人们素来认为Studio Education是一个学习英语文学和戏剧的地方，但如今SALA的发展势头强劲，打算重点将数据素养纳入该课程。在当今世界，人们都称之为信息时代，各种与数据相关的技能都越来越有学习、强化和运用的必要。因此，我们有意识地将数据素养纳入新的SALA课程的开发中。我们将在Anthropology & Geography（包括写作），Mathematical Explorations和Scientific Explorations三门课中融入数据相关内容，带领学生深入接触学习。这三门课同时也蕴含了许多博雅教学元素，比如阅读和写作。

当说到数据素养的发展时，我们将教给学生四种截然不同的综合技能，让他们熟悉不同类型的数据。这些技能，由浅入深包括：1.明确所需数据 2.收集数据 3.分析数据 4.报告&解释数据。这些技能整合成一个过程，几乎可以用于解决任何研究领域的问题。

1.明确所需数据

早在数据相关问题出现之前，就有数据素养了。针对某个问题，倘若我们不知道需要哪些数据，就不要谈后续的观察发现和数据采集了。本质上，回答不同的问题，需要收集不同的数据。数据是要定性的还是定量的呢？采访或者调查会更有用吗？这只是研究人员在实际处理数据之前可能会问的两个问题。通常，对于人文学科中的问题，研究人员需要同时收集定量和定性的数据。举个例子，在上学期Anthropology & Geography课上，就上海农贸市场文化进行民族志研究时，Kaoru Nishimatsu计算了不同摊位上的顾客数量，也记录了买卖双方口头和非口头的交流。利用数字和文字，她得以更准确地描述消失的文化。接下来的第一步就是思考：哪些信息比较重要？这些数据如何帮助我回答问题？

数据素养不仅涉及数据，还包含一些定性的信息

2.收集数据

对于任何有数据知识的学生，选择研究方法和使用收集工具的技能是十分重要的。而且归根结底，数据的收集同时需要软技能和硬技能。比如，准确地记录民族志笔记（软技能）与操作游标数据传感器（硬技能）。在Anthropology & Geography（包括写作）课堂例子中，学生们学习了与采访、撰写调查、观察相关的民族志研究技巧。识别受访者的音调变化或观察肢体语言等软技能，可以提高对定性数据收集的理解。在Scientific Explorations课程中，电子化传感器的使用为学生们提供了机会，让他们像学术界的人一样利用科技去收集数据。比如在上学期，学生们利用最先进的数字气压传感器来调查无氧呼吸、化学反应速率和理想气体定律等现象。在Mathematical Explorations课上的数据收集则涉及到对不同生物的精确测量，寻找黄金比例。在提到的例子中，与数据收集相关的实践技能都有助于提高学生的数据素养。

与电子传感器相关的技能越来越多地运用到数据收集当中

3.分析数据

分析是数据素养中最常被忽略的一部分，但也是最重要的一部分。通常每一天，人们都会被各式各样的信息轰炸，而其中有价值的又有多少呢？因此，筛选信息显得尤为重要。在Anthropology and Geography课程中，我们将带领学生动手实践，编码定性数据，并在演讲中更加理解模式；也将利用联合国的发展指标数据集来得出不同国家发展对比速率的结论。在Scientific Explorations课程中，我们会教导学生使用excel中的多个功能来整理和清理数据。在Mathematical Explorations中，我们会结合现实生活，分析一些数学模型的准确性。通过学习如何分析数据，学生们会发现，数据可以被操控，从而得出某些特定的结论。知晓了这些之后，他们在今后也更愿意基于潜在的信息去质疑某些结论。

4.报告&解释数据

如果做研究不进行总结、应用和呈现，那么就失去了研究的意义。理解展示数据的最佳方式非常重要，而我们认为，Excel是一种实用的工具。在Scientific Explorations课上，学生们可以利用Excel从PhET中导入数据，创建不同的图表，展示不同因素如何影响抛物运动。我们会直接告诉学生，为了提供清晰的数据说明，哪些是必要的，并且客观地评判他们在日常生活中遇到的数据显示。接下来重要的一步是口头描述和解释该模型。因此，学生必须掌握必要的词汇和方法，以准确描述图表中的内容。不过仅仅描述是不够的。在SALA的课上，我们常常说一句话：“but tell me what that means”（告诉我是什么意思），来鼓励学生能够不止步于描述，还要提供深入的解释。在Anthropology and Geography课上，我们也许会使用宗教仪式和禁忌的相关概念来解释篮球手的预击球动作。在Scientific Explorations课上，我们可能会使用经济学来解释为什么某种糖的氧化速率最快，我们却不将它用于生物燃料的生产。无论具体情况如何，解释数据是一种具有适用性的实践。

当数据收集完毕之后，需要仔细的分析、展示和解释

在许多方面，数据素养过程反映了整个学术或专业领域固有的其他过程。例如下图的实验方法或设计周期。这些越来越重要的流程不仅将数据包括其中，还反映了上述理解，收集，分析和报告数据的过程。所有这些过程都依赖于与数据的互动以及数据处理所要求掌握的技能。

数据素养涉及的过程与科学实验方法过程（左图）和设计周期（右图）类似

在课堂上使用数据教学除了这些显而易见的好处之外，明确强调数据素养还有利于学生发展一些重要的软技能。例如，当需要处理大量数据时，学生们学到了在信息管理时，良好的组织能力和方法策略是何等重要。学生们也意识到了在完成一个任务之前，正确规划和长期准备的重要性。Zhining Zhao是SALA的一名学生，他曾说，“利用Excel来做数据分析在学术上是很有价值的，因为这教会了我在推理和规划中如何做的更合乎逻辑。”此外，他们还学到了宝贵的一课：解决一个复杂的问题，前期准备很重要，也需要不懈的努力。

总而言之，在数据驱动的世界中，数据的重要性实际上远远超出了其数值。 SALA课程不仅仅强调技术能力和处理数据时相对狭隘的知识，而是利用数据素养培养思索、理解和接近世界的新方式。

想要接收博客最新动态，请关注我们。