高校教師數字素養評價指標構建研究

楊爽 周志強

摘要：[目的/意義]隨著數字技術的迅速發展和普及，“數字素養”成為研究領域頗受關注的話題，構建高校教師數字素養評價指標，將教師的數字素養利用統一標準進行準確評定，便于高校有目的、有原則的進行數字素養推進工作。[方法/過程]本研究構建了高校教師數字素養評價指標體系，包括5個維度，18個指標，5個維度分別為數字技術使用、數字信息管理、數字內容創造、數字社群構建和數字安全能力。通過調查問卷收集相關數據，利用定量分析方法對所構建的評價體系的合理性進行檢驗。[結果/結論]本研究不但為高校數字素養培養工作提供必要的標準，而且彌補了目前相關研究中的不足，具有較重要的現實和理論意義。

關鍵詞：高校教師;數字素養;評價指標

DOI：10.3969/j.issn.1008-0821.2019.03.007

〔中圖分類號〕G254.97〔文獻標識碼〕A〔文章編號〕1008-0821（2019）03-0059-10

隨著數字技術的迅速發展和普及，利用數字技術來完成日常工作和學習任務，已經成為數字經濟時代人們不可或缺的能力。以數字化的知識和信息作為關鍵生產力的數字經濟蓬勃發展，新興的數字化產品、服務大量涌現，在此背景下，人們應用數字媒介獲取、傳遞、組織和創造信息的能力越來越重要?！皵底炙仞B”（Digital Literacy）是人們取得競爭力的必備技能，具備一定的數字化技能和素養，才能更好地挖掘數據的價值和享受數字化的服務。高校作為數字素養培養的重要機構，有必要提高教師的數字素養，從而培養適應時代發展的高素質人才。目前，“數字素養”的研究已成為各國學者關注的話題。國外研究方面，Fernando G F等以本科學生的學術素養實踐行為為研究對象，分析了學生在學習過程中的數字素養的實際表現情況[1]。Ramírez-Montoya M S等認為，教師的數字素養已經成為構建優質課堂實踐知識的關鍵元素，并且能夠幫助學生提升學習能力[2]。Yu T K等認為數字不平等是“信息時代”關鍵的問題之一，個人的信息素養和數字能力對ICT采納行為具有重要作用[3]。Al-Qallaf C L等則以本國學生的英語學習效果為研究對象，探究了數字素養和數字內容對學生學習情況的影響作用[4]。國內研究方面，張靜等通過對國外高校數字素養教育實踐的分析梳理，提出我國應該構建數字素養標準框架，以促進學生在實踐中提升數字素養[5]。許歡等則針對我國數字素養教育不夠完善這一現狀，對美國、歐洲等發達國家和地區的數字素養培養模式發展進行述評，為我國數字素養的培養提出相應建議[6]。李春卉則以英國高校圖書館一系列數字素養教育實踐探索活動為研究對象，為我國開展數字素養教育提出了設想[7]。

從以上的研究成果中可以看出，數字素養已經成為很多國家進行國民素質教育和高等教育的重要內容，正被越來越多的國家納入其教育課程的體系之中。但是目前的研究和實踐較多集中于探討數字素養對學生學習的促進作用，致力于從實踐調查和分析中找出依據，從而提出相應的數字素養培養方案。然而，數字素養教育，特別是高校數字素養教育，不能缺少高校教師的參與。高校教師在培養學生學術能力的過程中具有舉重若輕的作用，在當前ICT技術迅猛發展的情況下，高校教師是否可以將數字素養的理念融入日常教學工作，是否可以運用數字手段有效地開展教學工作，將應用數字媒介獲取、傳遞、組織和創造信息的能力教授給學生，對于學生的數字素養的培育均具有重要作用。

因此，構建高校教師數字素養評價指標，將教師的數字素養利用統一標準進行準確評定，不僅可以為高校數字素養培養工作提供必要的標準，便于有目的、有原則的進行數字素養推進工作，而且也彌補了目前相關研究中的不足，具有較重要的現實和理論意義。本研究基于以上論述，提出構建高校教師數字素養評價指標體系的研究主題，擬解決如下研究問題：1）數字素養的概念和內涵是什么？2）如何構建高校教師數字素養評價體系？3）如何驗證評價指標體系的合理性？本文將通過調查分析和數據驗證，對以上問題加以分析解答。

1理論基礎

1.1數字素養的概念

“數字素養”由以色列學者Yoram提出，他根據多年的研究工作經驗提出了數字素養的概念框架，認為數字素養應該包括五個方面的內容：圖片——圖像素養、再創造素養、分支素養、信息素養以及社會——情感素養[8]。數字素養概念的發展經過了一個不斷融合的過程，在信息素養的大框架之下，隨著社會信息技術的進步和人類生活方式的改善，其概念融合了媒體素養、計算機素養、網絡素養等的元素，被認為是個體獲得的“數字時代的生存技能”，也是“信息社會的重要資產”[8]。

美國圖書館協會（American Library Association，簡稱ALA）認為數字素養是利用信息和通信技術來發現、評估、創造和交流信息的能力，需要認知技能和技術技能[9]。英國聯合信息系統委員會（Joint Information Systems Committee，簡稱JISC）認為數字素養是個人在數字社會中生活、學習和工作所必備的能力[10]。Mohammadyari S等的研究指出，數字素養是利用數字技術來理解、分析、評估、組織和評價信息的能力[11]。在Ramírez-Montoya M S等的研究中，數字素養被定義為在使用信息和通信技術時所需的內容、技能和態度的集合[2]。Guzman等則認為“數字”指與新的信息和通信媒體有關的活動，而“素養”是指在不同環境中為個人和專業發展所必需的知識、技能和態度的集合[2]。

1.2數字素養評價指標

很多國際組織如ALA、JISC等為數字素養制定了執行標準，目的在于為教育者提供專業發展所需的知識和能力，并指導未來的教育工作者如何將信息素養融入課程和教學中[4]。例如ALA Digital Literacy Taskforce[9]在2011年提出，具備數字素養的人擁有以下屬性：1）擁有技術和認知方面的多種技能用以發現、理解、評估、創造和交流各種形式的數字信息;2）能夠正確而有效地使用不同的技術來檢索信息，解釋結果，并判斷信息的質量;3）理解技術、終身學習、個人隱私和信息管理之間的關系;4）利用這些技能和適當的技術與同伴、同事、家人、公眾進行溝通和協作;5）利用這些技能積極參與公民社會活動，為社區做出貢獻。JISC[10]在2015年提出，數字素養的六要素分別為：1）信息、數據和媒介素養;2）數字創作、問題解決和創新;3）數字交流、協作和參與;4）數字學習和發展;5）ICT素養;6）數字身份與福祉。也有很多相關領域的學者通過調查研究提出了數字素養的評價指標或者內涵維度，應用于圖書館、教師培訓等多個領域。例如，Greene等認為，數字素養有兩個主要方面，即“能力”和“知識”，能力指制定獲取有用信息的策略的能力，而知識則是指審核和整合所獲取信息的知識[12-13]。

具體的研究成果如表1所示：

表1數字素養指標/維度研究

作者年份指標/維度內涵

新媒體聯盟（New Media Consortium，簡稱NMC）[14]2016

1.通識素養1.熟練使用基本數字化工具（包括辦公自動化軟件、圖像處理軟件、云內容和云應用、網頁內容編輯工具等）的能力;

2.創新素養2.在通識素養的基礎上掌握一些挑戰性技能（如音視頻創建與編輯、動畫制作、編程、電腦硬件設備知識、數字公民和知識產權知識），進而開展創新活動的能力;

3.跨學科素養3.不同學科、不同學習情境中的課程融會貫通的能力。

Laar F V等[15]2017

1.技術1.使用（移動）設備和應用程序來完成實際任務和識別特定的在線環境來導航和維護方向的技能;

2.信息管理2.使用信息和通信技術有效地搜索、選擇、組織信息，以便對某一特定任務的最合適信息來源做出明智的決定的技巧;

3.通信3.利用信息和通信技術向他人傳遞信息的技能，確保有效地表達意思;

4.協作4.利用信息和通信技術建立一個社會網絡并在一個團隊中交流信息、談判協議、并在相互尊重的基礎上做出決定以實現共同目標的技能;

5.創造力5.使用信息和通信技術產生新的或以前未知的想法的技能，或者以一種新的方式對待熟悉的想法，并將這些想法轉化為在特定領域內被認為是新奇的產品、服務或過程;

6.批判性思維6.使用信息和通信技術對信息和溝通做出明智的判斷和選擇的能力，能夠利用反射推理和足夠的證據來支持以上決定;

7.解決問題7.將信息和通信技術用于認知過程和理解問題情境的能力，結合知識的積極運用，找到解決問題的方法。

Noh Y[16]2016

1.技術素養1.能夠使用硬件、計算機，編輯文件、瀏覽網頁和交流;

2.比特素養2.能夠檢索、判斷、編輯、處理和使用信息;

3.虛擬社區素養3.參與社區、形成自我認同、建立關系、共同解決問題、創造網絡文化的能力。

綜合分析數字素養相關研究可以看出，國外學者針對數字素養所包含的指標和維度的研究開展較早，而國內的相關研究還較為欠缺。在具體研究內容方面，雖然學者們普遍對數字素養從能力、認知、思維、知識等角度展開了維度劃分和指標歸納，但是相對來說，維度所涵蓋的范圍較廣，指標的精細度較差，缺乏對實踐的指導作用。并且專門針對高校教師的數字素養評價指標的研究也相對較少?；谏鲜鑫墨I梳理和分析，本文提出構建高校教師數字素養評價指標體系的研究主題。

2高校教師數字素養評價指標體系構建

2.1評價指標體系構建

本研究以新媒體聯盟中數字素養研究為基礎，綜合上述學者的研究成果，并結合高校教師工作特點，首先選取了5個維度18條數字素養評價指標，評價體系的維度分別為數字技術使用、數字信息管理、數字內容創造、數字社群構建和數字安全能力。各個維度包括的具體指標及其解釋說明、主要參考來源如表2所示。

2.2問卷設計與調查

本研究將所構建的高校教師數字素養評價指標體系整理成李克特七級量表調查問卷形式，在語言表達上，試圖用簡潔明了的語句將各個指標要素的內涵表達清楚，以便于調查參與者理解和判斷，從而通過量表打分表達其對量表指標的認知程度。本研究通過發放實體問卷、電子郵件問卷等形式收集數據，調查對象為高校教師群體。調查問卷如表3所示。

3數據收集與處理

通過問卷調查本研究共回收有效問卷295份，為了驗證本研究所構建的評價指標體系的合理性，本研究通過探索性因子分析和驗證性因子分析兩個步驟，對所收集的數據進行信度和效度的檢驗。

3.1探索性因子分析

將收集到的預測數據代入SPSS 19軟件，使用因子分析方法進行探索性因子分析。KMO（Kaiser-Meyer-Olkin）檢驗取值在0～1之間，當KMO值越接近于1，說明變量間的相關性越強，變量越適合做因子分析。Bartlett球形檢驗是一種檢驗變量之間相關性程度的方法，根據實際數據的相關系數矩陣行列式得到統計量后，如果該值較大，且其對應的相伴概率值小于顯著性水平（0.05），則認為變量之間存在相關性，適合于做因子分析。數據的KMO檢驗和Bartlett球形檢驗結果如表4所示。

KMO值為0.873，比較接近1，因此變量間的相關性較強，變量適合做因子分析;Bartlett球形檢驗顯著性水平達到0.001水平，因此拒絕原假設，認為變量間的相關系數不是單位陣，變量之間存在相關性，適合于做因子分析。

3.1.1解釋總方差

在因子分析中選擇用主成分分析法進行因子抽取，選取因子固定數量為5，累計方差貢獻率達到72.092%，認為丟失的信息較少，因子旋轉后累計方差貢獻率也沒有發生改變，說明主成分提取較為合理。預測數據的解釋總方差如表5所示。

3.1.2旋轉成分矩陣

利用最大方差法進行因子旋轉后，設定系數按大小進行排列，并且小于0.4[20]的系數在公因子列中刪除，以保證每一個觀察變量不會橫跨到其他潛在變量維度內。預測數據的旋轉成分矩陣如表6所示：

從表6中可以看出，DT1～DT4、DI1～DI4、DCT1～DCT3、DCY1～DCY3以及DS1～DS4均在同一公因子內，所有觀察變量沒有橫跨到其他潛在變量維度內，說明同一維度下的觀察變量相關性較高，對所屬維度的變異度解釋性也較強。

3.2驗證性因子分析

通過前文的探索性因子分析，證明本研究所構建的量表具有一定的可信度和有效性。為了保障量表的嚴謹性，本研究運用AMOS 21.0對數據進行驗證性因子分析，在AMOS界面設置5個潛變量、18個觀測變量和18個殘差變量，選擇最大似然估計進行模型運算，模型如圖1所示。觀察變量及其對應潛變量之間的載荷系數估計如表7所示。

首先，對模型的路徑系數進行統計顯著性檢驗，回歸系數的非標準化估計值（Regression Weights）與其標準誤（S.E.）之間的比值稱為臨界比值，簡寫為C.R.。當C.R.的絕對值大于1.96時，顯著性P值達到0.05水平，記作“*”;當C.R.的絕對值大于2.58時，顯著性P值達到0.01的水平，記住“**”;當C.R.的絕對值大于3.29，顯著性P值達到0.001水平，記作“***”。如表7所示，模型顯著性良好。

3.2.1收斂效度

收斂效度（Convergent Validity）又稱為聚合效度，是表征同一維度內的觀察變量對所屬維度隸屬度的指標，在驗證性因子分析中，收斂效度用標準化因素載荷量（Standardized Regression Weights）、組合信度（Composite Reliability，簡稱CR）和平均方差抽取量（Average Variance Extracted，簡稱AVE）來測量[21]，一般要求標準化載荷量在0.6以上，組合信度在0.7以上，AVE在0.5以上表示收斂效度良好。如表8所示。

各個觀察變量的標準化載荷量均大于0.6，組合信度均大于0.7，平均方差抽取量均大于0.5，收斂效度良好。

3.2.2區別效度

區別效度（Discriminant Validity）又稱區分效度，是表征不同維度之間具有區分度的效度指標，即不同維度應該反映的是不同的概念，排除維度之間可能因共線性而引起的估計誤差。即比較各個維度的平均方差抽取量的平方根（AVE）與維度之間的相關系數r的大小，若AVE>r，則表示維度之間的區別效度明顯，維度之間不存在共線性問題[22]。本研究的區別效度如表9所示。

從表中的數據可以看出，各個維度的AVE均大于該維度與其他維度之間的相關系數，因此本研究的數據區別效度良好，維度之間不存在共線性問題。

3.2.3配適度

配適度是指理論模型與數據的擬合程度，本研究將從絕對擬合指標（卡方/自由度、GFI、AGFI、RMSEA）和增量擬合指標（NFI、CFI）兩方面進行模型的擬合度檢驗[23]?？ǚ街担é?）是評價整體模型擬合的傳統指標，用以評估樣本擬合協方差矩陣之間的差異的大小[24]，一般認為χ2越小表示理論模型與實際數據適配度越好，但是對χ2的具體取值范圍沒有一定的標準;自由度（df）的大小取決于模型中的有效參數和需要估計的參數的個數，并且卡方與自由度的比值（χ2/df）越小，表明理論模型的協方差矩陣與實際數據的適配度越高，擬合度越好，一般要求χ2/df小于3。GFI為擬合優度指標，GFI越大，表示模型的適配度越好，一般要求GFI大于0.9;AGFI為調整后擬合優度指標，其要求與GFI相同;RMSEA為近似誤差均方根，模型的RMSEA值介于0.05～0.08之間表示模型的配適度良好。NFI為范擬合指數，CFI為比較擬合指數，一般要求兩者均要大于0.9，表示模型的配適度良好。模型的配適度如表10所示。

從表10可以看出本研究模型的配適度基本達到要求，理論模型與實際數據的擬合情況良好，模型內在質量良好。

4研究結論

本研究構建了高校教師數字素養評價指標體系，并通過調查問卷收集數據對其可信度和有效性進行驗證，數據結果證明，本研究所構建的評價指標體系具有一定的合理性。本研究所構建的高校教師數字素養評價指標體系包含5個維度，18個指標，如圖2所示。

本研究在論述了數字素養概念與內涵的基礎上，系統梳理了國內外對于數字素養評價指標體系的相關研究，在結合前人研究的基礎上，構建了高校教師數字素養評價指標體系，并通過調查問卷和定量分析方法對所構建的評價指標體系的合理性進行了驗證。本研究認為高校推進教師數字素養工作，可以數字技術使用、數字信息管理、數字內容從創造、數字社群構建和數字安全能力5個方面對教師的數字素養進行評定。通過合理制定有效的培訓方案，從以上5個方面推進教師數字素養培訓工作，提高教師數字素養，從而強化教師在教學、工作中的數字能力，將應用數字媒介獲取、傳遞、組織和創造信息的能力教授給學生，對學生數字素養的培育起到重要作用。

本研究可以幫助我國高校將教師的數字素養利用統一標準進行準確評定，不僅可以為高校數字素養培養工作提供必要的標準，便于有目的、有原則地進行數字素養推進工作，而且也彌補了目前相關研究中的不足，具有較重要的現實和理論意義。筆者將在未來研究中，針對所構建的指標體系的實際應用效果進行跟進調查，并通過實踐調查不斷完善指標體系的構建。

參考文獻

[1]Fernando G F，Eduardo G J，Isabel L C.Undergraduate Students Perspectives on Digital Competence and Academic Literacy in a Spanish University[J].Computers in Human Behavior，2017，74：196-204.

[2]Ramírez-Montoya M S，Mena J，Rodríguez-Arroyo J A.In-service Teachers Self-perceptions of Digital Competence and OER Use as Determined by a xMOOC Training Course[J].Computers in Human Behavior，2017，77：356-364.

[3]Yu T K，Lin M L，Liao Y K.Understanding Factors Influencing Information Communication Technology Adoption Behavior：The Moderators of Information Literacy and Digital Skills[J].Computers in Human Behavior，2017，71：196-208.

[4]Al-Qallaf C L，Al-Mutairi A S R.Digital Literacy and Digital Content Supports Learning：The Impact of Blogs on Teaching English as a Foreign Language[J].Electronic Library，2016，34（3）：522-547.

[5]張靜，回雁雁.國外高校數字素養教育實踐及其啟示[J].圖書情報工作，2016，60（11）：44-52.

[6]許歡，尚聞一.美國、歐洲、日本、中國數字素養培養模式發展述評[J].圖書情報工作，2017，61（16）：98-106.

[7]李春卉.英國高校圖書館數字素養教育實踐及啟示[J].圖書館建設，2017，（8）：78-82.

[8]王佑鎂，楊曉蘭，胡瑋，等.從數字素養到數字能力：概念流變、構成要素與整合模型[J].遠程教育雜志，2013，31（3）：24-29.

[9]ALA Digital Literacy Taskforce.What is Digital Literacy？[EB /OL].http：//connect.ala.org/files/94226/what%20is%20digilit%20%282%29.pdf，2018-03-28.

[10]Joint Information Systems Committee.Developing Students Digital Literacy[EB /OL].https：//www.jisc.ac.uk/guides/developing-students-digital-literacy，2018-03-28.

[11]Mohammadyari S，Singh H.Understanding the Effect of E-learning on Individual Performance：The Role of Digital Literacy[J].Computers & Education，2015，82：11-25.

[12]Greene J A，Yu S B，Copeland D Z.Measuring Critical Components of Digital Literacy and Their Relationships with Learning[J].Computers & Education，2014，76：55-69.

[13]Greene J A，Copeland D Z，Deekens V M，et al.Beyond Knowledge：Examining Digital Literacys Role in the Acquisition of Understanding in Science[J].Computers & Education，2018，117：141-159.

[14]張晴.《數字素養：新媒體聯盟地平線項目戰略簡報》研究[J].圖書館工作與研究，2017，（5）：110-114.

[15]Laar E V，Deursen A J A M V，Dijk J A G M V，et al.The Relation between 21st-century Skills and Digital Skills：A Systematic Literature Review[J].Computers in Human Behavior，2017，72：577-588.

[16]Noh Y.A Study on the Effect of Digital Literacy on Information Use Bbehavior[J].Journal of Librarianship and Information Science，2016，49（1）：26-56.

[17]Ilomki L，Paavola S，Lakkala M，et al.Digital Competence—An Emergent Boundary Concept for Policy and Educational Research[J].Education and Information Technologies，2014，21（3）：655-679.

[18]Punie Y，Brecˇko B，Ferrari A.DIGCOMP：A Framework for Developing and Understanding Digital Competence in Europe[J].eLearning Papers，2014，（38）：3-17.

[19]Koc M，Barut E.Development and Validation of New Media Literacy Scale（NMLS）for University Students[J].Computers in Human Behavior，2016，63：834-843.

[20]Hair J F J，Anderson R E J，Tatham R L，et al.Multivariate Data Analysis，5th Ed[M]：All Publications，1998.

[21]Segars A H.Assessing the Unidimensionality of Measurement.A Paradigm and Illustration within the Context of Information Systems Research[J].Omega，1997，25（1）：107-121.

[22]Hair J F，Black W C，Babin B J，et al.Multivariate Data Analysis（7th Edition）[M]：Englewood Cliffs，N.J.Prentice Hall，2009.

[23]Hooper D，Coughlan J，Mullen M R.Structural Equation Modelling Guidelines for Determining Model Fit[J].Electronic Journal on Business Research Methods，2008，6（1）：141-146.

[24]Hu L T，Bentler P M.Cutoff Criteria for Fit Indexes in Covariance Structure Anaysis：Conventional Criteria Versus New Alternatives[J].Structural Equation Modeling，1999，6（1）：1-55.

（責任編輯：孫國雷）