新文科建设背景下高校文科生数据素养服务需求分析

沈玖玖 许守英

摘 要：[目的/意义]识别高校文科生数据素养服务需求，有助于高校图书馆为文科生提供适合的数据素养服务，以促进高校新文科建设。[方法/过程]通过文献调研分析、网络调查分析、专家咨询等方法梳理出27项高校图书馆数据素养服务主题，运用Kano模型分析、混合类分析及Better-Worse满意度系数分析法，確定文科生对高校图书馆数据素养服务的关键需求及需求的优先级排序。[结果/结论]结果表明，一站式资源发现平台等属于一维需求，数据存储、数据获取、数据伦理属于必备需求，专题研讨会、活动竞赛等属于无差异需求，用户互动模块、数据分析等属于魅力需求，且各需求优先级地位不相同。

关键词：高校图书馆;数据素养服务;新文科;Kano模型;用户满意度

DOI：10.3969/j.issn.1008-0821.2022.05.011

〔中图分类号〕G252.6 〔文献标识码〕A 〔文章编号〕1008-0821（2022）05-0110-11

Abstract：[Purpose/Significance]Identifying the data literacy service needs of liberal arts students in universities is helpful for university libraries to provide appropriate data literacy services for liberal arts students and promote the construction of new liberal arts in universities.[Method/Process]Through literature research and analysis，network investigation and analysis，expert consultation and other methods，27 data literacy service themes of university libraries were sorted out.The Kano model analysis，mixed class analysis and Better-Worse satisfaction coefficient analysis were used to determine the key needs of liberal arts students for data literacy service of university libraries and the priority order of needs.[Result/Conclusion]The results show that one-stop resource discovery platform belongs to One-dimensional demand，data storage，data acquisition，data ethics belong to Must-be demand，seminars，activities and competitions belong to Indifference demand，user interaction module，data analysis belong to Attractive demand， and the priority status of each demand is different.

Key words：university library;data literacy services;new arts;kano model;user satisfaction

2019年，国家教育部、科技部等部门联合启动的“六卓越一拔尖”计划，要求全面推进新工科、新文科、新医科、新农科建设[1]。就“新文科”而言，它不是对传统文科的否定和彻底颠覆，而是对其进行深化和拓展[2]。在信息与大数据时代，将相关的信息技术与数据知识融入人文社科专业的人才培养和创新科研之中，是深化高校文科建设，适应时代发展的需要。尤其是数据密集型科研范式的产生，使得人文社会科学领域不再是进行单纯的文献研究，人文和技术结合的数字人文研究范式开始兴起，数字人文、历史等新兴领域要求相关人员具备相应的数据意识和宏观的数据掌握和操作能力[3]。但在数据素养服务方面，虽然一些院校开展了数据素养教育，但仍停留于简单层面，且部分院校仅针对理工科学生开设数据统计分析软件等实践性较强的课程[4]。相较而言，文科生的数据素养往往被忽视，这与“新文科”建设的需要相悖。因此，笔者以培养、提升高校文科生数据素养能力为目的，通过调研文科生对高校图书馆数据素养服务的需求，运用Kano模型识别其关键服务需求，并进行需求层次的分类。最后，在此基础上提出高校图书馆数据素养服务的供给内容及优先序管理策略，以引起高校对文科生的数据素养服务的重视，同时为高校图书馆在实施针对文科生的数据素养服务的内容布局、重点安排和步骤等方面提供参考借鉴。

1 相关概念及研究综述

随着对数据素养研究的深入，数据素养的内涵也渐趋明晰，大多认为数据素养是一种能力，如Hogenboom K等将数据素养定义为：阅读、解释、分析、批判性思考统计数据以及将统计数据作为证据的能力[5]。数据素养作为一种能力，其形成与提升离不开数据素养教育及服务。前人的研究中关于数据素养教育的研究不少，但数据素养教育是否等同于数据素养服务，目前学界暂无明确的界定，有少数文献中提到数据素养服务的概念，如卢祖丹指出，数据素养服务是在大数据时代背景下对传统信息素养服务工作的传承与适应性发展，主要关注科学数据的意识伦理及收集获取、分析处理、交流展现与评价利用等能力的培养，其目的是全面提高受教育者的数据素养水平，以适应社会发展的需要[6]。由此，笔者认为，数据素养服务是以数据素养教育为核心，同时包含开展数据素养教育所需的保障和辅助性服务，如图书馆数据资源和平台服务、数据咨询服务等，它不等同于数据素养教育。59D8BA87-36C6-43E0-91A9-3C444FC6FCCB

对前人所做相关研究梳理后发现，目前数据素养服务相关研究主要包括数据素养服务以及数据素养教育。部分研究对数据素养服务和数据素养教育未作明确的区分和界定，将数据素养服务等同于数据素养教育。关于数据素养服务的研究主要有关于数据素养服务的现状、评价及模式的研究，如宋甲丽等对武汉大学图书馆科学数据素养服务的優劣、机遇与挑战等要素进行分析，并指出高校图书馆存在馆员数据素养欠缺、数据库建立不完善等问题[7];卢祖丹从数据库、讲座培训、活动竞赛、在线教育、独立课程5个指标层面，对我国“双一流”高校图书馆数据素养服务供给情况进行了评价[6];胡洋等分析提出了与数据素养相匹配的大学图书馆的服务模式，并指出我国大学图书馆数据素养服务的发展路径[8]。数据素养教育的研究主要有关于教育现状、模式及评价的研究。数据素养教育现状方面，宋甲丽等分析了高校图书馆科学数据素养教育开展取得的成果、存在的问题及原因，并提出相应对策[9];胡卉等从教学对象、目标、形式、内容、评估5个方面调研了加拿大高校图书馆数据素养教育现状，指出其可以在选用恰当的教学形式、把数据素养集成到其他课程中等方面为我国提供参考借鉴[10]。数据素养教育模式方面，刘勋指出，高校图书馆数据素养教育应嵌入学习环境、嵌入科研课题、嵌入课程和网络教学平台[11];郭倩等借鉴教育生态学理论构建了分层级、多样化的数据素养教育生态模式[12]。数据素养教育评价方面，潘雪等从教育主体、对象、形式、内容和效果5个角度，构建了高校数据素养教育评价指标体系[13]。

目前，专门的数据素养服务的研究较少，多数是关于数据素养教育方面的研究，且相关研究基本立足于高校图书馆服务提供方的角度，围绕数据素养服务或数据素养教育展开相关现状调研和评价以及模式的研究，尚未有研究关注所提供的服务与教育内容和模式是否契合用户的需求，尤其是高校人文社科专业用户的数据素养服务需求鲜有触及，数据素养服务是否契合用户的需求，会直接关系到数据素养服务的效果，进而影响大学生数据素养的形成和提升。

2 Kano模型

Kano模型是质量管理专家狩野纪昭受“双因素理论”启发提出的与产品质量有关的用户满意度模型[14]，该模型认为服务品质的高低与用户满意度水平并非完全呈现一维线性关系，并首次运用二维质量模型对服务因素进行分类评价[15]。该模型不直接测量用户满意度，主要用于识别用户需求，确定使用户满意的关键要素[16]。模型依据质量特性的实现程度和用户的感受将其细分为必备需求、一维需求、魅力需求、无差异需求以及逆向需求。

必备需求（Must-be，M）是用户认为产品或服务理所应当提供的质量特性，当需求未得到满足时，用户会极度不满;而当需求得到满足时，用户也不一定会满意。一维需求（One-dimensional，O）通常是用户所期望和明确表达的需求，当需求未得到满足时，用户会感觉不满;当需求得到满足时，用户会感到满意，而且满足程度越高，用户满意度就会越高。魅力需求（Attractive，A）是超出用户预期的惊喜质量特性，能大大提升用户的满意度，当需求得到满足时，用户会感到十分惊喜;而当需求未得到满足时，用户也不会感到不满。无差异需求（Indifference，I）是用户不关注的，无论满足与否，都不会影响用户的满意度，因此在需求满足中可以忽略和避免。逆向需求（Reverse，R）是用户不希望产品或服务出现的质量特性，提供后反而会降低用户满意度。

3 实证研究

3.1 高校图书馆数据素养服务主题的确定

数据素养服务的目的是提升学生的数据素养能力，而数据素养能力的形成离不开相关知识的学习与实践。其中，学习的内容、方式及实践环境均可能对数据素养能力的提升造成影响。因此，笔者将数据素养服务主题归纳为数据素养教育、数据素养咨询与互动服务、数据资源与数据平台服务3个一级维度，其中数据素养教育服务包含数据素养教育内容和形式两个二级维度;数据素养咨询与互动服务的功能在于解决大学生数据素养知识实践中所遇到的具体问题，包含数据素养咨询和数据素养互动两个二级维度;数据资源与数据平台服务为数据知识实践提供软硬件资源保障，其包含数据资源服务、数据平台服务两个二级维度。各维度所包含的具体服务主题，笔者则通过文献调研和高校图书馆网站调研，了解我国高校图书馆数据素养服务开展的情况，通过内容分析法对其与数据素养服务相关的关键词即服务主题进行提炼和归纳汇总。由于“双一流”高校是我国高校先进典型，相应的，其图书馆服务质量一般相对较高，数据素养服务开展的较早，在数据素养服务方面具有一定的代表性，因此，调研对象选择“双一流”高校图书馆网站。最后在咨询了3位南昌大学图书情报领域的专家和2位高校图书馆馆员意见的基础上，归纳出27项具体的高校图书馆数据素养服务主题，如表1所示。

3.2 Kano问卷的设计、发放与回收

Kano模型注重对影响用户满意度的因素进行分析，可以将用户需求动态地表达出来，将不同的质量特性分类，更好地识别不同类型的客户需求。狩野纪昭教授在提出Kano模型时，设计了一个结构型客户调查问卷以识别质量属性[15]。基于Kano模型的双向正反问卷，针对每一项需求主题设计双向问题，即每一项需求主题的问题都包含关于产品或服务具备和不具备某种质量特性时，用户相应的满意度情况。

笔者根据所提出的27项高校图书馆数据素养服务主题设计调查问卷，采用Kano模型对文科生数据素养服务需求进行调研分析。问卷分为3部分，第1部分对问卷进行解释说明;第2部分统计填写者的基本信息，包括性别、学历、专业大类、认为数据素养是否重要;第3部分为Kano双向问卷，问卷利用李克特五级量表为每个问题设置“喜欢”“理所应当”“无所谓”“可以忍受”“不喜欢”5个选项。

通过问卷星进行调查问卷的发放，为确保问卷的有效性，同时采用滚雪球的方式借助社交媒体（QQ、微信等）向目标调查对象（高校文科生）发放问卷，调研时间为2021年7月9日—30日。共回收问卷482份，剔除不规范作答及问题答案重复性高等无效问卷75份，剩余407份有效问卷，问卷有效率84.4%。59D8BA87-36C6-43E0-91A9-3C444FC6FCCB

3.3 问卷信效度检验及样本描述性统计

通过SPSS25.0软件计算出问卷整体、正向问题、反向问题的信度，其克隆巴赫Alpha值分别为0.871、0.956、0.961，问卷信度较高，已达到进一步研究的要求。进一步计算出问卷整体、正向问题、反向问题的效度，其KMO值分别为0.942、0.959、0.962，Bartlett球形检验值均为0.000，具有良好的效度。

表2为被调查者的人口统计学信息，其中，性别方面女性占比较高，该结果与文科生女生较多的现象相符;学历层次和专业大类涉及面较广且呈金字塔状分布，大多数（99.51%）受访者认为数据素养重要。整体来说，样本选择较为合理，具有一定的典型性和代表性。

4 数据分析

4.1 基于Kano的数据素养服务需求分析

根据既定状态下正反两方的满意度回答，通过Kano模型二维属性归类矩阵表判定某一项主题的层次属性划分，表3中A为魅力需求，O为一维需求，M为必备需求，I为无差异需求，R为逆向需求，Q为错误回答。错误回答（Questionable，Q）指当具备和不具备某种质量特性时，被调查者的满意度情况均选择“满意”或“不满意”。

在对某种服务主题的整体层次划分上，传统Kano模型主要依据质量特性在各层次划分中的最高频率而定，由此得出各服务主题的传统Kano类别，如表4所示。但是传统Kano模型的归类方法，只考虑比重最大的属性类别，一般不再考虑其他类别上的统计结果，当属性频次统计的次高值与最高值比较接近时，难以达到精细化管理的要求[30]。因此，学者Lee M C等认为，若某一指标在分析结果中没有出现主导的分类，则该指标就归属于混合类别[31]。混合类别的判定是通过计算总强度TS和类别强度CS对传统Kano类别进行二次确认，TS反映用户对某一产品或服务主题是否满意，CS反映用户对产品或服务主题属于某一类别的认可程度。具体计算公式如下：

TS=（M+O+A）/（A+O+M+I+R+Q）（1）

CS=（max{A，O，M，I，R，Q}-second max{A，O，M，I，R，Q}）/（A+O+M+I+R+Q）（2）

当TS≥60%且CS≤6%时，指标属于混合类。改进后各数据素养服务主题的Kano类别如表4所示，表中H表示混合类，H后括号中为混合类的主要组成，即占比最大的前两个Kano类别。

如表4所示，一维需求包含数据资源服务维度的外购数据库，是文科生所期望和明确表达的数据素养服务需求。当此类需求没有得到满足时，用户会感到不满;此类需求得到满足时，用户会感到满意，而且满足的程度越高，其满意度就会越高。高校图书馆应充分满足文科生对外购数据库的需求，尽可能提供充足的外购数据库，以此提高文科生的满意度并降低其不满意度。

魅力需求包含数据素养教育形式维度的嵌入式教学、数据素养互动服务维度的用户互动模块以及数据平台服务维度的科学数据平台，这些服务主题是超出文科生预期的惊喜质量特性，能大大提升其满意度。当此类数据素养服务需求得到满足时，用户会感到十分惊喜，而当此类需求没有得到满足时，用户也不会感到不满。嵌入式教学、用户互动模块、科学数据平台对文科生有极大的吸引力，高校图书馆通过提供这些服务能够有效提升文科生的数据素养，且能够大幅度地提升其满意度及忠诚度。

无差异需求包含数据素养教育内容维度的数据意识、数据伦理、数据知识、数据获取、数据处理、数据存储，以及数据素养教育形式维度的讲座与培训、传统学分课程、在线课程和微课、专题研讨会、学位教育或证书课程、暑期夏令营、活动竞赛。以上数据素养教育内容可能是文科生所不注重或者是已经具备了而无需进行再次学习的;以上数据素养教育形式可能是文科生所不喜欢或者是因未曾接触而不了解的，这些内容和形式无论满足与否，都不会影响文科生的满意程度。一般情况下，高校图书馆在需求满足中为了节约成本，可以忽略和避免此类服务主题的提供。但是并非所有的无差异需求都是对资源的浪费，重要性较高的无差异需求可能会随着时间的推移转化为魅力需求[32]，在未來可能会影响文科生的满意度，因此高校图书馆应该结合时间因素以及文科生需求的演变对这些服务主题进行动态管理。

混合类需求包含数据素养教育内容维度的数据发现、数据分析、数据交流共享，数据素养教育形式维度的数据管理资源导航、学科专题教育、自媒体推送、数据素养咨询服务维度的馆员数据咨询服务、自助咨询服务，数据资源服务维度的自建数据库，数据平台服务维度的一站式资源发现平台。数据发现、数据分析、数据交流共享、学科专题教育、自媒体推送、自助咨询服务、自建数据库是魅力需求同无差异需求的混合类，此7项服务主题可能只是暂时未成为魅力需求，但是在未来有成长为魅力需求的潜质，高校图书馆需综合考虑魅力需求和无差异需求的特征来确定是否提供这些服务。一站式资源发现平台是魅力需求与一维需求的混合类，高校图书馆不仅要向文科生提供此数据素养服务，而且要注重其服务水平。数据管理资源导航、馆员数据咨询服务是一维需求和无差异需求的混合类，高校图书馆需综合考虑一维需求和无差异需求的特征来进行数据素养服务的提供。

4.2 Better-Worse系数分析

通过服务主题在各层次划分中的最高频率来确定其需求类型可能会忽略不同服务主题对用户满意度的影响，因此笔者采用Berger C等定义的“用户满意度系数”观察用户满意度变化程度，并将相同属性的服务主题按照满意度系数进行优先级排序[33]。满意度系数Better的值为正数，越接近1，对提高用户满意度的影响越大;不满意度系数Worse的值为负数，越接近-1对降低用户不满意度的影响越大;Better-Worse综合系数能综合反映某项服务主题对提高满意度和消除不满意度的效果[34]，计算结果如表5所示。具体计算公式如下：59D8BA87-36C6-43E0-91A9-3C444FC6FCCB

Better=（A+O）/（A+O+M+I）（3）

Worse=-（M+O）/（A+O+M+I）（4）

Better-Worse综合系数=Better-Worse（5）

为了更直观地显示各服务主题的分布情况，便于进一步的探讨，利用四象限图展示27项数据素养服务主题的分布状态。以Better值为横坐标，以Worse值的绝对值为纵坐标，以两个指标的平均值为原点交叉，获得Better-Worse指数四象限图，如图1所示。

以四象限图的划分结果为基础，对各服务主题进行分类，并按照Better-Worse综合指数从大到小的顺序对各象限中的服务主题进行供给优先级排序，汇总结果及优先级排序如表6所示。由于传统的Kano分析与混合类分析都只是通过计算服务主题在各层次划分中的频数分布或占比来确定其需求类型，因此，基于Kano分析和混合类分析的结果同基于Better-Worse系数分析的结果差异较大。

5 高校图书馆数据素养服务需求管理策略

5.1 基于Better-Worse系数分析的数据素养服务需求管理策略

不同Kano类别属性的高校图书馆数据素养服务主题对文科生满意度的影响是不同的，高校图书馆应针对不同Kano类别的数据素养服务主题制定不同的管理策略。依据Kano模型，首先需要满足降低用户不满意度和提升用户满意度效果均较好的一维需求，其次满足可有效降低用户不满意度的必备需求，此后满足可有效提升用户满意度的魅力需求，然后结合自身的实际状况对无差异需求进行动态管理。对于Better-Worse指数四象限图中的高校图书馆各数据素养服务主题，位于不同象限的服务主题其改进的优先次序是：Ⅰ象限→Ⅱ象限→Ⅳ象限→Ⅲ象限[35]，位于同一象限的服务主题可以按照其优先级排序进行服务的提供。

第Ⅰ象限。Better-Worse指数四象限图中第Ⅰ象限具有较高的Better值和Worse值，属于一维需求，对于提升文科生的滿意度、降低其不满意度都具有明显的效果，是图书馆应优先提供的服务。此象限包含的数据素养服务主题及优先级排序为外购数据库、一站式资源发现平台、数据管理资源导航、馆员数据咨询服务、科学数据平台、自建数据库、数据交流共享、自助咨询服务、数据发现。原先利用Kano方法识别出来的魅力需求如数据发现、数据交流共享、自助咨询服务、自建数据库、一站式资源发现平台、科学数据平台都进入了这一象限，这些服务主题能很大程度地影响文科生的满意度。在资源有限的情况下，图书馆应优先重点满足文科生的这些需求，如进行数据发现教育、利用自身特有的数字资源建设特色数据库、构建进行数据存储及交流等活动的科学数据平台、利用智能问答助手提供数据咨询服务、举办数据交流与共享活动等。

第Ⅱ象限。该象限具有较低的Better值和较高的Worse值，属于必备需求，即文科生认为高校图书馆应提供的数据素养服务。满足必备需求不会引发用户的不满，但不满足会引发用户的极度不满，对于降低文科生的不满意度有良好的效果，但提升满意度的效果较差。此象限包含的数据素养服务主题及其优先级排序为数据存储、数据获取、数据伦理。原先利用Kano方法识别出来的无差异需求如数据存储、数据获取、数据伦理进入了此象限，这些服务主题对文科生满意度的影响程度也较大。这3项服务主题能有效地降低文科生的不满意度并将其满意度提高到一定的水平，是高校图书馆数据素养服务建设时不可或缺的服务主题，必须保证其服务质量水平，提供有关数据存储、数据获取以及数据伦理方面的教育。

第Ⅳ象限。第Ⅳ象限具有较高的Better值和较低的Worse值，能够有效提升文科生的满意度，但对于降低其不满意度的效果较差，属于魅力需求。此象限包含的数据素养服务主题及其优先级排序为用户互动模块、数据分析、数据处理、嵌入式教学、自媒体推送、学科专题教育，原先利用Kano方法识别出来的无差异需求如数据分析、数据处理进入了这一象限，具有较高的重要性。当图书馆想大幅提升文科生的满意度和忠诚度时，可以从满足文科生的这些需求入手，如通过设立读者俱乐部的方式为文科生之间的互动交流提供场所、利用微信公众号等自媒体推送数据查询和获取的相关信息、通过嵌入式教学将文献检索和资料搜集等方法嵌入到人文社科的教学和科研实践中、针对具体学科领域开展学科专题数据素养教育等。

第Ⅲ象限。第Ⅲ象限具有较低的Better值和Worse值，对于提升文科生满意度和降低不满意度的效果都差强人意，属于无差异需求。此象限包含的数据素养服务主题及优先级排序为数据知识、数据意识、讲座与培训、在线课程和微课、专题研讨会、学位教育或证书课程、活动竞赛、暑期夏令营、传统学分课程，这些无差异需求对文科生满意度的影响较小。按照传统Kano模型，无差异需求会增加成本，应舍弃，一般情况下对于这些无差异需求，高校图书馆可以采取减少资金投入的消极管理策略，以节约服务成本、提高服务效益，但并不是所有的无差异需求都是资源的浪费，重要性较高的无差异需求也有可能随着时间的推移转化为魅力需求，在未来影响用户的满意度。因此，高校图书馆应该结合时间因素以及文科生需求的演变，对这些无差异需求进行动态管理。

高校图书馆还需要注意的是，文科生的数据素养服务需求也会受到时间因素的影响，即文科生对同一需求的态度会随着时间而改变，从而引起数据素养服务主题所属Kano类别的变化，其动态转化生命周期为：I→A→O→M[36]，高校图书馆应当根据时间的变化以及图书馆自身的实际状况，动态地进行数据素养服务的提供。

5.2 基于维度的数据素养服务需求管理策略

笔者将高校图书馆数据素养服务主题划分为数据素养教育、数据素养咨询与互动服务、数据资源与数据平台服务3个一级维度，数据素养教育内容、数据素养教育形式、数据素养咨询服务、数据素养互动服务、数据资源服务、数据平台服务6个二级维度，高校图书馆可以基于数据素养服务主题的维度对其进行管理。59D8BA87-36C6-43E0-91A9-3C444FC6FCCB

在数据素养教育内容方面，数据发现、数据交流共享属于一维需求;数据存储、数据获取、数据伦理属于必备需求;数据分析、数据处理属于魅力需求。数据素养教育形式方面，数据管理资源导航属于一维需求;嵌入式教学、自媒体推送、学科专题教育属于魅力需求。数据素养教育的内容和形式是相辅相成的，高校图书馆应将其结合起来进行数据素养教育的提供，数据管理资源导航属于一维需求，是高校图书馆需要优先满足的。此外，图书馆可以通过嵌入式教学、自媒体推送、学科专题教育的形式对文科生进行数据发现、数据交流共享、数据存储、数据获取、数据伦理、数据分析以及数据处理的教育。

在数据素养咨询服务方面，馆员数据咨询服务、自助咨询服务属于一维需求，高校图书馆应首先满足文科生向馆员进行数据咨询的需求，其次为提高用户满意度可以提供自助咨询服务。在数据素养互动服务方面，用户互动模块属于魅力需求，高校图书馆可以提供此服务以提高用户满意度。

在数据资源服务方面，外购数据库、自建数据库属于一维需求，高校图书馆应首先满足文科生对外购数据库的需求，并且提供的外购数据库越充足、越完善越好，其次为提升用户满意度可以提供自建数据库。在数据平台服务方面，一站式资源发现平台、科学数据平台属于一维需求，能够有效提高用户的满意度，高校图书馆应该给予重视。

6 结 语

笔者在明确高校图书馆数据素养服务的内涵与外延的基础上，梳理归纳出27项数据素养服务主题，并据此对人文社科类学生这一特定群体的数据素养服务需求进行调研，对调研结果采用Kano模型、混合类分析以及Better-Worse系数等方法进行分析，最终识别出文科生对高校图书馆数据素养服务的关键需求和需求的优先级排序。在此基础上提出了基于Better-Worse系数分析和基于维度的数据素养服务需求管理策略，为高校图书馆有重点、有特色、分阶段地开展数据素养服务提供理论依据，促进文科生数据素养的提升和高校新文科建设。本研究明确了数据素养服务的内涵与外延，同时针对文科生的数据素養服务需求进行分析，丰富了数据素养的相关研究理论，为数据素养服务地深化研究提供了研究基础，同时为高校图书馆实践面向文科生的数据素养服务提供参考借鉴。本文研究仍存在不足，只做了关于人文社科大类的整体性需求的研究。而不同专业以及不同学历层次的文科生在数据及服务需求等方面仍可能存在差异，本研究未就不同专业及不同学历层次的文科生的数据素养服务需求进行差异性分析，后续将就不同文科生群体的需求分别展开研究。

参考文献

[1]马世年.新文科视野下中文学科的重构与革新[J].西北师大学报：社会科学版，2019，56（5）：18-21.

[2]张俊宗.新文科：四个维度的解读[J].西北师大学报：社会科学版，2019，56（5）：13-17.

[3]宋甲丽.高校图书馆科学数据素养教育研究[D].曲阜：曲阜师范大学，2018.

[4]雷春蓉，陈梦.国内外高校图书馆数据素养教育比较研究[J].图书馆，2021，（4）：47-51.

[5]Hogenboom K，Phillips C M H，Hensley M K.Show Me The Data！：Partnering with Instructors to Teach Data Literacy[J].2011.

[6]卢祖丹.我国高校图书馆数据素养服务供给实证评价研究[J].图书馆杂志，2020，39（10）：63- 70.

[7]宋甲丽，赵义纯.高校图书馆科学数据素养服务的SWOT分析[J].大学图书情报学刊，2019，37（1）：94-98.

[8]胡洋，谢友宁，赵又霖.大学图书馆数据素养的服务模式研究[J].图书馆理论与实践，2017，（5）：16-20.

[9]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.

[10]胡卉，吴鸣，陈秀娟.加拿大高校图书馆数据素养教育模式[J].图书情报工作，2016，60（8）：53-58.

[11]刘勋.高校图书馆开展嵌入式数据素养教育探究[J].图书与情报，2016，（3）：86-89.

[12]郭倩，李建霞.基于多元主体的高校数据素养教育生态模式构建研究[J].图书馆理论与实践，2019，（5）：49-57.

[13]潘雪，陈雅.我国高校数据素养教育评价指标体系探析[J].新世纪图书馆，2018，（7）：31-34.

[14]侯智，陈世平.基于Kano模型的用户需求重要度调整方法研究[J].计算机集成制造系统，2005，（12）：1785-1789.

[15]Kano N，Seraku N，Takahashi F，et al.Attractive Quality and Must-be Quality[J].The Journal of the Japanese Society for Quality Control，1984，14（2）：39-48.

[16]邓梦筑.基于Kano模型分析法的门诊非医疗技术服务改善策略研究[D].广州：南方医科大学，2015.

[17]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）：21-29.

[18]郝媛玲，沈婷婷.数据素养及其培养机制的构建与策略思考[J].情报理论与实践，2016，39（1）：58-63.

[19]黄如花.面向高质量发展的数据素养教育[J].图书馆建设，2020，（6）：26-29.

[20]黄如花，王春迎.面向学科的数据素养现状及需求调查——以《信息检索》MOOC学生为例[J].图书馆论坛，2016，36（6）：99-105.59D8BA87-36C6-43E0-91A9-3C444FC6FCCB

[21]胡卉，吴鸣，陈秀娟.英美高校图书馆数据素养教育研究[J].图书与情报，2016，（1）：62-69.

[22]Carlson J，Bracke M S.Planting the Seeds for Data Literacy：Lessons Learned from a Student-centred Education Program[J].International Journal of Digital Curation，2015，10（1）：95-110.

[23]焦皎.大数据时代高校图书馆数据素养教育研究[J].图书馆工作与研究，2020，（3）：81-84.

[24]张新红.国内外高校图书馆科学数据素养教育比较分析[J].图书馆学研究，2018，（11）：9- 13，39.

[25]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，2014，32（3）：11-16.

[26]归吉官.基于档案学专业教育的数据素养教育内容体系建设[J].档案学通讯，2018，（2）：77-81.

[27]True North Science Boot Camp[EB/OL].https：//sites.google.com/site/true north science boot camp 2016/home，2016-03-10.

[28]王洁慧.高校科研用户对图书馆一站式资源发现平台的功能需求分析[J].情报理论与实践，2014，37（12）：95-98，80.

[29]孟祥保，常娥，叶兰.数据素养研究：源起、现状与展望[J].中国图书馆学报，2016，42（2）：109-126.

[30]齐向华，符晓阳.基于Kano模型的图书馆电子服务质量要素分类研究[J].情报理论与实践，2015，38（4）：80-85.

[31]Lee M C，Newcomb J F.Applying the Kano Methodology to Meet Customer Requirements：NASAS Microgravity Science Program[J].Quality Management Journal，1997，4（3）：95-106.

[32]Ching-chow Y.The Refined Kanos Model and Its Application[J].Total Quality Management，2007，16（10）：1127-1137.

[33]Berger C，Blauth R，Boger D，et al.Kanos Methods for Understanding Customer Defined Quality[J].Center for Quality Management Journal，1993，2（4）：3-36.

[34]李夢楠，周秀会.基于Kano模型的高校图书馆微信公众号服务内容分类和供给优先序研究[J].图书情报工作，2019，63（10）：39-47.

[35]Mu-Chen C，Chia-Lin H，Chun-Han H.Applying the Kano Model to Investigate the Quality of Transportation Services at Mega Events[J].Journal of Retailing and Consumer Services，2021，60：102442.

[36]Kano N.Life Cycle and Creation of Attractive Quality[C]//The 4th International Quality Management and Organizational Development Conference.Sweden：Link Ping，2001：18-36.

（责任编辑：郭沫含）59D8BA87-36C6-43E0-91A9-3C444FC6FCCB