《表4 结构矩阵：聚焦安全伦理教育的高校学生数据素养能力实证研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《聚焦安全伦理教育的高校学生数据素养能力实证研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:提取方法:（1）主体元件分析。（2）转轴方法:具有Kaiser正规的Promax转轴法。

根据原始变量的系数矩阵，按照Promax转轴法将因子载荷矩阵进行旋转后，采用主成份法提取前3个特征根，得到提取出的公因子及方差（见表4）。可以看出，因子分析提取的3个公因子方差累积贡献率达到89.59%，说明其反映了原始变量的绝大部分信息，可以用这3个公因子来测评学生的数据素养能力。其中，公因子1与数据处理、分析和交流等技能高度相关，故将其命名为数据操作能力；公因子2主要与数据意识和数据获取相关，将其命名为数据认知能力；公因子3则主要涉及数据安全与伦理内容，故将其命名为数据伦理水平。由此可知，影响高校学生数据素养能力水平的主要因素包括数据操作能力、数据认知能力和数据伦理水平。其中的数据操作能力是核心，数据认知能力和数据伦理水平是其不可分割的重要组成部分。