科技議題

首頁> 科技議題 - 政策動向> 建立數據密集型科學的數位勞動力能力與技能
建立數據密集型科學的數位勞動力能力與技能 Building Digital Workforce Capacity and Skills for Data-Intensive Science
2020/07
Organization for Economic Co-operation and Development (OECD)
https://doi.org/10.1787/e08aa3bb-en
https://www.oecd-ilibrary.org/docserver/e08aa3bb-en.pdf?expires=1594707684&id=id&accname=guest&checksum=748367303A86F3DDA921F52F975D6CFE
數位時代(Digital Age)正在改變科學的研究方式,且各個研究領域越來越依賴數據(Data),而數位化(Digitalisation)更是驅使開放科學的發展。隨著數據密集型科學(Data-Intensive Science)的時代來臨,大數據分析及新數據形式的取用可以提供重要且新穎的科學見解,也可以促進創新。而當合併及分析不同研究領域數據的能力持續增強時,複雜的社會問題,包含聯合國永續發展目標(SDGs)中的各項挑戰,變得更易於進行科學分析。數據密集型科學具有產生新知識的潛力,而這些新知識是社會轉型、朝向更穩定長久且繁榮未來的必要資訊。

數位化使得所有的科學領域及學術研究逐漸轉變,除了為研究開啟重要的新方向及途徑以外,數位化同時也為增加研究的透明度、嚴謹性及誠信提供重要契機。數位技術及數據的取用正在促使改變的發生,而人們的數位能力及技能在未來會是決定科學成就的關鍵因素。該篇報告是由經濟合作暨發展組織(OECD)的全球科學論壇數據密集型科學的數位技能專家小組(Global Science Forum on Digital Skills for Data-Intensive Science)負責,結合其他組織近來對數位化勞動力能力(Digital Workforce Capacity)的分析報告所編製而成,並期望該篇報告可以作為政策制定者在強化科學數位技能勞動力(Digital Skilled Workforce)發展時的參考資訊。該篇報告從數位科學生態環境的描述開始,而後說明在數據密集型科學中數位技能勞動力的重要性,同時檢視建立、發展維持數據密集型科學的特定需求,其分析範圍涵蓋所有科學領域,包含社會科學及人文科學。

該份報告針對13個個案進行深入的研究分析,主要聚焦於機構學術研究的需求,試圖了解到目前為止,影響進行密集型數據研究的數位化勞動能力進展的作為,以及未來需要採取那些更進一步措施來促進研究的發展。這些機構包含英國的艾倫圖靈研究所(Alan Turning Institute, Turing)、美國數據科學聯盟(American Data Science Alliance, ADSA)、澳洲研究數據共享公司(Australian Research Data Commons, ARDC)、日本開放取用典藏庫聯盟(Japanese Consortium for Open Access Repositories, JPCOA)等13個機構,代表數位科學(Digital Science)生態環境不同國家、不同角色的看法與行動。各個個案研究的內容包含評估科學界對於數位化勞動力的需求,以及在社會或經濟等不同領域中的差別,進一步瞭解到在科學中有各種獨特的情況會需要特定的技能要求。有些技能要求是普遍適用所有科學領域,而有些技能則是在特定學科領域的研究中才會被要求。

此外,該份報告中也提出目前對於兩種類型的人才是有需求的,一種是具備數位技能的研究者,通常此類研究者會具有基礎數位技能及特定領域的專門技能;另一種是各種專業研究的支援人員,包含數據管理員(Data Stewards)及研究軟體工程師。近期以團隊方式進行的研究逐漸增多,而在團隊內的人員所具備的能力分布相當多樣化,所以很難規定或期待團隊內的研究者具備什麼樣的能力,或是提供什麼樣的支援服務,而這在不同研究領域中也會有所差異。然而,有越來越多人認知到數據密集型科學要求的不只是技術技能,也要求以人為中心的技能(People-Foucsed Skills),例如溝通及團隊合作的能力。另外,在許多領域中,特別是會使用較為敏感數據的領域,同時會要求研究者具備倫理及法律的專門知識。

而為了建構及維持科學數位勞動力的能力,該報告認為有五大目標及行動需要同時並行,且科學家、研究團隊、數據服務提供者、政府、研究經費資助者、科學學會、研究機構及大學等,也必須在這些目標中共同合作才行。其五大目標與行動內容如下。
一、 定義需求(Defining Needs):了解在不同情境下,數據密集型科學最需要的關鍵能力、技能、工作架構及角色。
二、 提供訓練(Provision of Training):支援科學家及研究支援專業人員相關的訓練,包含基礎數位技能的訓練或是具專門領域知識的技能訓練。
三、 發展社群(Community Development):支援新專業角色、學習者及訓練者的社群發展。
四、 改變職業路徑及獎勵制度(Career Paths and Reward Structures):改變學術評估及獎勵制度來吸引且留下具有各式數位技能的員工。
五、 促使數位勞動力能力發展(Enablers for Digital Workforce Capacity Development):將數位勞動力能力的發展與科學政策架構及行動互相扣合。

另外,該報告亦分別針對國家政府、研究機構、大學及圖書館等機構在發展數位勞動力能力時可以採取的行動提出建議,其內容如下。
一、 針對國家政府,可以採取下列三項行動:
(一) 認知到發展研究的數位技能勞動力在政策層面上的需求,以及將定義需求、提供訓練、發展社群、改變職業路徑及獎勵制度、促使數位勞動力能力發展等五大建立及維持勞動力的目標融合至策略規劃的重要性。
(二) 進行國家數位勞動力能力的需求分析,並了解研究生態系統的現況,以進一步提供相關的訓練及其他所需行動來符合其需求。此外,也必須將國際及當地狀況一併列入考慮,思量如何將政府的行動發揮最大效能。
(三) 促進與協調建立勞動力能力的工作成效,以最佳化的速度及規模優化數據密集型科學的益處來發展勞動力能力,才能適應不斷改變的大環境。
二、 針對研究機構,可以採取的行動包含:
(一) 確保支援數位勞動力能力發展的經費資助體制的運作。
(二) 調整實體研究基礎設備及數位勞動力能力發展的策略及資金投入。
三、 針對大學,可以採取的行動包含:
(一) 提供科學家及研究支援人員相關的訓練課程。
(二) 透過適當的評估、認可與獎勵制度開發新的職業生涯途徑。
而除了報告中提到的上述各項行動建議,國家政府及研究機構也可以在教育、開放科學、科學倫理及研究評估制度等方面採取政策行動,以提供數據密集科學有利的發展環境,並增強數位技能研究人員能力。在許多國家中大學屬於高等教育、訓練及公共研究的主要中心,因此也在發展數位研究能力的過程中扮演重要的角色。

該份報告中針對不同機構提到的行動及建議可以建立在既有的服務架構上,例如在大學中,圖書館可以提供數據管理技能的訓練課程,而資訊相關科系可以協助提供軟體及撰寫程式的課程。另外,除了公部門,私人單位也扮演一定重要程度的角色,例如私人單位也可以提供相關訓練或是與公部門合作提供數位研究能力發展的需要。報告最後亦提到,目前已經有許多國家級機構採取了報告中的行動及建議,因此也產生了可以讓大家互相學習的機會。
李家緯
英文