内容提要：[目的/意义]在文献研究的基础上整理、分析现有数据素养评价体系及相关内涵，为数据素养的评价和教育工作提供理论参考。[方法/过程]通过收集和整理现有数据素养研究中对于数据素养的论述，综合其中关于数据素养的相关评价内容，结合数据素养教育的实际需求，构建数据素养评价体系并分析相关评价指标的内涵。[结果/结论]数据素养是对信息素养的继承和发展，是在大数据环境下发展起来的社会对个体素养的新要求，综合国内外数据素养相关研究成果，可用于数据素养评价的体系共包含数据意识、数据收集、数据管理、数据操作、数据伦理等12个指标内容。

　　关 键 词：数据素养 信息素养 评价体系 能力 内涵

　　标题注释：本文系2015年度重庆市社会科学规划培育项目“基于大数据时代用户的信息行为特征的图书馆数据素养教育研究”(项目编号：2015PY53)和2015年四川外国语大学青年项目“大数据环境下的高校图书馆数据素养教育研究”(项目编号：sisu201542)的研究成果之一。

　　分类号：G254

　　1 引言

　　大数据的不断发展，不但促进了社会信息环境的演进与成熟，也使得教育行业对于个体素养的重视程度日益提升，由此引发的各种素养的量化与教育需求也在逐渐显现。作为与信息素养、统计素养、数字素养、科学素养等概念密切相关的数据素养(data literacy)，其受关注的时间尚短，虽然相关研究和实践呈现上升的趋势，但总体上讲，对数据素养的具体含义业界尚无定论[1]。虽然现有研究成果中已有部分学者通过借鉴其他素养的评价体系或是自建评价体系来对个体数据素养进行衡量[2]，但由于数据素养的评价仍处于探究阶段，而对于个体数据素养的评价体系也相对不明确，加上大数据环境下数据的多元化、异构化和海量化等特点，对于个体在数据收集、管理、分析、评价方面的能力要求不能简单地利用信息素养中的信息采集、整理、检索等标准来进行判断[3]。所以，本文通过收集和整理现有数据素养相关研究文献，对数据素养评价的相关内容进行分类和归纳整理，指出数据素养评价体系所包含的系列评价指标，并对相关文献中对各个评价指标的阐释和描述进行整理，结合数据素养教育在部分特定环境、领域中的实际教育需求，构建数据素养评价体系并分析12个相关评价指标的内涵，以期为相关研究提供一定的理论参考。

　　数据来源方面，英文文献选用Web of Science、EB-SCO作为数据源，中文文献选取CNKI作为数据源。通过构建以数据素养的概念、能力、要素、评价体系、评价指标、内涵等为主题的检索式，在评估筛选后剔除部分无关文献，最终获得英文文献165篇，中文文献82篇。

　　分析工具与方法方面，英文文献资源通过导入TDA进行整理分析，中文文献资源则通过导入CNKIE-study进行分析；为了进一步揭示相关文献之间的关联以及数据素养研究的主题与热点，还借助文献可视化信息分析软件CiteSpace对相关文献进行分析。

　　2 数据素养与信息素养的关系

　　大数据时代，信息素养依然是个体基本素养的重要组成部分，但不断发展的大数据环境则进一步要求人们具备一定的以数据组织、数据分析、数据转化能力为主要表征的数据素养以进一步适应社会环境的发展。当前，信息素养教育现已具备成熟的评估框架体系，具体如美国大学与研究图书馆协会(ACRL)2000年所发布的《高等教育信息素养标准》[4]和2015年发布的《高等教育信息素养框架》[5]，后者对信息素养的定义进行了修订，加入了对信息的反思性发现以及对信息的产生的理解和评价性认识，这种修订在一定程度上也契合了大数据环境下业界对于个体的数据素养的普遍认识。所以也有人认为，数据素养虽源于信息素养、量化素养、统计素养、科学素养等概念[6]，但其内涵也具有独立性且主要源于信息素养。因此，业界普遍认为，数据素养教育是大数据环境下社会信息素养教育的拓展和延续，是对于个体信息素养的新的要求和教育发展方向[7]，并将以数据操作能力为主要表征(涵盖个体的获取、解释、评价、转化处理和合理利用数据等能力)的数据素养作为信息素养的核心组成内容[8]。然而，由于目前业界尚未对数据素养的内涵有比较统一的认定，所以数据素养的个体评价体系仍然值得思考。

　　3 数据素养评价相关研究

　　经过数年的发展，随着业界对于数据素养的研究和实践日益丰富，对于数据素养的能力表征的论述也呈现出多元化的趋势，相关研究如下。

　　3.1 数据素养能力与内涵研究

　　国内外部分学者已经对数据素养所包含的能力进行了一定的论述，如：E.Stephenson等通过调研面向社会学专业的本科生开展的数据素养教育实践后发现，培养学生的数据理解和处理能力能够使学生对于所获得的研究记录具备更高的解读能力，并促进其对数据的利用，所以数据理解和数据处理能力是数据素养的核心能力[9]。个体数据素养也包括从信息素养体系中继承的识别、收集、组织、分析、总结、区分和优化数据的能力，但并不限于上述能力[4]，因为，数据素养是个体对不断增长的数据所采取的应对性的管理、解释能力和批判思维能力[10]。孟祥保等人提出数据素养主要表现在数据意识、数据获取、数据分析、数据运用、数据评估等多种能力上[11]，而这些能力和意识是解决科学研究领域内的数据关系并提炼出有用信息的基本能力，是个体数据素养的基本构成要素。同时，E.B.Mandinach等指出数据素养除一般的基础能力外，还应包括发现数据的能力、对于数据的有效理解能力和将数据转化为信息继而转化为知识并运用于决策的能力12，所以，个体数据素养的评价体系除了包含相关基础能力评价指标外，也应当进一步对个体在数据理解、数据利用、数据表达和数据交流的能力进行测度。此外，美国雪城大学信息研究学院的秦健等[13]通过一项为期两年的数据素养教育实践活动，指出数据素养教育应当涵盖数据收集、数据处理、数据管理、数据评估和数据利用5个方面。A.L.Ogier等则进一步提出了个体数据素养教育的8个主要内容：数据管理与组织、数据操作与互转换、数据共享与获取、元数据与质量控制、数据科学、数据监管、数据存档与保存、数据伦理与责任，并将这些理念融入到了他们所开设的数据素养课程中[14]；C.Miller等[15]、J.Carlson等[16]对于数据素养的界定则在一定程度上结合了地理信息学的相关教学实践，相关界定也更适合于对具有特定专业背景个体的数据素养评价。

　　3.2 对特定对象的数据素养评价研究

　　当前对于数据素养的研究成果并不单一地侧重于对数据素养的概念或内涵本身的研究，也囊括了对于具体数据素养对象所应具备能力的进一步探究与思考，而目前对特殊对象的数据素养评价研究中以对教师的数据素养评价研究较为广泛。以教师为例，美国的“数据质量运动”(Data Quality Campaign，DQC)将教师数据素养定义为从政府、社区、学校、班级和其他途径和环境中，长期、合法地获取、解释、运用和传播数据，以符合自身角色和职责的形式来呈现和运用数据，并将其应用于提升学生学习成果的专业技能或综合能力17。这种定义较好展示了数据素养评价与个体所在环境之间的关系，可以借鉴到对于特殊对象的数据素养评价中。此后，DQC在其名为Roadmap for educator licensure policy addressing data literacy：key focus areas to ensure quality[18]的报告中明确了教师必须具备的10种数据素养能力，为教育部门评价教师的数据素养提供了理论依据。D.Light等人提出的数据驱动决策模型(Data Driven Decision Model，D3M)较好地诠释了教师教学过程中的数据行为，包括收集数据、组织数据、总结概括、分析数据、数据整合与转化、辅助决策，较为全面地涵盖了教师运用数据的各个过程[19]，但该模型对于个体的数据意识和数据伦理的关注不足。2011年，美国教育部进一步规范了对于教师数据素养的要求，即收集数据的能力(整理、筛选)、理解数据能力、解读数据能力、将数据用于教学决策的能力、从数据中发现问题的能力、数据意识[20]。这一描述展现了数据素养对于教师的数据操作能力的较高要求，但对于数据批判意识与批判能力的关注相对不足。S.Z.Athanases等重点关注了教师数据素养中的反思能力，他们将教师数据素养与教学过程紧密结合，认为除一般的数据操作能力外，教师数据素养还应当包含正确阐释教学问题、围绕问题收集和整理数据、运用适当的分析工具分析转化和呈现数据以便得出结论的能力[10]。