高校科研人员数据素养评价研究

张国宝，汪 琦

（安徽科技学院管理学院，安徽蚌埠 233100）

随着信息技术的快速发展，云计算、物联网、区块链、互联网等技术的日益成熟应用，推动着人类进入大数据时代。我国也提出了全面实施国家大数据战略，高等教育的信息化发展需求，高校科研人员的数据素养逐渐成为高校科研人员的核心素养，对其未来发展带来新机遇和挑战。

数据素养概念衍生于信息素养，P.G.Zurkowski于1974年正式提出“信息素养”一词〔1〕，Shields M.在2004 年正式提出数据素养一词〔2〕，一般认为，信息素养侧重于信息综合处理和运用，数据素养侧重于数据的管理应用〔3〕，美国大学与研究图书馆协会提出美国高等教育信息素养能力标准，并在2015年提出了信息素养必须与学术研究融为一体〔4〕；在国内，1997 年，我国学者卜卫正式引入了西方“网络信息素养”的概念〔5〕，2016 年我国明确提出要提升教师的信息素养〔6〕。

随着对数据素养的研究不断深入，高校科研人员数据素养逐渐成为热点。Sophie Bury认为通过强化信息素养教育提高高校师生的能力尤为关键〔7〕；Marieke van Geel 等基于1 182 名教育者的干预实验表明，其数据素养显著提高，且与学历水平关联性很小〔8〕；Wilma B.等认为高校教师运用数据素养解决问题意识增强，教学成果显著〔9〕；国内，张进良和李保臻对教师数据素养的构成要素进行界定〔10〕；黄如花和李白杨认为数据素养教育涉及高校各个层次〔11〕；刘雅馨等构建教师数据素养内涵模型〔12〕；张长亮等通过对比中美高校数据素养教育，提出国内高校强化数据素养教育对策〔13〕。在数据素养评价方面，娜日、董薇、李青等运用了层次分析法等进行数据素养评价〔14-16〕。综上所述，关于高校科研人员数据素养总体还属于初级阶段，现有研究注重数据素养教育偏多，数据素养评价较少。在国内，并未形成一套完善、权威的高校科研人员数据素养评价模型和标准。本研究构建了高校科研人员数据素养评价指标体系模型，提出用前景理论耦合模糊层次分析法构建高校科研人员数据素养评价方法，并进行实证研究，为推动大数据时代我国高校科研人员提高数据素养提供参考。

一、高校科研人员数据素养构成模型

在图书情报领域研究，数据素养作为信息素养中对数据的管理和应用，多将数据素养作为信息素养的重要组成部分。Carlson、Calzada Prado 等都认为在信息素养中，数据素养主要是通过对数据的正确处理以达到合理解释运用数据从而得出正确结论〔17-18〕。贾东琴、沈婷婷、吴碧薇、孟祥保等认为数据素养是信息素养在大数据时代的发展和延伸，其主要包括如何对待数据、获取数据、统计与分析数据、管理与使用数据以及数据伦理道德等内容〔19-22〕。Denton、隆茜、李青、Schildkamp K.、杨文建、樊振佳等定义了教师数据素养的概念与内涵，认为数据素养是教师运用数据为其教学、科研提供问题决策的能力，贯穿于教师的教学科研活动之中，包括数据伦理道德、数据意识、数据能力等〔23-28〕。在充分借鉴前人研究成果的基础上，结合大数据时代高校科研人员的学术科研特点，提出了包含数据意识、数据知识、数据技能、数据伦理四要素的高校科研人员数据素养模型。数据意识是高校科研人员数据素养的前提，是描述高校科研人员对数据的敏感程度；数据知识是高校科研人员数据素养的基础，决定了高校科研人员数据素养的理论结构、知识基础；数据技能是高校科研人员数据素养的核心，是描述高校科研人员如何获取、运用、管理、传播、处理数据的具体能力素养；数据伦理是高校科研人员数据素养的保障，其主要描述高校科研人员在数据处理和运用时必须遵守的伦理道德与法律规范。

在此基础上，根据高校科研人员数据素养构成模型，梳理了有关高校科研人员数据素养文献成果，在充分学习与借鉴前人成果的基础上，对高校科研人员数据素养构成模型的各个评测项目进行深化、合并、归类、重构等深入分析，构造了高校科研人员数据素养评价指标体系，分为4 个一级指标和19个二级指标，具体见图1。

图1 高校科研人员数据素养评价指标体系

二、高校科研人员数据素养评价体系构建

为更加科学合理地确定高校科研人员数据素养评价指标权重，本文采用模糊层次分析法（Fuzzy Analytic Hierarchy Process，FAHP）。FAHP 是将模糊数学引入层次分析法（AnalyticHierarchyProcess，AHP）之中〔29〕，主观客观相结合，定性和定量分析相统一，且层次分明，从而广泛用于社会经济各领域的评价。其次，在确定权重后，邀请专家对所评价对象进行评分，为避免直接评分的局限性，引入前景理论，通过计算价值函数确定出专家的前景值，再将专家的前景值和权重计算出综合评估值，从而更加客观准确地进行高校科研人员数据素养评价。

（一）评价方法

1.构建模糊互补判断矩阵

A=(aij)n × n，其中aii =0.5，且aij + aji =1,i,j=1,2,3,…,n。

2.求模糊一致性矩阵

对 矩 阵A求 行 和求得模糊一致性矩阵R=(rij)n×n。

3.计算矩阵权重

对矩阵进行行归一化得到排序向量ω=(ω1,ω2,…,ωn)T，其中：

4.对模糊互补判断矩阵进行一致性检验

若矩阵A=(aij)n × n和B =(bij)n × n均为模糊判断矩阵，为相容性指标，ω =(ω1,ω2,…,ωn)T为模糊判断矩阵的权重向量〔20〕，计算A的特征矩阵为ω* =(ωij)n × n，其中：

I(A,ω) ≤α时，α一般取值为 0.1，则该模糊判断矩阵通过一致性检验。

5.前景值计算

其中，γ为某专家对某个对象的某指标的具体评分值，γ0为参考值，0＜α ＜1,0＜β ＜1，θ ＞1。

6.计算综合评估值

某专家对某个被评价对象的评估值为μi，再集合数个专家对某个对象的评估值，可以计算出某个对象的综合评估值μ，μ =(μ1,μ2,…μt)/t。

（二）实例的实证分析

1.运用FAHP计算出指标权重

在咨询五名相关专业数据素养专家独立判定意见的基础上构建了互补模糊判断矩阵，结果如下：

计算求得模糊一致性矩阵，如RA- B，再对该矩阵进行按行归一化得到该矩阵的排序向量，得到一级指标层的权重为ωA=（0.225,0.267,0.292,0.216），同理求得其他高校科研人员数据素养评价指标体系的权重为ωB1=（0.267, 0.284, 0.216, 0.233），ωB2=（0.244,0.286,0.260,0.210），ωB3=（0.152,0.160,0.140,0.131,0.138,0.124,0.155），ωB4=（0.258,0.284,0.233,0.225）。

按照上述一致性检验步骤，计算得出A的特征矩阵ω*，如下：，根据计算

Ri=（0.060,0.064,0.049,0.052,0.065,0.076,0.069,0.056,0.045,0.047,0.041,0.038,0.040,0.036,0.045,0.056,0.061,0.051,0.049）。

2.前景值计算

通过邀请T位相关素养评价专家对P个待评估对象进行评价，对所有被评价对象逐一对n个评价指标下的实际表现情况给出相应评价，再计算该专家的价值函数得出某个评价对象的前景值。为进一步验证该评价方法的有效性，以H 省高校的三位科研人员为评价对象示例，三位科研人员中，其学位构成为一位博士，一位在职博士生，一位硕士，皆从事同一方向学科的研究。首先，邀请了三位相关专家（T1、T2、T3）根据三位被评价对象的实际情况并结合自身的专业知识和实践经验对三位（P1、P2、P3）科研人员进行数据素养评价，通过对评价对象的评价值计算平均值得出参考值，然后根据价值函数计算出三位专家的前景值，按照Tversky和Kahneman 的研究〔30〕，一般α=β =0.88，θ =2.25。具体见表1。

表1 专家T1、T2、T3给出科研人员P1、P2、P3的前景值

3.综合前景值计算

在计算出T1、T2、T3专家给出的P1、P2、P3科研人员各指标前景值的基础上，根据综合前景值计算公式，即耦合前景值与各指标的综合权重，具体计算结果见表2。

再对T1、T2、T3专家的综合前景值进行集合，得出P1、P2、P3每位科研人员的具体综合评估值，具体结果见表3。

由评估结果可知，在P1、P2、P3中P1的评价得分最高，也可以说是P1的数据素养最好。这与实际工作中同事对该科研人员的结论基本一致。

三、结论与启示

通过文献梳理国内外有关高校科研人员数据素养研究，建立了包含数据意识、数据知识、数据技能、数据伦理四个方面的高校科研人员数据素养模型，构造了包含4 个一级指标和19 个二级指标的高校科研人员数据素养评价指标体系，提出了前景理论结合模糊综合层次分析法的高校科研人员数据素养评价方法，并以H 省高校的三位相关专家对三位科研人员的数据素养评价进行实证分析，以验证该评价方法的科学性与可行性。基于上述研究，获得以下结论和启示。

表2 专家 T1、T2、T3给出科研人员P1、P2、P3的各指标综合前景值

表3 专家T1、T2、T3给出科研人员P1、P2、P3的综合评估值

一是高校科研人员的数据素养评价体系是系统全面对高校科研人员数据素养的综合评判。高校科研人员的数据素养评价模型主要涉及数据意识、数据知识、数据技能、数据伦理四个层面，但四个层面是一个有机整体，数据意识是高校科研人员数据素养的前提，数据知识是高校科研人员数据素养的基础，数据技能是高校科研人员数据素养的核心，数据伦理是高校科研人员数据素养的保障。因此，提升高校科研人员数据素养时，必须全面系统提升、强化科研人员的数据意识，通过主动学习和培训加强科研人员的数据知识掌握程度，以提高高校科研人员的数据技能为核心，重点培养和提升科研人员对数据的应用、分析、决策、共享、创新等能力，同时切莫忽视对科研人员数据伦理的教育和强化，提升科研人员的数据伦理道德规范水平。

二是对高校科研人员的数据素养评价分析，为提升高校科研人员的数据素养提供精准参考。通过模糊层次分析法计算出高校科研人员的数据素养指标体系权重，在一级指标中，数据技能的权重最高，数据知识次之，数据意识再次，数据伦理最低。在数据意识中，数据价值意识和数据敏感意识要高于数据共享意识和数据时间意识；数据知识指标中，对数据工具知识和数据管理知识的掌握要高于对数据基础知识和数据法律知识的掌握；在数据技能中，权重由高到低依次为数据分析能力、数据创新能力、数据获取能力、数据评价能力、数据应用能力、数据管理能力、数据沟通能力；数据伦理指标中，数据真实可靠指标权重最大，其次为数据安全认知和数据使用合法，最后为数据引用规范。在二级指标综合权重中，数据工具知识、数据管理知识、数据基础知识、数据价值意识、数据真实可靠排名1～5 位，数据敏感意识、数据法律知识、数据安全认知、数据共享意识、数据使用合法排名6～10位，数据引用规范、数据时间意识、数据分析能力、数据获取能力、数据创新能力、数据评价能力、数据应用能力、数据管理能力、数据沟通能力排名11～19位。提升高校科研人员的科研素养，结合不同指标权重的权重系数，重点关注评价权重较高的部分指标，从而能够在提升科研人员数据素养的过程中做到有的放矢，重点突出。

三是高校科研人员的数据素养评价方法主要采用前景理论耦合模糊综合层次分析法。通过运用前景理论请专家对某个对象进行评价时，充分考虑专家不同的心理特征，精确刻画专家评价过程中的不确定性和主观偏好，从而有效避免专家评价的主观性过大而产生误差，导致评价不科学、不准确。模糊层次分析法对于建立评价指标体系权重，具有简单清晰、层次分明、主客观结合较好等特点，促使评价体系更加科学合理，评价结果客观准确。针对高校科研人员的数据素养评价，选择科学的评价方法进行准确评价其数据素养水平，是其提升数据素养水平和改进不足的现实基础，因此力求高校科研人员的数据素养评价精准尤为关键，基于前景理论耦合模糊层次分析法相对而言，具有非常高的准确性。

大数据时代，数据素养日益成为高校科研人员素养的核心素养，高校科研人员应通过主动学习，积极参与，勤于实践，不断提升数据意识，强化数据知识，提升数据技能，规范数据伦理，促使其数据素养不断提升。