大数据背景下经管类学生数据素养现状及提升策略

尹丽英，卫林英

（西安邮电大学 经济与管理学院，陕西 西安 710061）

0 引 言

大数据背景下，具备数据素养是“在数字世界遨游”的重要保障，高校大学生需要借助数据素养来准确获取数据信息，提升数据处理能力。与国外相关研究相比，数据素养在近几年才成为国内学者的重点关注对象。梳理总结数据素养内涵及数据素养组成要素，构建满足符合研究对象的数据素养评价指标体系，进一步设计并发放问卷，结合数据素养现状，提出大数据环境下经管类学生数据素养的提升策略。

1 数据素养内涵辨析

（1）信息素养与数据素养

数据素养在大数据平台上借鉴信息素养研究方式发展而来，它们之间一脉相承。前期信息素养的定义界定、相关理论、评价依据、教育培养等为数据素养的研究提供了有效的理论指导。信息素养是数据素养发展的前提。“数据素养”的重要程度大于“信息素养”。数据素养是经管类学生不可或缺的素养之一，要获取信息的基本条件就是要拥有数据素养，具备数据敏感性，学会运用各种方式获取原始数据，出色的数据意识能够让经管类学生探寻到很多有价值的原始数据信息。

（2）数据素养能力构成

数据素养能力是其概念确定和评价指标体系构建的前期基础，划分依据不同，包含的内容也不同。典型的数据素养能力划分见表1所列。

表1 数据素养能力构成

不同学者对数据素养能力的划分类别有多有少，有粗有细，通过学习和借鉴前期国内外学者的数据素养能力研究进行分类。本课题拟从数据意识、数据态度、数据收集、数据整理、数据表征、数据分析和数据交流这七方面来划分数据素养能力。

（3）数据素养定义

数据素养内涵丰富，学者们从不同角度予以揭示：其作为信息素养的一部分，可为利用数据发现问题、分析问题、解决问题，或提供解决方案提供支撑；在遵守相应道德规范的条件下拥有理解并使用数据支持决策的能力。因此，数据素养即拥有正确的数据意识和数据态度，能够利用数据收集、数据整理、数据表征和数据分析能力支持决策，并进行数据交流。

2 大数据环境下经管类学生数据素养评价指标体系设计

不同学者的数据素养评价指标体系不尽相同，考虑大数据时代背景，结合国内高校经管类学生的数据素养能力现状特点，拟从数据意识、数据态度、数据收集、数据整理、数据表征、数据分析和数据交流这7个指标入手，构建数据素养评价指标体系，该体系包含21个二级评价指标，见表2所列。

表2 数据素养评价指标体系

7个一级指标具体内涵如下：

（1）数据意识：指对数据内涵进行深入探究与思考，能够对各类数据保持敏感和信赖，善于挖掘数据来历和发现自己的数据需求，从而明晰数据表层价值和隐含价值。

（2）数据态度：指对原始数据资料可靠性和准确性的把控程度，摆正数据位置，严谨、批判性对待数据及数据结果。

（3）数据收集：指在把握数据相关需求和数据特征的基础上运用正确的数据统计方法来搜集原始数据资料的过程。

（4）数据整理：指借助统计软件对原始数据资料进行初步统计整理，去除错误或无关数据，简化数据资料。

（5）数据表征：指运用统计量、统计表与统计图，借助信息技术全面有效地揭示和表明数据成果。

（6）数据分析：指依据有效的数据分析方法来全面评价最终结果，以确保处理过程的准确性，从而做出有效决策。

（7）数据交流：指能够运用数据结论与他人进行交流和共享，恰当说理，可以依据结论撰写最终报告。

3 大数据环境下经管类学生数据素养现状调研

基于所构建的指标体系设计问卷，并于2022年3月9日—5月10日借助问卷星、微信、QQ等线上方式向经管类学生发放调查问卷，最终收回267份问卷，其中有效问卷250份，针对问卷的数据结果进行统计。

3.1 数据意识指标分析

数据意识频数（百分比）统计见表3所列。

表3 数据意识频数（百分比）统计

“A1关注数据来源”和“A2了解数据内涵和数据需求”中占比最多的是“不确定”选项，说明学生忽视了数据来源对于数据的重要性，不能合理评价自身对于数据来源的关注度，不能正确了解自身掌握的数据内涵和数据需求程度水平。“A3 具备数据敏感性”中，大多数经管类学生对日常数据具有敏感性和信任性，他们善于发现有效的原始数据资源。“A4 基于数据联系实际”的结果显示：总体上，经管类学生擅长基于数据联系实际，能够发现数据表层价值和隐含价值。可见经管类学生数据意识处于中等水平，他们对数据意识的理解不够清晰和深刻，无法公正评判自身数据意识层级。

3.2 数据态度指标分析

数据态度频数（百分比）统计见表4所列。

表4 数据态度频数（百分比）统计

“B1质疑数据可靠性与准确性”中，仅40.4%的学生偏向质疑数据的准确性，可见大部分学生往往不会质疑数据的准确性；“B2了解数据重要性并使数据增值”中，50%的经管类学生认为很重要，会积极主动地获取数据；“B3 严谨对待数据，批判性看待数据处理最终结果”的调查结果表明：高达57.6%的经管类学生可以遵从。可见，大数据环境下经管类学生的数据态度整体水平较高，大多数被调查者已认识到数据的重要性，但同时还需关注学生质疑数据可靠性与准确性的能力。

3.3 数据处理指标分析

（1）数据收集指标分析

数据收集频数（百分比）统计见表5所列。

表5 数据收集频数（百分比）统计

“C1 设计简单的调查问卷”是为了考查经管类学生数据收集基本水平而设置，结果显示：52%的学生可以设计简单的问卷来收集数据资料；“C2恰当选用数据收集方式及收集渠道”结果表明：大多数经管类学生了解多种数据收集渠道，可以依据现实条件准确选择有效的数据收集方式；“C3 分类收集数据”中，43.6%的学生比较符合分类收集数据要求。可见，经管类学生具备基本的数据收集能力，但与大数据环境下数据素养的要求仍存在一定差距，需逐步进行专项训练以提升数据收集能力。

（2）数据整理指标分析

数据整理频数（百分比）统计见表6所列。

表6 数据整理频数（百分比）统计

“D1 剔除错误或无效数据”中显示：60.9%的学生对原始数据资料无从下手，无法精准定义和选择“错误或无效数据”；“D2 使用统计软件整理数据”中有38.8%的经管类学生基本可以做到借助多种统计软件来整理原始数据，8%的学生可以熟练掌握各类统计软件的处理程序；“D3 合理组织与简化数据”中，45.6%的学生较为符合要求。总之，经管类学生数据处理能力需要加强，他们在剔除错误或无效数据处理方面表现不足。

（3）数据表征指标分析

数据表征频数（百分比）统计见表7所列。

表7 数据表征频数（百分比）统计

“E1 正确运用统计量表征数据”中，有51.2%的学生符合要求；“E2 恰当选用统计表和统计图表征数据”中，有58.8%的学生可以自主选用表格和图表来展示数据信息；“E3借助信息技术呈现数据及数据结果”中，49.2%的人员可以熟练借助信息技术来揭示数据信息。综上，数据表征是数据素养不可或缺的组成部分，经管类学生数据表征能力也需不断完善和提升。

（4）数据分析指标分析

数据分析频数（百分比）统计见表8所列。

表8 数据分析频数（百分比）统计

“F1 准确选用分析方法评估数据”和“F2 依据数据做出合理决策”中，有34.8%和36.8%的学生表明不确定自己是否可以有效选择数据分析方法来评估数据，结果中完全符合要求的学生占少数；“F3我能从数据分析结果中准确提取结论，并依据数据做出合理决策”中仍有30.8%的学生不能明确表述意见。可见，数据分析能力整体水平尚不足，“不确定”占比过大，需逐步提升经管类学生的数据分析能力。

3.4 数据交流指标分析

数据交流频数（百分比）统计见表9所列。

表9 数据交流频数（百分比）统计

“G1 依据数据准确表述结论”中，39.6%的学生能较好地表述数据结论，9.2%的经管类学生能够主动和团队中的其他成员交流数据信息，他们乐于实现信息数据的共享。“G2恰当运用数据说理”中，有56%的调查对象能恰当使用数据观点说明道理。“G3正确利用数据及数据结论撰写调查报告”中，高达53.2%的经管学生满足要求，但32.4%的学生也表示“不确定”。可见，经管类学生的数据交流能力整体上看是合乎要求的，但仍需进一步加强。

4 大数据环境下经管类学生数据素养提升策略

基于经管类学生的数据素养现状研究结果，根据数据素养7个能力维度，针对性提出如下建议：

（1）数据意识能力。高校应该以数据意识为教学内容的出发点，开展“数据意识”系列课程、专题讲座和交流会，借此来加深经管类学生对数据意识与态度的重视程度。

（2）数据态度能力。高校在数据素养课程内容教学过程中要注重培养经管类学生树立正确的数据态度，以严谨、公正和批判性的数据态度对待数据和数据结果。

（3）数据处理能力。基于经管类学生的实际特点开设数据收集相关实验课，通过模拟实验让学生真实掌握原始数据资料的获取方法。引导学生学习数据整理相关的教学内容，具体包括理论部分和实践部分，在教学过程中师生共同总结数据整理的有效方式，借助相关的数据整理实践结果来判断经管类学生的数据整理能力层级。为经管类学生开设数据表征能力培养相关的培训课程和系列讲座，以一站式数据表征方式和相关途径为主，同时开设相匹配的实践课。数据分析能力教学内容涉及数据分析基本方法，同时开设数据分析实践课，让学生尝试用学过的数据分析方法对数据结果进行深入分析。

（4）数据交流能力。高校除了教学数据交流理论课程外，还需定期召开数据交流的有关专题活动和讲座，借此实现数据结果的交流共享，以提升经管类学生的数据交流能力。

5 结 语

大数据时代，经管类学生的数据素养教育仍有很大的提升空间，需从数据素养环境、师资培训、课程体系、合作机制等多方面、全方位促进和推动数据素养教育的发展。