大数据背景下大学图书馆开展数据素养教育的思考

〔摘 要〕在大数据背景下，数据作为一种信息资源其作用和影响越来越大，个人基本的数据分析和处理能力显得越来越重要。在信息素养教育的基础上，大学图书馆面向大学生开展数据素养教育是不可回避的现实。在分析当前国外数据素养教育的内容和模式基础上，对我国大学图书馆开展数据素养教育提出一些切实可行的思路。

〔关键词〕数据素养；大学图书馆；大数据；信息素养；用户教育

DOI：10.3969/j.issn.1008-0821.2015.09.024

〔中图分类号〕G640 〔文献标识码〕A 〔文章编号〕1008-0821（2015）09-0130-05

〔Abstract〕Under the background of big data，data is a kind of information resource，and as the importance and influence of data is growing，essential data literacy is also increasingly important.On the basis of information literacy education，academic libraries carrying out data literacy education for university students is increasingly spontaneous nowadays.Learning the experience of data literacy education from some countries，some suitable content and practical models of literacy education can be presented for Chinese academic libraries.

〔Key words〕data literacy；academic library；user education；information literacy；big data

进入信息时代，随着计算机和互联网日益普及，人们获取信息更加便利，大学图书馆在提供信息获取平台与渠道方面的重要性不再突出，面对大量的网络信息资源，大学生的信息检索和分析利用等能力显得重要，许多大学图书馆以开设“信息检索与利用”课程的方式开展教育。在信息时代的背景下，大学图书馆信息检索课程内容经历着从文献检索利用到网络信息检索利用，再到信息素养教育的变化。

在大数据背景下，数据作为一种信息资源其作用和影响力越来越大，数据驱动创新，个人生活到社会管理都需要依靠数据进行决策，个人基本的数据分析和处理能力显得越来越重要，数据素养不再只是专业数据分析人员的必备素质，也应成为大学生学习与生存的基本素养，目前在开展信息素养教育的基础上，大学图书馆面向大学生开展数据素养教育的探索和实践是有现实意义的。

数据素养是大数据背景下信息素养教育不可回避的内容，大学图书馆在信息素养教育中有意识地引入数据素养内容，鼓励学生参与和实践与数据有关的活动，让大学生有机会理解数据潜在价值，把握数据对今天和未来产生的影响，赋予了信息检索课新的内涵，是信息素养教育顺应时代变化的表现。不可否认，数据素养教育对图书馆来说是一个新领域，不仅是跨学科而且也是跨越传统高校图书馆组织结构的[1]，开展数据素养教育对大学图书馆专业人员本身也是巨大挑战。

1 数据素养的含义

在大数据背景下研究数据素养（Data Literacy）是近几年的事情，但与数据有关的素养研究一直都在进行。一些学者研究认为与数据素养密切相关的素养主要是：信息素养（Information Literacy）、数据信息素养（Data Information Literacy）、科学数据素养（Science Data Literacy）、统计素养（Statistical Literacy）和研究数据素养（Research Data Literacy）等。希尔德（Milo Schield）[2]在2004年分析几种素养的关系时指出，信息评价是信息素养、统计素养和数据素养的基本元素，三者存在内在联系，不具备统计素养就难以提升信息素养或数据素养。美国研究与大学图书馆委员会在2008年制定人类学和社会学学生的信息素养标准时给出了统计素养的标准，包括选择调查方法、识别原始信息的价值、可以为研究调查找到合适的资源、正确评估信息并合理使用等内容[3]。施奈德（René Schneider）[4]认为研究数据素养（Research Data Literacy）就是由“Research Data”和“Information Literacy”两词合成而来。还有学者提出其他一些素养或技能也与数据素养有着千丝万缕的关系，诸如：量化素养（Quantitative Literacy）、媒体素养（Media Literacy）、学术素养（Academic Literacy）、科学素养（Scientific Literacy）、评价素养（Assessment Literacy）和多媒体素养（Transliteracy）等。

关于什么是数据素养学界有不同的理解。美国的秦健（Qin Jian）[5]强调数据素养是对科学数据的理解、利用和管理等能力。匈牙利学者科尔泰（Tibor Koltay）[6]认为数据素养是关于获取研究数据、并能进行批判式的评价和利用的能力与技能，并对与数据素养与其他素养的关系进行论述。迪赫尔（Erica Deahl）[7]认为信息素养是对定量和定性数据的理解、发现、收集、阐释、可视化和为观点作为佐证的能力。卡尔森（Jacob Carlson）认为数据素养的定义不仅要从数据使用者的角度考虑，也要从数据生产者的角度去思考，包括一些更深层的能力：发现和采集数据；数据管理；数据转换和互通性；质量保证；元数据；数据管理和重复利用；数据保存；数据分析；数据可视化；使用伦理（包括数据的引用）等各方面的能力，同时，他还明确提出大学图书馆员是开展数据信息素养教育的合适人群，大学图书馆员对学术研究和传播有着自己的广泛理解和深刻认识；具备对各种资源和研究工具的鉴别和推送能力；对各种用于数据管理的资料，具有组织和传播的经验与技能[8]。endprint

在国内，任俊霞在研究大学信息素养教育体系创新时提出，在大数据时代，信息素养教育不再局限于科普教育范畴，而应向专业技能教育范畴延伸和拓展，有关数据的分析、挖掘和可视化应成为素养教育拓展方向，可尝试开设诸如NoteExpress文献管理软件、SPSS数据分析软件、Histcite文献分析软件、Citespace文献可视化软件以及Bibexcel文献计量软件的课程或使用讲座，将其作为科学研究的辅助手段和工具向学生推广[9]。孟祥保认为“科学数据素养（Science Data Literacy）”包括3个层次：具有“数据”意识，能够认识到数据是一种资源；具备数据基本知识与技能，熟悉数据生命周期与科学研究生命周期，在特定专业领域内具有查找、管理、利用与共享数据的能力，了解相关数据管理政策法规、数据伦理等知识；在大数据时代，能够利用数据资源发现问题、分析问题与解决问题[10]。金兼斌从新闻记者的角度出发，认为数据素养该包括数据意识、数据获取能力、分析和理解数据的能力、运用数据进行决策的能力、批判和反思精神等5个方面[11]。朱玉奴则为在倡导科研数据共享大背景下，数据素质教育将更加强调计算机信息技术的知识和技能，比起传统的基于文献属性的信息素质教育来讲，内容更加综合和复杂[12]。

笔者认为，数据素养可以归纳为是针对数据方面的关于普通公众的基本能力、学者的研究素质及专业人员的分析技能3种层次。综合起来，笔者比较认可的定义是：数据素养是一种将数据作为信息从而进行读取、创造和交流的能力，并能够通过各种方法正式地给以描述。数据素养侧重于从数据中构建知识的能力，以及传递其中含义的能力[13]。

2 美国开展数据素养教育研究和实践的启示

据不完全统计全世界有近170所大学开展了与大数据相关的专业教育，其中约150所大学开设了硕士研究生以上的学位课程[14]。在专业数据分析教育兴起的同时，为了加强理工大学生的数据分析基本能力，在欧美有超过20多所大学图书馆在开展数据素养教育。

21 大学图书馆开展数据素养教育的概况

目前的资料显示，大概以3种模式开展教育，主要通过Libguides建立科学数据管理资源导航提供数据服务；科学数据素养通识教育；学科专题数据素养教育等模式进行[15]。美国雪城大学（Syracuse University）教授秦健（Qin Jian）博士在2007年获得美国国家科学基金会（National Science Foundation）资助，开展为期2年（2008-2009年）提升本科生科学数据素养（Science Data Literacy Project），课程名称为“科学数据管理（Scientific Data Management）”，这是具有标志性的开展数据素养教育的研究与实践，由该校的信息研究学院团队承担，面向理工科的本科和研究生开展，通过课前课后的调查评估，对理工科教师关于数据管理的认识、数据素养教育课程的效果，以及学生关于数据的态度和认识的变化3个方面进行研究，得出的重要结论是：科学数据素养需要在不同的场景提供不同层次的培训，需要主动变化去适应各个专业的学科背景、术语和工作流程，科学数据素养教育在本科生阶段的目标就是：为未来在科技领域培养在数据管理和利用方面具有扎实的理解能力和相关技能的从业人员[16]。詹姆斯·麦迪逊大学（James Madison University）的亚斯明（Shorish Yasmeen）明确提出，研究型大学本科学生应该具备数据信息素养，这不仅是在学生期间的关键能力，也是将来职业的需要。因此，如果旨在塑造一批更加博学和富有创造力的公民，应该想办法让所有的大学生充分接触有效分析和使用数据的技能[17]。

22 针对中学生开展数据素养教育的概况

尽管国内外讨论的数据素养关注点多是在高等教育领域内，但也有不少学者将数据素养定义为面向公众，美国正在进行的对青少年开展数据素养教育的理念和实践。2014年6月，美国麻省理工学院学者迪赫尔（Erica Deahl）从社会和文化的角度阐释了她对数据素养的理解，她提出在大数背景下，应该关注和提高青年人的数据素养，因为“素养”代表的是更广泛的知识和技能，远远超越了其最初的读和写的定义，数据素养能支持民主、参与和激发公民权力，让学习者可以获得解决社区问题的实用技能，从而使他们能够更好的理解、分析和参与复杂的社会和政治问题；数据素养还能为知识经济、竞争力和选择能力提供支持，为学习者在数据科学的新兴领域提供实用技巧；数据素养能帮助终身学习、文化表达和个人价值的实现，使学习者能够追求创造性的使用数据。因此，开发年轻人的数据素养能力的最好的方法并不是直接传授数据相关的技能，而是让他们直接面对实际的案例，因为数据素养的目标是帮助个人学会通过数据来阐释社会中的现象，应该遵循基于案例去学习、针对问题去进行和结合文化背景因素这3个原则。在受到麻省理工学院的终身幼儿园实验室（MITs Lifelong Kindergarten Lab）曾开展的一项名为“Scratch”的青少年计算机科学学习项目的启发后，迪赫尔借鉴该项目“降低参与的壁垒和支持广泛的个人表达”的理念，鼓励广大青少年和教育者参与，依靠社区或社团的参与来维护项目持续性。在美国有两个专门针对青少年数据素养教育的项目成为关注和研究实例，一个是2014年在校外的非正式学习环境中开展的项目，名为“青少年形象重塑计划之编程节（Young Rewired States Festival of Code）”[18]，这是一个针对18岁以下青少年的全球性组织，利用免费开放的数据，让青少年进行网站、手机应用和解决方案等数字制作，通过开发基本的数据素质，激发青少年的自信与创新能力；另一个是2013年在纽约公立中学开展的项目，名为“数字城市（City Digits）[19]之本地彩票（Local Lotto）调查”项目，数字城市项目是由美国国家自然科学基金资助纽约城市大学（CUNYs Brooklyn College）与麻省理工学院城市数据设计实验室（MITs Civic Data Design Lab）合作，项目安排学生采访彩票购买和销售双方人员，获取各商店的销售量、购买习惯和社区居民态度等定性和定量数据，利用地理空间技术完成图表收集和数据分析，得出了低收入社区的人们买更多的彩票等调查结论，通过调查了解彩票的运作方式，有证据就有力量发出声音，学生有经验更明智地从事公共讨论的话题。项目旨在开发和试点综合课程及网上工具资源，基于数据调查和展现现实存在问题为手段，以激励克服学生对数学的厌恶感。经过观察研究，迪赫尔（Erica Deahl）提出了针对青少年的数据素养能力开发的3种模式：与数据互动的技术教育、校外数据素养项目和数据素养进入课堂战略，成为指导研究人员、教育者和参训人员在未来的数据素养教育中改进方针。最新的结果是，从2014年11月起，纽约的多所公立中学将在课堂上引入“数字城市之本地彩票调查”项目，通过大量学生的参与来提升青少年的数据收集和分析技能[20]。endprint

23 针对小学生开展数据素养教育的概况

2014年11月，纽约丹顿大道小学（Denton Avenue School in New Hyde Park，NY.）开始给10岁的学生开发基础的数据素养能力，主持这项工作的教师帕里西（Parisi）利用图瓦实验室（Tuva Labs）提供的数据开展教学，例如：利用政府的数据，分析男女性别工资差异产生的原因。与此同时，莫里小学（Maury Elementary School）的教师福特（Vanessa Ford）组织学生观察记录日照时间、温度变化与食物腐烂的关系，通过对数据的收集和分析、理解并实现可视化，改变了学生对数学的畏难情绪。图瓦实验室收集纽约地区的真实数据并提供图表分析结果导出给使用者，大约有55个国家的2 800所学校免费使用该实验室提供的数据，福特还考虑将学生收集完成的数据上传到图瓦实验室供大家使用 。同时，一些重要部门机构的网站，例如：美国的人口调查局（US.Census Bureau）网站，专门有针对青少年学习数据素养的模块（Census in Schools）；还有公司以4～12年级学生为目标人群，开发数据分析软件（InspireData），培养数据素养，提高分析和批判性思维能力。

以上针对3种人群或层次开展的数据素养教育，值得我们大学图书馆思考。首先，要重视大学生的最基本的数据素养开发，以基础教育为主导而展开的数据素养教育，不仅能为学生的学习研究提供帮助，还能提升学习兴趣和自信，培养参与和判断社会事务的能力。其次，大学图书馆要开展数据素养教育是在信息素养教育的基础上开展，简单且容易的内容和教育模式是图书馆专业人员可能实现的，通过在信息素养中掌握的各中信息资源和检索工具，能够从中发现数据、收集数据、分析和展现数据，完成一个数据消费者的基本素养能力培养是第一步，进而的数据生产能力培养是大学图书馆努力的下一个目标。我们有心要关注大学生数据素养教育的实践，研究合适的教学内容和模式。

3 大学图书馆开展数据素养教育的内容分析

31 如何理解大学生的数据素养

笔者认为，对于大学生来说数据素养应该分为两个层面来理解。

311 通识教育层面

相当于信息素养（Information Literacy）的一种延续和扩展，解决日常生活和工作中常见问题的基本数据素养，即：对数据的敏感性；数据的收集能力；数据的分析、处理能力；利用数据进行决策的能力；对数据的批判性思维。传统观点认为数字或统计数据是信息，强调理解数据其中的意味，包括如何适当地阅读图形和图表，从数据中找出正确的结论，发现数据被误导或不适当地应用[22]。由美国开放知识基金（Open Knowledge Foundation）与网络大学联合开办的数据学校（School of Data），明确专门为社区、记者和市民提供数据素养训练，他们的“数据基础”课程涵盖了6个主题：数据是什么；找到数据；排序和过滤数据；分析数据；制作数据可视化和讲述数据的含义[23]。在图书馆的参与下，2014年普杜大学（Purdue University）面向理工本科生中开展数据信息素养基础教育，培养学生识别数据来源和信息质量，基于数据使用者的角度，开设两个课程来培训学生评估数据对象，以及互联网上的数据库和数据[24]。

312 专业学科领域层面

相当于科学研究素养的提高和升华，解决专业学习和科研中的专门数据素养。更深入的观点认为数据素养是一项综合能力，以数据为佐证列明和回答问题；用恬当的数、工具和表述展现想法；从数据中阐明信息；开发和评价基于数据的推断和解释；并使用数据来解决实际问题，并能沟通解决方案”[25]。具体到学科专业，对科学数据素养能力的要求更为具体和更具有专指性，如财经专业专门开设计量经济学、统计学课程，强调数据分析和建模能力；管理学社会学需要数据的收集和统计分析能力；生物信息学则强调以计算机为工具对生物信息和数据进行储存、检索和分析的能力；在哥伦比亚大学新闻学院的硕士学位教育中还专门设立“数据新闻”方向（The Specialization in Data Journalism）[26]，“开放知识基金”还开办了有“数据新闻记者手册（Data Journalism Handbook）”网站。

32 我国大学图书馆开展大学生数据素养教育的思考 笔者一直在从事“信息检索与利用”教学，内容以检索技能、学术资源利用、搜索引擎和毕业论文写作为主，采用授课与上机实践结合的模式，共计16个学时。在不断改进教学内容的过程中，笔者在思考如何在信息素养教育中溶入数据素养内容作为突破的方向，通过查阅国外文献，特别是与西南交通大学等学校同行的交流后，有些想法希望能与大家讨论。

在大数据背景下大学图书馆开展数据素养教育可以先从通识教育层面开始，应从学生工作和生存基本技能的角度出发，结合信息素养教育去定义数据素的内容，起到一个暂时没有专业学科数据素养教育的过渡作用，即培养学生发现、操作、管理和解释数据的基本能力，不仅限于数字形式，而且能通过文本和图像的形式来阐释[27]，相当于数据意识培养的范畴。

321 需要真正实现“信息检索与利用”教育向信息素养教育转变，这包括教学内容和教学理念上的转变

我们要避免过于强调检索理论和技术的讲授，要通过各种与学生学习与生活有关案例来激励学生找到解决信息需求的办法。这就要求教师要准备周全的案例，又能激发兴趣又能模仿学习，如果能结合学生的专业背景嵌入数据方面的内容是比较合适的时机，这对教师个人能力是一种考验。以考研相关信息检索为案例，不能限于考研信息网站的介绍，可以通过“如何了解一个导师的研究情况”为例进行分析，例如：搜索引擎可以检索到导师的公开信息和学术言论，中国的期刊论文库可以了解其在国内发文、学术会议、指导学生的项目研究等情况，用SCI和EI可以知道其在国内外发文的情况，还可以综合了解被引文的次数；通过知识产权局了解专利申请情况等等。目的是让学生通过案例学会如何获取个人的相关信息，从数据中获得有用的信息，从信息中分析得出数据。从某种意义上还可引导学生充分认识大数据时代个人信息在网络上隐私面临的新挑战，关注企业的可能分布在网络上的商业数据，成为就业的决策依据。endprint

322 在信息素养基础上开展数据素养教育的实践，对教师个人能力是个考验，更需要教学团队开展教学内容的研究与合作

信息素养可以代表很广泛的知识和技能，需要与图书馆专业人员的背景知识和研究专长结合，每个人关注领域不同，有的擅长各种学术资源查找，有的关注搜索引擎发展，有的钻研统计分析软件，也有的对调查数据分析有兴趣。事实上，由几位教师组团共同完成各自擅长领域的信息素养教育已经有大学图书馆在尝试。例如：北京大学开展的“一小时讲座”内容就涉及“数据素养与统计数据资源介绍”，为大学图书馆开展数据素养教育提供了很好的内容和模式的参考，讲座分为3个单元，内容主要是：以实际案例为学生展示如何正确解读数据和统计分析结果、如何进行数据清理、怎样开展数据分析、如何科学地管理数据等内容；经济统计类信息（例如：宏观及微观经济数据、经济研究报告、金融数据、公司财务信息等）介绍，并举例讲解全球金融与企业资信分析数据库（BvD）、世界经合组织（OECD）、国际货币基金组织（IMF）、中经网等数据库的具体使用方法；分门别类地对网络上的开放获取统计资源进行介绍，包括：世界主要国家和经济组织等官方网站的资源、学术团体、研究机构提供的统计资源、民间权威调查机构发布的统计数据以及利用搜索引擎查找统计资源的技巧等。目的是通过培训能善用数据做分析，能够读懂各种统计、了解数据的价值，获得专业研究需要的数据[28]。

323 数据素养要重视数据的采集和处理能力培养，有助提高对数据的判断能力

数据才具有说服力，例如：日常的旅游出行购物的价格只是数字，需要比较分析各种价格后的数据才能帮助做出判断。掌握一些基本的数据采集和处理方法，了解数据出处和定义，能意识到数据判断能力不足可能带来的危害。目前针对学习研究，谷歌和百度都有提供功能基于大数据的统计分析功能，许多现成的专业网站和检索工具可以有统计分析功能，例如：我们可以从中国知网（CNKI）的“指数”检索功能中获得某个关键词的关注度；从万方数据知识服务平台的“知识脉络分析”分析知识点、领域的研究趋势及热点变迁，这都是系统基于大数据分析统计后提供的结果。除了介绍网站现成一些统计分析工具外，我们还可以设计适当的数据调查项目，训练学生数据获取能力，让他们有机会可以参与社会话题的讨论。

4 结 论

大学图书馆开展数据素养教育要关注数据分析专业教育的发展和变化，也需要一个数据开放的环境配合，数据素养教育需要建立在数据公开和用户体验基础上，如果没有数据公开就缺乏研究素材，如果数据平台使用有困难就会产生障碍，如果平台不是公平地对待不同团体那么就不会产生跨组织的应用，如果没有在普通人与数据科学家间建立无缝的桥梁与算法，那么数据驱动优化就不可能实现。目前，在信息素养教育基础上，如何开展数据素养教育，又做到有别于其他素养教育，体现大数据时代数据素养的特征，需要我们一段时间的实践才能找到答案。图书馆专业人员要从事数据素养教育需要进行培训和引导，但是我们仍然缺乏专门的数据素养研究和教育的网站和资源，在大数据背景下大学图书馆开展数据素养教育需要持续关注国外的变化。

参考文献

[1]Belliston C J，Boruff-Jones P，Davis-Kahl S，et al.Intersections of Scholarly Communication and Information Literacy：Creating Strategic Collaborations for a Changing Academic Environment[J].White Paper，2013：10-11.

[2]Schield M.Information Literacy，Statistical Literacy and Data Literacy[J].IASSIST Quarterly，2004，28（2/3）：6-11.

[3]ACRL.Information literacy standards for anthropology and sociology students[EB/OL].http：∥www.ala.org/acrl/standards/anthrosocstandards，2014-03-29/2014-12-18.

[4]Schneider R.Research data literacy[M].Worldwide Commonalities and Challenges in Information Literacy Research and Practice.Springer International Publishing，2013：134-140.

[5]Jian Qin and John DIgnazio.“Lessons learned from a two-year experience in science data literacy education”，in Proceedings of the 31st Annual IATUL Conference（June，20-24 2010），http：∥docs.lib.purdue.edu/iatul2010/conf/day2/5（Date of access 17.1.2014）.

[6]Koltay T.Big data，big literacies？[J].Information，Communication & Society，2012，15：663.

[7]Deahl E S.Better the Data You Know：Developing Youth Data Literacy in Schools and Informal Learning Environments[J].Available at SSRN，2014.endprint

[8]Jacob Carlson et al.Determining data information literacy needs：A study of students and research faculty[J].Portal：Libraries and the Academy，2011，（11）：629.

[9]任俊霞，曹君.大数据时代高校信息素养教育体系创新研究[J].图书情报工作，2014，（S1）：236-238.

[10]孟祥保，李爱国.国外高校图书馆科学数据素养教育研究[J].大学图书馆学报，2014，（3）：11-16.

[11]金兼斌.财经记者与数据素养[J].新闻与写作，2013，（10）：5-9.

[12]朱玉奴，陈益君.图书馆数据素质教育的理论与实践[J].情报资料工作，2014，35（6）：106-109.

[13]Data literacy[EB/OL].http：∥en.wikipedia.org/wiki/Dataliteracy，2014–10–26/2015–01–08.

[14]何海地.美国大数据专业硕士研究生教育的背景，现状，特色与启示——全美23所知名大学数据分析硕士课程网站及相关信息分析研究[J].图书与情报，2014，（2）：48-56.

[15]孟祥保，李爱国.国外高校图书馆科学数据素养教育研究[J].大学图书馆学报，2014，（3）：11-16.

[16]Jian Qin and John DIgnazio.“Lessons learned from a two-year experience in science data literacy education”，in Proceedings of the 31st Annual IATUL Conference（June，20-24 2010），http：∥docs.lib.purdue.edu/iatul2010/conf/day2/5（Date of access 17.1.2014）.

[17]Shorish Y.Data Information Literacy and Undergraduates：A Critical Competency[J].College & Undergraduate Libraries，2015，22（1）：97-106.

[18]Young Rewired State[EB/OL].http：∥www.yrs.io/，2015-01-28.

[19]City Digits[EB/OL].http：∥www.citydigits.org/，2015-01-28.

[20]Leila Meyer.MIT，City U of New York Collaborate with New York City Public Schools for Data Literacy Project[EB/OL].http：∥campustechnology.com/articles/2014/12/08/mit-collaborates-with-new-york-city-public-schools-for-data-literacy-project.aspx，2014-12-08/2014-12-28.

[21]Mohana Ravindranath.Elementary schools start teaching data literacy[EB/OL].http：∥www.washingtonpost.com/business/on-it/elementary-schools-start-teaching-data-literacy/2014/11/14/9e8bb4ec-6aac-11e4-9fb4-a622dae742a2story.html，2014-11-16/2015-01-08.

[22]Carlson J，Fosmire M，Miller C C，et al.Determining data information literacy needs：A study of students and research faculty[J].portal：Libraries and the Academy，2011，11（2）：629-657.

[23]School of data[EB/OL].http：∥schoolofdata.org/，2015-01-28.

[24]Sapp Nelson M R，Zilinski L，Van Epps A S.Developing Professional Skills in STEM Students：Data Information Literacy[J].Issues in Science and Technology Librarianship，2014.

[25]Vahey P，Yarnall L，Patton C，et al.Mathematizing middle school：Results from a cross-disciplinary study of data literacy[C]∥Annual Meeting of the American Educational Research Association，San Francisco，CA.2006.

[26]Specialization in Data[EB/OL].http：∥www.journalism.columbia.edu/page/1077-specialization-in-data/936，2015-01-28.

[27]Harris J.Data is Useless Without the skills to analyze it[J].Harvard Business Review，2012.

[28]北京大学图书馆.一小时讲座[EB/OL].http：∥www.lib.pku.edu.cn/portal/fw/yixiaoshijiangzuo/ziyuanchazhao，2014-09-08/2015-1-28.

（本文责任编辑：孙国雷）endprint