当期荐读 2021年第6期 | “以人为本”的数据科学教育:图书情报学科的新发展（内含视频摘要）

     ISSN 1003-2797

     CN 42-1085/G2

     双月刊

     同行评审期刊

吴丹①②   许浩①

①武汉大学信息管理学院,武汉,430072

②武汉大学人机交互与用户行为研究中心,武汉,430072

目的/意义

旨在分析图书情报学科视角下数据科学教育的核心特征，有助于图书情报学科向数据科学融入的同时把握学科自身的核心优势，并彰显专业及人才培养特色。

研究设计/方法

通过归纳分析，凝练了数据科学的学科内涵及其与图书情报学科的相关关系，总结了全球图书情报学科开展数据科学教育的现状及其核心特征。

结论/发现

数据科学与图书情报为两个独立学科，但交融趋势明显。图书情报学科正成为全球开展数据科学教育的重要力量；“以人为本”是图书情报学科视角下数据科学教育的核心特征，为培养兼具创新技术方法与深厚人文关怀的数据科学人才奠定了基础。

创新/价值

系统总结了图书情报学科视角下数据科学教育的核心特点与优势，为我国图书情报学科在积极融入数据科学过程中把握自身优势、完善数据科学教育体系、提升数据人才培养效能提供借鉴。

关键词

数据科学 数据科学教育 以人为本 

图书情报 学科展望 人才培养 

学科交叉融合

1 引言

数据已经成为继资本、劳动力和自然资源之外的第四种生产要素[1]。以云计算、人工智能等为代表的新一代数据处理技术的兴起为全球经济保持快速增长注入核心力量，并驱动着社会变革。国务院发布的《大数据产业发展规划（2016-2020）》指出，截至2020年，我国大数据相关产品和服务业务收入突破1万亿元，年均复合增长率保持30%左右[2]。

数字经济的飞速发展，也带来了新兴的现实世界问题。如何从存储的海量数据中提取信息和价值成为新的全球挑战。这直接导致从数据中挖掘价值、洞察知识的数据人才的供需缺口在持续增大。在此背景下，如何把握这一契机，发展数据能力教育、培养数据专业人才已经受到各学科领域的高度关注。以数据驱动为主要范式，以“数据-技术-人”为组成要素[3]，继承、融合和创新了包括计算机科学、数学与统计学及信息科学等多学科在内的理论与方法，进而产生了一门新兴学科——数据科学。作为现代社会研究数据理论、方法、技术、工具与实践的新学科，数据科学学科的建设及数据人才的培养成为学术界与教育界广泛关注的新议题，全球高校结合自身学科优势与专长积极兴办数据科学相关教育，依托学科涉及到与数据科学密切相关的计算机科学、数学、统计学和图书情报等多个专业，呈现出百花齐放、百家争鸣的局面。这其中，图书情报学科作为研究数据管理与知识发现的重要力量，拥有挖掘数据价值的广泛经验与方案。因此，图书情报学科与数据科学融合，在培养具有自身学科特色的数据人才方面具有天然的学科优势。从全球来看，美国北卡罗来纳大学教堂山分校信息与图书馆学院、伊利诺伊大学香槟分校信息科学学院及我国武汉大学信息管理学院、北京大学信息管理系等国内外知名图书情报院（系）都先后兴办了数据科学相关本科或研究生教育。

与教育界的快速行动相比，目前学界对数据科学专业内涵的界定与探讨仍然相对滞后，这导致目前数据科学教育在培养目标、课程体系及培养方式上仍处于探索阶段，存在着片面强调数据分析技术、过度依赖数据分析工具等问题。基于此，本文首先对数据科学和数据科学学科定位的相关概念与内涵进行了系统梳理，回顾了图书情报学科数据科学教育国内外实践现状，阐释图书情报学科开展数据科学教育的核心特点与优势，以期为我国图书情报学科在积极融入数据科学过程中把握自身优势、完善数据科学教育体系、提升数据人才培养效能提供借鉴。

2 数据科学相关概念

2.1

数据科学的内涵

在回顾数据科学教育实践之前，首先需要明晰数据科学的概念。如前所述，先进计算技术的出现、数据的爆发式增长，使社会有能力使用新技术、新方法从海量数据中寻找解决现实世界问题的新方案，数据驱动范式由此出现[4]。为了解决大数据时代和数据驱动范式下的大数据问题，数据科学应运而生[3]。数据科学（Data Science）术语及其定义由著名计算机科学家、图灵奖获得者Peter Naur于1974年在其著作Concise Survey of Computer Methods中首次提出，他认为数据科学是一门基于数据处理的科学[5]。随后，数据科学经常被作为统计学的替代学科出现[6]。至1998年，Hayashi提出数据科学是包括数据设计、收集和分析在内的新的跨学科概念[7]。伴随着数据科学研究与教育热潮的兴起，学者们从不同维度对数据科学给出了定义，但目前学界尚未有一个统一的认识。本文对其中一些概念进行了梳理。

从上述多维度的概念可以看出，数据科学是一门具有跨学科属性的科学，其核心问题是从数据中提取知识以获得对问题或现象的重要见解，涉及收集、管理、分析、呈现等大数据生命周期全部方面的理论、方法和技术。

2.2

数据科学与图书情报学科的关系

从数据科学的概念与内涵不难看出，数据科学本质上是跨学科的，它的快速发展离不开计算机科学、数学、统计学及图书情报学科的贡献。这其中，图书情报学科一直处于通过包容性和跨学科的教育将人们与数据、信息和技术联系起来的前沿[16]，这与数据科学的核心观点有着天然的契合与内在联系。随着数据科学热潮的不断推进，图书情报学科积极拥抱变化的同时需要厘清数据科学与图书情报学科二者之间的关系，防止由于学科边界外延而丧失学科的独特性。

图书情报学界就此问题多有探讨。叶鹰与马费成在2015年就通过定性及定量方法指出数据科学与信息科学在理论逻辑和技术方法上一脉相承，并揭示数据科学继续维持了信息科学的基本原理[17]。与之相反的是，巴志超等人认为数据科学与图书情报学科在研究对象、学科内涵、基本任务及发展目标方面都存在着较大差异，不能将数据科学看做是图书情报学科的子集[18]。更多的观点认为二者是互惠互利的关系，数据科学的出现为图书情报学科研究从理论基础、学科定位及研究范式多个层面的发展带来了新的机遇，同样图书情报学科基于其深厚的理论基础与技术实践，从研究方法、研究范围等方面为数据科学的发展提供了更多的可能性[19-22]。

笔者认为，数据科学与图书情报学科的内在联系是天然且紧密的。一方面，数据科学向基础理论与应用领域的深化发展离不开图书情报等学科的理论支持；另一方面，图书情报学科在全新环境下开展数据挖掘分析、支持决策分析和知识发现与预测等，亦需要数据科学在技术方法等方面提供新的支撑。随着数据科学的不断演化，这种内在联系也必将会得到进一步的强化，但这并不影响二者是两个不同学科的本质。应当说数据科学与图书情报学科是围绕着一个核心原则、侧重于不同应用领域的两个独立学科。具体来说，数据科学与图书情报的核心原则都是对大量原始且混乱的数据及信息进行组织与处理，并将之转化为支持决策与解决实际问题的知识。但数据科学和图书情报学科却侧重于不同的应用领域，图书情报专注于信息资源全生命周期的研究与教育，主要研究网站和信息系统的应用，从而实现信息资源的采集、组织、存储、检索、利用和服务；数据科学则关注数据范式尤其是大数据范式下的研究与教育，侧重于从数据中发现知识，主要研究大数据和机器学习等新技术新方法的应用。虽然二者在逻辑、方法和技术方面多有交叉重合，但这些方法与技术并非完全为某一学科独有。所以数据科学与图书情报学科是两个存在联系、互相交融的独立学科。图书情报学科在积极拥抱变化，与数据科学相互融合的同时，重视图书情报学科的本位问题，是学科边界外延的同时保持学科的独特性的根本。

3 图书情报学科数据科学教育的全球实践

3.1

图书情报学科成为全球数据科学教育

的重要力量

美国北卡罗来纳州立大学在2007年依托其高级数据分析研究院（Institute fo rAdvanced Analytics，IAA）设立的数据分析硕士（Master of Science in Analytics）教育项目被认为是数据科学教育的起源[23]。基于强烈的数据人才的市场需求，与数据分析相关的教育项目在国外高校兴起，至2013年纽约大学首次开设数据科学硕士（Master of Science in Data Science）教育项目，数据科学教育实现了从“数据分析”到“数据科学”的实质性转变[24]。

经过十余年的发展，国外形成了以硕士研究生（Master）教育为主，证书（Certificate）及本科（Bachelor）教育为辅，兼具博士研究生（Doctorate）教育的完善且具特色的数据科学教育体系。根据知名数据科学网络社区DataScience. Community①对全球数据科学院系（Data science colleges and university）相关统计数据显示，截至2021年6月全球有387所院系开设了632个数据科学相关的教育项目，这些项目分布于北美洲、欧洲、亚洲、大洋洲、非洲及南美洲，项目名称包含大数据（Big data）、大数据分析（Big data analytics）、数据科学（Data science）等[25]。上述教育项目包含68个学士学位项目、437个硕士学位项目、24个博士学位项目及103个证书项目，其中硕士学位教育以69%的比例成为当前数据科学教育中最热门的项目。

这其中，有接近1/4（155/632）的数据科学教育项目来自于全球拔尖信息学院联盟（iSchools）成员院系，如：德雷塞尔大学计算和信息学院开设的数据科学硕士项目、北德克萨斯大学信息学院开设的数据科学硕士项目、锡拉丘兹大学信息研究学院开设的应用数据科学专业硕士项目等。这表明信息学院正成为全球开展数据科学教育的重要力量之一。与计算机、数学和统计学等专业下数据科学教育不同的是，信息学院所开设的数据科学教育大多面向不具备计算机及数学背景的学生，面向实际工作场所的应用，通过对数据驱动相关的方法、工具及理论的学习，结合理论学习与项目实训，使学生能够具备满足现代就业市场需求的数据能力。

① Datascience. Community现已更名为 RyanSwanstrom,网址不变。

3.2

国内信息管理院系向数据科学教育

的积极融入

我国数据科学本科专业的建设与发展源于2016年。2016年3月7日教育部公布《2015年度普通高等学校本科专业备案和审批结果》[26]，“数据科学与大数据技术”本科专业首次被批准增设，北京大学、对外经济贸易大学和中南大学成为3所首批设立该专业的高校，自此我国掀起了数据科学专业建设热潮。

研究生教育作为国民教育的有机组成与重要阶段，是培养数据科学专门人才的重要手段。截至2021年4月，根据中国研究生招生信息网公布的数据，包括北京大学、清华大学、武汉大学等在内的13所高校依托计算机科学与技术、统计学、数学、管理科学与工程、图书情报与档案管理等学科开设了数据科学、大数据科学与工程、大数据管理等硕士研究生专业17个[27]。相较于国外高校在数据科学相关专业教育的多年探索，虽然我国的数据科学教育起步较晚，但作为我国高等教育现阶段的热点问题之一，经过几年建设也已经初步形成了数据科学本科、硕士、博士的多层次、贯通式人才培养体系。

国内信息管理院系在发挥图书情报、信息管理学科传统优势的基础上，结合社会对数据科学人才现实且迫切的需求，积极融入数据科学人才培养教育体系。2018年武汉大学信息管理学院在国内图书情报学科率先增设了数据科学硕士和博士学位点。北京大学信息管理系、吉林大学管理学院、华中师范大学信息管理学院、天津师范大学管理学院等也先后增设“大数据管理与应用”本科专业，开启了国内图书情报学科培养数据科学人才的热潮，使我国数据科学人才培养的基础得到进一步夯实。

总的来说，图书情报学科始终致力于推进信息和数据的创建、获取、使用与管理，与同样以数据作为基础资源及研究对象的数据科学，在数据收集与处理方法、分析与技术实现路径、结果呈现可视化等方面有着天然的联系与学科基础。图书情报学科在坚守学科特色的基础上向数据科学的积极融入，为学科在大数据时代的发展提供了新的机遇。

4 “以人为本”的数据科学教育

 4.1

图书情报学科视角下“以人为本”

的数据科学的提出及发展

尽管全球信息学院已经持续多年提供了不同层次的数据科学教育项目，并形成了一定的规模和取得了初步的成功。但是，如何更加系统、科学和高效地开展数据科学教育还仍在探索中。每个学校自身的专业布局和特殊优势决定了其自身开展数据科学教育的具体内容与侧重方向，但数据科学“数据-技术-人”的三个基本要素是不变的。尤其对于图书情报学科而言，在积极拥抱变化向数据科学融入的同时，如何在课程设置、培养目标等方面区别于计算机科学、数据与统计学等学科开设的数据科学教育，将图书情报学科面向用户与数据科学面向数据的特色有效结合起来是图书情报学科积极开展数据科学教育所必须思考的问题。

着眼于此，为了更好地发展和推进图书情报学科视角下的数据科学教育，为全球信息学院开展数据科学教育建立一个共识和框架，以反映图书情报学科视角下的数据科学教育的核心概念、价值、优势及知识领域，2019年3月，全球拔尖信息学院联盟（iSchools）决定组建iSchools数据科学教学指导委员会（The iSchools Data Science Curriculum Committee，iDSCC）。该委员会由美国德雷塞尔大学计算机与信息学院Il-Yeol Song教授及美国北卡罗来纳大学教堂山分校信息与图书馆科学学院Javed Mostafa教授牵头，来自美国、英国、德国、中国及韩国等多个国家的11位图书情报领域知名学者共同参与其中（详细名单见附录1）。

作为全球图书情报领域学术组织中首个面向数据科学教育的专门委员会，其成立之初就制定了以下三个主要研究任务：①从所有开设数据科学本科和硕士教育的iSchools成员院系中收集关于数据科学课程的信息；②分析所提供的信息，为iSchools成员院系提炼数据科学标准课程的共同要素；③为iSchools成员院系提供一个标准的、可复制的数据科学课程体系。

在此背景下，数据科学本科教育分委会（Data Science Undergraduate Sub-committee）和数据科学研究生教育分委会（Data Science Master Sub-committee）两个专门委员会应运而生。来自美国南佛罗里达大学的Loni Hagen教授及田纳西大学的Wade Bishop教授共同担任数据科学本科教育分委会主席；武汉大学吴丹教授及美国雪城大学的Jeffrey Saltz教授共同担任数据科学研究生教育分委会主席。尽管委员会成员来自全球各个国家，委员会及分委会仍每月召开线上会议，以讨论研究进展并制定下一步的研究计划。

2019年，委员会成立的当年，iDSCC便就什么是信息学院数据科学教育的首要特征这一议题达成了共识。在第82届ASIS&T年会上，委员会于主题为“iSchools情境下的数据科学教育”（Data Science Education in the iSchools Context）的小组讨论中首次提出将“以人为本”（Human-centered）作为信息学院开展数据科学教育的核心特征。三年以来，委员会及分委会围绕着成立之初设立的研究目标及对“以人为本”核心特征的阐释，主要组织并开展了以下四个方面的研究工作：

（1）总结全球信息学院数据科学本科教育特色。该项目采用词频分析法、内容分析法等方法对全球12所信息学院正在开设的数据科学本科项目中的项目介绍、人才培养目标、能力期望、课程名称、课程描述等信息进行了全面分析。研究发现除了数据分析、数据挖掘、统计和数学等类型的课程外，有五类课程是信息学院数据科学教育所独有的，包括：①数据、人类、计算机与社会；②数据管理；③数据素养；④数据可视化；⑤项目管理，为塑造学生在数据分析能力以外的如领导力、沟通能力等提供了课程支撑。

（2）总结全球信息学院数据科学研究生教育特色。该项目采用词频分析法、内容分析法等方法对全球96个信息学院正在开设的数据科学研究生项目中的项目介绍、人才培养目标、能力期望、课程名称、课程描述等信息进行了全面分析。研究发现信息学院数据科学研究生教育课程涉12个大类，实践与项目管理类、图书情报类及人与社会类课程在全部课程中占比最大。这表明信息学院数据科学研究生教育的首要特征是面向实践，同时在与数据科学交叉融合的过程中注重融合自身特色课程，并关注数据、人及社会三者的正确关系。

（3）确定信息学院数据科学教育的独特特征。该项目通过德尔菲法对全球16位图书情报学科背景的数据科学教育工作者进行了三轮访谈，以确定信息学院背景下数据科学教育的关键议题及最佳实践。研究发现信息学院数据科学教育的核心是关注现实世界问题，注重将数据科学同道德、社会和沟通相结合；同时，在课程设计中需要避免过分强调与计算机科学相关的技能课程，将课程的主要目标着眼于数据科学本身的跨学科性质，强调对数据生命周期的整体把握及其在解决现实问题中的作用。

数据科学研究生教育分委会在该研究的基础上进行了二次调研，发现在研究生教育中，注重数据生命周期、以人为本、解决实际问题等特点得到了进一步的强化。

（4）从就业市场来看数据科学人才的培养目标。该项目分别收集了来自中国、美国、英国及欧洲四个国家和地区数据科学相关岗位的招聘广告，从岗位名称、岗位职能、就职要求和核心技能四个维度进行分析，并进行了地区间的横向对比，为培养满足就业市场需求的数据科学人才奠定理论基础。研究发现就业市场除了要求岗位必需的数据技能、领域素养以外，对应聘者的态度、沟通技能和意志力等个人品质亦十分关注。

随着研究工作的稳步推进，成立之初制定的研究目标逐步实现，“以人为本”这一特征的内涵也变得更加的清晰与明朗。委员会在iConference及ASIS&T近三年的年会上组织了多场次的研讨会和论坛向全球学者汇报了委员会研究进展，听取了来自信息科学学界更广泛的声音。

2021年是委员会工作的收官之年，iDSCC在知名学术期刊Journal of the Association for Information Science and Technology (JASIST)组织了“Data Science in the iField”专刊，对图书情报学科视角下“以人为本”的数据科学教育的具象化分析成果及学术界更广泛观点将在专题中得到系统的总结与呈现。

4.2

图书情报学科视角下“以人为本”的

数据科学的内涵

毫无疑问，“以人为本”已经成为信息科学学界对图书情报学科视角下数据科学教育特征的共识。以iDSCC为代表的学术组织，也正在通过对全球信息学院数据科学教育项目的分析与研究，将这一特征具象化。

吴丹教授作为iDSCC的一员及数据科学专业的研究生导师，回顾目前全球图书情报学科所开设的数据科学项目，除了统计分析、计算机编程等数据科学技术技能的必备课程外，信息伦理、信息隐私、算法公平等课程是课程体系中的一大亮点。这些课程在培养学生具备完备的数据分析技能的基础上，重视培育学生的道德操守，重视学生的个性与创新能力在数据分析中的价值。结合笔者自身的科研及教学经历，图书情报学科“以人为本”的数据科学教育主要落脚在以下三个方面：

（1）注重数据意识与数据素养的塑造

对数据意识及数据素养的塑造是图书情报学科“以人为本”数据科学教育的首要出发点。关注海量数据所带来的未知价值同时，更应关注其背后所衍生的数据伦理问题，如数据安全、数据污染、隐私侵害等[28]。图书情报学科一直致力于通过技术的合理使用，丰富和促进数据、信息和知识的生成及转化，以最大地发挥人类的潜力。在这一过程中，人类的价值观，如隐私、人权和伦理历来被图书情报学科所重视，相较于关注技术可以做什么，图书情报学科更关注技术不应该做什么。信息学院在培养学生具备数据分析能力前，首先培养数据意识、树立数据伦理。在课程设计中，将数据生命周期中与法律、政策和人伦道德相关的课程放在了与数据分析技术和方法课程同等重要的位置。同样，数据和技术并不会说话，将以用户为中心的理念引入数据科学的教育中，培养学生的批判性思维、提高人际沟通的能力，使学生在掌握数据价值挖掘技能的同时，也具备讲好数据价值故事的能力。

（2）以问题与情境作为解决数据问题的驱动

以问题及情境为驱动是图书情报学科“以人为本”数据科学教育的根本立足点。数据科学本身具有强烈的交叉学科属性，同时数据的多样性也注定数据科学的研究范围不会仅仅局限于某一领域和方向，商业数据、医学数据、科学数据等不同情境下的数据需求往往需要具备相应的领域知识。复杂的问题情境下，数据科学教育不能只教授数据处理分析的技能，更要培养学生将数据处理任务和数据背景、社会问题及国家总体战略规划相结合的意识。从早期的纸本文献到电子信息再到网络信息，图书情报学科一直致力于填补不同学科处理数据和应用数据的现实鸿沟，具备解决跨领域的数据问题的学科优势。同时，丰富多彩的实践与人文课程，问题与情境驱动的意识根植于图书情报学科所培养的数据科学人才心中，塑造了丰富的社会理解及多元的方法体系，使得数据分析需求得以与现实数据情境相结合，从而在解决数据问题的同时实现对现实世界现象或规律的深刻揭示。

（3）建构可持续可解释的数据解决方案

建构可持续可解释的数据解决方案是图书情报学科开展“以人为本”数据科学教育的最终落脚点。数据为社会赋能的同时，也为越来越多的社会问题带来了显著的双边或多边特征。而数据分析“倾向于全体数据而不是抽样数据、注重相关性分析而不是因果分析、追求效率而不是绝对精确”[29]的理念往往会带来分析结果的社会责任缺失。数据解决方案只有在对不同种族、性别和能力的人都具备可读性和可解释性时才能充分实现其价值。图书情报学科视角下的数据科学通过在课程及研究方法中强化社会责任意识，使得学生在关注数据解决方案效用的同时，还需要关注其多样性、平等性、可持续性和可解释性。

总而言之，对人类自身价值的尊重与关注深深地嵌入了图书情报学科视角下数据科学的研究与教学实践中。围绕着数据科学“数据-技术-人”三个基本要素，图书情报学科创新性地发展出了将“人”作为首位要素，将对人性的理解融入技术的探索与迭代之中，从而推动“人”“数据”和“技术”共同发展的创新理念与模式。在“以人为本”为核心的驱动下，图书情报学科所培养的数据科学人才都将具备应对当前及未来不可知的数据科学挑战的能力，并提出信息丰富、有见地、可解释、可持续的数据解决方案。

5 结语

跨学科属性决定了数据科学的发展离不开计算机科学、数学与统计等学科在技术与理论模型的不断深入探索，更离不开以数据和信息为核心领域的图书情报等人文社会科学的积极融入。可以说，数据赋能极大地拓宽图书情报学科的边界，提升了研究效率；图书情报学科亦为数据科学注入了深厚的基础理论方法与人文关怀。

培养同时具备强大数据分析技能与崇高社会责任感的数据科学专门人才是图书情报学科面向国家重大战略需求，为党育人、为国育才的重要责任，更是在新时代把握自身发展机遇的重要手段。我们需要认识到图书情报学科的最终归宿是“人”，“以人为本”是图书情报视角下的数据科学教育具有不可替代优势的本质和根本所在，这不仅将塑造在技术方面取得进步和创新的数据科学人才，更会使我们对人性和人类价值观理解融入到技术的进步和创新中。

作者贡献说明

吴 丹:提出研究思路,设计研究方案,论文修改及定稿; 

许 浩:收集和分析资料,论文撰写。

附录1

iSchools数据科学教学指导委员会成员(Appendix1:TheiSchoolsDataScienceCurriculumCommittee,iDSCC) 

(截至2021年3月)

委员会主席:

Il-YeolSong 美国德雷塞尔大学 

JavedMostafa 美国北卡罗来纳大学教堂山分校 

委员会委员:

TheresaDirndodorferAnderson 美 国 伊 利 诺 伊 大 学 厄 巴纳-香槟分校 

WadeBishop 美国田纳西大学

KaiEckert 德国斯图加特传媒大学 

LisaFederer 美国国立健康研究院 

LoniHagen 美国南佛罗里达大学 

FrankHopfgartner 英国谢菲尔德大学 

JeffreySaltz 美国雪城大学 

ChiragShah 美国华盛顿大学 

DanWu 武汉大学 

JosephYi 韩国尚明大学 

YinZhang 美国肯特州立大学

参考文献

*本文原载于《图书情报知识》2021年第6期12-20页

版权归《图书情报知识》所有，欢迎转发到朋友圈，转载请联系后台。

制版编辑 | 卢慧质

--END--