新需求导向下统计学实践教学探索

王利东++王妮妮++孙怡东

摘 要：分析大数据为统计学专业带来的挑战与机会，探索新需求导向下的实践教学改革。借鉴“设计型学习”模型，设计课堂教学和自主学习相互结合的实践教学模式，重视培养高阶思维和高阶能力，以提升学生在具体任务或挑战情境中主动探究问题、合作及创新的精神。

关键词：实践教学；统计学；高校

中图分类号：G642.3 文献标识码：A 文章编号：1002-4107（2017）04-0036-03

“大数据”是时下全球热议的话题之一，数据无处不在，涉及各个行业领域。大数据技术研究与价值应用已成为新一轮科技竞争的战略制高点，它给科学和教育事业带来了新的生命力，同时对传统教育也提出了新的挑战。2014年中国大数据技术大会上发布了《中国大数据技术与产业发展白皮书（2014 年）》和《2015 年大数据十大发展趋势预测》，指出“跨学科领域交叉的数据融合分析与应用将成为今后大数据分析应用发展的重大趋势”[1]。在这种背景下，统计学专业应顺应社会发展，探索教学模式，融合计算机、数据分析、统计等相关学科，引导学生认识和掌握数据处理的新技术，推动交叉学科应用型本科人才的培养。本文探索提升本科生的智能数据分析实践能力的培养模式，以便提高其就业竞争力，满足社会需求。

一、大数据新形势对统计人才的新需求

统计学作为一个与大数据密切相关的学科专业，其需要及时调整和优化课程结构，改变教学内容与手段

等，以满足社会人才需求和适应外部变化的环境。华东师范大学副校长朱自强接受光明日报采访时指出：大数据技术会通过“学科交叉”战略，为相关学科向更高层次的发展提供历史性机遇[2]。据调查报告指出，数据科学家需要扎实的教育背景，其研究领域分布为数学与统计学（32%），其次是计算机科学（19%）以及工程学（16%）[3]。该领域中跨界融合型人才是未来的人才培养趋势，统计学专业有独特的优势。据不完全调查发现，涉猎网站上谷歌、百度和格力等部分大公司对于大数据人才岗位需求及相关技能提出各自具体要求（见表1）[4]。

从表1中可以看出：数学和统计学功底、建模能力、运用R，SAS，Python等辅助软件及掌握大数据平台是大数据岗位的基本要求。处理数据是为了应用，无论哪一个岗位都会要求分析数据，包括需求分析、特征提取、结果分析与关联分析。因此数据分析最重要的可能并不是软件、算法，而是熟悉整个流程，例如数据清洗、分析工具的选取、参数的设置及原理、结果价值分析与解释等。这要求统计专业的学生精通相关的软件与编程的同时，还要熟练掌握本专业知识。因此，学生只有经历过一套完整的程序过程，才能懂得如何从数据中发掘知识的原理及技术流程。

目前高校数学系开设的统计学专业主要是数理统计方向，重视统计推断，进行各种证明，但案例教学较少，淡化了培养学生分析社会经济现象的能力，其不利于学生应用统计知识解决实际问题。本文从分析当前的社会需求出发，借鉴“设计型学习”模式探索实践教学改革，以此来提升培养学生认识数据和理解数据的能力[5-6]。

二、新需求导向下的统计学实践教学改革

（一）重新定位人才培养目标

在网络、大数据、云计算等新技术不断发展的背景下，社会人才需求、教学资源和外部环境都在迅速发生改变，其促使各专业进行教学改革。对于统计学而言，统计数据已完全突破了传统统计学所涉及的统计数据概念内涵，统计数据从数量、结构、类型上已经完全不同于傳统意义下的统计数据，其更具有现代“信息”的含义[7]。相应的统计数据收集技术，整理、传输和存储管理方法、指标体系、分析方法等内容已发生根本变化。“懂数据、会分析”的复合型人才缺乏是当下国内外面临的共同困难[8]。统计学专业应具有国际视野，重新定位培养目标、教学理念与机制，结合区域经济发展为学生提供未来职业规划指导服务，在各个环节中提升学生的数据处理能力，培养具有高阶思维和高阶能力的应用型人才。

（二）优化课程设置与教学手段

统计学本科专业课程设置要体现大数据时代对统计人才培养的要求。大数据背景下数据的管理、分析与挖掘类课程需要增加，尤其是实践类课程，形成突出实践能力培养的课程群或课程模块。最主要的是针对社会需求，依托学校与数据相关的优势学科，通过学科交叉和行业、企业、实务部门开展深度合作建设实践教学基地，集聚相关资源协同创新，提升本科生数据分析能力。通过设计实践课程的模块，以产教融合、协同育人方式形成有效的课本知识与实践操作的衔接，为学生创造理论与实践相融合的社会情境。

当下，知识更新较快，需要课内和课外相互配合完成教学任务。慕课、微课、翻转课堂已成为重要的课堂教学补充资源和课外自学学习平台。丰富形象的图片和视频等教学材料，多感官的刺激不但符合现代学生的学习特点，而且能够极大地激发学生的学习动力[9]。教师应积极应对这些新变化，及时学习新知识、新技术，调整教学观念、教学内容、教学方法，更多地开展实践教学。教师也应瞄准国际前沿，采取先进的教学理念，有效利用优秀的网络资源开展课前和课后辅助教学和互动交流，引导学生逐渐实现自主发现式学习。在实践教学手段中，重视高阶思维和高阶能力的培养，借鉴国外的先进实践教学模型，改变实践层面以尝试和经验总结为主的教学手段。例如设计型学习正在国际教育界兴起，其强调学生在具体的任务或挑战情境中主动探究，具有设计性、整合性、迭代性、反思性等品质特征。在分析和解决问题的能力、合作能力及创新能力等实践上，设计型学习彰显了其独特价值。与过去那种单纯强调知识呈现与传递的教学方式不同，设计型学习蕴含着新的学习和教学设计假设，其有效地融合了自主、协作、探究等新型学习方式。因此，设计型学习可以为当前教学方式改革提供一种新思路。借助于这一先进的实践教学手段，引导学生注重“功在平时”。在课前教师帮助学生甄别选择合适的资源，如问题背景、相关知识讲解的网络资源等。在课堂上，教师掌握课堂教学和学生自主学习结合策略，针对学生遇到的问题进行讲解，小组之间进行交流、分享成果。然后让学生在课后进行反思、修改、再设计，同时注意引导和关心后进生的学习状态和方法，直到任务圆满完成，从而形成线上线下相互配合的教学手段。

（三）强化校内实验与实践环节

以专业实验室和教师科研课题为载体，依托学校相关的优势学科，对接社会需求，利用学科交叉和对外合作机会汇聚各种创新要素，践行协同创新理念，构建适合本科生的多层次的实践教学体系。针对不同年级的学生，制订不同的进实验室计划，一年级学生以认知教学为主，开拓其对理论基础课的应用性和数据分析价值的认知视野。二、三年级的学生已经开始学习统计学专业基础课和统计软件，在相关课程实践环节中以大作业形式，设计与课堂教学相关的扩展数据分析主题，引导学生对生活中的数据分析问题进行深入分析、寻找合适的选题，并依托各类相关科研课题达到对实际背景数据的理解、推理、发现和决策。例如：网上调查是一项重要的社会活动，用其得到的数据来分析和反映人们的活动规律及观点。引导学生针对分析某类现象等进行设计问卷、发放问卷、回收统计和统计分析等活动。这一完整的环节让学生了解调查过程中统计误差成因及控制手段，加深对统计过程、数据质量的理解。鼓励四年级学生利用实验室、实习基地与专业教师的各类科研项目的资源，开展毕业论文工作，并独立完成有关的实验，全面培养学生的数据处理能力。例如，可以引导学生对某门课程辅助教学App需求统计分析、智能测试系统设计、代码编写。通过实践活动，引导学生自主地基于已学的专业知识去学习新知识，自主走进数据世界、探索数据王国。

与此同时，学分设置、考核评价体系也要做出适当的调整。在实践教学方面，积极推动“大学生创新创业训练计划”和“优秀本科生走进实验室计划”等创新实践活动保障机制。在总学时不增加的前提下，施行大学生创新实践学分确认制度，对学生在各种学科竞赛、创业竞赛及学术研究中获得的成绩给予学分认定。考核注重“功在平时”，评价学生的多方面能力，尤其是应用相关理论处理实际问题的能力。具体可以采用多种考核方法相结合的方式。如：增加平时的考核力度、增加实践项目的考核、通过布置适当的项目论文，采用答辩的形式，以锻炼学生独立分析解决问题的能力[10]。

（四）注重校外实践学习

目前统计学课程的校内实践教学过程中，由于实践资源不够的限制，所涉及数据处理及统计建模等活动较多地使用统计年鉴或其他公开数据集，这种学习模式与真正的实际应用还有一段距离。为了更大程度上调动学生的学习积极性来接触科技前沿，应充分发挥学科竞赛与社会创新模式和平台优势，形成校內与校外实践教学协调促进的模式。

目前与统计学相关的竞赛受到大型互联网企业、学术团体及政府部门的关注，不定期举办开放型竞赛为选手提供施展才华本领的机会。例如有全国大学生统计建模大赛、全国大学生大数据挖掘竞赛和阿里巴巴大数据竞赛等。这些竞赛一方面是为高校学子提供接地气的大数据实战机会，推动高校和研究机构对大数据和算法的研究发展；另一方面也是为了加快相关领域的人才成长。这些竞赛主题及选题、难度均适合统计学专业学生参与，其可以让学生和教师接触前沿的应用方向、有机会学习和尝试解决真实的业务与社会问题。跟踪这样的竞赛有助于提高学生的学习兴趣，进而促进实践教学方法的改革、提高创新人才培养的质量。

在大众创业、万众创新的时代背景下，社会创新模式与平台有助于开阔师生的视野，并可以为校内实践学习与实践应用提供有针对性的引导。因此在统计实践过程中，嵌入创客教育的模式，与相关的创客平台合作建立实习基地，让学生接触社会决策活动，拉近学习者与生活的距离[11]。创客教育强调的创新精神和综合运用知识技能解决实际问题的能力，是将来学生在求职和就业中必不可少的能力，其可为学生创造理论与实际相结合的认知机会、促使学生形成以自身专业特长与兴趣爱好结合的主动学习模式。

针对社会对人才的新需求，通过设计不同模块的实践活动对统计学专业实践教学环节进行改革，其有利于发挥学生的特长，调动学生的学习兴趣，为学生的职业发展做好充分的准备，从而顺应大数据时代的发展，进而促进人才培养质量、促进专业办学特色、促进经济社会发展。

参考文献：

[1]2015年大数据十大发展趋势预测[J].中国教育网络，

2015，（Z1）.

[2]朱自强.高校可借大数据自我提升[N].光明网，2013-

11-12.

[3]九个成为数据科学家的必备技能[EB/OL].[2016-09-03].

http：//www.36dsj.com/archives/38264.

[4]数据科学领域的职位划分以及职责技能[EB/OL].

[2016-09-03].http：//www.36dsj.com/archives/37376.

[5]李美凤，孙玉杰.国外“设计型学习”研究与应用综述

[J].现代教育技术，2015，（7）.

[6]丁美荣，陈壹华.基于设计型学习的计算机网络实验教

学研究[J].计算机教育，2011，（1）.

[7]张维群.大数据时代统计学科建设与教学改革专家研讨

会纪要[J].统计与信息论坛，2015，（2）.

[8]徐宗本.用好大数据须有大智慧——准确把握、科学应

对大数据带来的机遇和挑战[N].人民日报，2016-03-15.

[9]谢小芸，李立清.项目教学法在独立学院统计学实践教

学中的应用[J].中国农业教育，2007，（4）.

[10]王丽丽，杨帆.“互联网+”时代背景下大学英语教学改

革与发展研究[J].黑龙江高教研究，2015，（8）.

[11]李小涛，高海燕，邹佳人等.“互联网+”背景下的STEAM

教育到创客教育之变迁——从基于项目的学习到创新

能力的培养[J].远程教育杂志，2016，（1）.