医学生数据素养通识课设计研究

Research on the design of general education course of data literacy for medical students

摘要

大数据时代下传统的诊疗方式发生了巨大变化，对医学生的数据知识和技能水平提出了更高的要求。本研究基于对国内外医学生数据素养教育现状及教学效果的分析梳理，提出开设医学生数据素养教育通识课的构想。在课程设计方面，围绕教学对象、教学目标、教学内容等开展分析，着重探讨了数据意识、数据管理、数据技能、数据伦理四大模块的教学内容和知识点。在教学模式上，创新性地采用线下通识课与线上微课包相结合的方式，旨在实现数据素养教育的通识化与学科化融合，通过理论课、实践课、讨论课、汇报课等多种形式，着力培养学生的实践能力。此外，还对教师团队建设及教学评估方式进行了探讨。本研究旨在从理论层面为医学数据素养教育实践工作提供有益的参考，以期探索并构建一种更加契合医学生需求的数据素养教育模式。

Abstract

In the era of big data, the traditional diagnosis and treatment methods have changed, which puts forward higher requirements for the level of data knowledge and skills of medical students. Based on the analysis of the current situation and teaching effect of medical students’ data literacy education at home and abroad, this paper proposes the idea of setting up a general education course of data literacy for medical students. In the aspect of curriculum design, this paper analyzes the teaching objects, teaching objectives and teaching contents, and focuses on the teaching contents and knowledge points of the four modules of data consciousness, data management, data skills and data ethics. In terms of teaching mode, the combination of offline general education courses and online micro-course packages is innovatively adopted to realize the integration of general education and discipline education of data literacy. Through various forms, such as theoretical courses, practical courses, discussion courses and reporting courses, students’ practical ability is cultivated. In addition, the construction of a teacher team and the way of teaching evaluation are also discussed. The purpose of this study is to provide useful reference for the practice of medical data literacy education from the theoretical level, so as to explore and construct a data literacy education mode that is more in line with the needs of medical students.

关键词

医学生 / 数据素养 / 通识课 / 课程设计 / 微课

Key words

medical students / data literacy / general education course / course design / micro-lecture

随着物联网、云计算、大数据、人工智能等技术的发展，数据已成为第五生产力，并推动各行各业的创新变革。数字技术与医疗手段的深度融合、患者健康素养的全面提升、多元化医疗场景将成为全球医疗发展三大趋势^[1]。Obermeyer等^[2]认为大数据将重塑医学。面对大数据技术对医学领域带来的变革，2016年，国务院将医学大数据纳入国家大数据布局。2023年，中共中央办公厅、国务院办公厅发布了《关于进一步完善医疗卫生服务体系的意见》,强调发展“互联网+医疗健康”，加强健康医疗大数据共享交换与保障体系建设^[3]。医疗服务场景的变革对医护人员的数据分析能力提出了新的要求，医护人员也开始意识到数据素养（data literacy）的重要性。《未来医生白皮书》调查显示，中国医护人员认为数据分析能力和技术素养是未来临床医师需具备的最重要的两项技能^[1]。欧盟针对39个国家451名医学生开展的调查显示，绝大部分医学生希望将数字健康相关课程整合到医学教育中^[4]。在大数据时代，数据管理、数据分析、数据利用等能力逐渐成为新时期医学生必须掌握的技能，医学院校有必要在现有的医学教育体系中融入数据素养教育来实现学科的与时俱进及可持续发展。

医学生课程学业繁重，数据意识不强，数据技能偏弱。而国内数据素养教育研究大多针对普通大学生，以医学学科为基础的数据素养教育稀少，医学生的数据素养类课程处在摸索阶段。本研究构建一门面向医学生的数据素养通识课，并提出相应的课程设计建议，以期为医学生的数据素养教育提供参考。

1 研究背景

1.1 数据素养定义

数据素养的定义在学界目前尚无统一认识。Carlson等^[5]认为数据素养是理解数据含义、能够读取图表并得出正确的结论，同时还具有判别数据是否被正确使用的能力；孟祥保等^[6]认为数据素养是具有数据意识、数据基本知识与技能，能够利用数据资源发现、分析与解决问题；黄如花等^[7]认为数据素养包括数据意识、数据能力和数据伦理，是信息素养的一种扩展。综上所述，数据素养就是要具有数据意识和思维，掌握一定的数据技能及数据管理知识，具有解读和利用数据的能力，用数据思维发现、分析及解决问题。

1.2 医学生数据素养教育的必要性

针对医学生开展数据素养教育具有一定的必要性：①实现医疗数据价值的需要。医院存在大量的医疗数据，其中可能存在有待发掘和利用的医学信息。具备较高医学数据素养的医师能够从专业角度对多模态医学数据进行挖掘分析，通过算法寻找特征向量对某些疾病进行分类、预测、诊疗，以推动医学的进步。②提升医学生科研能力的需要。在数据密集型科研范式下，数据伴随着整个科研生命期，从实验方案设计到最终的结论得出，涉及数据收集、处理、保存、分析、可视化等工作，这需要研究者具备一定的数据意识。研究人员的数据素养是科学研究的基础。因此，提升医学生的数据素养能力显得尤为重要。③适应未来医师工作的需要。在数字化诊疗环境中，患者的指标特征、影像诊疗、电子病历等数据都是医师做出决策的重要依据。医师具有一定的数据敏感度，才能提高工作效率和质量，增强医师的岗位胜任力。④医学生数据素养水平提高的需要。王于心等^[8]采用自编问卷调查显示，山西省医学研究生数据素养总体处于中等水平，在数据使用与权益方面水平较低。余维杰等^[9]调查显示，中国研究生数据能力普遍较弱，深层次的数据意识还有待提升。

1.3 国内外研究进展

国外数据素养教育开展得较早，英美等国从2006年就率先从国家层面启动了数据素养教育相关措施，资助学者进行相关课题研究，形成了丰富的理论成果，涉及教育框架、课程设计、教育评价工具的开发^[10]等方面。国外医学生的数据素养实践教育较成熟，设置了面向不同群体或不同学科的素养教育，如曼彻斯特大学开设了健康数据科学专业^[11]；德国汉诺威医学院开设了数据素养选修课供医学专业本科生学习^[12]；马萨诸塞大学医学院联合新英格兰地区一些大学图书馆开发了新英格兰数据管理协作课程，授课对象为健康科学领域的本科生、研究生以及研究人员^[13]；罗格斯大学搭建了以医学类数据素养教育资源为主、通识类数据素养教育资源为辅的资源平台满足学生的学习需求^[14]。国外高校教学形式多样，课程得到了大学生、科研人员、教师等群体的认可，获得了较好的学习效果。国内数据素养研究起步较晚，理论研究主要集中在对国内外数据素养教育理论和实践的调查分析、数据素养教育理论探讨和策略研究等。医学生的数据素养研究绝大多数是对学生数据素养调查分析。在实践方面，国内有很多高校借鉴国外的数据素养类课程尝试开设相关教学，但大多以讲座、培训等教育形式为主，教学内容不全面。少量高校开设了相关课程，如武汉大学开设了面向本科生的数据素养通识课程^[15]，北京大学医学部开设了面向研究生群体的“医学大数据分析”通识课^[16]。

综上所述，以英美为代表的多个国家均形成了横跨多个学科、数据素养主体与受众多元化、教学体系丰富、形式多样的数据素养教育服务体系，特别是医学领域，一些医疗机构或医学院校非常侧重本科生数据管理技能的培养。国内则更多地停留在理论探讨阶段，针对医学生的通识数据素养类课程缺乏，课程实践仍处于摸索阶段。

2 课程设计

课程设置考虑到不同教育对象的学习需求，提出以基础性和导向性为主，构建通识基础知识和专业学科化知识的数据素养教学内容体系，将科研能力培养融合于数据素养教育课程，以基于科研生命周期的数据管理为研究路径进行课程计划设置。下面从教学对象、教学目标、教学内容等维度进行介绍。

2.1 教学对象

该课程是一门交叉性学科，需要学生具备一定的计算机技能、医学统计学及医学基础知识，因此授课对象为高年级医学本科生或研究生。

2.2 教学目标

课程目标为帮助医学生建立数据意识，掌握数据处理方法，提升其基本的数据管理和分析能力，为后期独自深入研究某一领域的学习打下数据技能基础，亦为科研创新奠定基础。

2.3 教学内容

据调查，医学本科生最希望提升数据处理与分析、数据收集与评估能力，增加案例、操作实践及软件工具方面的学习内容^[17]。同时，医学研究生面临科研写作要求，须加强数据管理与处理、数据共享与安全等方面知识的学习^[18]。从数据素养核心要素出发，将课程教学内容分为数据意识、数据管理、数据技能、数据伦理四大模块。具体授课大纲如表1所示。

2.3.1 数据意识

数据意识就是要让医学生在碰到问题时善于用数据去分析问题、解决问题，培养学生的数据敏感度。此部分内容通过案例讲解的形式，使学生深刻领会数据敏感性在疾病诊断中的重要性，并能认识到数据是工作或科研过程中非常重要的因素，要以严谨的态度对待医疗数据。

2.3.2 数据管理

科研数据管理贯穿整个科研生命周期，国外一些机构（如美国国立卫生研究院、英国医学研究理事会等）发布了科研数据管理政策以实现科研数据的高效管理、共享、利用、再利用和保存。数据管理模块主要包括管理计划的制订、数据文献类型、数据的保存、数据安全及数据共享等内容，在具体授课的过程中遵循科研生命周期的顺序，此部分内容分开讲授。重点介绍如下内容：

①数据类型的选择、元数据格式和命名约定。让学生熟悉领域内的标准数据格式和类型，懂得针对不同的研究问题选择恰当的数据格式和类型。如医学影像数据常见格式为DICOM、NIFIT等，基因组数据为TSV格式，文本数据大多为CSV、TXT等格式。

②数据的存储、备份及安全。以问题导入的方式进行学习，如每个数据源的数据将存储在何处、在哪里备份、如何管理研究数据安全、将保存数据多长时间等问题进行讲解。

③数据的共享政策。医疗数据涉及多方利益，特别是数据共享部分，要考虑隐私保护和利益划归，明确所有权、访问权及权利转让及共享的政策等。

④数据管理计划制定。了解数据管理计划的构成要素、资助机构的数据管理计划要求及数据管理计划的工具使用等。

以干细胞介导的功能性心脏组织再生数据管理计划制定为例，引导学生根据研究课题制定一份简单的管理计划。教师从上交的作业中挑选有代表性的数据管理计划进行讲解，以加深学生印象。

2.3.3 数据技能

此部分是学习的重点，共设置了27个学时，从数据的获取、数据处理、数据分析、数据可视化、数据解读、数据展示等方面进行讲解。根据授课内容的特点分别设置理论课、实践课、微课包及课堂汇报等授课形式。因为课时及教师精力有限，数据分析工具建议采用编程排行榜排名靠前且简单易用的Python语言，而用得较多的R语言及SPSS等工具相对应的案例代码或操作视频则以微课包的形式发布，供感兴趣的学生自主学习。

数据获取 课程内容主要介绍不同类型医学数据的获取途径、检索技巧和方法等。大数据时代医学数据资源丰富、来源多，结构类型不同，获取的方式也不同。研究者可自行设计问卷开展调查收集数据，也可通过实验设计、临床观察、实地调查等形式收集数据；电子病历等结构化数据可通过医疗部门的信息系统导出或API接口获取；开放平台或医学公共数据库中的数据可按说明免费下载数据；健康网站、App、论坛等非结构化数据可通过网络爬虫、抓包工具获取^[19]。实践课教师通过问卷星设计医学生数据素养问卷，引导学生参与问卷调查，收集导出数据。要求学生根据自己的兴趣及实际情况获取任意一种医学数据，分享数据获取经验。

数据处理 数据处理的好坏直接关系到数据分析的结果，它是数据分析中最费时、最重要的环节。此部分主要讲解医学数据处理常用的方法：数据提取集成、数据清理（数据一致性验证、数据缺失处理、数据错误剔除、数据离群值或异常值处理、数据去重）、数据变换（数据数字化变换、数据规范化）、数据压缩（数据降维）等。此部分内容以案例教学为主，主要涉及Python中的Numpy和Pandas两个库。教师要引导学生认识到数据处理的方法很多，并不是每种方法都要做，而是要根据收集数据的特点及数据分析的目标来确定使用哪些处理方法。例如，医学图像数据相对较难，其预处理主要包括噪声去除、图像标准化、图像分割、特征提取、数据降维等操作。实践课可布置部分课堂操作题，如UCI数据库乳腺癌数据集的预处理、医学生数据素养问卷数据处理等，教师提供课堂上案例的原数据集、代码及注释、运行结果等供学生实践课操作学习。

数据分析 根据医学数据情况，介绍几种常用的医学数据分析方法：描述性统计分析、假设检验（t检验、方差分析ANOVA、Wilcoxon秩和检验、χ²检验）、相关分析（Pearson相关分析、Spearman秩相关分析、Kendall秩相关）、回归分析（线性回归、Logistic回归、Poisson回归和Cox回归）、决策树、聚类分析、马尔可夫预测等。该部分内容重点介绍数据分析的思路、方法、实现方式及结果等，以案例教学为主，主要涉及Python中的Pandas、Numpy、Scipy、Statsmodels、lifelines、Scikit-learn等库，其中Scikit-learn库用于回归、聚类、分类、降维四大方面。

数据可视化 主要介绍散点图、条形图、直方图、箱线图、小提琴图、点图、回归图、多面板图等的实现及图表内容的解读。引导学生选择恰当的可视化类型来表示数据，如散点图适合展示两个变量之间的关系、箱线图能展示中位数和四分位数间距、点图能表达剂量反应关系。代码通过Python中的matplotlib库和seaborn库来实现。微课包除了提供具有学科化的相关数据案例操作外，还可提供常用统计图形软件如SPSS、Excel、GraphPad Prism等相应案例实现方式。

数据解读 数据解读能力需要研究人员具备扎实的医学专业知识、数据统计分析能力和精准的数据表达能力。此部分的内容以发表的论文为例，解读其数据来源、数据处理及分析方法、图表的意思解读及结论等，引导学生批判性地评价数据，提高学生的数据解读能力。

数据展示 此部分主要让学生了解发表科研数据的方法，如提交数据仓储、作为论文补充材料、数据期刊、数据报告等形式^[20]；讲解如何利用数据及数据分析结果撰写论文、报告等，提升学生的科研写作水平。实践课作业要求学生以小组形式撰写一份研究课题的数据报告并汇报，教师以“医学生数据素养现状”为主题先进行汇报引导，各小组代表分别从选题背景、数据获取、数据清洗处理、数据分析及结论等要点进行汇报。每组汇报结束后邀请各组对汇报结果进行评分，所有组别结束后，教师作最后的点评。

2.3.4 数据伦理

数据伦理部分主要包括数据隐私、数据归属权、数据知识产权、数据引用等。医学数据是来自数据主体的个人数据，数据中个人的姓名、地址、生物识别信息、健康信息等都是《民法典》所要保护的个人信息和隐私信息。绝大多数医学数据相关研究都需要伦理审查和知情同意以保护受试者。数据的二次利用可能也涉及隐私保护和利益划归。通过对这部分内容的学习让学生懂得数据引用的规范及相关的伦理和法律，让学生能合法合规地利用医学数据。

3 教学模式

医学学科体系庞杂，基础医学、影像、心理、药学、临床等不同专业学生数据认知与数据需求存在显著性差异，因此医学数据素养教育应为通识基础教育结合学科专业教育的形式。以专业必修课或选修课的形式开展通识课教学，教学模式采用课堂理论教学、实验操作教学、微课程包、汇报讨论等形式。

3.1 线下通识课+线上微课包

通识课主要讲授一些基础的数据素养内容，而微课包的内容都是个性化、学科化的学习内容，供学生自主学习。该种形式能够满足数据素养教育学科化的教学需求，弥补通识教育不够深入的问题。微课包教学内容根据医学生的学科专业和教学对象特点进行设计，内容包括操作小视频、代码及注释、数据集、操作步骤及结果解释等部分。微课包的内容以导航目录的形式呈现，主讲教师根据课程的进度及学生的专业有计划地布置微课包学习内容，设置相应的练习题目巩固知识。

3.2 注重实践课+实践课定制化

教师要为学生创造尽可能多的实践机会，以提高其数据操作技能。数据意识、数据伦理、数据管理等一些基础通识课内容的教授以课堂讲解的教学形式为主，而关于数据获取、数据处理及分析方面的实际操作技能内容还须结合实践课进行强化训练。一方面，增加实践课课时和内容。如每次实践课的内容分为两部分，一部分是通识课对应的数据技能操作题；另一部分是微课程对应的学科化操作技能题。另一方面，设置各种环节增加学生的参与度，如教师采集的数据素养现状分析案例，从问卷的制作、数据的收集、数据处理、数据分析到数据的解读汇报，让学生参与其中，印象更深；课程设置的优秀作业课堂讨论、案例汇报点评等形式也增加学生参与机会；教师还可引导学生参与一些数据素养竞赛、学术讲座、科研项目申请培训等，加深知识学习转化。

4 教师团队

医学生的数据素养教育内容比较宽泛，涉及计算机、医学、统计学、数据管理等方面的知识。因此，数据素养教育需采取多方协同发展的管理机制。学校须组建一支由学科馆员、专业课教师、计算机教师、统计学教师、一线科研人员等组成的数据素养教育团队来保障师资。承担通识课程设计的教师需具备较高的数据管理知识、数据技能水平及相应的医学背景知识，可由图书馆的学科馆员承担。课程的个性化、学科化主要通过微课程的方式体现，有关知识点的设计、案例数据集的选取等须邀请专业教师、一线研究人员，进行沟通合作设计。案例数据分析代码编写及视频的录制可邀请计算机教师、统计学教师或一线研究人员参与。在教学实施过程中，要加强团队教师的联系，设置主讲教师和辅助教师，共同探索数据素养教育的最佳实践。这种方式不占用专业课及其他辅助教师大量的时间，教师团队协作更融洽，同时也解决了学科专业化、个性化不足、教学内容过多而课时不够等问题。

5 教学评估

学生方面 一是学生对自身学习成果的评价。采用自评与互评相结合的方式，由教师设计包含数据意识、数据管理知识、数据技能及数据伦理方面的量表，供学生自评；互评的方式主要是数据课题汇报形式，由学生互评打分来评价学习成效。此外，也可以通过鼓励学生积极参与数据竞赛（如“慧源共享”）等方式来验证自身的学习效果。二是学生对课程的评价，教师制作一份调查问卷，要求学生对课程的内容、教授方式、课程的实用性等进行评价和建议。

教师方面 一是对学生课程成绩的评价，分别从课堂讨论、微课程学习进度、实践课完成情况、课题汇报评分、竞赛是否得奖、期末考核成绩等方面设定权重进行综合给分。二是对课程效果的评价，教师须提供一份测试题，在授课前后分别对学生进行测试，从客观层面了解学生在授课前后对知识掌握的情况变化。即便在课程结束后的一两年内，还需追踪调查并回访部分学生，探究课程学习对他们科研实践的积极作用，以便精准地调整和优化未来的课程设置。

6 结束语

随着医疗大数据时代的到来，具备良好数据素养和数据技能的医学生将能更好地胜任工作岗位，并且这些技能将成为他们开展科研工作的基础保障。高校要重视医学生数据素养的培养。本研究探索医学生数据素养教育的课程内容与模式，旨在为医学生数据素养的培养和提高提供借鉴，为数据素养教育的实施者和研究者提供参考。

参考文献

[1] 张思玮. 未来医生要具备数据分析能力和技术素养[N]. 中国科学报, 2022-04-06(3).

[2] OBERMEYER Z, EMANUEL E J. Predicting the Future-big Data, Machine Learning, and Clinical Medicine[J]. New England Journal of Medicine, 2016, 375(13): 1216-1219.

[3] 中共中央办公厅, 国务院办公厅. 关于进一步完善医疗卫生服务体系的意见[EB/OL].(2023-03-23)[2024-01-25].

[4] MACHLEID F, KACZMARCZYK R, JOHANN D, et al. Perceptions of Digital Health Education among European Medical Students:Mixed Methods Survey[J]. Journal of Medical Internet Research, 2020, 22(8): e19827.

[5] CARLSON J, FOSMIRE M, MILLER C C, et al. Determining Data Information Literacy Needs: A Study of Students and Research Faculty[J]. Libraries and the Academy, 2011, 11(2): 629-657.

[6] 孟祥保, 李爱国. 国外高校图书馆科学数据素养教育研究[J]. 大学图书馆学报, 2014(3): 11-16.

[7] 黄如花, 李白杨. 数据素养教育: 大数据时代信息素养教育的拓展[J]. 图书情报知识, 2016(1): 21-29.

[8] 王于心, 贺培凤, 于琦, 等. 医学生数据素养评价体系构建及调查研究[J]. 医学信息学杂志, 2020, 41(7): 35-39.

[9] 余维杰, 周娅莉, 吴锦池. 我国研究生在科研活动中的数据素养现状研究: 以双生命周期理论为视角[J]. 图书情报工作, 2020, 64(7): 84-93.

[10] PRATAMA M A, SUPAHA R, LESTARI D P, et al. Data Literacy Assessment Instrument for Preparing 21 Cs Literacy: Preliminary Study[J]. Journal of Physics: Conference Series, 2020, 1440(1): 012085.

[11] SHARMA V, MOULTON G, AINSWORTH J, et al. Training Digitally Competent Clinicians[J]. British Medical Journal, 2021, 372: 757.

[12] BEHRENDS M, HOFFMANN I, Teamwork MARSCHOLLEK M., Communication and Exchange Despite Covid-19-experiences from a Digital Elective in Human Medicinestudies as Part of the HiGHmed Project[J]. GMS Journal for Medical Education, 2020, 37(7): 86.

[13] Lamar Soutter Library. New England Collaborative Data Management Curriculum[EB/OL]. [2024-01-25].

[14] 王卓, 陈媛媛. 高校数据素养教育实践研究: 以罗格斯大学为例[J]. 数字图书馆论坛, 2023(2): 41-47.

[15] 刘霞, 方小利, 郑怡萍. 武汉大学面向本科生的数据素养通识课程的建设与思考[J]. 图书情报工作, 2020, 64(22): 69-76.

[16] 王路漫, 齐惠颖, 王静, 等. 面向专门领域的数据素养教育研究:以医学生的通识课程建设与教学实践为例[J]. 图书馆, 2022(7): 15-21.

[17] 刘玉婷, 杜建杰, 王凌, 等. 医学本科生数据素养现状及教育策略研究[J]. 医学信息学杂志, 2021, 42(6): 90-94.

[18] 房凤凤, 边红艳, 刘敏丽, 等. 大数据时代医学硕士生数据素养的现状研究[J]. 延安大学学报(医学科学版), 2023, 21(2): 49-53.

[19] 齐惠颖, 周珂. 医学大数据分析[M]. 北京: 高等教育出版社, 2022.

[20] 胡卉, 吴鸣. 嵌入科研工作流与数据生命周期的数据素养能力研究[J]. 图书与情报, 2016(4): 125-137.

基金资助

2022年安徽省高等学校科学研究项目（哲学社会科学）“医学生数据素养教育体系构建研究”(2022AH051197)