新需求导向下统计学实践教学探索.docVIP

新需求导向下统计学实践教学探索 　　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?魍骋庖逑碌耐臣剖?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]