應用型人才培養模式下的統計課程教學

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了應用型人才培養模式下的統計課程教學范文，希望能給你帶來靈感和參考，敬請閱讀。

［摘要］大數據的快速發展正引領著行業的大變革，也催生了新的職業，譬如數據科學家。在應用型人才培養模式下，我們在課程教學方式上倡導探究式學習，在教學內容上要更加貼合實際，以幫助學生更好地掌握專業知識并培養自我學習的能力。這是統計學專業的機遇，也是挑戰。

［關鍵詞］應用型人才；探究式學習；大數據

引言

科技的發展使得海量數據得以存儲。在各行各業每天都在產生大量數據。海量的數據形成了一種特殊的資產。如何利用和挖掘數據的價值是眾多企業的一項重要工作，因此近年來對于數據分析人員的需求極大地增加[1]。查詢網站glassdoor可以發現DataScientist（數據科學家）以平均約11萬美元的年薪連續4年（2016—2019）位列全美最好工作榜第一名[2]。統計專業知識是該職位的重要技能之一。數據分析在很多領域都有著重要應用前景，比如醫藥健康[3-5]、金融市場[6-8]、智慧城市[9-10]等。科技的日新月異對應用型人才的培養提供了方向，同時也提出了新的要求。以下從課堂教學方面來探討如何提升學生的課程應用能力。在本科階段，統計學專業或應用統計學專業通常會學習概率論與數理統計等基礎核心課程。在這基礎上，學生還會進一步學習多元統計分析、統計軟件及其應用等應用類課程（以筆者所在學校為例）。對于多元統計分析，教師通常會講授常用的統計分析方法，例如聚類分析，主成分分析等，并以具體的案例分析作為輔助。對于統計軟件及其應用，教師通常會講授R軟件的使用以及數據分析的應用案例。教學內容通常會按教材的章節順序來安排。針對某個教學內容，例如聚類分析，在講完該方法的數學模型之后通常會給出一些例子來說明該方法的應用。從教學反饋來看，當講授應用例子時學生的興趣明顯高漲，但學生對于知識的掌握更多地停留在淺層，即僅會仿照課堂演示或教材給出的實例，很難做到靈活應用。為此，筆者認為目前的教學模式可以做如下改變。

一、教學方式的轉變

根據教育部、國家發展改革委、財政部的《關于引導部分地方普通本科高校向應用型轉變的指導意見》，“以社會經濟發展和產業技術進步驅動課程改革，整合相關的專業基礎課、主干課、核心課、專業技能應用和實驗實踐課，更加專注培養學習者的技術技能和創新創業能力。”事實上，在智聯招聘中搜索數據分析崗位，在招聘要求這一項里主要有熟練使用R或Python等統計軟件以及SQL等數據庫軟件，其次是業務與數據的整合能力。后者也就是根據具體問題進行數據挖掘、分析的能力。在教學中應當有意識地加強這方面的訓練。以往的教學通常是以教師為主，講授數學模型然后舉例說明。我們可以引導學生進行探究式學習，在一個問題上進行多方位的討論[11]。以課程多元統計分析為例，在學習主成分分析、因子分析時，學生經常會混淆這兩種方法，或者只會依葫蘆畫瓢。我們可以選取幾組數據集，將學生分成AB組，A組的學生用主成分分析，B組的學生用因子分析。對于每一組數據，讓A，B組的學生分別講解分析結果，并說出與對方結果的不同點，同時結合具體的背景知識討論哪種方法更加合理。學生能夠在這樣的課堂討論下逐步體會兩者的差異之處，從而更加透徹地理解如何靈活運用不同的統計方法。這樣的課堂設計由教師為主轉變為以學生為主。需要注意的是，盡管在課堂內教師的角色弱化了，但在課堂設計方面需要花費更多的時間。比如，如何組織學生展示，以及有效地引導學生討論。為更好地與就業相銜接，在展示作業過程中，應當給予學生充分的展示機會。比如每堂課安排15分鐘，每人3分鐘。這樣在一個學期中基本上每個學生都能有兩次機會進行口頭匯報。教師應當在每次展示后給予一些點評，比如哪些地方值得表揚，哪些地方需要改進。同時鼓勵學生多討論，這樣也能夠促進學生之間相互學習與進步。

二、教學內容的轉變

在前面我們提到壓縮基礎內容的講解，那么我們就有充足的時間進行探究式學習。教師需要在學習內容的安排方面做大量的工作。比如，在選取實例時，盡量使得該例子能夠適用于多個章節，從而學生能夠對于一個問題有較為深入的研究。同時，考慮到學生的興趣，我們可以提供不同類型的數據供學生自由選擇。由于受到課時的限制，可以讓學生自由組隊完成，盡量以3—5人一組。在課程初始階段進行組隊與選題，然后分階段匯報。教師可以在每一階段開始時布置任務，比如選擇數據集、清洗數據、描述性分析、建模、模型改進和評價。每個階段給予一至兩周時間。將一個完整的數據分析過程分割為多個小的階段，有助于學生建立數據分析思路。小組學習的方式可以使得學生在有限的時間里取得較高的完成率，同時也能夠培養學生團隊合作的意識。這些能力也是在工作中不可或缺的[12]。這樣的轉變是目前大數據時代下的客觀需要。當前數據的獲取越來越方便，隨之而來的是數據的類型越來越多樣化[13]。因此，分析數據所使用的統計方法也不局限于一種，可以多種方法結合使用或者是著眼于不同的點來分析。在選取應用例子時，一些數據競賽比如天池、Kaggle會不定期開放數據集供學生練習。教師在授課時可以有意識地選取一部分數據。例如Kaggle網站上有觀影數據、埃博拉感染數據、信用卡反欺詐數據等多種類型的數據集[14]。對于這些數據集的分析方法可以用到多元回歸分析、主成分分析、聚類分析等多種常用統計方法。通過引導學生詳細比較不同的統計方法得到的分析結果的差異性，幫助學生進一步掌握所學知識，培養學生靈活應用專業知識的能力。

三、結語

綜上，在大數據背景下，統計學專業應用類課程的教學轉變以探究式學習為主，有利于培養學生的自主學習能力。大數據的蓬勃發展讓統計學專業的學生迎來了更多的工作機會，也遇到了更多的挑戰。比如對于文本數據的分析通常會用到LDA主題分析，但在課程學習中可能并沒有涉及這方面的知識。如果工作中需要，那么學生要能夠自行查閱資料并學會運用。另一方面，教學內容上要適當引入較為復雜的數據集，精心設計教學過程。從而，學生能夠在有限的課程教學時間里體驗完整的數據分析流程。此外，我們也鼓勵學生多參與一些數據競賽，例如大學生數學建模競賽、天池大數據競賽等。有研究表明，通過參與數據競賽能夠提升學生的綜合能力[15]，多方面提高自身的綜合素質，為將來就業做好準備。

作者：熊文俊 單位：廣西師范大學數學與統計學院