图书馆数据素养教育服务模式设计
——以中国科学院大学为例

胡 卉（中国科学院文献情报中心）

1 引言

继实验科学、理论科学、计算科学之后，科学已经进入数据驱动的第四科研范式。［1］其突出特点是科研流程建立在数据基础之上，给研究人员的数据获取、分析、管理与共享能力以及数据伦理提出了更高的要求，［2］研究人员的数据素养亟需提升。

1.1 科研数据管理与共享的政策和要求

良好的科研数据管理实践具有支持开放科学和开放学术交流体系的重要作用，［3］如果管理得当并以规范形式共享，这些数字资源将有助于研究人员提出新问题、开展新计划、验证替代假说、创新研究方法以及部署跨地域和跨学科界限的研究合作。基于此，国家政府与国际组织、科研资助机构、科研教育机构、信息服务机构、期刊出版商、数据知识库等纷纷发布数据管理与共享政策，用以规范和指导研究人员的数据管理行为。［4］

1.2 科研实践中的数据素养需求

科学技术的飞速发展给科研环境带来变革。研究人员利用便捷的网络和先进的技术发掘新的研究问题，扫除研究障碍，获得新的研究成果，但也面临着海量的数据处理、大规模信息分析以及各类工具的操作管理等挑战。［5］尤其是作为科研成果重要论证的科研数据，对其进行规范管理和长期保存是科研成果完整性、可信度和可验证性的重要保证。那么科研一线研究人员的数据管理现状如何？具有哪些数据需求？目前，这些问题已得到业界机构和学者的广泛关注。在国外，普渡大学图书馆［6］、康奈尔大学图书馆［7］、俄勒冈大学图书馆［8］、明尼苏达大学图书馆［9］等调研了相应机构研究人员的数据素养现状和需求，并设计数据素养课程和开展数据管理培训。国内学者中，郝媛玲等［10］利用调查问卷，从数据态度、数据意识、数据知识、数据技能、对数据服务的需求五方面调研了上海地区高校教师的数据素养现状，发现高校教师的数据态度和数据意识整体上呈积极乐观趋势，但数据知识和数据技能欠缺，同时文理科教师均对数据服务具有强烈需求，但需求存在差异；黄如花等［11］以MOOC课程学员为调查对象，从数据基本意识、数据获取、数据管理、数据分析、数据存储与安全、数据伦理六个维度调查其数据素养，调查结果显示目前学生数据素养欠缺、数据素养开课率较低，但学生对数据素养课程有明显的需求，开设数据素养相关课程十分必要；曲德强等［12］从数据意识、数据技能与数据伦理三个维度调查分析了上海理工大学本科生与硕士研究生的数据素养特点，认为应重视数据通识教育、加强数据技能培养与建立素养评价体系；隆茜［13］调研了高校不同群体（大学教师、博士生、硕士生、本科生）的数据素养能力现状，发现不同群体在数据素养能力上具有显著性差异。上述研究结果均表明，研究人员具有数据素养需求，且不同研究群体的需求存在差异。

1.3 数据素养教育是未来图书馆支持和服务科研用户的发展方向

图书馆是信息素养教育的主要阵地，而数据素养作为信息素养的重要组成部分，开展数据管理培训和数据素养教育是未来图书馆支持和服务科研用户的发展方向。同时，图书馆作为海量资源的集散地和学术信息的交流平台，以及在服务科研一线的过程中积累了丰富的数据管理经验，成为了提供数据管理服务和开展数据素养教育的不二人选，搭建起研究人员与科研数据之间的桥梁。

在此背景下，培养研究人员的数据意识和数据管理技能已成为适应变化的科研环境和满足研究人员迫切数据素养需求的必由之路。数据素养作为一个新兴研究领域，在理论研究层面已获得业界学者的广泛关注并取得一定的研究成果，研究内容不断深化和扩展；在实践层面，各方利益相关机构正积极探索数据素养教育，积累了丰富的实践经验。基于此，本研究调研中国科学院大学（以下简称“中科院大学”）研究生数据素养现状，结合图书馆开展数据管理服务和提供数据素养教育的目标与实践，设计面向中科院大学研究生的数据素养教育体系，制定具体可操作的数据素养教育实施策略和服务模式，为图书馆开展数据管理素养教育服务提出建议和方案。

2 中国科学院研究生数据素养现状与需求分析

研究生是未来科研事业的参与者，在知识学习和专业实践的早期阶段培养其数据管理技能和数据素养能力，有利于他们更好地适应学习生活和投身科研实践。因此，本研究选取中科院大学研究生作为调查对象，设计了《中国科学院大学研究生数据素养现状与需求调研》问卷，对其数据素养现状和对数据素养教育的需求展开调查。结果显示，研究生100%认为接受数据素养教育和培训重要或非常重要，对数据素养教育具有强烈需求。具体特点表现为：研究生能够较好地认识到科研数据管理的重要性，并具有强烈的数据素养教育需求；科研数据管理知识基础薄弱；科研数据管理专业技能欠缺；具有良好的数据伦理与道德意识，但仍需规范和引导。

3 中国科学院研究生数据素养教育服务模式设计

3.1 数据素养教育服务模式框架

在文献调研、案例研究以及需求调研的基础上，本研究构建了数据素养教育服务模式框架，包含教育受众、教师队伍、教育目标、教育内容、教学途径、教育评估六个要素（见图1）。

图1 数据素养教育服务模式框架

（1）教育受众。数据素养教育主要面向中科院大学一年级研究生，分学科领域实施数据素养课程教学。同时，中科院大学的教职员工、研究人员，以及对数据素养感兴趣或希望提升数据素养技能的其他人员也可以参与培训学习。

（2）教师队伍。数据素养教育工作专业系统性强、涉及面广、持续时间长，因此，要求承担数据素养教学工作的图书馆员具备较高的科研数据管理专业知识和技能水平，具有相应领域背景或学科专业知识，能够根据科研数据的学科差异性和需求特殊性科学地设计数据素养课程，在课程设计和教学实施过程中，加强与院所专业教师、一线研究人员等学科领域专家之间的沟通合作。同时，承担数据素养教育和科研数据管理服务的图书馆员还应不断提升自己的业务能力，将数据素养教育工作同图书馆业已开展的信息素养教育服务有机结合，将科研管理机构、科研资助机构、出版研究机构和行业组织等在科研数据方面的诉求纳入数据素养教育内容体系，切实帮助科研用户应对新型科研工作范式下的数据管理挑战，提高科研工作效率。

（3）教育目标。开展数据素养教育和培训的主要目标是培养和提升中科院大学研究生的数据管理意识和数据素养技能。具体包括以下4个方面：① 认识到数据密集型科研环境下数据的重要性和数据管理的必要性，树立正确的数据意识，遵守科研数据涉及的权益与伦理道德规范；② 掌握所在学科领域围绕科研数据生命周期的数据发现、数据收集、数据处理、数据保存、数据发表等数据管理技能；③ 遵循新型科研工作范式下的数据管理和共享要求，能够规范科研数据管理行为，满足科研资助机构、科研管理机构、期刊出版商、行业组织等所提出的数据管理要求；④ 提高利用科研数据创新的能力和自身进行科研数据管理的能力，培养支持开展多尺度科研协作和新型交叉领域研究的数据素养。

（4）教育评估。教育评估是课程教学的重要环节，包括对教学课程的评估和对学生学习效果的评估。对数据素养课程的评估包括三个阶段：① 在课程开始前，需要对学生的知识积累和技能水平进行预测试和检验，确保课程内容符合学生需求，学习难度与学生能力相匹配，并允许对学生提供针对性的帮助；② 课程结束时，学生对课程进行评估和反馈，收集学生对课程的意见和建议，以调整和完善课程内容；［14］③ 在课程结束后的一段时间内，对学生进行跟踪调查和回访，了解课程学习对学生科研实践的作用和长期影响，以便未来课程的调整和优化。评估学生学习效果有多种方式，包括学生跟随课程进度完成相应的实习课题、完成小组课题任务并在课堂交流展示、参加期末考核等。

3.2 数据素养教育内容体系

数据素养教育内容包括基础学习、进阶学习和提升学习3个层次（见图2），涵盖数据意识、数据知识、数据能力、数据伦理与道德各方面，具体内容围绕科研数据生命周期展开，包括7个模块：数据管理概述、制定数据管理计划、数据收集与记录、数据处理与分析、数据管理与保存、数据发表与共享、数据权益与伦理，详细的数据素养教育内容大纲见下表。

表 数据素养教育内容大纲

（1）基础学习层。基础学习，是指学习科研数据管理的基本知识和相关技能。这部分是通识的、适用所有学科的，即所有的研究生都应该了解和学习的内容，包括数据管理概述和数据管理计划两个模块。

（2）进阶学习层。进阶学习阶段，是指在基础学习的基础上，学习更多面向学科、面向专业领域的数据管理知识和技能。同时，进阶学习围绕数据生命周期展开，主要包括数据收集与记录、数据处理与分析、数据管理与保存等阶段所需的数据素养技能。

图2 数据素养教育内容体系

（3）提升学习层。随着科研数据集的价值被学术界广泛认可，科研数据也如传统学术文献一般通过发表和引用成为学术交流传播的重要途径。因此，在开展数据素养教育时，鼓励并帮助研究生在未来学习和研究工作中发表和共享数据，了解并遵循数据伦理和道德规范，是学生数据素养提升的重要构成。提升学习层包括两个模块，即数据发表和共享、数据权益与伦理。

同时，由于科研数据具有学科特性，在设计某一学科的数据素养课程时需要根据学科特点调整课程内容，调查该领域科研用户的数据素养现状与需求，以符合该领域的学科特性和数据管理要求。

3.3 数据素养教育适用场景

以中科院大学研究生的数据素养现状和需求为基础，结合教育目标、教育对象、教育内容、教育方式以及教育评估，本研究设定了三种数据素养教育的适用场景，包括系统课程场景、专题培训场景和自主学习场景（见图3）。

图3 数据素养教育适用场景

（1）系统课程场景。系统课程场景主要是指根据学院课程设置，以选修课、必修课形式为主的数据素养教学课程，具有“系统全面、定式授课”的特点。作为一种传统且正式的教学形式，系统课程场景结构严谨且内容全面，包含数据意识、数据知识、数据技能和数据伦理道德等多方面。由于课程内容的系统性和课程时间的连续性，因而系统课程场景中的教学对象、授课时间、学习地点等具有定式，老师和学生通过课堂教学环境学习数据素养知识和技能，开展面对面交流和讨论，并取得良好的互动效果。

（2）专题培训场景。专题培训场景是指围绕某一特定主题定期或不定期举办的讲座或专题培训，具有“聚焦专题，应用广泛”的特点。“聚焦专题”即围绕研究所或专业群体的学科特点，截取数据素养教育体系中相应的内容，开展专题培训，重点突出，具有较强的灵活性和针对性。

（3）自主学习场景。自主学习场景是指学生通过在线课程、信息订阅、自媒体等方式自主性地学习数据管理知识，其特点是“按需学习，自主灵活”。当学生在科研实践中面临数据管理问题时，可以预约讲座咨询，也可以通过中科院大学的“空中课堂”平台进行学习，或通过订阅微信公众号等自媒体方式学习和交流数据管理的知识和技能。在这种模式下，学生具有完全的自主性，不受时间、地域和人数的限制，与系统课程场景和专题培训场景相比，可以在更广泛的范围内灵活地学习数据素养知识，是提升中科院大学研究生数据素养知识和技能的重要方式之一。

4 图书馆开展数据素养教育的建议

图书馆是开展数据素养教育和提供科研数据管理培训的主要阵地，综合国内外图书馆数据素养教育实践经验以及国内研究生数据素养现状与需求，本研究为图书馆开展数据素养教育服务提出以下建议。

4.1 开展学科化数据素养教育

数据素养是研究人员必备的基本素养，但是在具体处理和分析不同学科的数据时所需的知识和技能差异较大。因此，在开设数据素养课程时要以学科数据的特性和要求为基础，提供学科化的数据管理培训服务。以面向生命科学的数据管理课程为例：在数据管理概述课程模块，应着重介绍生命科学领域科研数据的性质与特点；在数据处理与分析课程模块，应关注应用于生命科学领域数据处理和分析的工具、软件及方法；在数据管理和保存课程模块，重点介绍生命科学领域的数据管理平台、数据仓储和数据中心，以及相应的数据存储和检索方法。

4.2 策划有针对性的数据素养教育服务

数据素养教育的目标是帮助研究人员解决研究过程中复杂的数据管理问题，培养良好的数据管理意识和技能。因此，数据素养教育应以问题和需求为导向。在开展数据素养课程和提供数据管理培训时，应充分考察教学或服务对象的具体需求，即调查服务对象对课程内容、服务方式、授课时间等方面的倾向和偏好，有重点地设计教学内容、选择教学方式，提供有针对性的数据管理培训。

4.3 打造优秀数据素养教育团队

开展数据素养教育是一个跨学科、综合性的重要任务，需要建立一支优秀的数据素养教育团队来提供师资保障。图书馆有开展信息素养教育、学科咨询服务以及探索科研数据管理服务的经验，优秀的专家队伍、强大的资源优势、丰富的教育经验为图书馆开展数据素养教育奠定了基础。同时，图书馆在设计课程体系、开展教学评估等环节应加强与各学科领域专家的交流合作，嵌入科研过程，共同探索数据素养教育最佳实践。此外，还可以邀请国际数据素养教育专家开展培训指导，借鉴国际图书馆界已开展的数据素养教育成果资源，与国际数据素养教育实践接轨。

4.4 建设数据素养联合教育机制

面向新型科研工作范式需求，培养研究人员的数据意识与数据管理技能是图书馆的新职责，也是图书馆深化和拓展服务的重要内容。然而，探索数据素养教育实践不能仅凭图书馆一己之力，需与科研资助机构、图情领域学/协会、数据管理专业机构、图情信息学院等通力协作，建设数据素养联合教育机制。科研资助机构为数据素养教育研究提供支持和保障，学/协会组织指导和引领数据素养教育事业的发展，数据管理专业机构致力于数据素养教育的拓展和延伸，图情信息学院为数据素养教育和数据管理服务提供人才保障，图书馆则面向一线科研工作者成为数据素养教育实施的主要阵地，数据素养教育的各方参与主体共同致力于数据素养教育事业的发展。