大数据背景下的医科院校数据素养教育

2017-01-27

中华医学图书情报杂志 2017年6期

在大数据背景下，信息素养的概念和内容处于不断泛化的状态，现已衍生出数据素养、媒体与视觉素养[1]等概念。而传统的信息素养教育体系常常忽略对数据的收集、挖掘利用、管理判断等能力的培养[2]，研究人员在大数据科研环境中往往面临数据产生与收集、数据记录与处理、数据存储与备份、数据发表与共享等复杂问题[3]，尤其在生物医学领域，基因工程、药物开发等大量高通量数据、阵列数据的产生，需要对这些数据进行收集、分析和挖掘，转化为有价值的应用信息并用于解决科学和工程的实际问题。著名的美国计算机专家格雷把这种以数据密集型计算为基础的科研模式称之为“科学研究的第四范式”。而在这种数据密集型科学范式环境中，科研人员根据海量数据的聚合、分析和探索将催生出新的科学方法，在这个形势下，数据管理服务和数据素养教育显得更为迫切。国外相关权威机构正积极推动提升数据素养，联合国教科文组织的《全球媒体与信息素养评估框架》[2]、美国大学与研究图书馆协会的《面向高等教育的信息素质框架》[3]均把数据信息素养教育列入其中，美国博物馆与图书馆服务机构开展的数据信息素养研究项目Data Information Literacy、图书馆信息资源委员会的报告[4]也都明确对数据信息素养教育展开讨论。作为高校学生信息素养的重要组成部分，数据素养是当前信息环境下必不可缺的教学内容，它可为大学生将来在专业数据管理和利用技能方面打下扎实的基础。

1 数据素养内涵

关于数据素养，目前学术界尚未有统一的定义。国外一些专家学者纷纷表达了他们对于数据素养的不同理解。Milo Schield指出数据素养是根据科研需求在不同数据源中获取、操作和总结数据，并从中推断结论的一种能力[5]；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。一些专家则将数据素养看作是信息素养的一部分，认为“数据素养是一种查找、评价、使用信息(包括数据资源)的能力”；也有学者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，包括发现和采集数据到利用再生数据整个流程及伦理的能力。因为具备对学术研究和传播的深度理解、具备识别并推广信息资源和研究工具的能力、具备组织和宣传数据管理资料的经验与技能，院校图书馆员最适合开展数据信息素养教育。

国内对数据素养也出现了几种不同的理解。张静波[7]提出“数据素养是一种对数据的理解、创造和使用的能力，是对媒介视觉素养、信息素养等概念的延伸和补充”。孟祥保[8]指出数据素养包含数据意识、数据基本知识与技能、利用数据资源发现、分析并解决问题的3个层次；杨晓琼[9]认为数据素养的内涵包括数据意识、对数据环境的感知、数据技能和数据道德。

对于数据素养尽管众说纷纭，但归根结底强调的是一种规范地发现和获取数据、批判地选择和评估数据、科学地管理和处理数据、合理地利用和共享数据的意识和能力。数据素养主要指研究者在科学数据的采集、组织和管理、处理和分析、共享与协同创新利用等方面的能力。数据素养只是信息素养的组成部分，“数据”可以认为是“信息”的一个方面，是可以直接处理的数字对象。因此，可将数据素养看成信息素养的一个子集，数据素养包括数据意识、数据能力和数据伦理。数据素养教育侧重于培养从数据中构建知识的能力，对于知识的创造具有重要意义。

2 国内外数据素养教育情况

2.1 国外数据素养教育

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[10]，在英美20所大学图书馆设置了贯穿数据生命周期的数据素养教学内容[11]。

国外数据素养教育教学体系已较为完善，覆盖人群范围广，教学内容主要围绕数据生产与收集、数据清理与分析、数据存储与备份、数据发布与共享的整个流程。教学方式也比较多样，如课程调查、学分课程、培训班、慕课、讲座、研讨会等。国外多所大学图书馆开展科研数据管理服务，同时举办数据管理培训和数据素养教育。如普渡大学、康奈尔大学、俄勒冈大学、明尼苏达大学图书馆联合开展的数据信息素养培训项目，以及雪城大学信息学院的科学数据素养项目、剑桥大学图书馆的数据管理培训项目、爱丁堡大学图书馆的 MANTRA 数据管理培训平台、布里斯托大学的科研数据训练营[11]、德里印度理工学院开设《网络智能和大数据》等，都是数据素养教育的最佳实践案例。

以美国为代表的国家正在尝试覆盖大、中、小学生的数据素养教育实践。美国雪城大学教授秦健在2007年开设的“科学数据管理”课程是一个标志性的实例；内华达州立大学拉斯维加分校开设了“信息素养教育中指导对数据资源的利用”课程；纽约公立中学开展的“数字城市之本地彩票调查”项目，让学生直接参与调查数据收集和分析，锻炼其基础数据素养；在小学生群体中，主要利用政府或相关实验室的数据，做一些观察实验分析或者数据差异分析，如莫里小学组织学生观察搜集日照时间探讨温度变化与食物腐烂的关系，分析男女性别工资差异产生的原因等[12]。

2.2 国内数据素养教育

在国内开设数据素养教育的院校数量较少。福建农林大学开设了“大数据时代的生物信息学”课程，以在线课程方式讲解了生物学大数据的来源、生物学大数据分析策略、生物学大数据开发与应用的案例分析3个方面；哈尔滨工业大学开设了“大数据算法”课程；南京大学开设了“用Python玩转数据”课程。除此以外，大部分院校开设了数理统计及统计学课程，但这些课程都偏重数学理论和编程，对数据管理、数据开发有所忽略。任俊霞[13]提出信息素养教育不应局限于科普教育范畴，而应向专业技能如数据的分析、挖掘和可视化等方向延伸。因此，可尝试开设诸如Note Express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文献计量软件等方面的课程。

3 医学院校图书馆开展数据素养教育的思考

3.1 确立医学数据素养意识

在生物医学领域，医学科研、教育、应用及创新等越来越依靠大数据。如美国Etropolitan儿科重症病房应用大数据技术研发的临床决策支持系统使药品不良反应事件数量两个月内减少了40%；谷歌2009年已经开始利用大数据预测冬季流感的传播[14]；Target 超市以20多种怀孕期间孕妇可能会购买的商品购买记录数据分析推断出孕妇的具体临盆时间，有针对地在每个怀孕顾客的不同阶段寄送相应的产品优惠券。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些大数据所蕴含知识价值的提取。这是当前信息素养能力培养的重要基础。

医学生将会在以后的实际工作中越来越依赖大数据，这些数据主要来源于药物研发、疾病控制、电子病历、临床医疗、健康管理、患者行为和社交网络等方面，具备一定的数据素养，有利于他们今后在有效信息数据的获取、分析处理与加工、数据管理等方面奠定一定的知识基础。

3.2 教学资源的配置与合作

由于大数据是近年来才出现的概念，国内大数据的应用还处于起步阶段，可用于教学的实例不多。而现阶段对于教学人员来说，需要掌握数学、外语、医学、统计、云计算、分析预测与可视化等多领域多学科的专业知识。作为信息素养的施教者，教师数据素养的水平势必会对学生接收知识造成直接影响。数据素养教学不仅要为学生提供概念知识，还要具备较强的数据素养应用示范能力。目前国内高校少有兼通生物医学、信息技术和情报技术的复合型教学队伍。数据素养教育的有效策略应该充分考虑与专业教师科研、学生创新型实验、数据库提供商合作，同时从数据资源建设力度入手，确保实验教学数据的获取更加方便。从宏观上来说，数据素养教育与学校层面的教学制度的设计及服务支持、人才培养方案、数字人文建设有着密切的联系，关乎数据素养教育发展的重要方向，需要在实践中不断探索和改革。对于图书馆员，不仅要充实并提升自身的知识水平，更要在大数据环境中开展协同创新教学。图书馆可作为牵头单位，成立大数据素养教学中心等机构，集中校内外相关专业领域的师资、实习实训软硬件、数据资源、相关课程、应用平台等优势教学资源，在教学时间、空间上形成有机协调的全方位、多角度的立体教学资源。

3.3 教学设计

与国外相比，国内的数据素养教育刚刚起步，在教学设计方面应该重视4个问题。一是教学内容应立足本校学科结构进行设置，充分考虑教学层次及学科特点的差异性，因地制宜对教学大纲和教学内容进行设计；二是将教学融入科研实践环境，根据科研流程和科研数据产生周期为学生提供数据管理服务和培训；三是教学形式应该不止于课堂，还应该注重培训班、研讨会、讲座、微课、MOOC、实时在线教学等方式，形成多方位的立体教学空间，甚至将数据素养教学整合到具体的学科文化和嵌入实验室实践之中，以便收到良好的教学效果；四是教学实训平台环境的搭建显得非常重要，数据素养重在数据的管理、收集、加工、分析能力培养，而这种能力的培养不同于一般理论性内容，在较短时间内就能领会，数据搜集加工作业程序繁琐、费时费力，更需要教学实训平台的支撑才容易掌握，否则没有实践支撑就会犹如过眼云烟，造成无效教学。

大数据分析耗时耗力，而课时数有限，且教学效果难以评价，因此教学设计至关重要。教学设计应系统科学，适应大数据发展前沿和学生数据素养现状，可以考虑从课程体系、资源整合、课时设计、教学方法等4个方面设计。数据素养教育可以先从学生就业和生存技能的角度确定数据素养教育的内容，培养学生在大数据环境下的逻辑思维、萃取学术数据、利用学术数据的能力，在专业学科数据素养建立之前起到过渡作用。Carlson[15]认为，数据素养教育目前最为需要的是使科研人员认识到数据管理是科研流程中一个规范正式的环节。

数据素养课程体系可分为基础课程和高级课程。基础课程主要是面向新生的入馆培训及低年级课程、成人继续教育，内容主要包括大众化数据搜集、数据清理、数据管理与简单分析；高级课程面向的对象主要是高年级本科生、研究生和学科馆员，内容主要包括专业学术数据的收集处理、数据挖掘与分析、数据管理治理等。

开展好数据素养教育需要教学资源、学习训练资源、平台环境的有机融合作为基础，即数据素养资源与专业课程进行融合，针对不同专业的学生开设以专业为核心的数据素养课程，如药学专业药物分析课程中的药物波普数据分析，“护理学-人与社会”课程中渗透了护理学相关数据检索、伦理等内容[16]。鉴于医药卫生类院校特点，在教学方法上严格依据《本科医学教育标准》，开展以“学生为中心”和“自主学习”为目标的教育方式和教学方法改革，注重批评性思维和终身学习能力的培养[17]。根据教学对象的不同分层次、分阶段进行，并积极尝试相对于传统考核方式的数据素养考核方式的变革。教学团队及主管部门要随时收集国内外数据素养教育实践和发展动态，吸取先进的教学经验，并在自身教学实践中不断探索优化。