高校图书馆数据素养教育与服务转型研究*

邓李君

（四川外国语大学图书馆 重庆 400031）

高校图书馆数据素养教育与服务转型研究*

邓李君

（四川外国语大学图书馆 重庆 400031）

数据素养教育是基于信息素养教育发展起来的高校图书馆新的教育职能，也是大数据环境下高校图书馆的重要服务发展方向之一。高校图书馆的数据素养教育对象主要包括学生、教师与研究人员、馆员等。高校图书馆的数据素养教育实践表现形式主要为课程教育与在线教育，讲座、专题讨论会，专题培训。高校图书馆基于数据素养教育可以采取以下策略进行服务转型：构建服务基础和创新服务内容、建设特色数据资源库、促成数据素养教育环境和推进数据素养教育社会化等。

高校图书馆 数据素养 大数据 教育职能 服务转型

1 引 言

受大数据环境的不断影响，越来越多的科研管理机构、决策分析机构和专业研究组织对科研数据有了愈加严格的要求，不管是从数据的采集、转换、分析、利用角度，还是从数据的重复利用、引证、数据伦理角度，对于研究者数据素养的要求都越来越高。科研基金管理机构和数据管理服务机构对于科研项目中相关数据内容的严格要求是数据素养教育发展的诱因之一，但用户本身信息行为的变化和对数据管理的要求仍旧是高校图书馆数据素养教育的内在驱动力，开展科学数据素养教育活动能够在一定程度上满足科研人员的数据管理需求，是拓展与深化高校图书馆服务功能的有效途径之一，也是高校图书馆积极融入学术交流与大数据环境的战略选择[1]。数据素养教育将成为高校图书馆教育职能的重要发展方向，并进一步带动图书馆的服务转型。

在数据管理领域，以美国为代表的西方国家一直走在世界前列。美国科研管理机构对于研究者数据素养的高要求始于其基金组织的“数据管理计划”，继而引发了以美国为首的西方高校图书馆界对于个体“数据素养”的重视，同时带动了国外高校图书馆对数据素养教育的不断探索。欧美发达国家已经将数据共享提到战略高度，美国在1991年颁布的《全球变化研究数据管理政策声明》（Data Management for Global Change Research Policy Statements）中将“完全与开放”的数据共享政策作为一项基本国策：联邦政府资助的科学数据必须在没有歧视的基础上以不超过复制和发行成本的费用被无限制地使用[2]。虽然我国也早于2001年开始启动科学数据共享工程，目前已在多个部门开展了科学数据共享并取得了成效，但在社会大环境和大众意识方面，数据素养教育仍是一项需要积极推广的工作。

2 高校图书馆数据素养教育对象

管理机构的政策变动是基于用户需求的数据素养教育的外在驱动力，而用户本身对于研究数据的管理需求和大数据环境对研究者数据素养的潜在需求则是用户数据素养教育的内在驱动力。对于不同层次的用户而言，高校图书馆数据素养教育需求也略有不同。

2.1 学 生

相比信息素养教育，数据素养教育更具专指性。信息素养教育的对象主要是各个年级的学生（本科生），在教育的目标和模式上都相对比较固定，对于不同年级的学生多采用固定的教学内容和模式，仅在不同的学科类别上（如医药、化工、材料科学等学科）出现一定的区别。而数据素养教育的对象主要是未来的研究人员和学者，在教育的目的上会着重于对于个体研究能力的培养。虽然两者的教育对象都主要是在校生，但后者更着重于整体素养的培养。所以美国大学与研究图书馆协会（Association of College and Research Libraries，简称ACRL）的学术交流和信息素养交叉工作组（Intersections of Scholarly Communication and Information Literacy Task Force）认为，数据素养对学生而言是对于潜在数据意识、处理、分析等方面能力的综合培养，从而满足其未来的数据分析、处理、转化方面的需求[3]。所以，对于不同层次的学生而言，数据素养教育的内容、层次、方式都比信息素养更加复杂。

2.2 教师与研究人员

在信息素养的教育范畴中，对于教师和研究人员的培养目标比较模糊，针对教师与研究人员的信息素养教育也主要以零散的讲座、培训为主。当前信息素养教育主要面向的是学生，而不是教师与研究人员。数据素养教育则不同，它对于教师和科研人员也有着特定的教育目标，主要表现在以提升其数据操作能力为基础，以提升其数据意识和培养其数据道德为主要目标，使受教者形成知识产权理念，在合法基础上合理地获得数据，并正确地表达数据来源[4]，以促进科研环境的合理化、数据化发展，保障科学研究工作的严谨性。

2.3 馆员（数据专家）

数据素养教育对于馆员的要求是特殊而严格的。它不仅要求馆员是数据素养教育的受益者，即通过数据素养教育提升个人素养，促进全面发展；更要求馆员是此教育内容和模式的推动者和实践者，即培养图书馆的数据专家[5]。馆员在信息素养教育中是主要的教育实践者，但有所不同的是，信息素养教育可以以理论教育为主，而数据素养教育在理论教育的基础上还需要提供大量的实践教育，以提升学生的数据素养。所以，对数据素养教育而言，其核心就是实践与示范、引导与提升，必须由馆员（数据专家）在不断的示范与引导中促进学员数据操作能力、数据意识、数据道德等方面的有效提升；除培养学员数据处理的一般能力外，还要求培养学员敏锐的数据感知能力和采集能力、价值评估与转化能力，以身为范丰富培养对象对于数据素养的全面认知。

2.4 其他人员

其他人员是指图书馆素养教育对象中除上述3类对象外的人员，主要包括社会各职业从业者、社区用户、网络用户等高校图书馆的社会化服务对象。当前，不管是早已开展社会化服务的西方国家，还是在逐步大力推广高校图书馆社会化服务的我国，通过社会化服务丰富社会用户的可用资源已经成为了高校图书馆的主要发展方向之一，社会化教育也成为了高校图书馆的一项重要职能。因此，高校图书馆应考虑将科研数据管理和数据素养教育纳入到全民素养教育中去，在基础教育、高等教育和社会教育中规划并推进数据素养教育，全面提高公民的数据意识，营造良好的数据文化环境[6]。但由于社会化服务的对象在学历层次、服务需求、学习需求等方面都有较大差异，要系统开展数据素养教育只能主要依靠在线教育，辅以在线咨询的模式来完成。另外，社会用户的数据素养教育需求还涵盖了从基础数据能力到数据意识、数据道德等不同层次的内容，培养的目标和方式的多样性将加大高校图书馆数据素养教育的难度，且随着社会化服务范围的不断扩大，对于高校图书馆的数据素养教育需求也将愈加广泛。

3 高校图书馆数据素养教育实践

高校图书馆数据素养教育的开展会受到国家政策导向、社会重视程度、教育机构参与程度等多个方面的影响。相对而言，西方国家对于数据素养教育的关注较早，在教育实践方面积累了一定的经验；而我国的数据素养教育则处于尝试阶段，尚无大量的高校和社会单位全面展开，但早期国内高校图书馆信息素养教育的相关经验都可以为数据素养教育提供借鉴。虽然数据素养教育的目标与信息素养教育存在差异，但两者提升读者基础素养的初衷是相同的，加之借鉴西方国家的部分教育实践经验，国内高校图书馆可在现有的数据素养教育内容和方式上进行整合和变革。具体而言，国内外高校数据素养教育实践大致表现为如下几种形式：

3.1 课程教育与在线教育

大数据时代，产生变化的并非仅仅是资源的数量与表现形式，还有用户的数据管理与服务需求、信息获取习惯和交流方式的变化，由此，基于课程的数据素养教育也呈现出了多样的教学形式。

3.1.1 课程教育

在课程教育方面，关于数据素养的系统教育课程还不多。在学位课程方面，由于数据素养属于个人素养的一部分，现有课程教育主要注重于数据操作技能的提升，导致学位课程所注重的往往是个体的数据操作能力和数据管理经验，即着重于“数据管理人才”的培养。当前，加州大学伯克利分校（University of California，Berkeley）、亚利桑那州立大学（Arizona State University）、本特利大学（Bentley University）、卡内基梅隆大学（Carnegie Mellon University）、哥伦比亚大学（Columbia University）、伊利诺伊理工大学（Illinois Institute of Technology）等高校在内的23所美国知名大学开展了“数据科学硕士”（Master's in Data Science）的培养，但它们所提供的教育更侧重的是职业技能培养且涵盖范围较小，仅能作为数据素养教育的一部分[7]。也有部分院校开展了以提升个体数据素养为目的的学分课程，为更多的学生提供了提升数据素养的机遇。例如，俄勒冈州立大学（Oregon State University）图书馆联合出版社共同开设了“数据管理教学”系列课程，旨在培养应用型的数据保存、获取、分析和处理人才，着重于基础的数据操作技能培养[8]；雪城大学（Syra cu se University）信息研究学院的Qin Jian教授开设的“科学数据管理”（Scientific Data Management）课程，由数据管理基础、数据管理与实践、数据利用与团队协作3个方面的内容组成，涵盖了数据素养教育的多个环节，具有较强的针对性[9]；另外，华盛顿大学（University of Washington）的“数据科学证书课程”（Certificate Course in Data Science）也是数据素养系统教育的有效补充，该课程提供线上线下同步学习模式，方便学生自学[10]。

3.1.2 在线教育（MOOC、网络公开课）

对传统教育模式产生了巨大冲击的网络公开课、MOOC是高等教育模式发生变革的主要代表，大量的非教育机构也开始涉足大众教育，包括技能教育、人文教育、素养教育等，由此则产生了部分数据素养教育的相关课程。当前，部分主流的MOOC平台都被纳入了数据素养类课程的教学，如微软亚洲研究院大数据系列讲座（Big Data Lecture Series）中就将数据处理作为重要内容之一，重点讲述了大数据环境下传统数据、同质数据、异质数据的可视化分析；由IBM、Meti Stream 和 Data Camp等共同打造的IBM大数据学院是旨在提升用户运用Hadoop、Spark的数据分析技能的大数据社区，目前共有各类基础数据处理、分析教育课程23门[11]；此外，Coursera中也有一些数据素养课程，如北卡罗莱纳大学教堂山分校和爱丁堡大学共同建设了Research Data Management and Sharing课程，旨在培养学习者的研究数据管理能力和分享意识[12]；卫斯理安大学开设的Data Analysis and Interpretation专项课程[13]，包括数据管理与可视化、数据分析工具、回归建模实践、使用机器学习进行数据分析、数据分析与解释毕业项目5门课程；也有如武汉大学黄如花教授基于信息素养所作的数据素养教学实践[14]。大量数据素养教育在线课程为高校图书馆的数据素养教育提供了研究素材，高校图书馆既可以整合在线课程用于开展本馆馆员和用户的数据素养教育，也可以发挥服务推介优势，促进数据素养教育的全面开展。

3.2 讲座、专题讨论会

由于高校图书馆数据素养的培养对象以教师、研究人员和未来的研究者（学生）为主，在一定程度上传统的课程教育并不能有效满足用户的个性化需求。所以，除了系统的课程教育外，讲座、专题讨论会就成为了必要的经验交流和教育渠道。当前，国内高校图书馆中，基于数据素养的系列讲座和专题讨论会都还不多，大多以“1小时讲座”或小范围的专题讨论会的形式来开展。国外高校图书馆在这些方面就做得更为全面。普渡大学图书馆从2013年开始开展数据信息素养专题研讨会（The Data Information Literacy Symposium）[15]，目的是探讨图书馆员在数据管理和内容管理教育方面的能力与作用，研究适合研究生和具有更高需求的学习者的数据素养教育策略，并创建适合学生和教师需求的教学项目，目前共有数据信息素养实践、研习和讨论、数据信息素养技能锻炼等6种参与方式。英国爱丁堡大学的“图书馆和数据咨询”项目（Data Library and consultancy）旨在帮助研究人员发现、使用、管理数据，助其进行分析、学习和教学，目前共有数据（分享）资源库、如何查找数据、研究数据管理培训等6个教育环节，并提供相关数据素养教育资源的下载[16]。明尼苏达大学图书馆的数据管理系列培训[17]分为3个部分：①研究开始前，用户需要先拟定数据管理计划（Data Management Plan, 简称DMP），然后通过参加图书馆的数据素养培训来熟悉并掌握相应的数据管理工具，进而在后续研究中制定相应的研究计划；②研究进行中，参加研讨会，运用图书馆提供的数据服务，在研究中学会利用更多的研究工具；③研究完成后，分享研究数据，自主管理研究数据，存储、共享数据。3个阶段对用户进行不同内容和类型的数据素养教育，同时也提供其他数据服务，包括数据管理工具导学、如何制定数据管理计划、数据归属与版权管理等内容，从各个角度为用户的数据素养教育提供便利。国内也有部分高校图书馆在进行数据素养培训，如北京大学图书馆开展的数据素养与统计数据资源系列讲座[18]，在结合学科服务的基础上，将数字素养（Digital Literacy）、媒介素养（Media Literacy）、数据素养（Data Literacy）等纳入信息素养体系[19]；上海交通大学图书馆于2015—2016学年秋季学期开展读者数据素养培训讲座[20]；江汉大学图书馆开展“嵌入式”数据素养教学讲座“用数据量体 为科研裁衣”[21]。但总体而言，国内高校图书馆的数据素养教育资源还相对不足，需要进行大力建设。

3.3 专题培训

对于部分具有特殊数据处理需求的用户而言，开展专题培训是帮助其提升数据素养的有效方式。数据素养的专题培训是西方国家数据素养教育的重要环节，以美国为例，在奥巴马提出“创新教育”理念后，美国教育部已在高校范围内大面积开展关于数据操作能力方面的培训，旨在提升大众的数据素养[22]。其中，以哈佛大学的“数据专家”培训项目为典型代表，其将培养“数据科学家”的相关培训作为长期的培训项目，也针对研究人员开展分阶段的数据素养培训。其中，馆员培训主要侧重于对馆员的数据管理技能的培养和展示并学会利用新的数据处理、分析、转化工具，适时地将部分培训嵌入到馆员或研究人员的科研数据生命周期中去，以用促学，通过不定期的经验交流会提升科研团队中各成员对数据管理的理解和认知。哈佛大学史密森天体物理学研究中心John G. Wolbach和图书馆馆长Erdmann提出，此举目的在于“确保哈佛图书馆始终处于不断提升的状态，也就是说让馆员了解所有的新项目和新软件，让馆员适应并满足未来数据服务的需求”[23]。麻省理工学院图书馆的“数据管理实践”（Data Management and Publishing Tutorial）项目[24]，从制订计划、存储数据、共享数据3个方面培养用户的数据素养，该馆还不定期开展数据素养相关培训，以丰富学习内容，如Micah Altman提供的可信研究数据管理（Managing Confidential Research Data）[25]、Jennie Murack提供的研究数据管理：文件组织（Research Data Management:File Organization）[26]等。

国内由中国图书馆学会主办、北京理工大学图书馆承办的“研究数据管理国际研修班”，旨在帮助馆员了解科研数据管理和分析的基本理论与方法；学习数据管理的流程和工具，包括用户信息需求、数据的采集、存储、描述、组织、分析、统计和再利用等知识点；掌握数据管理与分析的关键技术，提升培训参与者的实操经验[27]。此外，利用LibGuides建立科学数据管理资源导航，以提供数据服务的方式来引导并培养用户的数据素养的方式也是数据素养培养的主要方式之一，加州大学洛杉矶分校图书馆、华盛顿大学图书馆、耶鲁大学图书馆等一大批国外知名高校的图书馆均采用了此种方式来进行用户数据素养辅助教育。国内也有上海交通大学图书馆、杭州师范大学图书馆、浙江大学图书馆、山东大学图书馆等近百所高校在利用LibGuides进行数据管理服务和数据素养教育引导[28]。

4 高校图书馆的服务转型

数据素养教育带来的不仅是高校图书馆的教育职能的变化，也包含着对于其服务内容、服务方式转型的促进，特别是在科研数据化趋势愈发明显的当下，高校图书馆的服务转型也显得尤为重要。

4.1 构建服务基础，创新服务内容。

数据总量庞大、类型繁多、结构多元化等特点是当前数据素养教育对象对于大数据环境下科研数据的直观认识，要建立用户对于未来科研工作的正确认识并提升其数据素养，高校图书馆的数据素养教育工作就必须要进行服务基础建设，而数据素养的服务基础就在于数据规范化、数据集成化和服务联合化，并在此基础上实现服务内容创新。

具体而言，服务基础建设的3个内容侧重点如下：（1）数据规范化。通常情况下，研究者所采集的原始数据在编码方式、数据关系、数据类型等方面都相对杂乱，图书馆需要有一整套的数据处理和转换规范来转换和存储数据，这一过程也能够作为用户的基础数据操作的教学内容。（2）数据集成化。大数据信息环境是一个大而复杂的异构数据环境，图书馆必须开展对不同站点之间异构数据的集成工作，按照不同的应用要求进行封装、整合、处理[29]，最终建立一个公共的集成化数据信息环境，把位于分布系统中的异构数据信息合并且屏蔽异构数据间的差异，最终用于图书馆数据服务和数据素养教育。（3）服务联合化。图书馆需要以数据素养教育为契机整合本馆资源并与相关服务机构（如数据供给方、决策咨询机构、公益同质机构）展开合作，通过联合服务，提升数据服务的可及性，同时使受教育对象尽可能地接触社会数据环境，协助其从学习视角向工作视角的过渡。

服务内容创新方面，针对具有不同数据素养基础的教育对象，特别是教师和研究人员，高校图书馆数据素养教育需要在数据处理与深度分析支持、成果交流与转化等方面进行较多的辅助与服务。所以，图书馆应当相应拓展以下服务：（1）数据处理与深度分析支持。对于部分研究者而言，他们所收集的部分数据资料没有统一的编码规范，数据处理支持的首要问题就是要为这些缺少联系的数据建立紧密的关联关系，为进一步分析与利用提供关联基础[30]，同时，图书馆所提供的深度分析服务应当建立在与用户的深度合作上，为有深度分析需求的用户提供分析工具、分析方法、分析过程、分析策略上的支持服务。（2）交流、推荐服务。图书馆的数据服务并不仅限于对数据的管理、存储服务，还包括为数据提供者、数据拥有者、数据使用者之间建立联系。以哈佛大学图书馆为例，2013年该馆联合部分教师启动了数据交互社区（Library Interoperability Initiative，简称LII）项目，旨在深化图书馆数据资源社区概念，探索如何从图书馆所拥有的数据资源中获得尽可能多的信息，并使数据信息更容易被用户发现[31]，既促进了数据的有效利用，又提高了研究者的数据获取和共享意识。

4.2 建设基于学科的特色数据资源库

构建基于学科或资源的特色数据资源库是图书馆知识服务的重要方式，也是图书馆服务转型的重要发展方向之一。图书馆通过构建特色数据资源库对自身的特色资源进行深度揭示，可提高资源的利用率，同时也可以减轻科研人员的工作量，提高科学数据的有序性和有效性[32]。高校图书馆的数据素养教育与数据服务不仅关系到图书馆教育职能的走向，也为图书馆重新审视和重组资源提供了切入点。当前，部分国内外高校图书馆已经在着手建立本校或某单位的机构知识库、特色资源库等特色数据服务体系。例如，哈佛大学图书馆就针对不同用户的数据需求，构建了地理空间数据系统（Harvard Geospatial Library，简称HGL）、天体物理数据系统（Smithsonian/NASA Astrophysics Data System）等系列特色数据库，并根据不同学科的数据特性构建数据检索系统，用于开展专题数据培训与服务。由此，高校图书馆可以采取如下策略：（1）构建基础数据素养教育知识库。针对全体用户的基础数据素养教育需求，以基础知识—数据实操—总结提升为导线，构建由浅入深的数据素养教学实例资源库。（2）构建特色数据素养教育知识库。针对特色学科、专家组、特殊用户的需求，构建具有明显学科特色的，以学科数据采集—数据处理—分析转换—数据重用为导线的特色数据资源库。

4.3 促成数据素养教育环境

数据素养教育的目的是提升用户的科研能力和适应能力，以应对不断变化的大数据环境。然而，高校图书馆的数据素养教育不应局限于对用户的数据素养技能教育，还应做到以下几点：（1）构建数据素养教育交流社区。高校图书馆作为社会数据素养教育的一种执行机构，其本身只是社会数据素养教育中的一个环节，其作用在于利用数据素养教育活动引导和促进数据素养教育氛围的形成。高校图书馆可以设立专门的数据素养教育和服务部门，建立（网络）数据素养教育交流社区，促进数据素养教育经验的交流。（2）开展宣传与推广活动。高校图书馆的数据素养教育环境不仅包括对在校用户的课程教育，还包括对社区用户、社会用户的宣传与推广服务。（3）实施对外服务。高校图书馆的数据素养教育基础之一就是培养数据专家，而数据专家除了数据素养教育和用户服务外，也还可以接受适度的校外委托，如对公共事业单位、政府机关或企事业单位开展相应的数据服务，既可以锻炼馆员的实作经验，也可以在委托方同意的情况下获取各行业的数据资源，便于丰富教育教学资源，并进一步促进社会对于数据素养教育的理解和支持，构建数据素养教育的良好环境。（4）重视基于移动互联网的基础教育。移动网络的不断完善使得基于移动网络的图书馆服务内容、方式也在不断地得到丰富。在图书馆大力推行移动服务的同时，可以将数据素养教育嵌入到移动服务环节中来，如提供基础数据服务、数据素养教育课程、讨论学习方案等，丰富用户的学习资源。

4.4 推进数据素养教育社会化

社会化服务作为高校图书馆服务职能的重要延伸，近年来已经受到了国家的重视并得到了社会的认可。在大数据时代，信息素养依然是人们的基本素养，但不断发展的大数据环境则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才能进一步适应社会环境的发展[33]。然而，由于国内高校图书馆的社会化教育起步较晚，加之图书馆经费来源、政策法规、版权控制等因素的影响，高校图书馆的社会化服务也在一定程度上受到了限制。在大数据环境下，基于数据素养教育的图书馆社会化教育职能应当是高校图书馆转型服务的重要突破口，且随着数字化程度的不断加深，各种不同的网络资源也可以成为高校图书馆数据素养教育素材和数据服务内容。当前，基于用户交互的社会媒体资源聚集了大量活跃的网络用户并产生了大量的资源，如YouTube、腾讯微博、Second Life、人人网等就成为了大数据的一个重要资源类别。由于社交媒体信息的快速性、易用性、开放性，使其逐渐成为主流的社交渠道之一。社会数据的高度多元化使得大多数社会用户在利用社会资源时都会呈现出一定程度的困难，加上网络数据的无序化，非相关内容较多，使得高校图书馆有必要针对社会用户开展数据素养教育：（1）基础素养教育。由于社会用户的基本素养参差不齐，使得高校图书馆的社会化数据素养教育有必要从基础操作能力入手，培养用户的数据操作能力。（2）数据获取实践和整合服务。由于社会资源往往具有多元化、无序化的特点，培养社会用户查找并获取社会资源的能力就显得尤为重要。同时，由于高校图书馆自身的资源体系较为完备，可以通过开辟校外访问途径（如参考咨询、在线资源推送、专家咨询等）为社会用户提供资源整合服务。（3）课程教育。高校图书馆可通过MOOC、网络公开课等形式为社会用户提供系统化的数据素养教育课程，丰富数据素养的社会化教育资源。

5 结 语

数据素养教育是大数据环境下国家和社会对高校图书馆赋予的新责任和高要求，不仅需要高校图书馆不断整合资源和服务，也需要在实践中提升数据素养教育从业馆员（数据专家）的数据管理经验、数据操作技能和培训能力，从受教育对象的不同需求和特征出发，开展针对不同层面用户的数据素养教育课程、讲座与培训，以多种方式满足在校生和社会用户的数据服务和教育需求，提升高校图书馆在数据素养教育方面的能力，促进数据素养教育社会大环境的形成。

[1]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(3):11-16.

[2]李红星, 王 建, 南卓铜,等. 西部数据中心的数据服务实践[J].中国科技资源导刊, 2010(3):24-29.

[3]Association of College and Research Libraries. Intersections of Scholarly Communication and Information Literacy:Creating Strategic Collaborations for a Changing Academic Environment [EB/OL].[2016-03-31].http://acrl.ala.org/intersections.

[4]杨晓琼. 大数据时代高校数据素养教育的合作路径[J]. 情报资料工作, 2015(3):98-102.

[5]郝媛玲, 沈婷婷, 高 珊. 高校数据素养教育实践的思考和建议:基于哈佛大学案例和我国图书情报人员访谈的分析[J]. 图书情报工作, 2015,59(12):44-51.

[6]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(1):58-63.

[7]23 Great Schools with Master's Programs in Data Science Online Programs[EB/OL].[2016-04-12].http://www.mastersindatascience.org/schools/23-great-schools-with-masters-programsin-data-science/.

[8]Whitmire A L.Training the Next Generation:The Essential Role of Academic Libraries in Educating Graduate Students in Research Data Management [EB/OL].[2016-04-13].http://ir.library.oregonstate.edu/xmlui/handle/1957/38117.

[9]Qin Jian. Scientific Data Management[EB/OL].[2016-04-13]. http://www.slideshare.net/jqin/scientific-data-management.

[10]University of Washington.Certificate in Data Science:Acquire Valuable Insights From Data Sets at Any Scale[EB/OL].[2016-04-12] .https://www.pce.uw.edu/certificates/data-science.

[11]大数据学院[EB/OL].[2016-04-12].http://bigdatauniversity.com.cn/.

[12]Coursera.Research Data Management and Sharing[EB/OL]. [2016-04-12].https://www.coursera.org/learn/data-management/.

[13]Coursera.Data Analysis and Interpretation[EB/OL].[2016-04-12]. https://www.coursera.org/specializations/data-analysis.

[14]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.

[15]Purdue University Library .The Data Information LiteracySymposium[EB/OL].[2016-03-27] .http://docs.lib.purdue.edu/dilsymposium/.

[16]The University of Edinburgh. Data Library and Consultancy[EB/OL].[2016-04-07] .http://www.ed.ac.uk/information-services/research-support/data-library/.

[17]University of Minnesota, Twin Cities .Data Management[EB/OL]. [2016-04-12] .https://www.lib.umn.edu/datamanagement/.

[18]北京大学图书馆.数据素养与统计数据资源介绍[EB/OL]. [2016-04-13].http://www.lib.pku.edu.cn/portal/fw/yixiaoshijiangzuo/ziyuanchazhao.

[19]北京大学图书馆. 组织机构[EB/OL].[2016-04-12].http://lib.pku.edu.cn/portal/bggk/zuzhijigou.

[20]上海交通大学图书馆.2015—2016学年秋季学期读者培训讲座安排(第10周) 信息素养之数据素养篇[EB/OL].[2016-04-16]. http://www.sjtu.edu.cn/xiaoli/xlactivitycontent.jsp?urltype=news.NewsContentUrl&wbtreeid=1251&wbnewsid=65437.

[21]江汉大学图书馆.用数据量体 为科研裁衣[EB/OL].[2016-04-13].http://www.lib.jhun.edu.cn/newsinfo?id=1640&cid=44.

[22]缪其浩. 大数据时代：趋势和对策[J].科学, 2013,65(4):25-28.

[23]Harvard Library. Harvard Library Offers Data Scientist Training [EB/OL].[2016-04-16].http://library.harvard.edu/02042014-1336/harvard-library-offers-data-scientist-training.

[24]Massachusetts Institute of Technology Library. Data Management and Publishing Tutorial[EB/OL].[2016-04-12].http://libraries.mit.edu/data-management.

[25]Altman M . Managing Confidential Research Data[EB/OL].[2016-04-12] .http://libraries.mit.edu/news/managing-confidential/21754/.

[26]Jennie Murack. Research Data Management:File Organization [EB/OL].[2016-04-12].http://libraries.mit.edu/news/researchmanagement-4/21790/.

[27]中国图书馆学会高等学校图书馆分会.2015年“研究数据管理国际研修班”通知[EB/OL].[2016-04-16]..http://www.sal.edu.cn/Notice-Info.asp?id=6570.

[28]杨 莹, 曾英姿. LibGuides学科服务平台建设现状比较分析:以中国10所大学图书馆为例[J].四川图书馆学报, 2014(3):44-48.

[29]毕 强. 网络信息集成服务研究综述[J].情报理论与实践, 2004 (1):21-25.

[30]毛晓燕. 大数据环境下图书馆信息服务走向分析[J].图书馆工作与研究, 2014(03):72-75.

[31]Library Interoperability:Sharing Data,Building Community [EB/OL].[2016-04-16]. http://library.harvard.edu/libraryinteroperability-sharing-data-building-community.

[32]肖 潇, 吕俊生. E-science环境下国外图书馆科学数据服务研究进展[J].图书情报工作, 2012,56(17):53-58,114.

[33]邓李君, 杨文建. 大数据环境下高校图书馆数据素养教育研究[J].图书馆建设, 2016(1):76-80.

Research on Data Literacy Education and Service Transformation in the University Library

Data literacy education is a new education function of the university library that developed based on information literacy education, and also one of the important service development directions of the university library in big data environment. The main objects of university library data literacy education include students, teachers,researchers, librarians, and others.The forms of data literacy education practice in the university library cover mainly course and online education, lecture, workshop and special training. Service transformation of the university library based on data literacy education shall take the following strategies:building service base and innovating service content, constructing characteristic database, promoting data literacy education environment and advancing data literacy education socialization, etc.

University library; Data literacy; Big data; Education function; Service transformation

G250.1

A

邓李君 女，1982年生，现工作于四川外国语大学图书馆，副研究馆员。

2016-08-26]

*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；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的成果之一。