應用型高校大學生數據素養現狀調查分析
——以北京聯合大學為例

任艷莉,趙慶齡

(北京聯合大學 圖書館,北京 100101)

0 引言

隨著數智時代的到來,數據素養已成為人們不可或缺的能力,在教育領域更是備受關注。提高大學生的數據素養有助于拓寬他們的視野,促進他們在科研以及生活實踐中由經驗決策向數據驅動決策轉變的能力。據相關文獻調研,當前許多大學生在數據收集處理、數據質量的辨別、數據分析以及應用等方面還存在不足,數據隱私和安全意識較為缺乏。北京聯合大學作為一所具有典型性和代表性的應用型高校,注重內涵式發展,培養適應國家特別是北京地區經濟社會發展需要的高素質應用型創新人才。應用型高校的大學生不僅要有較強的動手能力和實踐能力,而且要具備良好的數據素養,才能更好地適應當今數智時代社會發展和建設的需要。為測算應用型高校大學生數據素養的實際發展水平,本研究以北京聯合大學的大學生為考察對象,通過問卷調查的方式,開展了大學生群體數據素養現狀的實證研究,為了解應用型高校大學生數據素養現狀以及提升大學生的數據素養水平提供參考。

1 數據素養研究現狀

1.1 數據素養概念與構成要素

Milo Schield于2004年發表的文章《信息素養、統計素養和數據素養》開創了學界對于數據素養研究的先河,認為數據素養主要由批判性思維和統計技能兩個方面組成;還有學者從知識和技能兩個方面對數據素養進行了詮釋。黃如花等[1]調研了國內外開設的數據素養課程,把數據素養專項教學分為“數據倫理”和“數據檢索”初級階段、“數據分析與評價”和“數據組織”進階階段、“數據交流”和“數據保存”高級階段提升人們的數據素養。本研究參考《美國數據素養發展框架》《歐盟教育者數字素養框架》等相關政策文件和國內外學者對數據素養的研究,立足于大數據時代大學生核心素養能力需求,對高校大學生數據素養的關鍵要素進行梳理與整合,歸納出大學生的數據素養主要包括數據意識與基礎知識、數據獲取能力、數據分析能力、數據管理能力、數據評估能力和數據倫理等方面。

1.2 文獻回顧

國內外學者對數據素養的研究主要集中在數據素養的內容框架、現狀分析、影響因素、提升路徑等方面。關于數據素養的內容框架,黃如花等[2]通過對國際數字素養與技能框架的內容分析,發現了其特點和不足?；莨Ы〉萚3]構建了我國學生數據素養能力模型。孟祥保等[4]從數據管理和數據利用兩個視角闡述了數據素養定義的代表性研究?，F狀調查分析一直是數據素養實證類研究的重點,學生數據素養現狀也是國內學界一直關注的焦點。郝媛玲等[5]通過對高校研究生或特定學生群體的數據素養現狀進行調查,發現存在數據技能薄弱的問題?，F有研究大部分集中在對研究生、科研人員等群體數據素養的理論框架或實證研究方面的探討,而應用型高校的大學生群體作為未來社會發展的一支重要力量,對其數據素養的研究尚未得到足夠的重視,實證研究尚未深入開展。因此,本研究聚焦北京聯合大學的大學生數據素養現狀開展調查研究,為推動應用型高校大學生數據素養內涵式發展提供借鑒。

2 研究設計

選取北京聯合大學的大學生為研究對象,通過聯系各年級、各專業學生,用問卷星的方式針對性發放問卷,盡量擴大問卷發放群體的覆蓋范圍,使收集到的問卷數據盡可能真實反映大學生的數據素養現狀。調查問卷發放與回收時間集中在2023年3—6月,回收問卷798份,其中763份有效,有效率達95.6%。

2.1 調查對象基本情況

本次調查對象總計763人,基本情況如表1所示,從性別看:男生占41.9%,女生占58.1%。從年級看:大學一年級占23.6%,大學二年級占24.2%,大學三年級占27.3%,大學四年級占24.9%。從學科看:人文社科類占42.5%,理工類占36.3%,其他類占21.2%。以上數據顯示,本次調查對象的性別、年級以及學科構成上比較符合北京聯合大學的大學生實際分布情況。

2.2 大學生數據素養調查問卷的編制與驗證

本研究以黃如花、張弘、周志強、孟祥保等學者的數據素養評價框架為基礎,借鑒其中的數據意識與數據知識、數據獲取能力、數據分析應用能力、數據管理能力、數據評估能力、數據倫理等維度,編制了面向應用型高校大學生的數據素養調查問卷。問卷的第一部分是樣本基本情況調查;第二部分是對數據素養各維度的調查,包含21個題項,涵蓋數據素養能力6個維度,采用李克特五級量表來進行測量,很差賦值1分,較差賦值2分,一般賦值3分,較好賦值4分,非常好賦值5分。

2.2.1 項目分析

使用SPSS 26.0對量表進行項目分析,即鑒別各題項的區分度。由項目分析結果可知,高分組學生與低分組學生每一個題項的臨界值比(CR)均達到顯著性水平(P<0.01),與總分相關系數(R)均大于0.5,說明調查問卷的題項區分度達到要求。

2.2.2 探索性因子分析

將763份有效調查問卷隨機分為兩部分,一部分用于探索性因子分析(n=382),另一部分用于驗證性因子分析(n=381)。差異性檢驗顯示,兩部分樣本在性別、年級、專業的分布上都沒有顯著差異。為了檢驗調查數據是否適合作探索性因子分析,需要對數據進行信度和效度檢驗。KMO值(Kaiser-Meyer-Olkin)為0.869,Bartlett球形檢驗值為2 417.256,在自由度為55的條件下以及P<0.001水平上顯著,說明各題項間有共享因素的可能性,表明數據樣本適合作探索性因子分析。

對問卷的21個題項進行一階因素分析,經主成分分析,提取特征值大于1的因子,然后對因子分析結果進行最大正交旋轉,同時結合碎石圖,最終確定由19個題項、6個公因子構成的維度結構。所有題項的因子載荷均大于0.5,累積方差解釋率為77.97%,大于60%的門檻值,比較理想。結合所含題項內容,將6個公因子分別命名為:數據意識與基礎知識、數據獲取能力、數據分析應用能力、數據管理能力、數據評估能力、數據倫理。

信度檢驗結果顯示,這6個因子(數據分析應用能力、數據獲取能力、數據意識與基礎知識、數據管理能力、數據評估能力、數據倫理)的Cronbach’α系數分別為0.848、0.822、0.818、0.812、0.815、0.731,均大于0.7,表明其內部具有較高的一致性。綜上所述,本量表具有較高的信效度。

數據意識與基本知識是指發現數據源、數據價值意識以及數據基本理論知識和技術知識。這一維度包含3個題項:數據價值意識、獲取及應用意識、數據基礎理論知識及工具使用。數據獲取能力是指數據檢索、收集等能力,包含3個題項:獨立獲取數據、根據需求設定檢索式、熟悉各類數據庫及數據獲取。數據分析應用能力是指使用常見的數據分析工具或者本學科數據分析軟件對科學數據進行分析,以及使用分析結果指導判斷或預測發展趨勢等能力,包含4個題項:使用常見的數據分析工具(如SPSS、Excel等)、掌握數據統計和分析方法、使用本學科專用數據分析軟件分析解釋科學數據、正確使用數據分析結果撰寫學術論文或報告。數據管理能力包含3個題項:科學規范存儲數據能力、存儲安全意識、判斷有用信息與無用信息。數據評估能力是指鑒別有價值數據的能力,包含3個題項:評價數據與質疑數據、檢驗數據的可靠性與有效性、辨別數據質量。數據倫理是指在數據使用過程中遵守學術道德與規范,并能夠按照引用規范合理引用數據,包含3個題項:數據使用過程中遵守學術道德與規范、合理引用數據并規范標注、了解數據倫理在學習和工作中的原則。

2.2.3 驗證性因子分析

驗證性因子分析的被試樣本數為381,通過驗證性因子分析檢驗探索性因子分析的六維結構是否能夠支持另外的樣本數據。參照前人研究,運用AMOS 24.0軟件,采用最大似然法進行驗證性因子分析,通過模型擬合指標判斷擬合效果,對探索性因子分析得出的量表進行檢驗和評價。規范卡方為2.466、近似誤差均方根(RMSEA)為0.076、適配度指標(GFI)為0.930、規范擬合指數(NFI)為0.927、相對擬合指數(CFI)為0.942、塔克-劉易斯指數(TLI)為0.916、增量擬合指數IFI為0.942,擬合指標均達到標準,說明模型擬合效果較好。由量表的驗證性因子分析結果可知,6個因子的組合信度分別為:0.816、0.838、0.831、0.817、0.812、0.719,均大于0.7,表明量表的可靠性較好。各題項的標準化系數均大于0.5,6個因子的平均方差萃取量(AVE)大于0.5,組合信度(CR)均大于0.7,說明量表的收斂效度較好。綜合以上分析,可認為本次問卷數據的信度效度水平達標,表明問卷具備科學性和可靠性,具有一定的參考應用價值。

3 研究結果分析

3.1 應用型高校大學生數據素養水平的整體狀況

對問卷收集整理后進行數據素養現狀分析,將問卷第二部分的問題回答轉化為具體分值,計算出每一個維度的平均得分,平均分的取值范圍為1～5分,得分越接近于5分說明調查對象此項能力表現越強,具體情況如表2所示。

表2 大學生數據素養的描述性統計結果

從整體上看,大學生數據素養各維度均值都大于3,處于中等略偏上水平。其中,數據倫理得分最高,說明大學生在該維度的發展水平高于其他3個維度,主要得益于近年來國家和學校更加重視數據倫理與道德的教育,陸續出臺了相關政策文件,進一步加強了這方面的教育。數據獲取能力得分均較低,表明當前大學生數據獲取能力培訓機制還需要進一步強化。

3.2 大學生數據素養人口學變量的差異分析

分別采用獨立樣本t檢驗和單因素方差法,探究不同性別、不同年級和不同學科大學生之間的數據素養水平是否存在顯著性差異。獨立樣本t檢驗是一種雙總體t檢驗,用于檢驗兩組非相關樣本數據之間的差異,在本研究中檢驗不同性別、高年級與低年級大學生在數據素養的6個維度上是否存在顯著性差異。方差分析用于檢驗兩個及兩個以上樣本均值是否存在顯著性差異,單因素方差分析是檢驗一個控制變量的不同水平對于觀測變量的影響是否顯著。在本研究中用單因素方差分析法檢驗不同學科的大學生在數據素養的6個維度上是否存在顯著性差異。

對樣本數據進行偏度-峰度分析,6個維度偏度的絕對值均小于3,峰度的絕對值均小于8,表明樣本數據基本符合正態分布,可以采用獨立樣本t檢驗和單因素方差分析法探究大學生數據素養在人口統計學變量上是否存在顯著性差異。

3.2.1 不同性別大學生數據素養得分情況及差異分析

采用獨立樣本t檢驗研究不同性別的大學生數據素養發展水平差異,結果如表3所示。數據倫理(P=0.039)在0.05水平上差異顯著,數據評估能力(P=0.002)在0.01水平上差異顯著,即不同性別的大學生在數據倫理、數據評估能力兩個維度存在顯著性差異。根據均值可知,女生的數據倫理發展水平高于男生,男生的數據評估能力高于女生。較男生而言,女生性格更加嚴謹細致,對于數據的使用和標注也更注重學術道德規范。而男生對于數據價值的鑒別能力更高。數據意識與基礎知識(P=0.092)、數據獲取能力(P=0.787)、數據分析應用能力(P=0.510)、數據管理能力(P=0.082)4個維度的P值均大于0.05,即男生和女生在這4個維度無顯著差異。

表3 大學生數據素養性別差異分析

3.2.2 不同年級大學生數據素養得分情況及差異分析

把大一、大二的學生劃分為低年級組,把大三、大四的學生劃分為高年級組,采用獨立樣本t檢驗研究高年級組和低年級組大學生數據素養發展水平差異,結果如表4所示。數據意識與基礎知識(P=0.003)在0.01水平上差異顯著,數據獲取能力(P=0.000)、數據分析應用能力(P=0.000)、數據管理能力(P=0.000)、數據評估能力(P=0.000)、數據倫理(P=0.000)在0.001水平上顯著,即高年級大學生和低年級大學生在數據意識與基礎知識、數據獲取能力、數據分析應用能力、數據管理能力、數據評估能力和數據倫理6個維度均存在顯著性差異,根據均值可知,高年級學生的發展水平顯著高于低年級學生。

表4 不同年級大學生數據素養差異分析

3.2.3 不同學科大學生數據素養得分情況及差異

本研究對所調研的大學生群體根據專業劃分為人文社科類、理工類和其他類,人文社科類主要包含哲學、經濟學、法學等文科類專業,理工類主要包含數學、物理學和工程與技術科學等專業,其余專業則歸為其他類。采用單因素方差分析探究不同學科大學生數據素養的6個維度是否存在顯著性差異,單因素方差分析結果如表5所示。不同學科大學生在數據意識與基礎知識(P=0.002)、數據獲取能力(P=0.000)、數據分析應用能力(P=0.000)、數據管理能力(P=0.000)、數據評估能力(P=0.000)、數據倫理(P=0.000)6個維度P值均小于0.05,存在顯著性差異。經事后檢驗多重比較,在數據意識與基礎知識、數據獲取能力、數據評估能力以及數據倫理4個維度,理工類大學生均顯著高于人文社科類大學生和其他類大學生,人文社科類大學生與其他類大學生無顯著差異。在數據分析應用能力維度,理工類大學生和其他類大學生都顯著高于人文社科類大學生,理工類大學生和其他類大學生無顯著差異。在數據管理能力維度,理工類大學生顯著高于人文社科類大學生。整體來看,理工類大學生的數據素養水平較高,人文社科類大學生的數據素養水平較低。

表5 不同學科大學生數據素養差異分析

4 結論與建議

4.1 研究結論

本文以典型的應用型高校-北京聯合大學為例,采用問卷調查的方式對于大學生數據素養現狀開展了研究。研究結果發現:大學生數據素養整體水平中等略偏上,數據倫理均值最高,數據獲取能力均值較低。人口學變量上的差異分析表明,女生的數據倫理發展水平顯著高于男生,男生的數據評估能力高于女生。高年級組學生數據素養各維度發展水平均顯著高于低年級組學生。理工類學生在數據意識與基礎知識、數據獲取能力、數據評估能力以及數據倫理4個維度顯著高于人文社科類大學生和其他類大學生,在數據分析應用能力和數據管理能力維度兩個維度顯著高于人文社科類大學生。整體而言,理工類學生水平較高,人文社科類學生水平較低。

4.2 建議

4.2.1 加強數據素養培訓宣傳力度

應用型高校的學生動手能力和實踐能力較強,但數據意識不強,非常有必要宣傳數據素養培訓的重要性。一方面要加大教師對數據素養教育的重視程度;另一方面要在學生中廣泛宣傳,加強學生的數據意識,進而提高大學生的整體數據素養。

4.2.2 制定分層次數據素養教育培訓模式

目前,應用型高校大學生的數據素養整體水平還不高,尤其是數據獲取能力存在欠缺;不同年級、不同學科的大學生數據素養水平存在顯著差異。學校教務部門在加大對大學生數據素養教育培訓力度的同時,要根據不同年級、不同學科制定分層次的數據素養教育培訓模式,設置不同的課程內容。作為高校第二課堂的圖書館,可以成立以圖書館數據館員為主要成員的數據素養服務小組,拓展線上線下多種培訓形式。通過嵌入大學生教學課堂,開展通識教育相關課程、舉辦數據素養大賽等形式多樣的教育實踐活動,建立和健全數據素養教育保障制度,為大學生數據素養的提升保駕護航。

4.2.3 構建大學生數據素養學習實踐共同體

不同年級、不同學科的大學生數據素養水平存在顯著差異,可以通過活動沙龍、案例分享、結成同伴互助小組等方式組建數據素養實踐共同體,水平高的學生指導水平低的學生在良好的實踐共同體環境支持下實現提升和發展。

4.2.4 提升大學生數據素養學習的主動性

大學生作為數據教育的主體,首先要加強數據素養知識和技能的主動學習,并積極應用于專業學習和研究,積累經驗,提高對數據素養理論的深入理解。平時要積極與老師和同學溝通交流,針對性地提高自己的數據素養。學校和教師團隊也要盡量為大學生的數據素養學習和交流實踐等活動創造良好的環境氛圍,鼓勵學生勤奮學習,積極探索,不斷提升數據素養學習的積極性。