基于KSAO模型的大学生数据素养评价体系构建

谢娟 孙一凡

摘   要：教育信息化2.0时代，数据素养教育从特定范畴走向大众视野，成为信息素养教育的重要内容。文章从研究现状出发，基于KSAO理论模型，围绕数据相关基础知识、数据相关操作技能、数据相关通用能力、数据相关其它特质等四个维度，构建了含有4个一级指标、13个二级指标的大学生数据素养评价体系，并给出应用建议。

关键词：KSAO模型;大学生;数据素养评价

中图分类号：G642.4 文献标志码：A 文章编号：1673-8454（2021）05-0022-03

数据素养评价能直观展现大学生的数据素养水平，也是推动数据素养教育创新发展不可或缺的环节。高校在发展数据素养教育的过程中，需要合理的评价体系来衡量大学生数据素养水平和检验数据素养教育的成效。[1]已有的数据素养评价研究多是针对教师群体进行的探索，而关于大学生数据素养的评价内容、评价方式等研究还不多见。评价的缺失将影响数据素养教育的深入开展，本文引入人力资源管理领域的KSAO理论模型来构建大学生数据素养评价指标体系，以引发更广泛探讨。

一、KSAO模型与大学生数据素养评价的适切性分析

广泛应用于人力资源管理领域的KSAO模型，将组织创造力的交互性框架与人格心理学模型进行结合，形成了四个模块的内容框架——Knowledge（知识）、Skill（技能）、Ability（能力）和Other Attributes（其他特质），用来描述和表达员工的职业岗位资质。具体而言，K（Knowledge）是指执行某项任务所需要的具体信息、专业知识、职业认知，一般通过正规的学校教育、在职培训或者工作实践积累获得。S（Skill）是指完成实际工作中操作工具或设备的技巧和经验，可以通过课堂学习、实践积累等方式获得。A（Ability）是指人的能力和素质，如智力、空间感、反应速度、逻辑思维能力、学习能力、表达能力等内容。O（Other Attributes）是指完成工作所需要的其他个性特质，包括技能要求、工作态度、人格个性以及其他能够反映特性的特征要求。

可见，该模型能够比较系统地描述个体的知识能力体系，为衡量个体的能力水平提供了可执行的操作程序，有助于形成简洁明了的评价指标体系。对大学生数据素养评价而言，KSAO模型具有以下适切性：首先，KSAO模型的系统性与大学生数据素养评价的内容体系相适宜。系统性要求各指标之间形成逻辑关系，能够从不同侧面反映事物的特征与状态，具有层次性，进而形成一个系统体系。因此，根据KSAO模型的具体内容，通过知识、技能、能力、其它特质四个方面来构建大学生数据素养评价指标，不仅可以明确数据相关的知识指标、操作技能指标、通用能力指标等内容，而且能够建立数据相关的伦理道德层面的其他特质指标内容，体现出指标之间紧密的逻辑联系。其次，KSAO模型的可操作性与大学生数据素养评价的目标范围相适宜。可操作性是指评价体系要兼顾指标内容的理论与实践应用。KSAO模型常用于探索专业领域的应用型人才培养，如胡斌武等[2]学者根据KSAO模型探讨了教师数据素养能力的培养路径。以KSAO模型为基础理论构建大学生数据素养评价指标体系，具有突出的可操作性，一方面能够提供衡量大学生数据素养能力的重要依据，另一方面可以提供评判数据素养教育成效的标准，从而改革高校数据素养培养课程，强化大学生数据素养的职业应用能力。最后，KSAO模型的简明科学性与大学生数据素养评价的方法原则相适宜。KSAO模型启示我们，指标体系的设计要以科学性为原则，指标内容要具备典型代表性，能够客观、真实、全面地反映出事物的特点和状况。因此，大学生数据素养评价指标体系的描述要全面、清晰、客观、真实，将大学生现有的数据认知体系与实践经验作为评判数据素养能力的主要依据。

总之，KSAO模型的系统性、可操作性和科学性等特征契合了大学生数据素养评价指标体系的构建。KSAO模型为大学生数据素养评价体系提供了完整的系统模式、应用性强的指标内容和客观全面的评价标准，这一设计路径有效地促进了大学生数据素养评价体系的形成。

二、基于KSAO模型的大学生数据素养评价内容设计

在指标内容选取方面，参考已有相关研究成果，[3][4]结合KSAO模型，为大学生数据素养评价体系分出4个层面，并提出13项具体指标。具体内容如表1所示。

具体来说，K（Knowledge，知识）指数据相关的基础知识。基础知识的具体指标内容分为三个方面。第一方面，考察大学生是否掌握有关数据理论基础知识，据此要求大学生能够明确数据的内涵、类型、用途与有效使用期限等基础知识，能够对数据进行初步的识别与判斷，并将数据应用到合适情境中。第二方面，考察大学生的数据意识与数据敏感性。要求大学生具备数据意识，明确不同问题对数据的需求，挖掘敏感性数据背后的数据意义，过滤无用数据，善于使用数据来解决学习生活中的具体问题。第三方面，考察大学生对数据处理分析方法和工具软件基础理论知识的熟悉程度，以及数据来源的掌握程度。前期理论知识的掌握，是后续实践操作的基础。同时，数据来源是数据的理论储备。大学生只有了解了数据的形成与传播途径，才能准确判断所需数据的源头与途径，从而为后续获取有效数据做好准备。

S（Skill，技能）指数据相关的操作技能。该部分内容具体分为五个层次的指标。第一是数据的获取能力，要求大学生能够依据基本的数据获取方法，从海量数据源中进行检索、收集相关数据、评估并筛选出完整准确的数据。第二是数据的管理能力，要求大学生能够对数据进行简单的加工和解读，比如改变数据格式等，进而标注数据，进一步分类、整理、存储数据，并及时更新有效数据。第三是数据的分析能力，要求大学生能够通过数据分析方法或工具对原始数据进行有效分析，评估数据分析结果是否具备可信度。第四是数据的决策能力，要求大学生能够通过可视化工具呈现数据，对数据分析结果进行客观表达和准确解读，将数据转化为信息，从而进行数据决策，解决实际问题。第五是数据的评价能力，要求大学生能够及时评估数据流程，以批判性思维综合评价数据分析结果。

A（Ability，能力）指数据相关的通用能力。大学生的数据通用能力可以从知识与能力两个维度进行概括。从知识方面来说，大学生要具有专业学科知识，能够把对数据的认知应用于专业学习，形成数据与专业间的良好互动。从能力方面来说，大学生的数据素养通用能力应包含对数据的归纳思考、实际操作、表达交流与迁移创新等能力，要求大学生能够充分归纳思考所获取的有效数据，通过实际操作进行数据处理，利用数据处理分析结果进行交流、共享和决策，从而有效应对学习和生活中的问题。

O（Other Attributes，其他特质）指数据相关的其他特质。首先，数据的法律法规意识是数据素养中不可缺少的部分。据此要求大学生应该在法律范围内获取和使用数据，比如要规范数据的引用格式，严格遵循知识产权法等。其次，有关数据的安全意识也是数据素养不容忽视的问题。据此要求大学生在尊重他人数据隐私的同时，也要保护好自己的数据隐私，未经允许不得传播与倒卖他人数据隐私。最后，要求大学生要具备数据伦理意识和社会责任感，完善自律公约，维护数据权利，遵守数据义务和相关伦理规范，保证数据的合法性，为创造良好的数据环境和道德风气贡献力量。

三、基于KSAO模型的大学生数据素养评价指标体系的应用建议

大学生数据素养评价体系是衡量大学生数据素养能力的重要标准，也是教师进行教学设计的主要依据，同时还是高校进行教育管理的有力凭证。

首先，对大学生来说，基于KSAO模型的数据素养评价指标体系有助于对自身数据素养进行审视。大学生从数据相关基础知识掌握程度、数据相关操作技能熟练程度、数据相关通用能力具备程度和数据相关其它特质清晰程度四个方面，明确自己的数据素养发展情况，及时提升数据素养水平。具体而言，在使用该评价体系时，一方面要注重有关数据的基础理论知识与基础工具知识的学习，掌握有关数据理论与工具的基础知识，了解数据相关的法律法规，增强安全意识;另一方面，要积极锻炼数据的筛选与获取、分析与运用、交流与呈现等能力，积累数据应用经验，掌握数据操作技能和数据通用能力。

其次，对教师而言，该评价指标体系有助于将数据素养内容更好地融入课程教学，培养大学生的数据素养能力。教师通过课堂教学与课程作业培养大学生的数据知识、数据技能、数据通用能力与数据其它特质。具体而言，教师可以根据课程内容和教学模式，增加有关数据理论与工具的知识模块，帮助大学生掌握有关数据理论与工具的基础知识内容，以及数据的处理分析方法与工具软件的操作技能，通过交流与共享，锻炼大学生的数据通用能力，从而把专业知识与數据知识融合起来，实现大数据时代信息技术与教育教学的深度融合。同时，在作业环节，教师可以适当安排一些需要收集数据、筛选数据、分析数据来达成教学任务的实践活动，从而锻炼大学生的数据思维和数据应用能力。

最后，对高校管理来讲，该评价指标体系有助于增强大学生数据素养能力，进而促进数据素养教育的改革。学校可以通过课程管理、环境建设等途径，帮助大学生提升数据素养水平。根据指标内容的相关要求，一方面，通过开设数据理论与数据工具等相关课程，促进大学生系统学习数据理论基础知识，锻炼数据操作技能与通用能力;另一方面，通过营造良好的数据环境和文化氛围，比如组建数据兴趣社团与小组、定期开展数据应用大赛、完善校园数据服务系统、开办数据法律法规与安全意识等相关讲座，促进大学生形成良好的数据意识和数据思维。

总之，基于KSAO模型的大学生数据素养评价指标体系以数据相关基础知识、数据相关操作技能、数据相关通用能力与数据相关其它特质为主要内容，不仅有利于大学生在学习与生活中“学有所用”、教师在信息素养等相关教学活动中“教有所用”，而且有助于高校对大学生数据素养类课程体系的设置与管理，从而促进高校数据素养教育的发展。在具体应用时还应注意以下事项。

第一，关于指标体系的权重问题。本文主张数据素养评价的目的是为了诊断和改进，因而未对一级指标和二级指标进行权重分配。若实践中需要赋分，可根据实际情境编制更为详细的评价量表，并进行具体的量化处理。

第二，关于指标内容的细化问题。本文仅构建了两级指标体系，还可以继续对该指标体系进行创造和加工，通过“再设计”“再整合”，来拓宽评价范围，使评价体系更贴合数据素养教学改革的实际。

第三，关于指标设计的维度问题。由于KSAO模型擅长于衡量、评价个体的基础性素质，若想深入挖掘大学生个体潜在的数据能力，仍需结合其他相关理论进行更深层次的设计和探索。

第四，该数据素养评价体系提供了一定的思路与方法，需要在高校不同学科领域的信息素养类课程教学实践中不断验证与修订，才能在动态发展中得以完善。

四、结语

在推动实施国家大数据战略的背景下，数据驱动已成为教育治理现代化的主导形式，具有学科交叉属性的数据素养教育非常必要。[5]通过有效的数据素养评价，能够及时发现并诊断数据应用中存在的知识、技能、能力、伦理等方面存在的诸多问题，促进全方面、多角度的数据素养教育的深入开展。本文对数据素养评价的目标、手段、方法的论述，不仅丰富了数据素养教育的内容体系，有助于引导大学生形成正确的数据观，而且从KSAO模型的角度建立了分析框架，为数据素养评价等相关研究提供了模式参考。在当今大数据时代，如何实现多学科的交叉融合以提高大学生的数据素养，是人才培养过程中的重要问题。因此，关于不同学科背景大学生的数据知识的综合评价、数据技能的过程评价、数据决策的伦理评估等数据素养评价具体路径的探讨，仍需多学科领域的共同努力。

参考文献：

[1]马腾，孙玲.信息生态视域下高校大学生数据素养评价研究[J].情报科学，2019（8）：120-126.

[2]胡斌武，林山丁，沈吉.基于KSAO模型的教师数据素养培养研究[J].教育探索，2019（5）：90-94.

[3]雷昊霖.大学生数据素养评价体系构建[D].哈尔滨：黑龙江大学，2019.

[4]尹爱青.教育技术学本科生数据素养模型及提升策略研究[D].武汉：华中师范大学，2017.

[5]谢娟.教育数据治理的伦理框架：价值、向度与路径[J].现代远程教育研究，2020，32（5）：15-24.

（编辑：王天鹏）