科技智库视域下数据素养核心要素、驱动作用及赋能提升研究

发布时间:2022年01月24日 湖北新型智库平台 作者:钱莉萍

0 引言


科技智库视域下的数据素养核心要素是针对科技情报机构研究人员(以下称科情人员),目的是创新机制管理,提升数据素养能力水平,提高科技智库的深度和高度,推动科技智库向正确、精准方向发展。国内近年来对智库建设非常重视,2013年中共中央首次明确提出建设中国特色新型智库,建立健全决策咨询制度,2015年从战略的高度确立了建设中国特色新型智库的总体目标,2017年党的十九大报告中将中国特色新型智库建设上升为国家发展战略。情报学术界学者们鉴于情报研究与智库研究在功能定位契合、服务对象相同、工作流程相近的共识下,在2017年“情报学与情报工作发展论坛”上,建议将智库研究纳入大情报学的学科体系,将情报研究机构拓展为科技智库研究机构的新型主体。

科技智库以科技战略研究和科技公共政策为导向定位,从科学技术发展规律角度开展科学评估和预测预判,前瞻性思考科技发展趋势并提出建设性建议,在国家和区域科技战略、规划、布局和政策等方面发挥关键作用。智慧化是人的高级创造思维能力与新技术交互融合的新阶段,科技智库全域化智慧发展就是物联网、云计算、智慧终端等创新科技与研究人员数据素养能力相融合,是数据与科技决策的优化联接,是科技智库发展的最高水平,可见数据素养核心能力对科技智库全域化智慧发展有着重要的支撑作用。赋能是近年来兴起的一种应用互联网扁平化特点,构建完善、可持续化发展的内部生态管理机制,以促进个体独立发展与体系形成整体作用力为目的。运用赋能机制可以激发内在动能,挖掘个体智慧以提升数据素养核心能力,从而推动科技智库创新发展走向新高度。


1 科技智库视域下的数据素养


1.1 数据素养现有研究进展

数据素养(Data Literacy)研究最早起源于国外,Shields M.于2004年发表了第一篇数据素养相关的文献,现有研究主要围绕数据素养的概念与内涵、表现维度等视角展开,尚未形成权威统一的概念描述,基本共识认为是信息素养的延伸。文献调查发现早期研究集中在数据意识上,后逐步扩展到数据能力和数据应用等更多层面(见表1)。

表1.png

表1续.png

数据素养的表现维度是对数据素养概念与内涵的具体阐述,相关研究表明国内外学者对数据素养表现维度的划分大体上是一致的,但针对不同的研究对象与应用领域又存在着些许差异(见表2)。

针对主体和客体双向的数据素养评价、提升等探讨性研究,包括图书馆馆员数据素养教育实践研究、数据素养的内涵及构成、数据素养现状与提升策略研究以及数据素养技能评价等。

表2.png

数据素养直接理解就是数据驾驭能力,是对数据的敏感、读取、处理、组建、理解和阐释,是将数据包含的信息提取出来的一种能力。现有研究对于科情人员特定群体未有明确的数据素养内涵界定,面向科技智库的数据素养表现维度、评价、提升机制等也未有提及。本文从科技智库视角出发,通过分析数据素养核心构成要素内涵以及数据形式和演变进程等,研究并提出数据素养六大核心要素以及赋能机制提升数据素养核心能力、促进科技智库发展的联动传递体系,期望拓宽数据素养的研究对象,丰富数据素养理论体系,多角度推动科技智库高水平发展。

1.2 科技智库视域下的数据素养核心要素

在数据密集型科研环境下强调数据运用与操作能力,要求科情人员具备敏锐的数据意识,在遵循数据伦理与道德基础上研究问题,对数据进行采集识别、加工处理、分析解释、利用与预测等,强调挖掘数据背后蕴藏的潜在价值,实现科技智库的前瞻思维目标。科技智库研究各阶段数据能力需求不尽相同,数据的发现与获取需要敏锐的感触能力,数据处理需要掌握先进的处理工具与应用能力,数据的解读需要专业的分析与判读能力,审视科技智库研究的精准性需要情境式再阅读能力,科技智库最终的目标价值需要前瞻性预判能力。基于科技智库的数据视角和现有数据素养研究,本文认为面向科技智库视域下科情人员的数据素养构成主要包含数据伦理与道德、数据觉知与洞悉力、数据辨析与捕获力、数据挖掘与分析力、数据呈现与阅读力、数据解析与预判力等6大要素(见表3)。

表3.png

1)数据伦理与道德。数据伦理与道德是科情人员的基本数据素养。由于数据来源兼具多样性和开放性,重视数据伦理与道德,确保数据安全,保护数据知识产权应成为思维底线,并贯穿科技情报研究全程。在数据基础层,科情人员应充分了解与数据相关的法律法规和伦理道德,并遵守、确保数据使用合法、真实可靠,避免出现错误表达数据、数据造假等不良现象;在核心处理层,挖掘、处理、分析数据时要尊重知识产权,规范地引用他人数据,在智库研究报告中标明数据出处;在智慧应用层,重组与解读则是尊重数据来源出处,数据的情境化再阅读是智慧应用、精准预判的保障。

2)数据觉知与洞悉力。数据觉知与洞悉力的强弱决定着科技智库产品的精准度和深度。在科研数据丰富且密集的环境下,觉知与洞悉数据信息含义是科情人员首要的基础素养,即是一种数据意识也是科研意识,包括敏锐的感受力、持久的追踪力、价值的洞察力以及判断力。数据意识的强弱决定是否能感知数据的存在、有效处理和利用数据,是否能从数据池中挖掘有用的信息和高效传播与分享数据,直接影响科研数据管理的过程和效果。数据觉知与洞悉力具体表现为科情人员在面对特定问题时善于从大量纷繁无序的信息中发现有价值的数据信息,保持敏锐的数据感知力、洞察力和知悉力,是认知数据过程中基本的数据思维方式,是面向科技智库时的精准把握需求能力,是面对数据海洋精确的信息定位能力,是善于将需求解析成明晰的数据洞察能力。 

3)数据辨析与捕获力。数据辨析与捕获力是科情人员收集、检索和发现数据的一种能力。以科技智库问题为导向,从合法的数据来源渠道识别、获取研究的有效数据。具体表现为个体的数据检索和发现能力以及思维方式,用恰当的检索技术和技巧获得大量、深度的感知数据,辨别出有效特征数据,屏蔽无效数据的能力。了解数据的不同来源和不同获取方法也是辨析与捕获的能力表现,既从官方途径获取各类公开数据,也能以合法合规的方式获取非公开资源中有价值的数据,通过熟练的数据库检索方法和技巧,合理使用数据检索工具和数据线索,精准识别关联数据等。数据注意力随数据流波动,在高低不定的数据海洋中呈现价值所在,合理配置、精准识别目标数据才是优化数据质量、提升数据价值的方向。

4)数据挖掘与分析力。数据挖掘与分析力是围绕研究问题应用针对性的分析方法和工具,对捕获数据进行分析、挖掘和重组的能力。通过合法的手段进行收集与处理的数据中包含大量非结构化文本数据,要求高效、友好的数据接入界面与兼容性强的数据导出接口设计能力以及精准、简约的数据编码能力等,辅以运用各类数据分析工具处理得到定向和定量数据,表达出分析数据对未来、潜在、来源信息的关联显示能力。对数据进行分析和挖掘是研究的关键步骤之一,包括: ①建立数据分析方案。采集数据根据不同问题设计与之相适应的数据分析方案,指导后续数据处理、挖掘等工作的开展。②数据处理。数据进行格式转换、科学整理和清洗,识别出异常数据。③数据挖掘。运用数据分析工具和统计分析、科学计量分析、多维尺度分析、社会网络分析等分析方法进行深度挖掘,揭示数据背后隐藏的价值信息。④数据重组。借助可视化工具将数据分析结果通过各类图表、图形予以直观的展示,揭示数据在不同维度、不同层次的属性以及数据之间的关联。

5)数据呈现与阅读力。数据呈现与阅读力是指对数据分析结果进行阐释和批判性思考,进行多层次、多视角的情境式再阅读。在各类数据图表、图形所呈现的数据分析结果的基础上,需要基于特定的科技智库问题进行深层次解读;对数据分析结果持有辨析思维和价值评判,合理质疑确保数据分析结果的准确性。科技智库研究面对新型数据关系是杂乱且巨量的,代表性数据或不精确或没有明显因果关系,需要重视规律总结与价值提炼,通过大数据监测、相关性测度、全场景分析等梳理数据间的复杂关系,充分展示各自的表达含义都能被阅读出来,进而从科技智库研究的认知主体价值出发,对数据分析的直接结论进行内涵阐释、意义构建、可视化包装与推送,情境式的再阅读有助于智库研究中数据的来源验证和目标揭示。

6)数据解析与预判力。数据解析与预判力是科情人员对数据发展趋势的解读、判断和预测能力,是将显性知识和隐性知识相融合的能力。数据的重组结构和呈现方式不同,阅读出来的数据代表的意涵不同,不同情境与不同时间段,数据表达也不尽相同。因此,对重组后的数据进行不同维度的解析,应该让数据表达的信息更加符合科技智库产品的初始需求、现有环境与未来发展,客观的数据价值评判和有效合理应用对科技智库研究具有重要意义。根据拟合的数据发展态势,融入特定的问题情境,结合已搜集到的科技信息和自身已有的知识储备,对科技智库主题未来发展态势做出专业的研判。数据解析与预判力的精确把控将是科技智库水平精确度的重要支撑,对科技智库发展的重要指标——预判性的前瞻思维至关重要。

1.3 核心要素与数据变化的泛结构体系

科技智库是信息数据随科情人员数据素养核心能力不断推进,逐步形成的智慧表达结果。关注数据变化发现,从数据来源看是基础数据逐渐演变成为智慧应用数据;从数据表现形式看是通过规范处理成为可阅读、可描述的信息表达,由海量监测数据逐步显示为具有特征要素数据,最后形成描述数据。科技智库产品研究过程中,随着数据素养核心要素作用力的推进,数据层级不断演变提升,数据形式也呈现不同特征,可以用包括3个层级、6个要素、4个变化组成的泛结构来表示(见图1)。

图1.png

3个层级以基础数据为支撑,经过处理工具形成有效核心数据,不断向价值数据的智慧化应用递进,呈现一种多维立体、多元适用性的价值数据演绎发展进程。6个要素是数据素养核心要素依照科技智库研究规律层层推进,通过阶段性能力推进智库产品形成,其中数据伦理与道德是贯彻全程的。4个变化表现在研究过程中,随着数据价值的不断体现,数据特征的变化遵循“大数据监测—特征数据发现—规范数据处理—描述数据”的大小数据转化路径,在监测大数据中捕捉特征小数据,最后得出描述小数据回到大数据情境式阅读判断。从泛体系结构中可以看出科技智库需要运用个体数据能力去发现、解决问题。因此,科情人员的数据素养综合能力非常有必要。


2 核心要素对科技智库发展的驱动作用


科技智库是不以学术研究为目标,但以服务于政府决策为方向提供政策思想、方案和建议等智力产品。作为致力于科研数据和决策咨询的专业型智库,以数据为导向的时代下,科技智库需求的数据素养能力直接表现为个体对数据的内涵提取、分析、解读,准确揭示数据的隐性信息,正确表达显性的科技决策、前瞻思维等。面对科技智库全域阶段数据演绎智慧发展,数据素养核心要素能力发挥了至关重要的赋能增效作用,对智库研究全程有着重要的支撑与驱动效应。

2.1 数据伦理与道德有利于保障科技智库研究的开展

数据伦理与道德是科情人员数据素养的底线保障,更是行为准则,始终贯穿整个研究生命周期,影响着数据素养中的每一个要素,确保数据行为遵循正确的方向,面向智库的情报研究从需求挖掘到智库产品的产出全流程都与数据行为密切相关,数据伦理与道德能够保证科情人员在研究各个环节都合法合理地使用数据,从而保障面向科技智库研究顺利开展。

2.2 数据觉知与洞悉力有利于智库研究需求的挖掘

科技情报分析关键在于对科技智库研究需求的准确挖掘和刻画。传统的情报研究需求确定大多源于政府部门的定题或科情人员依据个人经验对社会热点问题的把控。然而,当前社会环境瞬息万变,信息呈指数级增长,确定情报需求是科技智库研究面临的重要挑战,这就需要科情人员具备强烈的信息感知力,有发现问题的意识。而数据觉知与洞悉力能够帮助科情人员从大量纷繁无序的信息中发现有价值的数据信息,从而挖掘出数据背后隐藏的值得研究的情报问题,及时做出响应。

2.3 数据辨析与捕获力有利于提升智库信息采集能力

信息采集是科技智库研究活动得以开展的基础。大数据时代,数据成为信息中最重要的一类,但数据的体量之大、类别之多,要求科情人员具备一定的数据检索和发现能力,而数据辨析与捕获力能够对此提供强有力的支撑。数据捕获力不仅能提升科情人员使用技术与工具进行数据检索与抓取的能力,还能提升科情人员的数据辨识能力,有意识地从各类公开或非公开数据源中甄别出与所研究智库情报问题相关的数据。

2.4 数据挖掘与分析力有利于加强智库分析能力

数据挖掘也是知识再发现,不断发现数据之间、数据变量之间的关联,其结果实质上也是机器学习与人工智能分析的基础资源。数据挖掘就是面对各种多源异构数据提取超集合的信息数据,发现数据表象以外的内在关联及存在模式等的技术、手段和过程,具体包括分类、聚类、关联规则、数据类型(Text, Web ,图形图像,视频,音频等)、预测等。而数据分析则是对挖掘的数据进行统计和归类分析,是为了得到更全、更有特性的数据,可以最大化地表达出数据信息,其目的是把隐藏在数据背后的信息集中和提炼出来,总结出所研究对象的内在规律。数据分析包括描述性数据分析、探索性数据分析、验证性数据分析。

科技智库研究要提高数据分析能力,需要加强数据挖掘与分析方法、技术等技能学习。注重各类不同数据间的关联分析、因果分析等是研究的能力水平所在,为智库提供多视角的数据分析结论可以提高产品的合理性。

2.5 数据呈现与阅读力有利于提高智库判读能力

科技智库研究的最终目的是产出准确、可靠、及时的智库产品,而将数据挖掘得到的数据转化为信息表达,形成有效的智库产品离不开对数据分析结果的阅读。数据分析结果作为智库研究结果的重要支撑组成,数据解析力直接影响着数据内涵的解读质量。数据分析结果的呈现方式与环境直接影响阅读结果。因此,对分析得到的数据进行情境化再阅读,能够帮助科情人员洞察和发现数据分析结果是否符合智库原问题的解读,对数据源再验证可以揭示数据内涵是否符合思维规律,从而确保数据分析的精准性和提升数据判读能力。

2.6 数据解析与预判力体现智库的前瞻水平

科技智库是从传统科技情报研究的实证型向演绎型转变,经过数据解读与分析后,提出的前瞻性观点为政府决策提供参考性论点和建议是科技智库的重要任务。前瞻性观点的提出需要科情人员基于特定的科技智库问题,结合专家智慧对搜集到的情报数据进行场景式解读与批判性分析,并对未来的发展做出预测。数据解析与预判力是科情人员对发展态势做出专业研判的能力体现,为科技智库最具价值的属性——前瞻性提供重要的数据支撑。


3 赋能机制提升数据素养核心要素


赋能管理模式是在赋权管理中个体寻求价值主张与组织主体契合时产生的,其核心是个体与组织价值目标融合,决策权力的“去中心化”。赋能更关注个体隐性知识,凸显个体智慧价值,在主体智慧创造产品过程中激发个体潜能。赋能提升机制就是注重个体智慧的发挥并强调个体与组织智慧共同发展,建设“以人为核心”的组织制度、文化等机制,通过创新数字技术对个体进行专业技能和技术能力的提升,以赋能机制管理解决研究发展中人员能力问题。在提升个体数据素养的同时推动研究数据从隐性转变为显性,从海量多源异构的数据中发现并进行数据的管理、分析、应用。

作为现代管理新模式,已经有学者开始关注知识服务领域赋能带来的变化和发展,但科技智库研究领域的应用研究并未多见。通过对数据素养核心要素能力的剖析,本文认为科情人员赋能提升机制应是基于数据伦理与道德,具体策略包括心理赋能、目标赋能、文化赋能、技术赋能和绩效赋能等5个方面。

3.1 心理赋能——增强自主意识洞悉数据价值

心理赋能是自我激励机制下科情人员对自身的一种心理赋能,强调自我觉醒对科技智库发展的认同感。科技情报机构转向科技智库发展的过程中,科情人员已形成相对固定的研究思维、研究范式以及研究能力,需要个体抛弃主观怠惰性,走出原有研究思维。只有清晰认识到在数据密集型科研环境下,数据对科技智库所具有的颠覆性意义,心理层面随即产生追求个体能力提升的需要,才会产生一股强大的内在驱动力,促使其主动学习掌握数据能力,才能洞悉数据的存在价值和增强捕捉数据的意识。

3.2 目标赋能——融合目标导向建立同向思维

目标赋能是将组织目标与个体目标相融合形成共同的目标,促成组织与个体间平等互助合作关系。科技情报机构的组织目标是发布能够为政府部门提供决策参考的高质量的、发挥作用的科技智库研究报告。通过引入目标融合机制对个体进行目标赋能,使二者达成目标共识——撰写高质量的智库研究报告,为政府部门决策提供支持服务,成为新时代有影响力的智库。个体在组织目标的同向发展下寻求个体能力发展和价值利益,在智库研究中以组织目标高度引导对数据的分析与解读,在目标融合的基础上,个体与组织成为利益相关者,是目标达成的共同受益者。

3.3 文化赋能——培养文化认同正确解析数据

文化赋能是通过营造正确的文化氛围,从思想、目标、行动的层面上正确引导和传递世界观、人生观、价值观,发挥个人与集体的智慧达成共同发展的生态文化目标。文化赋能建设有利于科研人员的认知意识形态不偏离方向,有利于在智库问题的理解上个体认知与组织保持思想统一。科技情报机构通过建立文化渲染机制,特别是加强数据文化建设与熏陶,用文化认同、价值认同提升其对数据的阅读与解析的思想高度。文化赋能是一项持久性的浸润性工作,面向科技智库研究的数据文化建设更需要在组织顶层设计中融入数据素养的正确意识形态、价值理念,在组织内部营造浓厚、正确的数据文化氛围,通过组织内部网站推送等形式,宣传数据的重要性,鼓励在注重数据的伦理与道德下使用、处理、分析、解读,努力构建一个覆盖数据学习、研究和决策支持的正确数据生态环境,全面掌控科技智库研究高度和正确方向。

3.4 技术赋能——提升数据处理能力精准数据表达

技术赋能是科技智库发展的驱动力,主要表现为组织为个体提供技能培训,是科技情报机构重视并鼓励科情人员参加的数据知识更新与技能增强机制,以充分调动个体学习能力及更新知识储备为目标。首先,科技情报机构需在全面了解组织内部人员数据素养整体水平的基础上,制定符合组织实际情况的数据素养技能培训计划。其次,邀请数据素养领域的专家分层次、分阶段地对人员进行知识更新和技能培训,提高数据操作能力。科技情报机构通过技术赋能,加强数据知识更新和技能培训,不断创新数据处理方式,帮助数据表达更加精准化,有利于数据素养能力全面提升。

3.5 绩效赋能——展示数据价值激发个体追求

科技智库研究成果取得的价值被认可是对科情人员的肯定,组织可通过建立多元化的绩效奖励机制,充分调动个体研究水平被认同的工作激情,不断鼓励自我数据素养综合能力提升的积极性。在市场经济条件下,物质奖励与精神激励都是不可或缺的。当科情人员提交的智库研究报告被政府部门采纳时,增加其收入是最直接、显著、有效的方式。采用以成果为激励导向建立绩效奖励机制,多元化的绩效奖励机制可以满足多样化的激励需求,激发个体对科技智库发展前景的追求,促使科情人员内生动力自主提升数据素养。


4 赋能提升数据素养,驱动科技智库发展的互动作用生态体系


为了更直观阐释赋能机制提升数据素养核心力,进而促进科技智库研究发展的互动作用与影响,本文引入了机械传动中的皮带传动作用机理,建立赋能机制—数据素养—科技智库的作用与影响体系(见图2),表达三者之间独立发展又整体合力的关系。

图2.png

整体来看,模型展示了机构—个体—产品三者的互动生态体系,通过对科技情报机构的组织主体和个体赋能,提升人员数据素养核心能力,进而推动科技智库研究的全流程发展。主动轮1代表赋能机制轮,作为主动轮发力赋能科情人员个体数据素养提升。从动轮2代表数据素养轮,在赋能轮的作用力驱动下,个体不断提升数据素养核心能力。从动轮3代表科技智库研究轮,面向智库全流程环节,素养核心能力不断增强赋能智库研究,推动科技智库研究向更高水平发展。传动原理反向作用力则是智库研究发展阶段中对科情人员的能力需求,个体核心素养提升过程中对机构和环境的支撑需求,反向需求下的调整与正向赋能的促进使整个生态体系发展良性化。现阶段探究赋能机制提升数据素养进而推动科技智库发展的互动生态作用是局部的、有限的,今后期望得到更多学者专家的探讨与研究,完善生态体系良性赋能推动力对数据素养的提升及科技智库发展的推进。


5 结束语


本文聚焦科技智库视域下运用赋能机制提升科情人员数据素养进而促进科技智库发展的联动体系研究,认为数据素养核心要素包括数据伦理与道德、数据觉知与洞悉力、数据辨析与捕获力、数据挖掘与分析力、数据呈现与阅读力、数据解析与预判力等6大能力,赋能提升机制有助于增强科情人员数据素养核心力,推动科技智库不断发展。研究从数据素养作用力与数据变化的泛体系结构示意科技智库产品生成中数据的不同阶段演绎,借助机械传动中的皮带传动模型,构建了科情人员数据素养及其赋能提升与驱动科技智库发展的双向驱动生态模型,阐释数据素养核心要素促进科技智库研究全流程发展受到赋能机制管理因素的影响,传动作用下影响力和作用力都是双向的。本文仅研究赋能机制提升数据素养、促进科技智库发展的正向赋能,而对模型的反向作用需求等需求与矫正力作用,还有待在后续的研究中深入探讨。


作者系福建省科学技术信息研究所高级工程师

责任编辑:胡梁
来源:《情报理论与实践》

关注微信公众号

关注今日头条号
  • 地址: 武汉市武昌区公正路9号湖北省电视大楼 邮编:430071
  • 联系电话:027-87329652 电子邮箱:JCYXX_TG@QQ.COM
  • 版权所有:湖北省广播电视局武汉决策信息研究开发中心
  • 鄂公网安备42010602003165号
  • 鄂ICP备14020307号-3

微信公众号