唐超

摘  要：在分析大数据环境对警校大学生数字素养要求的基础上，反思了当前警校大学生数字素养的现状，认为数字素养是警校大学生专业素养的重要组成部分而非游离于专业之外，应当通过数字素养嵌入专业课程、跨专业培养、基于课程项目、基于虚实交互、基于翻转课堂等模式，实现数字素养与专业素养的融合。

关键词：警校大学生;数字素养;专业素养;文件检验

中图分类号：C961         文献标志码：A 文章编号：2096-000X（2019）19-0165-04

Abstract： Based on the analysis of the requirements of digital literacy of Police College students in the big data environment， this paper reflects on the current situation of the digital literacy of Police College students， and holds that the digital literacy is an important component of the professional literacy of Police College students， rather than dissociating from the major， and that digital literacy should be embedded into professional courses and cross-professional training. The integration of digital literacy and professional literacy can be optimized based on curriculum projects， virtual-real interaction and flipped classroom.

Keywords： police college students; digital literacy; professional literacy; document inspection

数字素养是在各种媒体和形式中有效查找、交流和使用信息所需的一套态度、理解和技能的集合体[1]。保罗·吉尔斯特（Paul Gilster）在1997年出版的同名书中首次推广了这一术语[2]。大数据环境下，如何鉴别、查找、交流、使用数据成为信息人的具备的素养之一。警校大学生具有未来警官的特殊身份，数字素养是其专业素养的重要组成部分。数字素养培养融入专业课程是警校大学生数字素养生成的重要模式之一。

一、大数据环境对警校大学生数字素养的要求

“大数据”作为一个新的概念，用以描述人类所面临的突如其来的数据规模。人们之所以用大数据来描述所处的时代，原因并非数据本身的属性发生了变化，而是数据规模的变化，引发了人们的格外关注，同时也隐喻了人们应对数据过载时的内心焦虑。对于警校大学生而言，除了需要具备作为普通用户的数字素养之外，还需要关注大数据背景下，数据的价值生成规律，以及如何利用数据服务警务工作模式创新。

（一）数据无序分布对数据价值感知的要求

大数据环境下，数据来源增多，数据增长速度快，数据更新速度远远超出数据处理的速度，数据吸收、数据融合的速度远远适应不了数据的多元化增长。从无序的数据中追求有序，成了大数据时代的重要目标之一[3]。无序的数据同样蕴含价值，或者基于对无序数据的“序化”，也可以创造价值，优化数据生态环境。

在无序的数据环境下，感知到数据的价值是数据素养的重要体现。数据价值感知的本质是对数据用户需求、数据对象内容和数据任务组织提前进行充分认知、解读和表达，为数据的开发和利用奠定基础。对数据价值的感知，关键在于对数据质量、数据价值、数据生成规律的把握，尤其是数据在不同形态、不同背景、生命周期不同阶段下的价值和意义，这也是大数据环境下数据素养的一个新的特征。

在数据无序分布的背景下，警校大学生应当对数据价值具有高度的敏感性和预判能力，使之成为职业能力的重要组成部分。警校大学生应当能够通过自身的专业素养，从纷繁复杂、良莠不齐的数据中，提前发现其具备的价值，理解不同形态数据的意义，预判数据形态变化下的数据价值表现形式。

（二）数据指数分布对数据价值评估的要求

从整体的角度讲，的确出现了数据指数分布即“数据爆炸”的事实。这一现象从二战以后开始出现，如今逐渐进入高峰。数据爆炸的现象作用于个体和组织，表现为数据的过载，即远远超越了个体和组织的数据处理能力。数据过载不仅增加了数据获得、整合的障碍，更重要的是难以鉴别、评估数据的价值，理解数据的整体意义。数据的资源效用受到削弱，数据处理的成本增加。就警务数据而言，多元、多维数据在不同组织、不同地域、不同行业和不同系统中也呈现出指数增长的趋势，给警务部门的数据处理提出了新的要求。文献[4][5]等开始探索大数据环境下，警务工作模式的优化与创新。

数据之间基于提示、关联、被引、合作等关系，能够实现数据价值的增值。通过对数据量-质转变的评估和域外关联评估，可以进行数据价值转化规律的认知。对于组织而言，结合数据规律评估数据价值，能够重构信息社会中和谐有序的数据关系，实现面向不同阶段數据价值的开发策略和管理策略。对于个体而言，通过对数据价值的动态评估，能够提升个体决策中的理性程度，更加客观地面对数据的干扰。

在数据指数分布的背景下，警校大学生需要具备数据价值评估的基本素养。所谓数据价值评估，是指对不同形态、不同生命周期的数据所具有的价值（如经济价值、安全价值、证据价值、法律价值等）进行客观评价的过程。警务数据个体（如出入境证件防伪数据），能够实现对关键事实（如违法犯罪、关键线索、关键证据）的描述、补充、互补或关联。警务数据汇集达到了特定程度，或者数据集合中出现了能体现关键事实的关键数据，则数据集合实现了质的变化，其价值也会发生相应的变化。警校大学生应当具备在海量数据环境中，评价警务数据或数据集合呈现“关键事实”的价值，包括呈现“关键事实”的数量、细节、深度，以及数据或数据集合呈现事实本身的关键程度。

（三）数据“集中-离散”分布对数据价值实现的要求

大数据环境下，警务数据的分布在社会层面呈现出集中-离散分布的特征，具体表现为关键少数部门或载体承载了绝大多数的数据内容，比如政府、互联网企业、数据公司等，它们基于自身业务职能，而占据了大量的公共安全数据和个人信息。少量的数据载体承载着大量的关键警务数据，如出入境证件。在数据的过分集中，引发了学者对政治生态改变的担忧，甚至有人认为数据的过分集中而且疏于监管的情况下，可能会引起数据霸权的产生[6]。

大数据环境下，数据融合和数据互补是警务数据价值实现的关键路径。通过数据融合和数据互补，能够还原关键事实（如违法犯罪、关键线索、关键证据）的全貌。数据互补包括形式上的互补和内容上的互补，各自具有优势。“还原论”曾经被视为情报分析的指导理论，即通过片段信息的拼接，无限逼近事实真相。还原论对应的典型表现，是美国军队提出的一种叫做“3F-E-A”的行动标准流程。3F代表的是Find（找到）、Fix（锁定）、Finish（终结），E代表的是Exploit（利用），A代表的是Analyze（分析）[7]。其核心思想就是基于多源数据发现事实进而将其作为采取行动的前提。而数据融合则包括基于数据外部特征（语法特征）的融合和数据内部特征（语义特征）的融合。

警校大學生应当具备开发数据价值的素养和能力，使警务数据产生增值，更好地服务警务决策。警务数据价值的实现，不仅需要借助特定的方法论工具，对警务数据进行整合、加工和挖掘，更重要的是基于自身的警务专业素养，解读数据分析的结果，形成数据分析结论，使数据更加准确、高效、及时地还原关键事实，促进数据与公安业务的融合与对接。

综上，大数据环境下，用户往往倾向于从数据本身的角度建构数据素养，但很少将数据素养视为专业素养的组成部分。警校大学生这一特殊群体，面临的是网上追逃、数字证据、数字监控等潜在的职业环境，数字素养是其专业素养的重要组成部分。因此，在职业素养的框架下，调整警校大学生数字素养的坐标和标准，探索数据素养与专业课结合的培养模式，是大数据环境下警务人才培养的重要课题。

二、大数据环境下警校大学生的数字素养状态

大数据环境下，人们普遍面临着“数据富有而认知缺失”的窘境[8]，这与一般人所持有的观点“数据量越大，习得的知识越多”的惯性认知大相径庭[9]。鉴于警校大学生未来职业发展的可预期性，我国警校所开设的课程，以专业课为主，对于数字素养的培养，尚未构成警校课程体系的内容，警校大学生数字素养，还存在与其职业定位不符的地方。

（一）通过数据迷雾看到关键事实真相的素养需要提升

结合数据背景去解读数据内容也可以称为数据解析，是对数据内容在特定产生背景下的具体含义的解读和分析。具体的能力包括： 数据噪声和附加内容的去除能力、数据立场信息的去除能力、数据干扰信息的去除能力、数据检索技术带来的偏向性及去除能力等。解析能力的提升可以规避数据内容偏差、不同来源数据内容的局限性等。

大数据环境下，数据与事实之间存在对应性，但并非简单的“映射”关系。许多社会事实，如证件伪造、恐怖活动、偷渡活动等，本身处于隐蔽或保密状态，无法进入大数据的关注范畴，完全基于大数据实现关键事实真相的还原，不具有现实基础。大数据环境下，数据以片段的方式呈现的，表现形式更加多元。警务数据的掌控者处于自身利益，往往通过选择性曝光（Selective Explosion）或者选择性感知（Selective Sensemaking）提供数据，这样做就牺牲了信息的全面性和有意识推理[10]。此外，数据质量难以监控，更容易被篡改或编辑。这些都会给用户认知事实真相带来干扰甚至误导。

人类获取和接收信息、知识和情报的过程，遵循对数转换规则，物理空间的一切实体总是以其对数尺度反映在我们的感觉系统中[11]。警校大学生思维活跃，知识面宽，信息接受能力强。但大数据环境下，他们所面临的数据量突然增大，已经超出其数据承载能力，给其带来认知的困扰，导致其鉴别数据真伪、数据价值的能力偏弱，无法通过纷繁复杂的数据迷雾看到关键事实真相。

（二）对数据算法的独立判断能力需要提升

大数据时代，人们对数据算法的质疑与对其吹捧是同步的。首先，任何一种算法都不会是完美和中立的，跟算法所选择的数据样本有关。算法本身折射了设计者的价值观、评价标准和行为目标，是服务与特定的业务活动的。算法具有特定的指向性而非普适性，甚至带有歧视的成分[12]。但普通的数据用户不具备鉴别算法科学性与片面性的能力，往往在各种算法所构建的种种规则中无所适从，或者被一些算法所误导，造成了一种新的数据迷失。比如基于大数据模型进行的就业分析、信用分析、犯罪可能性分析等，可能给用户和执法活动带来误导。

《数据素养教育的策略和最佳实践知识综合报告》认为“批判性地思考数据，用数据解决高层次问题”是数据应用能力的重要体现[13]。但作为未来的警务工作者，警校大学生除了普通信息用户所面临的典型数据算法之外，还面临特定情境下的数据算法，比如网络追逃算法、累犯可能性算法、犯罪热点算法、安全风险评估算法、舆情评价算法等，需要用批判的眼光去评估其科学性。这些算法需要专业知识支撑，同时融入了算法设计者的个人倾向。如果对这些关系到公共秩序安全和执法对象个人隐私的算法缺乏独立判断能力，则很难在将来的警务实践中保持客观和中立。“数据为王”的时代，警校大学生还需要基于自身的专业素养，对数据算法提出独立判断。

（三）由警务数据转化为警务知识的能力需要提升

数据与社会现实之间“对应”但非“映射”的关系，使得我们不能完全依据数据还原现实，而是结合数据去解读现实。数据可以成为决策的辅助，但不能成为决策的依据。基于数据分析结论，可以发现社会之间的关联和社会结构，从数据中发现知识，可以评估社会未来的发展趋势。

警校大学生面临海量的数据，但是从警务数据转化为警务知识的能力还应当成为信息素养培养的重要的内容。警务数据向警务知识的转化，不仅包括数据挖掘或数据分析，还包括对数据挖掘结果的解读与赋意，在这一环节实现了由数据向知识的质变。目前警校开设的与数据处理有关的课程较多，但都是围绕对数据处理本身设置，还缺少對数据处理结果解读、赋意的课程，反映数据素养培养和专业素养培养的脱节。

三、融入专业课程的数字素养培养模式

数字素养是警校大学生专业素养的重要组成部分，而不能作为专业素养的补充或游离于专业素养之外。文献[14]认为，高等教育机构只有了解当前数字化环境下对劳动者能力的需求，才能针对学生构建有针对性的、面向未来能力发展的数字素养提升策略。强化数字素养与未来工作能力的结合，重视适应未来工作需要的能力发展是数字素养的关键。数字素养的生成，既需要外部的引导，也需要警校大学生这一认知主体自身的体验和尝试。因此，应当探索数字素养与专业素养相融合、“主体-客体-数据环境”相融合的培养模式。

（一）数字素养嵌入专业课程的融入模式

嵌入式数据素养教育模式即在专业课教学中嵌入数据素养教育内容，把数据素养教育作为各学科课程目标的有机组成部分，既完成专业课教学，也要求学生掌握科学数据管理的知识和技能，并利用数据解决专业问题[15]。这种模式可以为多数警校专业课程设计所借鉴。

在警校专业课程学习内容设计过程中，可以在适当的环节加入有关数据素养的内容。比如文件检验与诸多公共安全管理内容相关，是偷渡、诈骗、走私等案件侦查的基础，是获取侦查情报的重要手段。文件检验数据个体可以服务于个案侦查，为其他案件的侦查提供数据基础。而文件检验数据整体则有利于发现犯罪热点、犯罪趋势，进行治安态势预警。在《文件检验》课程中，可以引入包括文件特征的数字化表达、文件检验的数据化发展趋势、文件检验大数据分析、文件数据与公共安全数据的关联等内容，使学生既能掌握文件检验的基本知识和技能，又能在公共安全的大框架下理解文件检验的专业地位和数据价值。

（二）跨专业设置课程的融入模式

传统的警校人才培养体系是按照专业划分的，专业之间的融入度低，使得警校大学生综合素质的培养受到影响。综合型警务人才是未来警务人才培养的方向之一，跨专业的人才培养模式，可以使警校大学生具有更宽的知识面，更活跃的思维和更强的创新意识。大数据环境下，数据素养的构成更加多元，需要的相应知识和技能也更加多维。比如在计算机科学专业领域，普渡大学计算机科学专业的一门课程的主要内容是介绍计算机对社会和政治的影响，以及如何使用数字工具[16];通识课程，如阿什福德大学为本科生开设的一门“生活与工作中的数字素养”课程[17]。

跨专业联合培养警校大学生，可以通过基于Moocs平台，构建跨专业课程体系。比如通过Moocs平台，可以向移民管理专业学生共享警务数据挖掘类课程、数据表达类课程等，使移民管理专业学生不仅掌握证件检查、文件检验等专业技能，还能够运用数据手段进行数据挖掘和分析。通过跨专业教师共同开发课程内容，使课程内容更加系统和综合。比如《文件检验》课程内容的设计，既需要有技术背景的老师参与，也需要有数据分析、刑事侦查等专业背景的老师参与，帮助学生在多元多维的背景中理解“文件检验”的技术意义。通过激发学生参与活力，打造创新型课堂。比如《文件检验》课程的组织过程中，可以在实践环节引导学生参与警务大数据平台，利用文件检验数据进行查询比对，认识文件检验数据在多元数据环境中的价值和价值实现途径。

（三）基于课程项目的融入模式

为了提高警校大学生的数据素养，促进专业素养和数据素养的融合，可以采用理论与实践相结合的方式，对学生进行项目式的学习引导，在这一过程中学习、共享、协作，提升数据思维能力。项目式学习是指采用真实世界的数据信息，提前让学生了解实际警务工作中所需的深层次数据，鼓励学生积极寻求真实数据案例的解决方案，将学习方法应用于实践当中。

警校课程体系设置中，可以围绕警务工作需求设置课程项目。比如在《文件检验》课程中，可以设置“文件检验与犯罪线索追踪”的课程项目，通过提供一定量的文件检验数据和信息，引导学生逐步追踪犯罪线索，还原犯罪场景和过程，在场景中实现知识与技能的融合。

（四）基于虚实交互的融入模式

虚拟现实技术（Virtual Reality，VR）基于视觉、听觉、触觉等多种感觉维度的沉浸度能够激发用户的多感知性、存在感、交互性以及主动性，使用户能够在仿真环境中感受到数据内容，具有成为现实社会与数字社会的桥梁的潜质。比如可以基于虚拟现实技术，展示文本数据、移民管理数据、犯罪侦查数据等。也可以基于虚拟现实技术，进行案情推演，为用户呈现多维和动态的感知空间。在警校大学生数字素养培养过程中，可以基于虚拟现实技术，实现虚实交互式的融入。

在警校专业课程设计中，可以引入虚拟现实技术，在虚实交互的环境下，提升学生对现实社会的实时感知能力。比如在《文件检验》课程中，可以尝试将文件信息数字化，在模拟仿真的证件检验现场，体验文件检验的流程、检验的方法、可能遇到的突发情况及处置等。同样，基于虚拟现实技术，可以直观地感受到文件数据与其他数据的关联，并且可以用可视化的方式，呈现这种关联，从而更直观、生动地感知数据的变化和意义。

（五）基于“翻转课堂”的融入模式

“翻转课堂”（Flipped Classroom或Inverted Classroom）是信息化环境下的一种新的课堂组织模式。是指重新调整课堂内外的时间，将学习的决定权从教师转移给学生。在这种教学模式下，课堂上学生能够更专注于主动的基于项目的学习，共同研究解决综合或专业的问题，从而获得更深层次的理解。2017年美国新媒体联盟发布了《高等教育中的数字素养Ⅱ：新媒体联盟地平线项目战略简报》提出，可以采用翻转课堂、慕课结合面授的教学方式，包括师生合作、生生合作等塑造学生的数字素养[18]。

警校专业课程组织过程中，可以借鉴“翻转课堂”的模式，充分调动学生的积极性，在积极参与中，提升专业素养。比如《文件检验》课程组织，在学生自学阶段，可以将课程内容分解成若干知识点，由学生在课下独立进行信息检索，并且基于微课、慕课等学习平台进行自学。在课堂交流环节，可以组织学员运用数字化手段，将需要展示的知识点（如笔迹识别、言语识别等）做成直观的PPT或者录制成短视频，引导学生对文件检验的关键点、基本过程、检验结果等进行呈现。在知识发布环节，可以组织学员运用微信、博客、慕课等平台，对适合公开的知识点进行发布。

四、结论

警校大学生数字素养的培养是专业素质建设的重要组成部分，对未来警官的战斗力和专业能力具有关键的作用。将数字素养融入专业课程建设，体现了素养生成的规律和警务专门人才培养的规律。未来，可以探索面向警校大学生专业能力培养全过程的数字素养培养模式，使数字素养与专业能力的培养相得益彰。

参考文献：

[1]David Bawden，Lyn Robinson.Introduction to Information Science[M].London：Facet，2012.

[2]Paul Gilster.Digital Literacy[M].New York：Wiley.1997.

[3]林道进.把无序变有序，让数据有价值[EB/OL]. https：//www.csdn.net/article/a/2018-08-28/15959129.2019-6-12.

[4]彭知辉.基于大数据的警务预测：局限性及其顺应之道[J].中国人民公安大学学报（社会科学版），2016（2）：37-45.

[5]彭知辉.大数据：让情报主导警务成为现实[J].情报杂志，2015（5）：1-7.

[6]Yuval Noah Harari.Why Technology Favors Tyranny[J].The Atlantic，2018（10）.

[7]《赋能》精读整理[EB/OL]. https：//www.jianshu.com/p/ee15f5ebb9e4.2019-06-16.

[8]Data Overload Part III： Why Is Data Overload a Problem？[EB/OL]. https：//rentlytics.com/data-overload-part-iii-why-is-data-overload-a-problem/.2019-06-12.

[9]Bernard Marr. Big Data Overload： Why Most Companies Can't Deal With The Data Explosion[EB/OL]. https：//www.forbes.com/sites/bernardmarr/2016/04/28/big-data-overload-most-companies-cant-deal-with-the-data-explosion/#410f48ea6b0d.2019-06-12.

[10]MANJOO F.ENOUGH T. Learning to live in a post-fact society[M].Hoboken，NJ： John Wiley&Sons，2008.

[11]馬费成.论情报学的基本原理及理论体系构建[J].情报学报，2007，26（1）.

[12]杨成越，罗先觉.算法歧视的综合治理初探[J].科学与社会，2018（4）.

[13]陈媛媛，王苑颖.加拿大数据素养教育实践及启示——以达尔豪斯大学为例[J].情报理论与实践，2019（6）：166-171.

[14]张春华，韩世梅，白晓晶.面向未来发展的数字素养及其培养策略——基于《新媒体联盟地平线项目数字素养战略简报》的研究[J].中国远程教育，2019（2）：9-16.

[15]张群，刘玉敏.面向研究生的高校图书馆科学数据素养教育研究[J].大学图书馆学报，2017（5）：93-98.

[16]Come D，Dunsmore B. Cs10100 Digital Literacy[EB/OL]. https：//www.cs.purdue.edu/corporate/docs/spring2015/Digital%20Literacy%20Dunsmore1.pdf. 2019-07-16.

[17]Ashford University. General Education Courses at Ashford University-Digital Literacy for Life & the Workplace[EB/OL]. https：//www.ashford.edu/online-degrees/online-courses/general-education-courses.2019-07-16.

[18]高山.《高等教育中的数字素养Ⅱ：新媒体联盟地平线项目战略简报》研究[J].图书馆建设，2018（7）：42-48.