数据素养能力模型研究.docxVIP

? ? 数据素养能力模型研究 ? ? 　　 随着e-Science和开放数据计划(Open Data Initiatives)的发展，以“数据”为中心的教育日益迫切，数据素养教育(Data Literacy Education)应运而生，其目的在于培养两类人才：一是具备科研数据管理专业技能的数据专家，二是具备基本数据知识的科学工作者。从目前的实践和研究来看，关于数据素养教育的思路和内容众说纷纭，既有关注科研训练的，也有以数据管理为主轴的，还有人认为要考虑到公共事务和决策所需的数据分析诉求。然而，不管是何种思路何种内容的数据素养教育，其中心都应有一个数据素养能力模型。这些模型一般由一系列的指标体系组成(因此又称“数据素养能力指标体系”)，体现了相关教育项目的设计和实施者对数据素养教育系列问题的观点：如何理解数据、数据素养与数据素养教育？受众是谁？目标是什么？如何建构相应的教育体系？教学计划设计和效果评估的焦点是什么？应当如何展开？基于此，本文对国内外数据素养能力模型进行梳理、比较和分析，结合教育实践项目，探讨数据素养教育系列问题。 　　 1 研究设计 　　 通过数据库(EBSCOHost；CNKI)、专业组织(ACRL；IASSIST①；ICPSR②)及研究社区(Data Information Literacy Symposium; e-Science Community Blog)等收集资料，以数据素养教育实践项目为中心、辅以相关文献，笔者梳理出14个数据素养能力模型。参考相关文献[1]，建构数据素养能力模型分析框架，见表1。 　　 2 模型梳理 　　 综合分析各模型的特点，以是否严格界定能力为标准，这些模型可划分为两类：(1)能力导向模型，是严格意义上的数据素养能力模型，该类模型以“数据”为核心明确了数据素养能力指标，甚至建立了多级能力指标体系；(2)目标导向模型，是广义上的数据素养能力模型，主要由笔者从具体教育实践的教学目标和教学模块中提炼总结而出。与能力导向模型相比，目标导向模型的特征是它通常结合实际教学需要而设定，不一定从整个数据生命周期进行考虑。这两种模式代表了开展数据素养教育的两种思路，即将数据素养视作相对独立且整体实施的专门的教育项目，或是将数据素养视作其他能力的组成而在相关的教育项目中设置数据素养教育模块。笔者按照表1的数据素养能力模型分析框架，对14个数据素养能力模型进行分类梳理③。本部分主要呈现各模型的提出背景、指标层级及基本内容。关于适用情境、建构方式、对应的数据生命周期等的讨论放在第三部分。 　　 　　 2.1 能力导向模型 　　 围绕数据生命周期进行设计是能力导向模型的基本特征。一般而言，该类模型中的数据素养能力指标较易被识别，常常直接以多级指标的形式呈现。笔者梳理了8个这类模型。其中，5个模型已有与之对应的数据素养教育实践项目：美国地球数据观测网络(DataONE)模型、英国爱丁堡大学MANTRA模型、美国雪城大学Qin D’Ignazio模型、美国普渡大学Carlson模型、美国新英格兰协作数据管理课程(NECDMC)模型；另外3个模型为纯理论性质的数据素养能力模型：西班牙学者Prado Marzal模型、瑞典学者Schneider模型以及澳大利亚统计局(ABS)模型。 　　 (1)DataONE模型(2009)[2]。地球数据观测网络(Data Observation Network for Earth,DataONE)是一个环境科学领域面向科研需求的网络平台，是众多个人和科研机构合作的成果。2009年该平台在美国国家科学基金会(National Science Foundation,NSF)的资助下建立，用户可以通过这一平台持续而安全地获取地球观测数据。为了帮助科研人员在研究过程中，尤其是在研究起始阶段，做好数据管理计划，并有效地建立、组织、管理、描述、保存和共享数据，并使得数据能够为其他科研人员重用，DataONE制作了《数据管理初级读本：你一直想知道的》(Primer on Data Management:What You Always Wanted to Know)，并在官网上提供以数据生命周期为线索的教学课程，以及数据管理的最佳实践、相关软件工具等学习材料。该模型从DataONE教学课程中梳理得出，由模块和学习效果两级指标组成。 　　 (2)MANTRA模型(2010)[3]。英国爱丁堡大学(University of Edinburgh)根据该校地球科学、社会与政治学和临床心理学研究生的培训需求，与英国学术发展研究所(Institute for Academic Development)合作，2010—2011年开发了面向英国研究生、初级职业研究员、信息专业人员的在线