基于知识建构的本科数据素养教育学习环境设计

张薇薇 施茜薷

摘 要：[目的/意義]大学生数据素养教育应以学习环境设计为重心，为知识建构创设条件。[方法/过程]首先，收集分析双一流高校信息管理类专业本科培养方案和数据素养课程相关数据;其次，从学习者、数据知识、共同体和评价4个视角出发，构建和演绎知识建构学习环境设计体系。[结果/结论]根据调研分析结果总结了我国本科数据素养教育的特点与不足。4个设计视角分别对应2～3个维度，合计11个设计维度，给出了具体设计内容以及相应的教学设计策略和建议。该设计能更好地提升本科数据素养教学效果。

关键词：数据素养教育;知识建构;学习环境设计;本科教育

DOI：10.3969/j.issn.1008-0821.2021.03.012

〔中图分类号〕G254.97 〔文献标识码〕A 〔文章编号〕1008-0821（2021）03-0121-10

Design of Learning Environment for Undergraduate Data

Literacy Education Based on Knowledge Construction

Zhang Weiwei Shi Qianru

（School of Management Engineering，Nanjing University of Information Science & Technology，

Nanjing 210044，China）

Abstract：[Purpose/Significance]Data literacy education should focus on learning environment design and create conditions for knowledge construction.[Method/Process]First，the data related to undergraduate education program and data literacy courses of information management major in Double First-class universities were collected and analyzed;second，the design system of knowledge construction learning environment from four perspectives of learners，data knowledge，community and evaluation，were constructed and deduced.[Results/Conclusion]According to the investigation and analysis results，some characteristics and shortcomings of data literacy education in our country were summarized.Four design perspectives correspond to 2～3 dimensions respectively，with a total of 11 design dimensions.The specific design contents and instructional strategies and suggestions were put forward.This design can better enhance the effect of undergraduate data literacy education.

Key words：data literacy education;knowledge construction;learning environment design;undergraduate education

3）数据素养教育内容分布极不均衡。从主题类别的总体分布看，数据管理类课程占比超过一半，数据分析类课程次之，这两类课程合计占比超过90%，如表2所示。而其他类别，诸如数据收集、数据应用、数据伦理合计占比仅5.4%，而涉及数据评估类的独立课程几乎没有。培养的学生虽拥有一定数据处理与分析技能，却在数据评估与应用、数据创新、数据道德规范方面存在明显不足，这与大数据战略的发展方向不一致。这种主题分布极端不均衡的现象背后有其客观原因，主要是受到“以课程为中心”的教学模式的严重制约。从课程设计角度而言，数据管理与数据分析类课程内容相对比较成熟，知识点明确，学习目标清晰，比较容易在传统课堂授课方式下开展。而数据评估、数据应用、数据伦理等数据素养教育内容，相对而言知识结构性不强、内容不成熟，结构不良问题在学习中占多数，考核评估难度大，容易导致教师和学生的积极性都不高。

随着大数据时代对创新型人才数据素养的要求，传统“以课程为中心”的教学设计已不能适应时代变化，现代教学设计越来越注重“以学习者为中心”的理论与实践研究，而大学生数据素养教育正是实践这一先进教学理念的最佳领域之一。学生不再是被动的知识接收方，而是主动的知识建构者;教师也不再是单向的知识传递者，而是学习环境的设计者、知识建构的引导者。建构主义学习理论为学习环境设计提供了理论依据，学习环境设计则为知识建构理论提供了实践途径。

2 本科数据素养教育学习环境设计

根据Jonassen D H等建构主义学习环境设计框架和设计要素[16]，問题空间、案例库、信息资源库、认知工具、交流与协作工具是学习环境主要构成。学习环境设计具有不同的视角，应体现学习者经验、知识、反馈与评价、交流与协作等要素的重要性[17]。综合知识建构学习环境设计要素和组成部分，本文围绕本科数据素养教育，分别从学习者、数据知识、共同体和评价4个视角出发，如图1所示，形成如表3所示的数据素养教育学习环境设计体系。

2.1 以学习者为中心的设计视角

在数据素养教育的学习环境中，以学习者为中心，向外辐射的直接关联要素有数据素养教育目标和认知工具，如图1-①所示。因此，以学习者为中心的设计视角，重点是对数据素养教育目标的设定以及认知工具的设计与开发。以学习者为中心的个体学习是合作学习、协作学习的基础，学习者在个体学习中以认知工具为媒介，对学习内容进行内化，并转化为学习成果，通常表现为新知识的增加以及相应技能的提升。在本科数据素养教育中，学习成果为大学生具备相应的数据知识以及数据素养能力，如图1所示。

1）数据素养教育目标的设定

研究普遍认为，数据素养教育应以培养科学的数据意识、数据能力和数据伦理为目标[2，14，18]。多数研究认可从数据生命周期角度，完善数据素养教育内容。因此，本科数据素养教育目标在于培养大学生科学的数据意识、伦理和规范，具备数据收集与评估、数据管理、数据分析与应用等方面的知识技能，能够满足基础型、专业型和创新型等不同层次需求的高级数据人才。具体来说，在认知阶段，注重提升大学生数据意识、安全意识和法规意识;在能力阶段，重点培养大学生数据收集、评估、管理和分析能力;在应用阶段，培育大学生数据利用、表达与交流能力，具备批判精神。

2）认知工具的设计

设计和开发一套适合数据素养教育的认知工具，需要结合具体的教学内容和主题。本文以数据库和电子表格为例，介绍认知工具在数据素养教育学习环境设计中的应用。

数据库：数据库既是语义组织工具，也是本科数据素养教育内容的一部分。数据库的建模、创建和操作本身就是一种知识建构的过程。学生应用数据模型和工具建立概念之间的联系，使用数据库系统整合学习内容，利用数据库查询、视图、表单等工具处理与分析数据，更有效、高效地理解和应用新知识。

电子表格：电子表格是一种基于计算机的数据管理和建模工具，是由行、列构成的二维矩阵。电子表格能够表示数学模型，呈现模型中的参数、变量、常量及其相互关系，能够展示和演绎模型推理过程。在数据素养教育中，电子表格更是数据组织、存储、计算、建模和推演的有效工具。

2.2 以知识为中心的设计视角

在数据素养学习环境中，以知识为中心的设计视角主要是对学习内容，即问题空间、案例库、信息资源库3部分的构面设计。三者共同的构面是数据知识，即数据素养教育内容。

1）问题空间的设计

在知识建构设计中，对问题以及问题求解的设计是重中之重，它既是学习内容设计的中心，也是案例库设计和信息资源库设计的依据。基于问题的学习是近年来受到广泛重视的一种教学模式，它强调把学习放到有意义的问题情境中，通过问题求解过程来学习隐含于问题背后的科学知识[19]。依据Jonassen D对问题解决的设计理念[20]，本文提出数据素养教育学习环境中问题空间设计的3个构面：数据知识、问题设计以及问题类型，如图2所示。

图2 数据素养教育的问题空间设计

数据知识：主要反映了问题空间所包含的知识领域及其相关主题。依据表2分析结果，本文把数据知识划分为数据收集、数据评估、数据管理、数据分析、数据应用以及数据伦理6个方面。至于数据意识、数据思维的培养则是贯穿于数据生命周期始终的。

问题设计：包含问题情境、问题表征和操作空间3个方面。其中，问题情境是问题涉及的社会文化、组织和物理背景，对情境的描述有助于约束和定义问题[16]。问题表征是有效利用认知工具对问题所涉知识进行外化和表示，有助于促进问题解决[21]。此外，问题空间要能提供学生对问题的某些方面进行操作的机会，这些操作使得学习者让问题更有意义。

问题类型：包含结构良好的良构问题和结构不良的劣构问题。而根据问题的良构程度，又可从良构到劣构的连续区间内区分出一系列问题类型，例如逻辑问题、算法问题、故事问题、规则应用、案例分析、设计问题等[20]。良构问题适合初级阶段的学习，通过反复练习、反馈熟练掌握知识;劣构问题适合高级阶段的学习，注重知识的理解和应用[19]。

2）案例库和信息资源库的设计

根据学习环境组成部分的相互关系，案例库和信息资源库是问题空间的有效支撑，能够支持和辅助学习者进行问题求解。数据素养案例库中的案例主要指与数据素养教育有关的实例、示例、个案等，是现实情境或虚拟情境下有关数据知识的成功或失败经验的集合。学习者通过对成功或失败案例的观察学习，更容易找到相关数据知识点的切入口，从而开启“学中做”的主动知识建构过程。“学中做”是针对一个案例进行观察、认知、理解、试错的不断循环[22]。案例库以故事的形式为学习者提供特定领域知识的推理原则，学生在面对复杂、结构不良的问题时，可以通过案例库有效地支持基于案例的推理。案例库的开发与设计难度大，耗时长，往往需要好几届师生共同搜寻、汇集、改编和完善，然后上传至学习平台。从资源建设角度，学生在学习过程中生成的数据可直接用于构建教学案例，减少案例构建的成本;从学生学习角度，因学生直接参与教学案例的构建，不仅贴近实际便于理解，也有助于提升案例教学效果[23]。

数据素养教育的案例库设计包含3个构面，数据知识点、情景设计和案例类型，如图3所示。情景设计包括虚拟情境和现实情境，既有虚构的情景故事，也有真实的现实个案，还有根据真實个案改编的案例。数据知识构面包含从数据收集到数据伦理6个方面。案例类型既有成功经验，也有失败经验，还有介于两者之间的成败经验。数据素养教学案例库的设计应以数据知识点为线索，以情景设计为主要内容，引导学习者通过学习成功或失败案例的经验，掌握案例背后隐藏的知识点，并基于先前经验进行推理，以解决面临的新问题。

信息资源库是提供给学习者使用的各种媒介形式的学习资源的集合，包含数据知识、资源类型和资源组织方式3个构面，如图4所示。数据知识构面同样包含6个方面;资源类型分为文本、图像、音频和视频;资源组织方式包括线性结构、层次或树型结构、超文本及超媒体组织等。超媒体是一个包含文本、图像、音频、视频、超链接等多种媒介的信息结构，本质上和超文本一样，只是管理对象从纯文本扩展到多媒体。

2.3 以共同体为中心的设计视角

以共同体为中心的设计视角包含3个方面，如图5所示：交流与协作工具设计;集体学习规则设计;小组学习分工设计。在大学本科数据素养教育中，以集体为单位的协作学习，和以小组为单位的合作学习，都是知识建构学习环境不可或缺的部分。

1）交流与协作工具设计：设计、应用各种计算机媒介交流与协作技术，包括社交软件、聊天工

具、在线教育平台、视频会议、文档协作编辑软件、情景模拟、多人游戏与角色扮演等。无论是集体学习还是小组学习，共同体成员之间的对话交流必不可少。在本科数据素养教育中，普适性的聊天软件、社会化媒体、语音视频工具等都可作为对话交流工具。协作工具是共同体成员访问学习内容、合作完成小组学习任务的技术工具。协作工具允许成员贡献知识，提供交互工具以关联概念、经验和知识，提供空间以存储小组的学习记录。

2）集体学习规则设计：创设集体学习的规范、要求、原则、指南和文化等，既鼓励合作和共同进步，也提倡良性竞争。集体学习是个体学习、小组学习的叠加，因而集体学习规则的设计既要倡导合作学习氛围，也要适度竞争。在本科数据素养教育中，对于技能培养类的数据知识，例如数据分析与挖掘、数据管理与数据库、数据结构与算法、数据采集方法等，在集体学习规则设计中则需要强调成员竞争，以竞赛、评比的方式提高学习动力，形成你追我赶、共同进步的良性竞争氛围;而对于数据评估与应用、数据意识、数据伦理与规范等素养的培育，则适合采用合作学习，培养学生批判性思维，激发思考力和创造性。

3）小组学习分工设计：设计小组学习目标、分工合作方式、任务分配、成员角色等。小组学习任务，通常选择问题空间里的劣构问题。多答案、多途径、适当难度的开放性学习任务有助于小组合作学习的顺利开展[24]。教师在决定小组人数时应考虑小组目标、协作结构。此外，小组成员的同质性和异质性对合作学习效果也会产生影响，异质性成员的学习效果较好[25]。教师注重对学生合作学习、团队协作意识和能力的培养，有助于大学生更好地适应社会生产和企业组织对人才素质的要求。

2.4 以评价为中心的设计视角

评价包括学习者自评、同伴互评、教师评价以及系统智能评价等。根据图1所示，以评价为中心的设计视角包含3个维度：学习者与学习内容交互数据的反馈与评价，数据知识学习成果的反馈与评价，学习者数据素养能力评价。无论个体学习还是小组学习，评价都是提升学习效果的重要途径。评价与学习具有内在统一性，学生不仅要反思和评价自己的知识技能，而且要反思和评价自己获取知识的过程、经验、方法、能力、情感态度，这样才能全面、客观、公正地评价学习效果[26]。自我评价能够引导学生反思协作学习过程并提高个体贡献度;在同伴互评中，学习者通常会因友谊而给出不合理的评分，如何在评价中保证评价的信效度也是需要关注的问题[27]。

1）学习者与学习内容交互数据的反馈与评价

筛选、收集学习者与学习内容交互过程中需要追踪、记录的数据，设计基于数据驱动与问题解决的教学反馈机制。这种反馈机制可以在支持数据记录、收集、汇总、计算与反馈的系统环境下实现。虽然已经有网络教学平台能够实现部分交互数据的采集、汇总和评估，但是在数据收集的系统性、多维性以及数据智能分析方面仍有很大改进空间。并且这种改进是持续、动态的，需要系统设计人员、教育专家以及数据领域专家的协作才能实现。

学习者与学习内容的交互，主要是与问题空间、案例库和信息资源库的交互。其中，学习者和问题空间的交互数据最为丰富。因此，哪些交互数据能够被收集、记录和保存？哪些数据会涉及伦理问题？交互数据被收集后如何进行深度智能分析？如何将分析结果有效反馈给学习者，以帮助学习者改进学习？这些都需要学习环境设计者系统深入地思考。

2）数据知识学习成果的反馈与评价

针对学习环境中记录、上传和汇总的数据知识学习成果，包括学习者个体和学习小组对问题空间的解答和报告，设计相应的评价方法和反馈机制。

个体学习成果评价：就问题类型而言，良构问题的学习成果比较适合采用系统自动评价;劣构问题的模糊性使学习成果的评估变得复杂，一般建议以定性评价和人工评价为主，可以综合学生互评、教师评价、系统智能评价相结合的方式，也可以采用研讨方式在学习共同体中展开讨论、各抒己见，只要有理有据就应当给予正向评价。

小组合作学习成果评价：目前主要有学生自评、组内互评、组间互评以及教师评价等途径，设计难点在于个体成员贡献度的评价。小组内部一致的评分机制影响成员积极性，容易导致“搭便车”等不良问题，建议使用公平合理的评价原则和策略，例如在互评中采用单向匿名评价、随机分组以及等级序列分数[27]。

3）数据素养能力评价

大学生数据素养能力的提高是数据素养教育活动的最终目的，如图1所示。数据素养教育的核心能力包括：理解、查找和获取数据;阅读、解释和评价数据;保存、组织、识别和重用数据及其元数据;处理和应用数据[1]。以往研究中对数据素养能力的评价指标虽有差异，但从数据生命周期的角度看比较相似，差别仅在具体阶段划分不同。在前文基础上构建大学生数据素养能力评价的6个指标：数据收集能力、数据评估能力、数据管理能力、数据分析能力、数据应用能力和数据伦理规范。其中，数据伦理规范是数据素养能力的内在体现，包含数据意识、数据批判、数据道德、数据法规等，贯穿于数据生命周期全过程，是数据素养教育的灵魂和基础;其余5个指标是数据素养能力的外在体现，以数据技能培养为主，是大学生数据素养教育的重点。

3 小结与建议

本科数据素养教育是实现我国大数据战略的重要组成，现有研究缺乏以学习者为中心的教学设计。①收集了我国双一流高校信息管理类专业本科培养方案和数据素养课程相关数据。根据文献调研以及数据分析结果，总结出我国本科数据素养教育目标不明确、教育体系不完善、教育资源不足、教育内容分布极不均衡的特点与不足。②围绕本科数据素养教育，构建和演绎了知识建构学习环境设计体系。分别从学习者、数据知识、共同体和评价4个视角出发，每个设计视角对应2～3个维度，合计11个设计维度，给出了不同设计视角和维度下的具体设计内容，以及相应的教学设计策略和建议。

知识建构学习环境设计是完善本科数据素养教育体系的重要环节。基于以上分析和结论，在开展本科数据素养教学设计时有如下建议：①数据素养教学设计应根据大数据人才需求，以学习环境设计为重心，为学习者发展和知识建构创设条件;②本科数据素养教育目标设定应考虑整个数据生命周期，最终目的是提高大学生数据素养能力。数据伦理规范是数据素养教育的灵魂和基础，数据收集与评估能力、数据管理能力、数据分析与应用能力是大学生数据素养教育的重点;③学习环境设计应以问题空间设计、案例库设计、信息资源库设计为基础，提供必要的认知工具、交流与协作工具，同时提倡合作学习与协作学习。合作学习的关键是小组分工设计，协作学习的关键是集体规则设计;④知识建构学习环境设计还应将学习和评价内在统一起来，通过学习内容、学习成果交互数据的反馈与评价机制设计，发现问题解决方面的数据规律，更好地提升和改进教學效果。

参考文献

[1]Calzada Prado J，Marzal M.Incorporating Data Literacy into Information Literacy Programs：Core Competencies and Contents[J].Libri，2013，63 （2）：123-34.

[2]黄如花，李白杨.数据素养教育：大数据时代信息素养教育的拓展[J].图书情报知识，2016，（1）：21-9.

[3]新华网.习近平：实施国家大数据战略加快建设数字中国[J/OL].http：//www.xinhuanet.com/2017-12/09/c_1122084706.htm，2017-12-09.

[4]黄椰曼.大数据时代信息管理类本科专业课程体系建设：基于大学生需求视角[J].图书情报工作，2018，62（3）：45-54.

[5]胡昌平，赵雪芹.信息管理类专业教学体系变革与全程教学改革的推进[J].情报科学，2009，27（10）：1453-6，512.

[6]陈建军.基于知识管理的教学设计[J].中国远程教育，2007，（11）：38-41，80.

[7]崔盼盼，郑兰琴.协作学习活动设计质量评估方法的个案研究[J].现代教育技术，2018，28（10）：64-9，106.

[8]冯晓英，孙雨薇，曹洁婷.“互联网+”时代的混合式学习：学习理论与教法学基础[J].中国远程教育，2019，（2）：7-16，92.

[9]杨丽，徐绪堪，李一铭.面向大数据管理与应用专业的数据素养教育研究[J].情报理论与实践，2020，43（10）：45-49，18.

[10]周林兴，周丽，艾文华.大数据背景下图情档专业研究生数据素养教育探析[J].图书情报工作，2019，（10）：1-9.

[11]张长亮，王晨晓，李竟彤.大数据时代中美高校数据素养教育比较研究[J].情报理论与实践，2019，42（8）：131-7.

[12]肖希明，倪萍.中美LIS教育中数据素养教育的调查与比较分析[J].图书与情报，2018，（1）：20-7.

[13]宋甲丽，程结晶.高校图书馆科学数据素养教育现状调查及建议[J].图书馆学研究，2018，（19）：2-9.

[14]周志强，王小东.大学生数据素养提高的途径与对策研究[J].情报科学，2019，37（9）：79-84.

[15]张明海，周艳红.大数据时代大学生数据素养教育的目标定位及体系构建[J].图书馆，2016，（10）：84-8.

[16]Jonassen D H，Rohrer-Murphy L.Activity Theory as a Framework for Designing Constructivist Learning Environments[J].Educational Technology Research & Development，1999，47（1）：61-79.

[17]张晓英，杨开城，黄荣怀.问题解决与数据驱动的学习环境设计[J].中国电化教育，2009，（9）：26-30.

[18]邓李君.国内外数据素养教育发展现状研究[J].图书馆理论与实践，2017，（7）：30-3.

[19]温彭年，贾国英.建构主义理论与教学改革——建构主义学习理论综述[J].教育理论与实践，2002，（5）：17-22.

[20]Jonassen D H.Toward a Design Theory of Problem Solving[J].Educational Technology Research and Development，2000，48（4）：63-85.

[21]Jonassen D.Using Cognitive Tools to Represent Problems[J].Journal of Research on Technology in Education，2003，35（3）：362-81.

[22]葛艳，卢晓东.“以学生为中心”的实践教学案例设计与实现[J].实验技术与管理，2020，37（2）：178-81.

[23]杨楠，李童.案例教学视域下软件工程“一体两翼”教学模式的构建与实践[J].高等工程教育研究，2020，（1）：177-81.

[24]郭要红.有效合作学习的学习任务设计策略[J].教育理论与实践，2009，29（23）：53-4.

[25]Wichmann A，Hecking T，Elson M，et al.Group Formation for Small-Group Learning：Are Heterogeneous Groups More Productive？[M].Proceedings of the 12th International Symposium on Open Collaboration.Berlin，Germany;ACM，2016：1-4.

[26]桑新民.学习主体与学习环境双向建构與整体生成——创造全球化时代的学习文化与教育智慧[J].教育发展研究，2009，29（23）：58-65.

[27]张红英，陈明选，马志强，等.基于自评与互评的网络协作学习贡献度评价[J].现代远程教育研究，2019，（2）：95-102.

[28]隆茜.数据素养能力指标体系构建及高校师生数据素养能力现状调查与分析[J].图书馆，2015，（12）：51-6，62.

[29]李霞，陈琦，刘思岩.移动互联网环境下大学生数据素养能力实证评价研究[J].情报理论与实践，2020，43（2）：106-13，36.

[30]付超.大数据时代我国数据素养分类研究[J].图书馆理论与实践，2020，（2）：68-74.

（责任编辑：郭沫含）