中小学数据科学教育的国际比较
钮新颜
隨着大数据技术的发展，数据爆炸增长带来了新的科学领域——数据科学。人们逐渐认识到数据科学作为一门重要的学科体系应该在教育体系中得到重视。中小学信息技术课程正面临从技术消费者到技术创造者的转型时期，除了增加编程内容之外，还应该努力增加一些数据科学的内容，从而能够创造一个更加指向满足学生未来发展需要的课程体系。因此，笔者综合审视了世界各国和地区的融入信息技术课程的数据科学教育，以期为我国信息技术课程改革和发展提供可借鉴的经验。
数据科学能力框架
国际上已经有了一些关于数据科学能力框架的研究成果，笔者遴选了一些典型的数据科学能力框架并进行了比较，具体如下页表1所示。[1]
尽管方法不同，但不同框架所包含的能力有很大程度的重叠。无论是在个人还是组织层面，都包括访问数据、操纵数据、评估数据质量、进行分析、解释结果以及（在大多数框架中）合乎道德地使用数据所必需的技能。总之，这些框架清楚地表明，数据科学能力框架是复杂的，涉及各种能力。
各个国家和地区的数据科学教育
1.英国的数据科学教育
英国的数据科学教育走在了世界前列，英国皇家学会在2019年发布了《数据科学技能的力量》报告。该报告是对当前英国数据科学领域的广泛探索，它着眼于数据专业人员的需求及近年来需求的变化。笔者利用这一分析确定了四个主要行动领域：发展基础知识和技能、提高专业技能和培养人才、促进人才流动和共享以及以良好管理的方式扩大对数据的访问。
英国皇家学会的另一份报告《中小学课程中数据科学的整合》确定了数据科学技能在数学、计算、科学和人文学科中的存在程度，并显示了数据科学技能正在被教授。[2]数据技能已经在英国全国中小学课程中普遍存在。而在计算课程中规定了各个阶段的数据科学教育内容，具体如下：①关键阶段2的计算课程培养学生对算法和编程技能的理解，重点是逻辑推理，以解释简单算法是如何工作的。学生必须把问题分解成更小的部分来解决问题，在程序中使用顺序、选择和重复，以及处理变量和各种形式的输入输出。他们还必须使用各种软件分析、评估和呈现数据和信息。②关键阶段3是学生在计算中认真学习数据科学的关键阶段，特别是算法、计算建模、数据表示和数据结构的正式研究。课程规定，在关键阶段3，学生应设计、使用和评估模拟现实世界问题和物理系统状态和行为的计算抽象，理解反映计算思维的几个关键算法，并适当使用数据结构。关键阶段4的计算课程要求最低，反映了GCSE计算是可选的。英国的数据科学教育已经浸润在计算课程体系之中，但是仍然有许多不足之处需要完善和发展。
英国将具体的数据素养的内涵做了一些界定，主要包括如下内容：①学生能计划他们需要什么样的数据来回答他们的问题吗？这包括设计带有适当的多选选项的调查问卷，以及了解他们可以使用什么设备。②学生能收集数据吗？这包括识别他们可以亲自或在线收集数据的不同方式。③学生能分析数据吗？这包括从他们拥有的数据中识别模式和趋势，以及能够使用这些数据回答问题。④学生能出示数据吗？这包括图形、信息图形，以及能够“读取”他人数据的图形。⑤学生能讨论他们应该/不应该提供/要求的数据吗？这包括认识到如何使用数据，以及讨论是否希望以这种方式使用数据的伦理。
2.美国的数据科学教育
美国的计算机科学教育体系中一直都有数据科学教育的一席之地。虽然美国一直比较强调计算机科学教育，但在计算机科学教师协会制订的K-12阶段计算机科学标准中，一整条线都被赋予了数据和分析，并为高中生设定了清晰的目标，如“创建交互式数据可视化”和“使用数据分析工具和技术来识别代表复杂系统的数据模式”。因此，用代码进行数据可视化和分析仍然有很大的空间。美国CSTA标准中“数据与分析”模块具体要求如下页表2所示。[3]
除了英美之外，其他很多国家和地区都高度重视数据科学教育。例如，日本将数据科学和人工智能作为其信息技术教育的支柱内容。国际上的信息技术教育既强调编程教育、人工智能教育，也将数据科学作为很重要的内容之一。
融入信息技术课程中的数据科学教育思考
1.加强对数据科学基础教育的重视程度
国家高度重视大数据建设及应用，很多高校都开设了大数据等相关专业。但在数据科学教育体系中，数据科学基础教育至关重要，要从小培养社会公民的数据素养，因此，要在基础教育体系中加强数据科学教育，我们要站在时代发展的战略高度统筹谋划数据科学基础教育的建设与发展。
2.明晰数据科学教育的实施途径
通过英美等国家的资料可以看出，数据科学教育不是只通过一个途径就可以培养的，数学、信息技术教育等学科都可以培养数据素养。因此，我们要在相应课程标准修订之际，将数据科学教育融入到各学科课程内容体系之中。信息技术教育正在经历从传统内容向新型课程转变，数据科学教育应该作为重要内容纳入其中。缺乏了数据科学教育的信息技术教育必然不能够支撑起指向未来的人才发展，而没有了信息技术教育作为载体的数据科学教育必然会丧失其技术优势，成为无本之源。
3.做好数据科学教育的师资培育
发展数据科学教育的首要制约条件就是师资，没有优秀师资的支撑就难以很好地实施数据科学教育。数据科学教育师资培育不仅要加强在职师资的培训和发展，使其能够掌握数据科学教育的知识、技能和方法，能够懂得数据科学教育应该教什么、怎么教，更要将数据科学教育内容纳入师范生教育体系中，不断地重构和优化师范生教育体系和内容，使他们能够适应未来的教育。
参考文献：
[1]Data Literacy： What It Is and How to Measure It in the Public Service.[DB/OL].[2021-02-22].https：//www150.statcan.gc.ca/n1/pub/11-633-x/11-633-x2019003-eng.htm
[2]the Integration of Data Science in the Primary and Secondary.[DB/OL].[2021-02-22].https：//royalsociety.org/～/media/policy/Publications/2018/2018-07-16-integration-of-data-science-primary-secondary-curriculum.pdf.
[3]CSTA K-12 Computer Science Standards， Revised 2017.[DB/OL].[2021-02-22].http：//www.csteachers.org/standards.
