《中国信息技术教育》：您认为当前是否有必要在中小学开展数据科学教育呢？

王荣良：传统的学科如数学、统计学乃至20世纪才出现的计算机科学，都是承担数据处理及工具研究的学科。进入21世纪，全球科技创新空前活跃，以大数据、物联网为代表的新一代信息技术加速应用，推动自然科学和人文科学的交叉融合。数据科学的提出，连接了原本分离的学科、社会和用户，运用数据分析技术从各个领域生产的数据中提取高价值数据，其未来的图景是认知和决策自动化、社会技术生态融合、科技创新与数据驱动的“超智能社会”。2015年8月，国务院颁布的《促进大数据发展行动纲要》提出了将大数据上升为国家战略，把大数据作为基础性战略资源，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。在此背景下，教育部设立了“数据科学与大数据技术”专业，该专业以计算机科学、数学及统计学为支撑，以生物、医学、管理学、环境科学等学科应用为拓展，主要研究数据采集整理、数据存储与管理、数据分析等内容，从行业角度对含有高价值的海量数据集进行数据管理、分析、研发和应用。数据科学专业旨在培养基于计算机技术、数据分析技术、人工智能技术以及学科应用交叉的数据工作者。从新时代数据科学的重要性和基础教育培养新时代建设者的职责出发，未来的社会建设者应该具备适应未来迅速发展的、数据驱动的数据经济社会的能力。在中小学阶段开展符合学生年龄和认知特征的数据科学教育是有必要的。

《中国信息技术教育》：如果在中小学开展数据科学教育，您觉得对学生会有哪些方面的价值？

王荣良：大学的数据科学相关专业是以培养基于计算机技术、数据分析技术以及多学科应用交叉的复合型人才为目标的。不同于大学的专业人才培养，中小学开展数据科学教育的主要价值是能够让学生真实感受数据的价值。如果说蒸汽机和电能成就了工业经济，那么数据就是催生数字经济和社会形态的新能源。中小学开展数据科学教育，不在于让学生掌握高深的数据处理技能和工具，而是潜移默化地培养学生从数据的视角思考问题的习惯，以适应社会发展的需要。

中小学的数据科学教育不是简单地将大学数据科学专业的教学内容下放到中小学，而是需要与基础教育现有的课程如数学、信息技术课程中关于数据处理的教学内容进行充分的整合。数据科学教育的引入可以促进传统学科相互融合，为传统学科注入新时代的特征，同时形成新的教学形态，从而达到培养学生面向社会数据应用基础性能力的目标。

《中国信息技术教育》：当前我国信息技术课程体系中是否涉及数据科学教育呢？

王荣良：数据科学涉及计算机科学技术、数学、统计学以及各种具体的应用学科，计算机科学技术以数据为处理对象，研究数据处理方法，制造数据处理工具。计算机科学技术也是信息技术课程重要的学习内容，因此，信息技术课程必定与数据科学教育的内容有重叠，信息技术课程中的计算机科学技术部分可以为数据教育的实施提供数据加工的思想方法和工具。计算机科学技术是互联网发展的核心基础，互联网催生了大数据，大数据的有效应用和精准分析又使得人工智能成为热点。计算机科学技术以“应用驱动创新”的发展规律实现了从“以计算为中心”向“以数据为中心”的转变。

信息技术课程应该有自身存在和发展的定力，有相对稳定的课程目标，从而才能理性对待数据科学教育。信息技术课程没有必要本着“什么流行学什么”的思维习惯将数据科学的内容全盘纳入本课程之中，也没有必要因课程中涉及数据科学教育而自喜，从而证明信息技术课程的存在价值。基础教育的基础性要求信息技术课程的发展不能纯粹以社会应用为导向，信息技术课程不会因为芯片危机而宣传课程开设是为国家培养芯片人才，也不会因为课程中包含有部分数据科学教育内容而将课程目标理解为培养数据处理高端人才。

《中国信息技术教育》：您觉得我国的数据科学教育主要应该包括哪些内容呢？

王荣良：中小学数据科学教育可以包括数据、数据处理和数据伦理三部分。对数据的认识，并不是简单地背诵数据的概念，区分数据与信息的异同，而是通过经历数据处理过程，体验数据的重要性，学会以数据的视角认识世界和事物，建立用数据表达客观世界和改造客观世界的意识。数据处理的重点不是新技术的学习，而是整合现有课程中的数据处理方法和工具对真实数据的加工处理，从而形成数据处理意识和数据处理综合能力。数据伦理通过数据滥用、数据孤岛、数据安全等问题的探讨为学生建立正确的数据观。

《中国信息技术教育》：您觉得开展数据科学教育应该如何处理好与其他信息技术课程内容之间的关系呢？如编程教育等。

王荣良：数据科学的多学科特征决定了数据科学教育在中小学实施的跨学科形态。因此，数据科学教育的部分学习内容可以由某些传统课程如信息技术课程来承担，而有些学习内容则应采用类似于STEM课程的实施形态。数据科学需要解决的可能是一个物理问题，也可能是一个社会问题，学习者需要数学基础，也需要运用计算机技术设计问题解决方案并最终解决问题。

信息技术课程发展性特征的外在反映是课程内容的可塑性，课程的变化既要体现学生的发展需要，也要符合对应的学科逻辑。数据科学和计算机科学都是以有效的数据处理为目标，但两者的视角和重点有所不同。以通过程序设计实现数据处理为例，计算机科学关注的是数据模型、数据结构、算法设计与程序实现，并期望形成解决这类问题的程序设计方法。而数据科学会将关注点向现实问题前移，关注的往往是如何用数据来表征现实问题，如何在海量数据中挖掘有价值的数据，如何用数据来管制问题。程序是数据处理的工具，在编程教育中，从计算机科学视角出发，强调的是算法和程序实现的方法，所列举的待解决问题实例，也是为学习编程语言和算法实现服务的。如果从数据科学学科视角出发，编程教育实施的关注点是现实问题和数据以及技术的选择，程序实现应该是已掌握的知识与技术，不是数据科学的重点。因此，信息技术课程中的编程教育，关注重点是问题与数据，还是算法与程序实现，将取决于信息技术课程的发展逻辑。

《中国信息技术教育》：您觉得当前在我国实施数据科学教育会面临哪些困难呢？

王荣良：第一，缺乏站在基础教育全局层面系统性地对数据科学教育内涵进行研究。当一个新学术概念或者热衷发明的一些新名词引入基础教育领域，往往会引起流量式关注和自恋式鼓舞，但如果学生没有发展全局观和对应学科逻辑的思考，则会使教学实施流于表面形式而缺失实际教学效果。第二，缺乏数据科学与传统课程的关系梳理。数学或信息技术课程提供的知识储备和工具支撑，应用场景对应的学科知识背景是数据科学教育教学设计的基础。第三，缺乏跨学科学习的生态环境。当今传统课程与传统教学方式仍是主流，跨学科教学还没有成为教师教学的习惯而只是点缀。例如，项目式学习是数据科学教育的一种好形式，但受多种因素的影响，目前项目式学习在实施中常被转换为情境创设而轻易地淹没于传统教学之中。

《中国信息技术教育》：为了更好地推进数据科学教育，您觉得应该做哪些工作呢？

王荣良：第一，对数据科学教育开展基础性研究，包括教育价值与学生培养目标的确定、与信息技术等相关学科关系以及教学内容的分割、梳理不同学段学习者的认知基础等。第二，学习平台建设，数据科学教育教学涉及的学科面广、数据量大，数据处理工具多样化、学习方法项目化，需要有相应的数据资源和学习平台支撑。第三，教学生态培育。通过教师培训和教学实践，关注能力培养和数据意识建立，形成基础课程支撑的、跨学科教学实施的、与学生科技创新活动有机结合的新型教学生态环境。

文章来源： 华东师范大学学报 网址: http://hdsfdxxb.400nongye.com/lunwen/itemid-46326.shtml

上一篇： 暂无
下一篇： 地质学论文_陆相细粒沉积岩与古土壤深时气候分析方法综述