《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》
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。
图表编号 | XD0067639100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.20 |
作者 | 郭倩、李建霞 |
绘制单位 | 华东理工大学科技信息研究所 |
更多格式 | 高清、无水印(增值服务) |