大数据在当今医疗、交通、安全、教育等众多领域都发挥着越来越重要的作用。在日益数据化的教学活动中，教师数据素养能力可以使教学更加精准有效。师范生作为未来教师队伍中重大群体，需要进行教与学行为的转变。因此，需要采取措施提高全囯中小学教师和普通教师的数据能力及数据素养，以此来培养适应大数据时代和新型时代的具备数据素养能力的教师。

在研究相关文献的基础上，本研究主要采用问卷调查法，从数据意识、数据知识、数据操纵技能、数据应用能力、评价交流数据能力和数据思维六个维度分析师范生数据素养水平，选用SPSS分析工具对收集数据进行差异性分析及相关性分析。数据分析结果发现：不同性别、学校层次、专业类别的师范生数据素养水平之间存在显著差异。最后，研究结合问卷调查结果为师范生数据素养发展提出如下建议：（一）重视数据意识培养，建设未来高水平的教师队伍。研究结果显示，部分师范生数据意识淡薄，缺乏数据应用以及创新意识，尚未充分理解数据素养对于其未来教学工作开展的价值。（二）强化普通本科高校数据基础课程建设，推进全体师范生均衡发展， 缩小不同层次院校数据素养水平之间的差异是全面提升师范生数据素养水平的关键。

 

关键词：大数据  师范生  数据素养  师范生数据素养

1.研究目的：

教师数据素养已成为教育发展的热点问题，关注师范生的数据素养水平发展和现状具有重要的研究价值和意义。人类社会生活进入大数据时代，在这个时代的每个人都能在生活中感受到数据带来的便利，当下学生也被称作为数据时代下的“土著”。因此，在教育信息化2.0的时代背景下，教育教学活动和管理中海量数据都能够被记录下来，如何处理这些数据是每一位教师和未来将成为教师的师范生具备基本的数据素养能力。基于上述背景，研究通过问卷调查法获取高校师范生的数据素养水平，并对不同师范生数据素养水平之间的描述和差异性分析，旨在为提升师范生数据素养提供宝贵的建议。

2.研究意义：

（1）理论意义：

在大数据环境下，较高数据素养的专业人才可以对大数据的基础理论进行研究、帮助城市的数字化建设以及企业重视的利益转化。在教育方面，大数据更发挥着不可或缺的作用。对数据的获取、理解、处理、利用的能力，不仅是科研人员进行学术研究与学术交流的重要能力，而且是大数据时代下许多从业人员必备的职业技能。在大数据环境下，对于大数据的理论基础调查、城市的数字化建设和企业重视的创业转型这三个方面，要求所有的专业人员都需要具备高水平的数据素养。在教育中，大数据起着至关重要的作用。科研人员需要通过大数据的分析结果进行学术研究和交流的重要能力，大数据时代许多工作者同样也将数据处理分析能力作为必备的专业技能，可见，应该把师范生数据素养的培养提上日程。未来师范生将作为教师的主要后备军，培养他们的数据素养能够有效推动国家教育变革，调查师范生数据素养水平及发展现状，分析其中存在的问题可以更合适地完善师范生的数据素养培育体系。

（2）实践意义：

本研究通过文献研究法、问卷调查法等研究方法，阐述了国内外师范生数据素养研究现状，对师范生数据素养水平发展的概念及其构成维度进行有效的界定。研究师范生数据素养水平和维度，可以为优化教育政策、管理教育决策制度、变革教育测评方法等理论研究提供实证依据以及新的案例，从而更好地推动教育领域的变革，并且深入了解我国师范生数据素养水平现状，挖掘存在的主要问题及产生原因，为学校对于师范生数据素养水平的提升提供参考，更好地促进我国师范生数据素养培养的持续发展。

1．国外研究现状

国外高校关于数据素养的研究起步较早，围绕数据素养教育展开了一系列研究的包括了部分的美国高校。由此可见美国是最早关注师范生数据素养的国家之一，2011年美国博物馆和图书服务管理协会联合一些有名气的大学开展了数据素养教育等相关项目的研究。到目前为止,美国有很多机构或项目都在推进数据素养教育项目的开展,比如说美国教育部教育科学研究中心(IES)、WestED的数据决策战略项目以及数据智慧项目(The Data Wise Project)、关于数据质量运动(DQC)等项目。同样的一些专业教师的数据素养水平也将被纳入教师专业认证中,如美国大学教师教育协会(AACTE)、国家专业教学标准委员会(NBPTS)和国家教师教育认证委员会(NCATE)。全美州首席教育官理事会(Council of Chief State School Officers, 简称CCSSO)制定的InTASC标准已经作为许多州用于教师数据素养能力评估的标准之一。IES也据此发布了有关教师职业发展的实践指南，为教师使用数据教学提供指导。除了美国以外,大洋洲、欧洲、南美洲的一些国家也都发布了数据素养教育的相关措施和行动计划,但尚未进行大规模的推广和实践。

2．国内研究现状

对于我国而言，教育部在“全国中小学教师信息技术应用能力提升工程”及《教育信息化“十三五”规划》中对中小学教师处理分析数据的能力提出了明确要求,教师数据素养的形成对于其提高教学质量以及教师自身专业发展都有着重要的意义。师范生是未来的“准教师”，培养师范生的数据素养对未来教师数据素养水平高低的重要性不言而喻，在师范生阶段对“准教师”开展数据素养教育，是提高未来教师数据素养的重要手段之一。

国内数据素养教育理论源于信息素养理论，相比国外研究起步的时间比较晚，主要以理论探讨为主，数据素养研究都还处于初始和探索阶段，研究成果比较零散，缺乏统一的理论概念和判断标准。邓李君教授认为国内数据素养教育环境还未成形，教育意识不足，数据素养教育研究缺乏针对性，教育形式单一，内容创新不足。数据素养是大数据时代最重要的能力素养之一，师范生需要具备一定的数据思维习惯，加强师范生数据素养的评价指标和课程体系的建设迫在眉睫。

目前对数据素养这一概念还没有清晰的界定，通常情况下数据素养被认为是大数据时代下信息素养的衍生和拓展。伍海波教授认为师范生数据素养是师范生信息素养概念在教育大数据背景下的延伸，是师范生面对教育大数据的一种综合处理能力。

本研究认为师范生数据素养是师范生在大数据背景下数据意识、数据知识、数据操纵技能、交流评价数据能力、数据应用能力、数据思维六大维度的综合素养能力。

（1）数据知识：数据的基础知识和数据的使用工具知识都包括在其中，这里指一般的数据相关的概念，基本的原理定义等。

（2）数据意识：它的身份是处理数据素养等问题的先决条件，对师范生来说是对知识及其数据潜在变化的敏锐程度。

（3）数据操纵技能：从合理渠道获取目标数据，筛选有用数据，并对数据进行可视化处理的能力。

（4）交流评价数据能力：对数据使用环节进行反思，与合作者分享交流数据结果的能力。

（5）数据应用能力：指能够评估数据，利用数据分析结果解决在学习与实践中存在的问题的能力。

（6）数据思维：包括问题导向思维、量化互联思维、辩证批判思维、创新变革思维。

（一）调查对象

本研究选取师范类高校的本科在读生作为调查对象。

（二）调查目的

（1）分析不同层次高校师范生的数据素养水平。

（2）通过问卷调查的结果分析影响师范生数据素养水平的六大维度。

（3）从师范生的角度来提出提升师范生数据素养水平的建议。

（三）调查方法

1.文献研究法

2.问卷调查法：

本研究根据江苏师范大学杨现民教授团队编制的《中小学教师数据素养水平问卷调查》改变而成，旨在通过发放问卷的方式收集数据，采用定量研究的方法衡量师范生的数据素养水平。问卷主要有两大部分组成，共50题。第一部分是基本信息，四个项目分别是性别、年级、学校层次、专业、专业类别；第二大部分是师范生数据素养水平的调查，对师范生的数据素养课程开设进行统计调查；第三大部分从数据意识、数据知识、数据操纵技能、数据应用能力、评价交流数据能力、数据思维六个维度设置题项，每一题项均采用五级量表的形式编制，分级为“完全不赞同”、“不赞同”、“中立”、“赞同”、“完全赞同”。

 

（一）有效问卷情况

本次研究的研究对象是全国在校师范生，采用整群抽样的方法进行问卷调查，实际发放、回收与有效问卷的情况如表3-1所示

表3-1 回收问卷的基本情况表

发放问卷 （份）	回收问卷 （份）	回收率 （%）	无效问卷 （份）	有效问卷 （份）	有效率 （%）
404	404	100%	20	384	95%

由上图可知，问卷的有效率是95%，已经达到了有效标准，可以作为研究的依据。

 

 

（二）师范生基本信息的统计与分析

基本信息部分包括性别、学校层次、年级、专业、专业类别，对该部分主要用描述性统计和差异性分析，探讨性别、学校层次、年级、专业、专业类别与数据素养之间的关系。其中按性别分，男生115人（占比28.47%），女生289人（占比71.53%）；按学校层次分，985高校14人（占比3.47%），211高校60人（占比14.85%），一本类高校276人（占比68.32%），二本类高校54人（占比13.37%）；按年级分，大一36人（占比8.91%），大二58人（占比14.36%），大三87人（占比21.53%），大四139人（占比34.41%）；按专业分，汉语言文学28人（占比14.36%），数学与应用数学61人（占比15.1%），英语49人（占比12.13%），地理科学53人（占比13.12%），化学35人(占比8.66%)，生物科学18人（占比4.46%），物理23人（占比5.69%），政治15人（占比3.71%），小学教育10人（占比2.48%），教育技术学22人（占比5.45%），应用心理学3人（占比0.74%），历史学14人（占比3.47%），体育教育14人（占比3.47%），音乐教育5人（占比1.24%），美术教育5人（占比1.24%），其他师范类专业49人（占比12.13%）；按专业类别分，文科207人（占比51.24%），理科197人（占比48.76%）。

1.性别信息

从表中可以看出，师范生中的女性人数要远远大于男性人数，在有效问卷中，男性有115人，28.47%；女性有289人，占71.53%，从统计中可以看出，女性占比较大。

2.学校层次信息

从表中可以看出，参与本次问卷调查的学校层次的分布情况为：985院校占总人数的13.37%，一本院校占总人数的68.32%，211高校占总人数的14.85%。二本类院校占总人数的13.37%，可以通过差异性检验探究其中是否有显著差异。

3.年级信息

从表中可以看出，大四师范生参加此次问卷调查的人数占比比较大，占总人数的34.41%，其次是大三师范生，占21.53%。

4.专业信息

从表中可以看出，数学与英语学科的师范生占比较大，文科类师范生占比比较大，占总人数的51.24%。这类主科的学科性质会影响师范生的学习行为，师范生是否具有相应的数据素养还与其不同的学科性质有关。

（三）师范生对数据素养课程开设的认识分析

课程是对师范生教育最直接的形式，对不同师范专业是否开设数据素养相关课程现状进行调查，能进一步深入探究师范生数据素养水平形成原因。本次研究在问卷的第二部分对数据素养课程开设情况进行了详细调查，主要是参加的相关课程形式，内容以及对开设有关课程的态度等问题。

（四）师范生对数据素养差异性分析

1.师范生参与数据素养课程状况调查

表3-2 师范生参与课程活动状况统计表

	频率	百分比	有效百分比	累计百分比
参加过 从未参加	229 175	56.68% 43.32%	56.68% 43.32%	56.68% 43.32%

该题的设计是为了了解在校师范生的数据素养课程参与状况，从数据看，师范生接触过数据素养相关课程的占比比较大，但从未参加过数据素养相关课程的人数占比也较大，说明当下师范生教育中对数据素养的教育仍稍有缺失。

2.师范生接触过的相关课程模块调查

表3-3 师范生接触过的课程模块统计表

课程名称	频率	百分比	有效百分比	累计百分比
教育研究方法 SPSS数据统计分析 教育评价 数据计算智能 其他	140 175 166 59 7	61.14% 76.42% 72.49% 25.76% 3.06%	61.14% 76.42% 72.49% 25.76% 3.06%	61.14% 76.42% 72.49% 25.76% 3.06%

该题的设计是为了了解师范生在校期间学习过的数据素养相关课程内容，从图中可以了解到SPSS数据分析这门课程在各大高校均有开设，这门课程处于数据素养培养发展的领军地位，在现在的大数据化时代具有重要的价值和意义。教育评价、教育研究方法这两门课程的占比也比较大，也同样的可以在高校课程开设中得到重视。

3.师范生对学校开设课程活动的态度调查

图3-1 对学校开设课程活动的态度统计图

该题的设计是为了了解师范生对学校开设课程活动的态度，从表中可以看出持中立态度的师范生占绝大多数，持不赞同态度的师范生总共只占21.4%。可见在校师范生对开设与数据素养能力相关课程的需求并不排斥，且持一定需求。

4.师范生参加课程形式统计调查

图3-2 参加课程形式统计图

该题的设计是为了了解师范生数据素养课程活动的开展形式。结合数据可以了解到师范生教育中数据素养活动的开展形式是多样的，网络在线学习这种方式占比最多，其次是线下实践操作、专家学术报告、线下理论指导和专家系统培训形式。也就是说，当下师范生可以通过多种课程的形式获取数据素养相关知识。

5.师范生获得课程知识统计调查

图3-3 获得课程知识统计图

该题的设计是为了了解师范生在开展过相关课程后所获得的的关于数据处理分析方面的知识。从图中可以看出，相对于数据方面理论知识的掌握，师范生从课程中获取的知识更多的是偏向于数据分析处理方法和解读应用上。

 

1.不同性别师范生数据素养水平差异性分析

本研究以师范生性别作为自变量，③将数据意识，数据知识，数据操纵技能，数据应用能力，评价交流数据能力和数据思维六个数据素养的子维度作为因变量，采用独立样本T检验的方法，检验不同性别的师范生在这六个维度上是否存在显著性差异。

（1）数据意识维度

表3-5 不同性别师范生在数据意识维度的独立样本t检验表                      

性别	样本量	平均数	标准偏差	t
男 女	115 289	3.58 3.61	0.68 0.61	0.525

通过独立样本t检验发现：

① 男性师范生的数据意识平均程度（M）为3.58，标准差（SD）为0.60，女性师范生的数据意识维度平均值程度（M）为3.61，标准差（SD）为0.53，男性师范生的数意识平均程度（M）低于女性师范生，但是男性师范生的数据意识标准偏差（SD）高于女性师范生。

② t检验结构为：t=0.525，p=0.6>0.05,这说明师范生中男性和女性的数据意识这一维度不存在显著性差异。

（2）数据知识维度

表3-6 不同性别师范生在数据知识维度的独立样本t检验表

性别	样本量	平均数	标准偏差	t
男 女	115 289	3.58 3.55	0.68 0.61	0.49

通过独立样本t检验发现

① 115位男性师范生的数据知识平均程度（M）为3.58，标准差（SD）为0.68，289位女性师范生的数据知识平均程度（M）为3.55，标准差（SD）为0.61，男性师范生的数据知识平均程度（M）高于女性师范生，男性师范生的数据知识标准偏差（SD）高于女性师范生。

② t检验结构为：t=0.49，p=0.623>0.05,这说明师范生中男性和女性的数据知识这一维度不存在显著性差异。

（3）数据操纵技能维度

表3-7 不同性别师范生在数据操纵技能维度的独立样本t检验表

性别	样本量	平均数	标准偏差	t
男 女	115 289	3.58 3.58	0.60 0.53	0.043

通过独立样本t检验发现

① 115位男性师范生的数据操纵技能平均程度（M）为3.58，标准差（SD）为0.60，289位女性师范生的数据操纵技能平均程度（M）为3.58，标准差（SD）为0.53，男性师范生的数据操纵技能平均程度（M）等于女性师范生，男性师范生的数据操纵技能标准偏差（SD）高于女性师范生。

② t检验结构为：t=0.043，p=0.966>0.05,这说明师范生中男性和女性的数据操纵技能这一维度不存在显著性差异。

（4）数据应用能力维度

表3-8 不同性别师范生在数据应用能力维度的独立样本t检验表

性别	样本量	平均数	标准偏差	t
男 女	115 289	3.58 3.61	0.65 0.53	0.121

通过独立样本t检验发现

① 115位男性师范生的数据应用能力平均程度（M）为3.58，标准差（SD）为0.65，289位女性师范生的数据应用能力平均程度（M）为3.61，标准差（SD）为0.53，男性师范生的数据应用能力平均程度（M）低于女性师范生，男性师范生的数据应用能力标准偏差（SD）高于女性师范生。

② t检验结构为：t=0.121，p=0.912>0.05,这说明师范生中男性和女性的数据应用能力这一维度不存在显著性差异。

（5）评价交流数据能力维度

表3-9 不同性别师范生在评价交流数据能力维度的独立样本t检验表

性别	样本量	平均数	标准偏差	t
男 女	115 289	3.59 3.60	0.74 0.61	0.119

通过独立样本t检验发现

① 115位男性师范生的评价交流数据能力平均程度（M）为3.59，标准差（SD）为0.74，289位女性师范生的评价交流数据能力平均程度（M）为3.60，标准差（SD）为0.61，男性师范生的评价交流数据能力平均程度（M）低于女性师范生，男性师范生的评价交流数据能力标准偏差（SD）高于女性师范生。

② t检验结构为：t =0.119， p = 0.913>0.05,这说明师范生中男性和女性的评价交流数据能力这一维度不存在显著性差异。

（6）数据思维维度

表3-10 不同性别师范生在数据思维维度的独立样本t检验表

性别	样本量	平均数	标准偏差	t
男 女	115 289	3.60 3.61	0.61 0.54	0.156

通过独立样本t检验发现

① 115位男性师范生的数据思维这一维度平均程度（M）为3.60，标准差（SD）为0.61，289位女性师范生的数据思维这一维度平均程度（M）为3.61，标准差（SD）为0.54，男性师范生的数据思维平均程度（M）低于女性师范生，男性师范生的数据思维标准偏差（SD）高于女性师范生。

② t检验结构为：t=0.156，p=0.883>0.05,这说明师范生中男性和女性的数据思维这一维度不存在显著性差异。

（7）数据素养水平

表3-11 不同性别师范生在数据素养的独立样本t检验表

性别	样本量	平均数	标准偏差	t
男 女	115 289	3.58 3.59	0.55 0.45	0.082

通过独立样本t检验发现

① 115位男性师范生的数据素养水平平均程度（M）为3.58，标准差（SD）为0.55，289位女性师范生的数据素养水平平均程度（M）为3.59，标准差（SD）为0.45，男性师范生的数据素养水平平均程度（M）低于女性师范生，男性师范生的数据素养水平标准偏差（SD）高于女性师范生。

② t检验结构为：t=0.082，p=0.940>0.05,这说明师范生中男性和女性的数据素养不存在显著性差异。

2.不同学校层次的师范生数据素养水平差异性分析

研究者将师范生所在学校层次作为自变量，将数据意识，数据知识，数据操纵技能，数据应用能力，评价交流数据能力和数据思维六个数据素养的子维度作为因变量，采用单因素方差分析的方法，分析不同学校层次的师范生在这六个维度上是否存在显著性差异。

（1）数据意识维度

表3-12 不同学校层次的师范生在数据意识维度的单因素方差分析表

学校层次	样本量	平均值	标准偏差	F	多重比较
985 211 一本类高校 二本类高校	14 60 276 54	3.7500 3.6021 3.6345 3.3819	1.22964 0.49064 0.48893 0.59796	3.612*	c<d

注：*p<0.05，a代表985高校，b代表211高校，c代表一本类高校，d代表二本类高校。

通过表可以看出：

① 14个985高校师范生的数据意识平均程度（M）为3.7500，标准差（SD）为1.22964，60个211高校师范生的数据意识平均程度（M）为3.6021，标准差（SD）为0.49064，276所一本类高校的数据意识平均程度（M）为3.6345，标准差（SD）为0.48893，54所二本类高校师范生的数据意识平均程度（M）为3.3819，标准差（SD）为0.59796。985高校的师范生数据意识的平均程度（M）最高，其次是一本类高校，接着是211高校，最后是二本类高校最低。

② 三组之间的方差检验F=3.612，p=0.013<0.05，这说明不同学校层次的师范生在数据意识维度上存在显著性差异。

③ 对各组进行多重比较发现：985高校的师范生数据意识高于211高校，但是差异不显著（p=0.999>0.05）；985高校的师范生数据意识高于一本类高校，但是差异不显著（p=1.00>0.05）；985高校的师范生数据意识高于二本类高校，但是差异不显著（p=0.877>0.05）；211高校的师范生数据意识低于一本类高校，但是差异不显著（p=0.998>0.05）；211高校的师范生数据意识高于二本类高校，但是差异不显著（p=0.193>0.05）；一本类高校的师范生数据意识高于二本类高校师范生，差异较显著（p=0.028<0.05）。

（2）数据知识维度

表3-13 不同学校层次的师范生在数据知识维度的单因素方差分析表

学校层次	样本量	平均值	标准偏差	F	多重比较
985 211 一本类高校 二本类高校	14 60 276 54	3.70 3.72 3.56 3.34	1.18 0.60 0.57 0.72	3.71*	a<b  b>d a>c c>d* a>d b>c

注：*p<0.05，a代表985高校，b代表211高校，c代表一本类高校，d代表二本类高校。

通过表可以看出：

① 14个985高校师范生的数据知识平均程度（M）为3.70，标准差（SD）为1.18，60个211高校师范生的数据知识平均程度（M）为3.72，标准差（SD）为0.60，276所一本类高校的数据知识平均程度（M）为3.56，标准差（SD）为0.57，54所二本类高校师范生的数据知识平均程度（M）为3.34，标准差（SD）为0.72。这说明，211高校的师范生数据知识的平均程度（M）最高，其次是985高校，接着是一本类高校，最后是二本类高校最低。

② 三组之间的方差检验F=3.71，p=0.012<0.05，这说明学校层次的师范生在数据意识知识上存在显著性差异。

③ 对各组进行多重比较发现：985高校的师范生数据知识低于211高校，但是差异不显著（p=1.00>0.05）；985高校的师范生数据知识高于一本类高校，但是差异不显著（p=0.999>0.05）；985高校的师范生数据知识高于二本类高校，但是差异不显著（p=0.879>0.05）；211高校的师范生数据知识高于一本类高校，但是差异不显著（p=0.323>0.05）；211高校的师范生数据知识高于二本类高校，差异较显著（p=0.02<0.05）；一本类高校的师范生数据知识高于二本类高校师范生，但是差异不显著（p=0.227>0.05）。

（3）数据操纵技能维度

表3-14 不同学校层次的师范生在数据操纵技能维度的单因素方差分析表

学校层次	样本量	平均值	标准偏差	F	多重比较
985 211 一本类高校 二本类高校	14 60 276 54	3.87 3.56 3.59 3.43	1.03 0.57 0.50 0.71	2.687*	a>b  b>d a>c  c>d a>d** b<c

注：**p<0.01，a代表985高校，b代表211高校，c代表一本类高校，d代表二本类高校。

① 14个985高校师范生的数据操纵技能平均程度（M）为3.89，标准差（SD）为1.03，60个211高校师范生的数据操纵技能平均程度（M）为3.56，标准差（SD）为0.57，276所一本类高校的数据操纵技能平均程度（M）为3.59，标准差（SD）为0.50，54所二本类高校师范生的数据操纵技能平均程度（M）为3.43，标准差（SD）为0.71。这说明，985高校的师范生数据操纵技能的平均程度（M）最高，其次是一本类高校，接着是211高校，最后是二本类高校最低。

② 三组之间的方差检验F=2.687，p=0.046<0.05，这说明不同学校层次的师范生在数据操纵技能维度上存在显著性差异。

③ 对各组进行多重比较发现：985高校的师范生数据操纵技能高于211高校，但是差异不显著（p=0.052>0.05）；985高校的师范生数据操纵技能高于一本类高校，但是差异不显著（p=0.059>0.05）；985高校的师范生数据操纵技能高于二本类高校,差异非常显著（p=0.008<0.01）；211高校的师范生数据操纵技能低于一本类高校，但是差异不显著（p=0.673>0.05）；211高校的师范生数据操纵技能高于二本类高校，但是差异不明显（p=0.229>0.05）；一本类高校的师范生数据操纵技能高于二本类高校师范生，但是差异不显著（p=0.055>0.05）。

（4）数据应用能力维度

表3-15 不同学校层次的师范生在数据应用能力维度的单因素方差分析表

学校层次	样本量	平均值	标准偏差	F	多重比较
985 211 一本类高校 二本类高校	14 60 276 54	3.87 3.66 3.61 3.42	1.00 0.47 0.52 0.70	3.183**	a>b b>d* a>c c>d*   a>d** a>d

注：**p<0.01,*p<0.05，a代表985高校，b代表211高校，c代表一本类高校，d代表二本类高校。

① 14个985高校师范生的数据应用能力平均程度（M）为3.87，标准差（SD）为1.00，60个211高校师范生的数据应用能力平均程度（M）为3.66，标准差（SD）为0.47，276所一本类高校的数据应用能力平均程度（M）为3.61，标准差（SD）为0.52，54所二本类高校师范生的数据意识平均程度（M）为3.42，标准差（SD）为0.70。这说明，985高校的师范生数据应用能力的平均程度（M）最高，其次是211高校，接着是一本类高校，最后是二本类高校最低。

② 三组之间的方差检验F=3.183，p=0.024<0.05，这说明不同学校层次的师范生在数据应用能力维度上存在显著性差异。

③ 对各组进行多重比较发现：985高校的师范生数据应用能力高于211高校，但是差异不显著（p=0.218>0.05）；985高校的师范生数据应用能力高于一本类高校，但是差异不显著（p=0.098>0.05）；985高校的师范生数据应用能力高于二本类高校,差异非常显著（p=0.008<0.01）；211高校的师范生数据应用能力高于一本类高校，但是差异不显著（p=0.535>0.05）；211高校的师范生数据应用能力高于二本类高校，差异显著（p=0.022<0.05）；一本类高校的师范生数据应用能力高于二本类高校师范生，差异显著（p=0.022<0.05）。

（5）评价交流数据能力维度

表3-16 不同学校层次的师范生在评价交流数据能力维度的单因素方差分析

学校层次	样本量	平均值	标准偏差	F	多重比较
985 211 一本类高校 二本类高校	14 60 276 54	3.95 3.62 3.61 3.38	0.99 0.58 0.61 0.75	3.694**	a>b  b>c a>c b>d*  a>d** c>d*

注：**p<0.01,*p<0.05，a代表985高校，b代表211高校，c代表一本类高校，d代表二本类高校。

① 14个985高校师范生的评价交流数据能力平均程度（M）为3.95，标准差（SD）为0.99，60个211高校师范生的评价交流数据能力平均程度（M）为3.62，标准差（SD）为0.58，276所一本类高校的评价交流数据能力平均程度（M）为3.61，标准差（SD）为0.61，54所二本类高校师范生的评价交流数据能力平均程度（M）为3.38，标准差（SD）为0.75。这说明，985高校的师范生评价交流数据能力的平均程度（M）最高，其次是211高校，接着是一本类高校，最后是二本类高校最低。

② 三组之间的方差检验F=3.694，p=0.012<0.05，这说明不同学校层次的师范生在评价交流数据能力维度上存在显著性差异。

③ 对各组进行多重比较发现：985高校的师范生评价交流数据能力高于211高校，但是差异不显著（p=0.083>0.05）；985高校的师范生评价交流数据能力高于一本类高校，但是差异不显著（p=0.057>0.05）；985高校的师范生评价交流数据能力高于二本类高校,差异非常显著（p=0.003<0.01）；211高校的师范生评价交流数据能力高于一本类高校，但是差异不显著（p=0.956>0.05）；211高校的师范生评价交流数据能力高于二本类高校，差异显著（p=0.041<0.05）；一本类高校的师范生评价交流数据能力高于二本类高校师范生，差异显著（p=0.012<0.05）。

（6）数据思维维度

表3-17 不同学校层次的师范生在数据思维维度的单因素方差分析

学校层次	样本量	平均值	标准偏差	F	多重比较
985 211 一本类高校 二本类高校	14 60 276 54	4.00 3.76 3.59 3.41	0.98 0.47 0.51 0.66	6.323*	a>b  b>c a>c b>d* a>d c>d

注：*p<0.05，a代表985高校，b代表211高校，c代表一本类高校，d代表二本类高校。

① 14个985高校师范生的数据思维能力平均程度（M）为4.00，标准差（SD）为0.98，60个211高校师范生的数据思维平均程度（M）为3.76，标准差（SD）为0.47，276所一本类高校的数据思维平均程度（M）为3.59，标准差（SD）为0.51，54所二本类高校师范生的数据思维平均程度（M）为3.41，标准差（SD）为0.66。这说明，985高校的师范生数据思维的平均程度（M）最高，其次是211高校，接着是一本类高校，最后是二本类高校最低。

② 三组之间的方差检验F=6.323，p=0.000<0.05，这说明不同学校层次的师范生在数据思维维度上存在显著性差异。

③ 对各组进行多重比较发现：985高校的师范生数据思维高于211高校，但是差异不显著（p=0.946>0.05）；985高校的师范生数据思维能力高于一本类高校，但是差异不显著（p=0.611>0.05）；985高校的师范生数据思维能力高于二本类高校,但是差异不显著（p=0.262>0.05）；211高校的师范生数据思维能力高于一本类高校，但是差异不显著（p=0.092>0.05）；211高校的师范生数据思维能力高于二本类高校，差异显著（p=0.011<0.05）；一本类高校的师范生数据思维高于二本类高校师范生，但是差异不显著（p=0.317>0.05）。

（7）数据素养水平

表3-18 不同学校层次的师范生在数据素养水平的单因素方差分析

学校层次	样本量	平均值	标准偏差	F	多重比较
985 211 一本类高校 二本类高校	14 60 276 54	3.86 3.65 3.60 3.39	0.99 0.37 0.42 0.59	5.094*	a>b  b>c a>c b>d* a>d c>d

注：*p<0.05，a代表985高校，b代表211高校，c代表一本类高校，d代表二本类高校。

① 14个985高校师范生的数据素养水平平均程度（M）为3.86，标准差（SD）为0.99，60个211高校师范生的数据素养水平平均程度（M）为3.65，标准差（SD）为0.37，276所一本类高校的数据素养水平平均程度（M）为3.60，标准差（SD）为0.42，54所二本类高校师范生的数据素养水平平均程度（M）为3.39，标准差（SD）为0.59。这说明，985高校的师范生数据素养水平的平均程度（M）最高，其次是211高校，接着是一本类高校，最后是二本类高校最低。

② 三组之间的方差检验F=5.094，p=0.002<0.05，这说明不同学校层次的师范生数据素养水平上存在显著性差异。

③ 对各组进行多重比较发现：985高校的师范生数据素养水平高于211高校，但是差异不显著（p=0.974>0.05）；985高校的师范生数据素养水平高于一本类高校，但是差异不显著（p=0.924>0.05）；985高校的师范生数据素养水平高于二本类高校,但是差异不显著（p=0.512>0.05）；211高校的师范生数据素养水平高于一本类高校，但是差异不显著（p=0.910>0.05）；211高校的师范生数据素养水平高于二本类高校，差异显著（p=0.039<0.05）；一本类高校的师范生数据素养水平高于二本类高校师范生，但是差异不显著（p=0.097>0.05）。

3.不同专业师范生的数据素养水平差异性分析

本研究以师范生专业类别作为自变量，将数据意识，数据知识，数据操纵技能，数据应用能力，评价交流数据能力和数据思维六个数据素养的维子度作为因变量，采用独立样本T检验的方法，检验不同专业的师范生在这六个维度上是否存在显著性差异。

（1）数据意识维度：

表3-19 不同专业师范生在数据意识维度的独立样本t检验表

专业类别	样本量	平均值	标准偏差	t
文科 理科	207 197	3.56 3.64	0.59 0.50	1.39

通过独立样本t检验发现

① 207位文科专业的师范生数据意识的平均程度（M）为3.56，标准差（SD）为0.59；197位师范生数据意识的平均程度（M）为3.64，标准差（SD）为0.50。文科专业的师范生数据意识平均程度（M）低于理科专业的师范生，但是文科专业的师范生数据意识标准偏差（SD）高于理科专业的师范生。

② t检验结构为：t=1.39,p=0.163>0.05,文科专业的师范生数据意识与理科专业的师范生的数据意识不存在显著差异。

（2）数据知识维度

表3-20 不同专业师范生在数据知识维度的独立样本t检验表

专业类别	样本量	平均值	标准偏差	t
文科 理科	207 197	3.47 3.65	0.66 0.59	2.99

通过独立样本t检验发现：

① 207位文科专业的师范生数据知识的平均程度（M）为3.47，标准差（SD）为0.66；197位师范生数据知识的平均程度（M）为3.65，标准差（SD）为0.59。文科专业的师范生数据知识平均程度（M）低于理科专业的师范生，但是文科专业的师范生数据知识标准偏差（SD）高于理科专业的师范生。

② t检验结构为：t=2.99,p=0.003<0.05,文科专业的师范生数据知识与理科专业的师范生的数据知识存在显著差异。

（3）数据操纵技能维度

表3-21 不同专业师范生在数据操纵技能维度的独立样本t检验表

专业类别	样本量	平均值	标准偏差	t
文科 理科	207 197	3.52 3.64	0.61 0.52	2.03

通过独立样本t检验发现：

① 207位文科专业的师范生数据操纵技能的平均程度（M）为3.52，标准差（SD）是0.61；197位师范生数据操纵技能的平均程度（M）为3.64，标准差（SD）为0.52。文科专业的师范生数据操纵技能平均程度（M）低于理科专业的师范生，但是文科专业的师范生数据操纵技能的标准偏差（SD）高于理科专业的师范生。

② t检验结构为：t=2.03,p=0.042<0.05,文科专业的师范生数据操纵技能与理科专业的师范生的数据操纵技能存在显著差异。

（4）数据应用能力维度

表3-22 不同专业师范生在数据应用能力维度的独立样本t检验表

专业类别	样本量	平均值	标准偏差	t
文科 理科	207 197	3.52 3.69	0.57 0.55	3.04

通过独立样本t检验发现：

① 207位文科专业的师范生数据应用能力的平均程度（M）为3.52，标准差（SD）为0.57；197位师范生数据应用能力的平均程度（M）为3.69，标准差（SD）为0.55。文科专业的师范生数据应用能力平均程度（M）低于理科专业的师范生，但是文科专业的师范生数据应用能力的标准偏差高于理科专业的师范生。

② t检验结构为：t=3.04,p=0.003<0.05,文科专业的师范生数据应用能力与理科专业的师范生的数据应用能力存在显著差异。

（5）评价交流数据能力维度

表3-23 不同专业师范生在评价交流数据能力维度的独立样本t检验表

专业类别	样本量	平均值	标准偏差	t
文科 理科	207 197	3.55 3.65	0.66 0.63	1.592

通过独立样本t检验发现：

① 207位文科专业的师范生评价交流数据能力的平均程度（M）为3.55，标准差（SD）为0.66；197位师范生评价交流数据能力的平均程度（M）为3.65，标准差（SD）为0.63。文科专业的师范生评价交流数据能力平均程度（M）低于理科专业的师范生，但是文科专业的师范生评价交流数据能力的标准偏差（SD）高于理科专业的师范生。

② t检验结构为：t=1.592,p=0.112>0.05,文科专业的师范生评价交流数据能力与理科专业的师范生的评价交流数据能力不存在显著差异。

（6）数据思维维度

表3-24 不同专业师范生在数据思维维度的独立样本t检验表

专业类别	样本量	平均值	标准偏差	t
文科 理科	207 197	3.55 3.66	0.58 0.53	1.970

通过独立样本t检验发现：

① 207位文科专业的师范生数据思维的平均程度（M）为3.55，标准差（SD）为0.58；197位师范生数据思维的平均程度（M）为3.66，标准差（SD）为0.53。文科专业的师范生数据思维平均程度（M）低于理科专业的师范生，但是文科专业的师范生数据思维标准偏差（SD）高于理科专业的师范生。

② t检验结构为：t=1.970,p=0.049<0.05,文科专业的师范生数据思维与理科专业的师范生的数据思维存在显著差异。

（7）数据素养水平

表3-25 不同专业师范生在数据素养水平的独立样本t检验表

专业类别	样本量	平均值	标准偏差	t
文科 理科	207 197	3.53 3.66	0.49 0.45	2.679

通过独立样本t检验发现

① 207位文科专业的师范生数据素养水平平均程度（M）为3.53，标准差（SD）为0.49；197位理科师范生数据素养水平的平均程度（M）为3.66，标准差（SD）为0.45。文科专业的师范生数据素养水平平均程度（M）低于理科专业的师范生，但是文科专业的师范生数据素养水平的标准偏差（SD）高于理科专业的师范生。

② t检验结构为：t=2.679,p=0.008<0.05,文科专业的师范生数据素养水平与理科专业的师范生的数据素养水平存在显著差异。

 

（五）调查结论

根据调查数据结果可知：

1. 学科专业性质影响师范生数据素养水平的发展：在数据意识方面，文理科师范生是不存在显著差异的，但是在数据知识的积累中就出现了较大的差距，这可能是由于学科性质不同所导致的，理工科类专业所要做的实验研究较多，所接触的数据相应的也就随之增多，数据方面所必备的知识积累较多。数据知识是提升其他能力维度的重要前提，因此在相应的数据操纵技能，数据应用能力，评价交流数据能力，数据思维等方面文科类的师范生没有理科类师范生的综合素养水平高，我们在制定相应的提升数据素养水平有关的课程计划方面需要考虑到文理学科的学科差异性，文科类师范生需要掌握的是基本的数据素养水平和技能，能够简单处理分析日常学习生活中的数据即可，而作为理科类的师范生，需要依据数据分析结果做出教学假设，从多方面分析数据的隐含价值，结合具体情况批判性的进行数据分析和结果总结，具备更深层次的数据素养水平。

2、优质的教育资源能够构建提升数据素养水平的环境：从数据分析结果来看，985高校的师范生的数据素养水平远远高于二本类师范院校的师范生的数据素养水平，一本类和二本类师范学院办学水平差异不是很明显，因此两所院校师范生的数据素养总体发展水平差异并不显著，但是拥有最高层次的办学水平，最丰富的教育资源，最系统全面的数据素养提升课程这些条件，师范生整体的数据思维才能够在潜移默化中得到培养。数据资源大环境包括数据类课程和数据实践活动及数据素养培训讲座，加大人力、物力、财力投入构建数据素养培养大环境是提升整体素养水平，缩小水平发展差距的前提。

3、师范生对数据素养课程开设需求量大：师范生参加过数据素养课程活动的人数比重和未参加过的人数比重差距不大，说明数据素养课程的开设在高校还未得到普及，基础课程建设还没有落实到位，《SPSS数据统计分析》这门课程在各大师范类高校开设的范围最广，因此相对于数据方面理论知识的掌握，师范生从课程中获取的知识更多的是偏向于数据分析处理方法和解读应用上。但是有理论知识建构才能进行实践应用，有理论知识的基础其他数据素养理论课程也需要在高校课程开设中得到重视，更深层次的开发数据思维的课程同样也需要推进开设。随着信息时代的到来，网络在线学习风靡一时，数据素养相关的网络精品课程开设可以用来解决教育资源分配不均问题，尽量缩小不同学校层次间师范生数据素养水平的差异。