进行数据素养教学内容规划和课程设置时,科学数据生命周期贯穿始终[21]。总体来看,国外高校的数据素养教学内容倾向于在学科领域或专业课题项目的基础上,进行数据理论知识和实践能力的培养,国内高校多是对文献检索、论文写作和科研课题所需的电子数据资源进行讲解,比较关注学生的学术和科研素养,而且对于数据安全和隐私的关注较少,如表2所示。

  表2 中美高校数据素养教学内容比较
表2 中美高校数据素养教学内容比较

  在“数据采集与获取”方面,中美高校主要开展数据管理基础知识、学科基础数据资源的检索与利用、科研项目开题与文献调研等课堂或讲座。如哈佛大学图书馆启动数据交互社区项目(Library Interoperability Initiative, LII),帮助学生和科研人员获取访问数据资源的途径。北京大学图书馆推出“电子资源的检索与利用”“数字图书馆资源检索与利用”“数字化生存的必修课”等课程,讲授科学数据素养基础知识,让学生充分掌握在网上查找数据资源并应用、管理知识的技能。复旦大学图书馆提供文献资源查找、科技文章写作等培训活动,帮助学生进行论文选题与文献调研。

  在“数据分析与处理”方面,中美高校都以公开课、必修课等形式开设相关课程或讲座,介绍具体的数据分析软件或操作技能。普渡大学设置“数据思维基础”课程来介绍数据管理,涵盖了数据管理和组织的原则、数据分析和可视化的方法。哈佛大学图书馆开展“数据科学家”培训,包含一个实验课程,一周一次,为期三个月,以帮助馆员学习数据管理技术。北京大学图书馆举办“数据素养与统计数据资源介绍”讲座,通过实际案例向大学生介绍如何正确解读数据和统计分析结果、如何清洗整理数据、如何进行数据分析等内容,还开设“数据分析技术”“数据挖掘导论”等课程。浙江大学图书馆安排“SPSS应用基础”“EXCEL图表制作”等培训课程,讲解入门级操作方法。复旦大学图书馆面向全校师生和学科馆员提供各种讲座和教育资源,如介绍常用数据库和数据处理工具,讲解爬虫及可视化工具的操作等。复旦大学不仅开设“数据挖掘原理与技术”“程序设计与数据可视化”等数据技术课程,而且还通过“大数据商务分析与应用”等提高运用能力。

  在“数据存储与共享”方面,美国高校顺应时代变化开设相应数据安全课程,促进学生树立数据安全、数据保护意识,合理规范地管理数据,国内高校目前还处于对信息安全意识和能力的培养中,对于数据保护的认知还不足。普渡大学在“数据科学与社会”课程中,介绍数据科学中的伦理、法律、社会问题,了解跨学科的理论和实践框架,探索数据科学的伦理以及在社会中的影响和作用。北京大学在“信息政策与法规”课程中讲解关于信息的法律规范,以及在网络化、信息化时代,这些规范可能产生的变化或扩展,培养学生的数据安全和数据隐私意识。浙江大学举办“专利有约”讲座,从专利基础知识出发,进一步介绍专利的申请流程、授权条件及申请技巧等内容,以提升学生对专利的认知水平,了解如何利用专利来保护自己的技术创新。

  在 “数据开发与利用”方面,美国高校倾向于通过与学科专业结合的课题项目来锻炼学生的实际操作能力,培养学生从种类繁杂、体量庞大的数据中提取关键信息,得出科学结论的能力。而中国高校由于起步较晚,目前多是讲解数据挖掘和利用的理论知识,以及大数据在社会生活和产业发展中的案例。普渡大学成立实践课程项目,对现有课程中没有涉及的信息或数据科学的特定主题进行深入研究,学生批判性地将信息和数据科学应用到各个学科,培养实践技能。在哈佛大学的“数据科学家”项目中,每个月会举办馆员活动,在做实践项目的过程中锻炼处理现实环境中问题的技能。康奈尔大学推出全校协作的研究数据管理服务组(Research Data Management Service Group,RDMSG),帮助创建和实现数据管理计划,并在研究过程的任何阶段查找数据管理服务。北京大学图书馆举办专场讲座,介绍如何利用电子资源完成学科论文写作、学术科研活动及课题研究等。复旦大学在进行数据素养基础教学的同时,开设“行业大数据的应用与创新”“大数据在健康产业中的应用”等课程,将数据素养与具体的行业应用相结合,体现在大数据环境下数据驱动的力量。

  3.3 数据素养培养方式分析

  目前,国内外数据素养教育的培养方式主要有三种:通识教育培养模式、在线课程培养模式和合作教学培养模式。其中,通识教育模式被采用较多,主要通过讲座培训和课堂讲授的形式,所教授的课程面向所有学科领域,不区分专业门类,主要是介绍数据素养基础知识,形成数据素养基本态度、意识和能力。在线课程培养是随着网络化平台发展起来的新型教学形式,如大型开放式网络课程(MOOC),与传统课堂相比,在线课程打破了身份、时间和地域的限制,提高了学习的灵活性,但是存在难以兼顾各个学员的学习能力、缺乏激励性等问题。于是国内高校在MOOC的基础上,开展“线上+ 线下”的SPOC混合教学模式[23]。合作教学模式通常是以某一高校或机构为主体,与其他机构联合培养,此方法可以弥补单方资源或能力的不足,扩大交流和合作的规模,从而提供更高质量、高水平的数据素养服务。为适应大数据时代的到来,高校通常使用两种或以上相结合的模式开展数据素养教育。具体如表3所示[21]。美国高校在传统授课形式的基础上开展系列研讨会,以培养学生的数据素养与能力,即每个学生在课程或学期开始时选定一个研究课题,以数据管理知识为中心进行学习交流,具体包括课程展示、课堂讨论和实习作业等方式[21]。普渡大学图书馆在DIL项目中承担了电子与计算机科学、农业与生物工程两个学科试点,在实践中积极探索将数据素养教育融合到现存的专业课程教学中,如在“数据驱动的自然灾害决策”作业中,要求学生根据某个受自然灾害地区的相关数据进行分析,并提出自然灾害政策建议[24]。哈佛大学图书馆针对不同特色的学科或研究主题进行数据信息组织,开展有针对性的数据培训和服务,如地理空间学、天体物理学等,提升专业领域的数据素养水平。国内复旦大学上海医学院实现体系化教学与PBL相结合的“医学信息检索与利用”教学,将数据检索与利用从一般检索工具使用方法教育,发展为数据素养能力培养的体系教学,并且开展基于科研课题的教学活动。

  国内高校近年来积极发展数据素养能力培养的多样化教学,如采用教学嵌入讲座的方式,在图书馆学科馆员和院系授课教师之间展开合作。目前,复旦大学图书馆开展的教学嵌入讲座课程已经有“化学信息学”“学术规范和科研技能”“细胞生物实验”“法律创新课”等。复旦大学还将本科生培养方案中的教育核心课程根据所涉及领域的不同,打造了七个模块,在“科学探索与技术创新”模块开设“数据的背后”“信息素养与科学发现”和“信息化思维”课程,培养学生在大数据时代数据素养意识与态度,使其在具备一定数据敏感度的同时,通过课程之间的综合、交叉与渗透,形成合理的思维方式和准确的观察判断和沟通表达能力。北京大学图书馆设“一小时讲座”日常活动,举办面向教师和学生的专场讲座。浙江大学图书馆每学期举办“求真一小时”系列讲座,面向研究生开设《计算机信息检索(理工类)》选修课程,提升学生的数据素养。在数据素养教学模式的创新方面,哈佛大学与世界其他高校、组织机构合作,举办国际数据挖掘挑战赛,希望以此对人文与社会科学领域利用数据分析起到促进作用。总体上来看,美国高校在数据素养培养模式上更具有创新性、突破性和灵活性,与实践活动的紧密性更强,而中国高校在数据素养教学过程中积极丰富培养模式,但还需要继续结合大数据时代背景进行转变和完善。

  表3 中美高校数据素养教学模式比较
表3 中美高校数据素养教学模式比较

  3.4 数据素养教学评价体系分析

  教学评价体系是对教学效果的总结与考核,其结果能揭示现有教学内容、形式和方法上存在的优劣,为未来教学研究和实践工作指引方向。梳理国外数据素养教育相关研究,目前有丹尼尔森框架(Danielson Framework)、全美州首席教育官理事会(CCSSO)提出的InTASC标准等对数据素养教学过程和效果进行评价,而国内对大学生数据素养教学评价的研究起步晚、规模小,程度尚浅,多是部分高校或学者做出的探索性研究,且由于各项课程的目标和需求不同,尚未形成国家层面的数据素养教学评价指标体系。

  美国高校中,普渡大学图书馆采用“课后交流”“问卷调查”和“焦点小组讨论”三种方式对农业与生物工程数据素养课程进行评估,包括教学态度、教学内容、学习情况等指标,涵盖短期和长期的教学评价,并通过问卷的形式让学生描述课程感受和存在的问题,为之后的教学设计提供建议。哈佛大学通过课程教学Q评价(Q Evaluation)和早期反馈评价(Early Feedback)两种方式,分别在课程结束和课程开展过程中对数据素养教学过程进行全程质量监控,具体指标包括课程组织、教学有效性、课程作业、学生学习情况、学生努力与感知等,评价结束后学生们可以知道具体结果,教师根据反馈与学生组织公开交流,并通过讨论或发邮件的方式传达其根据评价做出改变的态度[25],从而形成课程设计、课程讲授、教学评价、评价结果反思与反馈、教学修改与完善的完整闭环。

  国内高校不断完善数据素养教学的评价体系,如浙江大学由学生和院系主管教学领导、教学督导等管理人组成教学评价队伍,在教务管理系统中从教学态度、教学内容、教学方法、教学资源和课程收获等指标进行教学评分。复旦大学上海医学院对数据素养课程的教学评价包括校内同事评价、校外专家评价、学生评价三部分,学生通过匿名网上评教的方式对所学课程综合打分,指标体系包括对教师的总体评价、教学目标、教学组织、教学内容、教学方法、教学能力、教学理念和课外指导,按照一定的权重计算出最终得分。由此可见,国内高校数据素养教学评价主要是通过网络评教来完成,而且鉴于学生个性和表达的多样性,采取学生评价和专家评价相结合的方法,确保结果的科学性和公正性。

  4 研究结论

  在教学目标方面,美国高校面向各行业数据岗位,倾向于培养有其他学科知识基础,掌握数据处理与分析能力的专业性人才,而中国高校致力于培养具备数据能力,将来从事数据服务工作的综合性人才。在教学内容方面,中美高校都注重培养学生的数据意识和基础知识,美国高校考虑到专业学科领域的特点,在此基础上有针对性地开设面向某个专题的教学,中国高校侧重数据素养基本技能的学习,对数据安全、数据伦理等教育内容偏少。在教学方式方面,美国高校更多采用嵌入学科专业的培养模式,要求学生理论结合实践,并积极与其他机构形成多元化的合作培养。国内高校的数据素养教学形式以讲座、开放性在线教育培训为主,并逐渐将数据素养教育嵌入教学课程,在培养模式的创新性和灵活性上有待提高。在教学评价体系方面,国外已有比较标准的评价指标体系,各高校鼓励教师和学生参与到教学评价与管理的各个环节。国内尚未形成权威、全面的数据素养教学评价体系,具体的指标仍处在摸索和完善阶段,各高校根据自身需求和情况的不同制定相应指标,多数采用学生网上评教与专家团队评价的模式。

  经过中美高校的对比分析可以发现,我国数据素养教育仍存在较大的提升空间,本文提出以下几点建议:①顺应大数据时代背景制定教学目标,针对不同群体提出层次化需求。如对低年级学生,以培养数据意识为主,在课程内容的设置上不做学科门类的划分;对中等年级学生,强调将数据素养与所学专业相结合,培养专业领域的数据分析技能;对于高年级学生,侧重利用所掌握的数据能力开展课题研究,解决实际问题。②提高数据素养培养意识,尤其是对数据安全与规范、数据伦理与道德的培养。在大数据背景下,原本不起眼的小数据聚合在一起可能会产生大影响,传统的数据收集、共享等法律法规正在随时代变化。故高校应指导学生在数据社会如何存储和共享数据,保护自身知识产权。③关注学科专业特色,丰富数据课程培养内容。在安排通识和普适性数据课程的同时,考虑到学科专业或地域的特点,积极开展有针对性的实训教育,培养在数据驱动时代掌握专业知识和数据素养的综合性专业人才。④开展多元合作,创新培养模式。鉴于数据素养教育体系庞大,比较复杂,高校应积极与其他院系、技术专家、科研部门等合作,从多种途径锻炼学生的数据能力。同时积极建设学习管理信息系统,统一化数据标准,在合作中共享数据,让数据库充分发挥其大数据分析和预测的价值。⑤重视课程评估与反馈,建立健全数据素养教育评价体系。利用大数据支持下的在线教学平台,教师可以对学生的成绩和知识掌握情况进行评估和分析,从而调整教学过程。随着大数据时代的到来,公民数据素养逐步成为国家的核心竞争力,我国应尽快起草符合中国国情的数据素养教育规范性文件,指导和全面推进国民数据素养教育。□

  作者贡献声明:张长亮,论文研究思路及最终论文修改。王晨晓,论文主体内容的撰写。李竟彤,数据分析、论文翻译和校对。

  参考文献:

  [1] ALA OITP: digital literacy, libraries, and public policy[EB/OL]. [2018-12-16]. https://districtdispatch.org/wp-content/uploads/2013/01/2012_OITP_digilitreport_1_22_13.pdf
  [2] Obama Administration Unveils “Big Data” Intiative: Announces $200 Million In New R&D Investments[EB/OL]. [2018-12-l7]. https://obamawhitehouse.archives.gov/the-press-office/2015/11/19/release-obama-administration-unveils-big-data-initiative-announces-200
  [3]明华.英国高等教育数字素养培养模式对我国的启示[J].武汉船舶职业技术学院学报,2018,17(3):85-90.
  [4] 朱强. 北京大学图书馆面向世界一流——2014-2018行动计划概要[EB/OL]. [2018-12-17]. http://www.chinalibs.net/Upload/Pusfile/2015/11/16/2015111692846265.pdf
  [5] GUMMER E , MANDINACH E . Building a Conceptual Framework for Data Literacy.[J]. Teachers College Record, 2015, 117:N/A.
  [6] JONATHAN G, CAROLIN G, LILIANA B. Data infrastructure literacy[J]. Big Data & Society, 2018, 5(2)
  [7] EREZ P , INA B , AZY B . Measuring digital literacies: Junior high-school students' perceived competencies versus actual performance[J]. Computers & Education, 2018-.
  [8] VAN GEEL M, KEUNING T, et al. Changes in educators' data literacy during a data-based decision mking intervention[J]. Teaching and Teacher Education, 2017,64:187-198.
  [9] KIPPERS W B , POORTMAN C L , SCHILDKAMP K , et al. Data literacy: What do educators learn and struggle with during a data use intervention?[J]. Studies in Educational Evaluation, 2018, 56:21-31.
  [10]曹树金,刘慧云,王维佳.从信息素养到数据素养[J].图书情报研究,2017,10(1):19-24.
  [11]宋甲丽,程结晶.高校图书馆科学数据素养教育现状调查及建议[J].图书馆学研究,2018(19):2-9.
  [12]焦海霞.由信息素养馆员向数据素养馆员转型:动因、模式与路径[J].图书馆学研究,2018(23):30-36.
  [13]黄如花,王春迎,周力虹.国外公共图书馆开放数据服务实践分析及对我国的启示[J].图书情报工作,2018,62(13):139-144.
  [14] ESHETALKALAI Y . Digital literacy: A conceptual framework for survival skills in the digital era.[J]. Journal of Educational Multimedia & Hypermedia, 2004, 13(1):93-106.
  [15]张静,回雁雁.国外高校数字素养教育实践及其启示[J].图书情报工作,2016,60(11):44-52.
  [16]黄如花,李白杨.数据素养教育:大数据时代信息素养教育的拓展[J].图书情报知识,2016(01):21-29.
  [17]何海地.大数据背景下大学图书馆开展数据素养教育的思考[J].现代情报,2015,35(9):130-134.
  [18]沈婷婷.数据素养及其对科学数据管理的影响[J].图书馆论坛,2015,35(1):68-73.
  [19]王春生.数据素养浅论[J].图书馆理论与实践,2015(9):42-46.
  [20]肖希明,倪萍.中美LIS教育中数据素养教育的调查与比较分析[J].图书与情报,2018(1):20-27.
  [21]胡卉,吴鸣,陈秀娟.英美高校图书馆数据素养教育研究[J].图书与情报,2016(1):62-69.
  [22] Library of Purdue[EB/OL]. [2019-01-02]. https://www.lib.purdue.edu/initiatives/
  [23]王烨,王崇皓,曹健,高建新.从MOOC到SPOC:高校信息素养教育模式的创新与思考[J].科技经济市场,2018(10):141-143.
  [24]许丽丽,郑军,肖又莲.美国高校图书馆数据素养教育的实践及启示[J].现代情报,2016,36(8):75-78.
  [25]江珊.哈佛大学教学质量保障体系建设探析——基于学生评教的视角[J].高校教育管理,2016,10(2):86-91.

联系我们
  • 写作QQ:78307562
  • 发表QQ:78303642
  • 服务电话:18930620780
  • 售后电话:18930493766
  • 邮箱:lunwen021@163.com
范文范例
网站地图 | 网站介绍 | 联系我们 | 服务承诺| 服务报价| 论文要求 | 期刊发表 | 服务流程