科学数据素养能力评价指标体系构建研究秦小燕初景利摘要：构建定性描述与定量评价相结合的科学数据素养能力指标体系，为开展全方位、有针对性的科学数据素养能力调查提供科学的评价标准和量化测评工具。基于文献调研与科学数据素养本土化特征研究，初步拟定指标体系;运用德尔菲方法，进行两轮专家咨询，通过评议各项指标的必要性和明确性确定各级指标内容;利用层次分析法通过计算专家评分从而确定指标权重。最终构建了由3个维度、18个一级指标、47个二级指标共同构成的“科学数据素养能力指标体系”，并为各维度和一级指标赋予权重值，从而保证了指标体系的科学性、通用性、前瞻性和可操作性。关键词：科学数据素养;能力;指标体系;德尔菲法;层次分析：G252.7：ADOI：10.11968/tsyqb.1003-6938.2020062ResearchontheConstructionoftheEvaluationIndexSystemofScientificDataLiteracyAbstractThescientificdataliteracycompetencyindexsystemcombiningqualitativedescriptionandquantitativeevaluationwereconstructedtoprovidescientificevaluationstandardsandquantitativeevaluationtoolsforconductingall-roundandtargetedscientificdataliteracysurvey.Basedontheliteratureresearchandthestudyonthelocalizationcharacteristicsofscientificdataliteracy，theindexsystemwasinitiallyconstructed，andDelphimethodwasusedtocarryouttworoundsofexpertconsultation，andthecontentofeachindexwasdeterminedbyevaluatingthenecessityandclarityofeachindex，thenAHPwasusedtodeterminetheindexweightbycalculatingtheexpertscore.Finally，thescientificdataliteracycompetencyindexsystemcomposedof3dimensions，18first-levelindexesand47second-levelindexeswereconstructed，andtheweightvaluesweregiventothedimensionsandfirst-levelindicators，soastoensurethescientificity，universality，foresightandoperabilityoftheindexsystem.Keywordsscientificdataliteracy;competency;indexsystem;Delphimethod;analytichierarchyprocess（AHP）1引言科学数据是知识发现与科技创新的重要基础。在数据密集型科研时代，对科学数据的管理和利用能力成为科研人员的必备素养，科学数据素养教育的重要性受到日益广泛的关注。科学数据素养能力指标体系，是科学数据素养能力评价的依据，是科学数据素养教育体系的重要组成部分，对于保证大数据时代人才培养的有效性和评估的科学性具有重要意义。关于数据素养所应该包含的核心能力，国内外不同领域的专家学者，都开展了一定的研究，然而，由于具体应用情境和研究角度的不同，其对数据素养的观点和看法也不尽相同。国外主要从数据管理的角度出发，探讨面向不同领域或群体的数据素养能力评价。J.Carlson等[1]在普渡大学、明尼苏达大学、康奈尔大学和俄勒岡大学图书馆共同开展的数据信息素养项目的基础上，为地理信息学科开展数据信息素养教育，通过对教师的访谈以及对学生学习成绩的评估，构建了由12项核心能力构成的“数据信息素养核心能力集”;弗吉尼亚理工大学图书馆成立了数据素养咨询组，开发了“数据素养技能模型”，包括8个能力维度的初级、中级、高级3个层次的核心技能，为学生、教师和科研人员提供科研和数据相关的制度框架[2];J.C.Prado和M.？魣.Marzal[3]构建了信息素养视域下的数据素养课程核心能力和内容体系，并将其转化为教学主题或单元，旨在促进图书馆以此作为基本参考框架、广泛开展数据素养教育;R.Schneider[4]构建了由8个维度和若干数据管理技能构成的“研究数据素养能力体系”。A.Grillenberger和ROMEIKE[5]围绕计算机科学专业教育，从理论上推导出数据素养的核心内容和过程领域，从而开发了由4个数据主题领域和4个相应的数据处理模块构成的数据素养能力模型;C.Ridsdale等[6]构建的数据素养能力矩阵，包含5大知识领域22个能力指标以及相应的技能要求。Databilities研究团队则从数据的获取、操作和应用3个方面，为15项数据能力划分了6个进阶层级，构建了“数据素养能力框架”[7]。我国学者近几年也从不同的角度探讨了...