以“数据学生”培养推进高校统计教学革新

马剑锋 佟金萍

（常州大学 商学院，江苏 常州 213164）

摘 要：大数据时代开启了人们利用数据的新模式。如何利用统计方法和手段让“数据说话”，如何培养合格的“数据学生”，正是高校统计教学在思维和培养方式上所面临的深刻变革。面对“数据学生”培养所要具备的合理知识技术结构、良好沟通能力和较强观察创新力三个诉求，高教统计教学应从革新观念、谋新方式、创新人才和布新环境四个方面进行革新，来提升“数据学生”培养质量。

关键词：统计教学；数据学生；调查

中图分类号：G642 文献标志码：A 文章编号：2096-000X（2017）15-0007-04

Abstract： The era of big data sets a new model for using data. How to make "speaking data" by statistical methods and how to develop qualified "data students" are problems colleges faced in thinking and cultivation of statistical teaching. College statistical teaching should innovate in ideas， methods， talents and environment to enhance the quality of talent training on the basis that "data students" should have reasonable knowledge structure， good communication skills， and strong observation or innovative abilities.

Keywords： statistical teaching； data student； survey

统计与社会经济息息相关，高校作为人才培养之地，非常重视统计教育。除了统计专业学生外，数以万计的非统计专业学生也在研修统计相关理论与实践的多门课程，注重培养学生数据分析能力。尽管如此，我国每年的数据分析人员仍供不应求，存在较大的需求缺口。这一现象不得不让我们思索：高校每年培养的大量数据分析学生为什么不能进行数据分析工作？学生要具有哪些品质或技术诉求才能从事数据分析工作？高校统计教学要进行怎样的改革才能满足社会各个行业对数据分析人员的需求？为了回答上述问题，本文基于高校统计教学现状调查，针对统计教学存在的问题，提出统计教学革新建议，以达到培养“数据学生”的目的。需要说明的是，随着数字信息对当今社会的深刻影响，统计教育教学应在大众学生中普及，所以本文提及的统计教学泛指高等院校非统计专业开设统计类课程（如统计学、概率论与数理统计、应用统计学等）的教学活动，而不是特指统计学专业的教学。

一、统计教学与数据学生

随着微信、微博、朋友圈等社交网络的兴起，人们每天产生大量的数据信息，大数据正在发挥着越来越大的作用。众所周知，大数据是对海量数据进行存储、整合、处理和分析，可视作一种新的数据分析方法，而这种基于数据关系的内在本质决定了大数据与统计教学之间的必然联系，统计教学模式、形态、内容和学习方式正因大数据而发生深刻变革，这对统计教学的发展提出挑战和机遇[1]。机遇主要体现在统计学科体系的延伸、统计质量的提高与成本的下降、应用领域的扩大等方面；挑战则表现在统计思维的变革、大样本标准的调整、对统计软件的要求提高等。大量的统计数据已渗透到社会经济生产、生活的方方面面，面对海量数据信息，统计教学已不单单是对数据的收集、整理与分析，更多地是要引导学生如何认识统计教学，如何利用统计方法和手段让“大数据说话”，成为一名合格的“数据学生”，这实际上是一场大数据驱动下统计教学的思维变革，更是一场数据分析人才培养的方式变革。

怎样才能成为一名合格的“数据学生”呢？笔者认为“数据学生”应具备以下特征：

一是要具有合理的知识技术结构，兼顾自身的理論和技术修养，这是成为合格数据学生的基础。首先，知识结构要全面，注重统计学、数学、经济学、管理学、社会学等多门类、多学科知识的交叉融合，理论方法的学习要扎实牢靠，这样才能为数据分析问题提供有针对性的理论方法，给出解决问题的方向或途径。其次，学生还要不断提高自身的数据分析技术诉求[4]，比如数据挖掘技术、图像处理技术、可视化技术等，一份好的数据分析报告是要通过这些辅助技术工具完美地表达出来，这也是数据学生必须具备的基本技能。

二是要具有良好的沟通表达能力。与传统数据分析人员所不同的是，所谓的“数据学生”除了会分析数据，更重要的是要通过分析数据来挖掘数据背后的本质问题。学生除了要手眼并用外，更要动脑、动口，手、眼、脑、口同时启用才能使“死”数字变成“活”数据。换句话说，只有具备良好的沟通和表达能力，你才能从平淡无奇的数字发现数据特征和数据变化，从而视角鲜明地提出问题，并能准确清晰地表达。因此，大数据时代下统计教学还应注重对“数据学生”的思维逻辑、沟通技巧和表达方式等方面的培训。

三是要具有较强的观察创新能力。统计数据源于社会经济生活，而生活充斥着不确定性，此时数据非彼时数据，统计数据瞬息万变。因此，做好一名“数据学生”，要时刻对社会经济生活保持一定的敏感性和好奇心[5]，观察统计数据的细微变化，不断创新对问题认识的思维和角度，才能更好地把握统计数据所展现的趋势变化。

可见，数据学生的培养不是简单地学会统计数据分析和计算方法就可以的，而是需要系统的统计教学体系来提升数据学生培养质量。因此，展开高校统计教学现状调查将有助于发现教学及培养存在的问题，做到有的放矢。

二、高校统计教学现状调查及存在问题

为了全面了解高等院校非统计专业统计教学现状，研究面向多地区、多专业、多年级学生，从统计教学的培养目标与课程设计、教学内容、教学方式和教学效果等多个方面开展问卷调查。本次调查总共发放问卷280份，回收251份，其中有效问卷226份，有效率达80.7%。调查问卷既涉及商科类专业，如国际经济与贸易、会计学、信息管理、市场营销等专业，也涉及理工科专业，如机械、化工、电子、信息、交通等，具有一定的广泛性和代表性。

（一）信度与效度分析

1. 信度分析

信度分析即可靠性分析，选择Cronbach's α系数法来测量量表信度，系数越高越可靠，结果如表1所示。由表1可知，教学目标与课程设计量表的Cronbach's α系数为0.858，教学内容量表的Cronbach's α系数为0.769，教学方法量表的Cronbach's α系数为0.815，教学效果评价量表的Cronbach's α系数为0.739，说明量表通过信度检验，问卷具有较好的内部一致性。

2. 效度分析

效度反映了测量工具衡量事物的准确程度，分为内容效度和结构效度，效度越高，表示测量结果与要考察的测量对象越贴切。本文使用的量表是在现有文献基础上进行修正和改编的，内容效度较好。结构效度拟采用因子分析法，前提是要判断其是否适合做因子分析，要对数据进行KMO和Bartlett的球形检验。

采用SPSS19.0软件对数据进行KMO检验和Bartlett 球形检验。四个量表得到KMO值分别为0.84、0.722、0.769和0.711，均大于最低标准0.6，同时Bartlett 球形检验结果均显著，说明数据可以进行因子分析，分析结果如表2所示。可以看出，教学目标与课程设计量表和教学方法量表各萃取了两个因子，教学内容量表萃取了三个因子，教学效果评价量表萃取了四个因子，其累计贡献率分别为57.436%、62.087%、64.446%和65.027%，都超过了最低标准50%。这说明四个量表都具有较好的结構效度。

（二）统计教学的现状及存在问题

根据调查问卷数据显示，统计教学在目标、内容、方式和效果等方面现状及问题如下。

1. 教学目标难以契合现实人才需求，培养缺乏针对性

根据问卷结果，尽管有71.24%的学生非常同意或较同意现有教学目标比较符合学生心理认知水平，但仍有28.76%的学生不太确定或认为不符，并且近三分之一的学生认为教学目标不贴合现实需求，甚至有7.96%的学生认为教学目标根本脱离实际。在统计教学课程设计和安排方面，超过一半的学生认为课程设计无新意、无特色，34.95%的学生认为统计学课程设计不符合本专业培养目标，统计课程教学内容千篇一律，没有针对专业培养设定专门的教学案例，还有36.28%的学生认为课程设计不能很好地启发学生学习，这可能是因为统计课程安排学期不合理，统计课程与先修课程形成错位，学生难以理解上课内容。

2. “三平式”统计教学普遍，缺乏思维引导和实操训练

所谓“三平式”教学是指平面式教学内容、平白式教学方式、平淡式教学考核。根据统计结果，64.16%的学生对教学内容缺乏兴趣，归因于重理论轻应用、重公式推导轻数据说话的统计平面授课内容，结果导致高达78.31%的学生认为统计课程仍以教师讲授为主，53.1%的学生认为统计思维培养比较匮乏，62.39%的学生认为教师过于重视教学公式的推导，46.02%的学生认为统计学课程抽象难解。尽管有27.87%的学生认为互动式课堂教学较好、35.39%的学生认为教学方法比较贴合学生实际，但是目前来看，很多教师授课方式具有惯性特点，教材、案例和授课方法比较陈旧，更谈不上与时俱进，这样平白无趣的授课方法很难满足新时代学生对智能数据信息的求知欲，结果显示超过一半的学生认为教学内容实践性不强，53.98%的学生认为与统计软件操作不紧密，缺乏“以学生为中心”的启发式、案例式的活跃方式，数据平台教学内容过少。此外，在教学考核方式上，大部分仍采用传统的一生一卷式，调查显示62.12%学生认为统计考核方式单一平淡。由此可见，教师的教学方法还存在诸多问题，不利于学生对统计课程的学习。

3. 现状教学距预期效果较远，统计教学前景堪忧

由于教学内容枯燥、教学方式单一等原因，喜欢统计课程的学生还未达到一半以上，而且只有约三分之一的学生能积极参与统计学习。有36.28%的学生认为开设统计课程没有必要，还有21.68%的学生对开设统计课程的必要性不是很确定。33.63%的学生认为课程难度与学生实际接受能力不符，53.54%的学生难以充分理解授课内容。此外，学生对统计学习的实用性、是否能够培养其统计思维和数据分析能力也持怀疑态度，只有37.61%的学生认为学习统计实用性很强， 75.52%的学生认为现有统计教学不利于培养其数据分析能力。由此可见，学生对统计课程的学习满意度还未达到理想预期，教学效果不够明显，未来如何开展统计教学值得思考。

面对上述调查现状及问题，现阶段高校统计教学的改革势在必行。

三、提升“数据学生”培养质量的高校统计教学革新建议

随着现代社会经济对数据强依赖性，复合型数据分析人才供需比例失衡，需求缺口不断扩大。并且，大数据时代使得统计数据呈现海量化、半结构化、非结构化等特点，原有统计模型框架不断被打破，很多统计假设前提可能已不适用，这些变化使得统计教学面临严峻的挑战。因此，统计教学必须要冲破传统观念的束缚，解放思想，以学生为本，以良好的数据分析技术与能力提升为目标，全面系统地做好统计教学布局设计，培养合格的“数据学生”。

（一）革新观念，引入统计教学跨界理念

统计是以研究数据为主的，依赖于其他领域的工作，应用性和实践性很强[2]。面对复杂多变社会经济环境，以往的统计知识与模型方法已无法适应这一不确定环境所引发的数据飞速变化和分析处理，传统以教师为中心、学生被动接收的“填鸭式”教学模式更不适合数据庞大、种类繁多、数据流速飞快的大数据时代统计学习[3，4]。统计思维需要拓展和革新，需要以跨界理念推动统计教学发展。一是要跨思维界，即在统计思维的基础上要渗入创新思维、管理思维、经济思维、工程思维、数学思维等，形成统计复杂性系统思维，促进统计学习思维的开放性。二是要跨知识界，即加强统计学习与其他学科知识的交叉融合，如在数学课程中融入“数据处理”，在经济学、金融学中融入“数据挖掘”等，拓宽学生知识面。三是要跨组织界，即不拘泥于学校范畴学习，积极推动统计应用实践的社会性和广泛性，一方面不断从企业、行业、政府部门等各级组织工作中收集社会实操案例，另一方面鼓励学生参与社会统计分析工作，强化学生的数据分析能力。只有通过思维、知识和组织三跨界合力，才能有效地促使学生学会用“数据说话”，这才是统计教学的根本。

（二）谋新方式，推进统计教学过程改革

统计教学革新是一个长期的、动态的改革与完善过程，需要不断谋取新的方式。一是改进授课方式，即教师在传承以往良好授课经验基础上，应以学生为中心将慕课、翻转课堂等新的方式注入课堂，将相关领域的科学研究、企业经营实体知识和操作运用知识等融入授课内容，将QQ、微信等网络社交互动工具嵌入课堂促进沟通交流，注重课内课外结合、线上线下互通来创新统计教学方式，增加学生对统计的兴趣，活跃课堂气氛。同时，教师应紧密结合经济社会新需求，注重教学内容研发、教材编写，及时将最新信息挖掘技术方法、科研成果等转化为教学内容，增加一系列的新案例和开放综合性实验项目，促进教学成果的推广。二是改变学习方式，即学生要改变“课上盲听、课后盲学”的方式。盲听，就是被动地、无意识地接受统计知识，很少会问：这个知识点有什么用？盲学，则是根据课堂内容简单联系统计题，从未思考过：怎么用统计解决实际问题？理论方法与实践完全脱离。因此，新的统计教学应着眼于改变学生学习方式，培养“数据学生”。除了传统的授课方式外，探索建立适应弹性学习方法，根据教学情况灵活改变教学方式，推行以学生为中心的启发式、合作式、参与式和研讨式学习方式，比如课内实践操作、网络课堂、社会调查、企业实习等，扩大自主学习能力，加强个性化培养。三是改革考核方式，即以过程管理方式进行考核，在兼顾以往试卷考试方式基础上，增加学期间的统计实践操作应用能力考核，比如针对某一案例数据分析的团队汇报、撰写相关统计主题的科研论文、展开某项社会活动的统计调查、进行一项统计综合实验等等，全面提高学生的统计理论分析和实践操作综合能力。

（三）创新人才，建设一流统计教学队伍

统计教学改革中，教师是关键，教师队伍建设关系到统计教学能否成功革新。现有大部分统计教师很难静下心来思考如何更好让学生用“数据说话”，更多地是疲于应付繁重的教学科研任务，周而复始，甚至是恶性循环，使得统计这门基础的数据分析工具在众人眼里仅仅是数字的简单统计而已。因此，一流统计教学队伍建设非常重要，他需要具有强烈的责任意识、严谨的治学态度、宽博的知识结构、一流的学术水平和丰富的社会经验，带领学生进入奇幻的数据世界。首先，注重内培机制。鼓励支持青年教师“走出去”不断深造，提高自身的学术修养，注重教学内容、教学方法、实践教学与科学研究相融合，做到授之以渔，培养自身的同时锻炼学生分析问题、解决问题的能力。其次，强化外引机制。要想培养一名合格的“数据学生”，除了基本的统计理论方法外，更重要的是统计教师的实践操作引导和指导。一方面，还是要鼓励支持教师亲身体验统计实操与数据分析工作，积累实操经验回归课堂；另一方面，坚持“请进来”策略，针对有丰富专业实践背景和经历的人才，学校应适当放开人才引进条件，或是通过聘任企业教授等方法将数据分析资深人士吸入教学团队。通过“内培外引”机制，不断打造扩充优秀的教学队伍，才能更好地促进“数据学生”培养。

（四）布新环境，营造良好统计实践氛围

谈到统计教学环境，大家基本共识的三要素是专有机房、计算机和统计软件，而统计实践环节更多地就是利用SPSS、Eviews等常规统计分析软件进行简单数据说明或计算分析，更像是在做一道道统计计算题。统计数据分析不需要特别华丽的实践环境场景，却对现代信息技术与教学融合创新提出了较高要求，要尽可能做到数据收集简单、处理数據机器性能好、数据分析效率高，因此布新统计环境应尽可能考虑以上三方面诉求。一是要完善数据环境，数据是分析的基础，在提供常规统计数据（各类统计年鉴、统计公报、年报等）网站或相关数据库网址外，还需不断挖掘、引进或购买金融、财务等经济数据库或其他领域数据库，指导学生学会收集数据。二是搭建实验环境，即实验室软硬件条件。一方面，通过建立多功能云计算实验室，来提高统计教学计算机性能和数据处理运行效率；另一方面，要安装辅助统计数据分析的相关软件，如图像处理软件、可视化技术软件等，强化数据分析效果。三是构筑智能网络环境，即利用局域网组网技术，在校园网的基础上，搭建起一个先进的实验教学局域网络，方便学生访问、浏览学校数字资源，同时又能共享局域网资源，实现了高效、安全的内部网络功能。通过以上三个方面环境建设，为统计教学提供数据最新、运行最快的实践环境，增强学习便捷性和灵活性。

参考文献：

[1]程开明，庄燕杰.大数据背景下的统计——第十七次全国统计科学讨论会综述[J].统计研究，2014，31（1）：106-112.

[2]孙耀东.大数据背景下统计学专业课程教学探究[J].廊坊师范学院学报（自然科学版），2015，15（6）：108-110.

[3]汪宝彬，杨怀奎，吴雪芹.浅析大数据背景下的统计教学[J].湖北科技学院学报，2016，36（3）：78-80.

[4]陶雪娇，胡晓峰，刘洋.大数据研究综述[J].系统仿真学报，2013（S1）：142-146.

[5]刘超，吴喜之.统计教学面对的挑战[J].统计研究，2012，29（2）：105-108.