大数据时代统计学专业教学的供给侧改革研究

牛奉高 王恩慧

[摘 要] 大数据时代，社会各界对数据分析人才的需求迅猛增长，且要求不断提高。文章以山西省高校统计学专业的学生为调查对象，从学科内容、教学方法、大数据课程的建设等方面进行了统计调查，运用SPSS软件对数据进行分析，得出统计学专业发展现状，并在此基础上探讨了大数据时代背景下统计学专业的课程改革及统计人才的培养方案。

[关键词] 统计学 大数据 课程改革 供给侧

中图分类号：G642.4；C8-4 文献标志码：A

一、研究背景

提及“数据”，人们必然会想到“统计学”。作为处理数据的科学，传统的统计学思想方法已经不能处理规模巨大、增长与传递迅速、非结构化程度高的数据或数据集。因此，大数据时代对于统计学来说，既是机遇也是挑战。

供给侧改革一般指供给侧结构性改革，供给侧相对应的是需求侧，最初是国家旨在调整经济结构，使要素实现最优配置[1]。人才培养的供给侧改革是以市场为牵引，以产业需求和人才双创需求为导向，使高校教学更好地培养出适应社会需求的学生。统计学作为一直冲在处理数据最前线的学科，应积极适应时代发展要求，统计学人才应该善于挖掘大数据中所蕴含的智慧[2]。

二、研究现状

顺应时势，进入大数据时代后，全国的骨干示范带头院校已经陆续展开了大数据方向的课程建设。袁卫[3]通过回顾统计学发展历史和讨论统计学教育现状，强调在做大的基础上应做强统计学科，处理好与数学、经济学等学科的关系，以及处理好与非统计专业人才培养的问题。陈秀芬[4]基于大数据时代对统计学课程的影响，探讨了目前统计学课程教学存在的问题，强调统计学教学应注重统计方法的应用、增强学生软件的运用能力及创新教学模式等。李金昌[5]基于对大数据的理解，认为统计学需要改变认识数据的思维、收集数据的思维和分析数据的思维。陈倩[6]针对“大数据”时代对人才的新需求，总结了统计学课程教学中存在的问题，提出“理论教学→案例教学→实验教学→实践教学”多层次、多模块的理论和实践相结合的教学体系。

三、研究设计

本研究以山西省五所高校统计学专业的本科生和研究生为调查对象，通过发放纸质问卷和网络调查获取数据，共发放了340份调查问卷，收回328份，剔除无效问卷20份，有效问卷为308份，其中包括100份纸质问卷和208份电子问卷，有效问卷占发放问卷总数的90.9%。此次调查问卷共设计了16个问题，分别从学生对大数据认知程度、高校大数据相关课程开设情况、教学方式及大数据相关领域的就业前景做了调查，并利用Excel和SPSS软件进行数据处理和分析。针对不同的问题、不同的数据分别应用多重响应分析、相关性分析、单因素方差分析、可靠性分析、列联表分析及图表法等对数据进行分析。此外，本研究以一些大数据相关企业报告、行业报告和高校关于统计学科的报告等为参考资料，进一步探究高校统计学专业教学改革。

四、数据分析与结论

（一）学生对大数据的认知程度较低

大数据时代的到来使得统计学不仅与数学、计算机科学技术和经济学等人们所熟知的学科联系紧密，而且越来越多的学者利用统计方法去分析处理生物医学等其他学科的海量数据。学生对大数据领域相关知识或技能的掌握，一般取决于学校或学院是否开设大数据相关课程或举行讲座，是否让学生参与一些大数据方面的实践项目等。对于山西省五所高校学生对大数据认知程度的调查，问卷中设计了五个相关问题，分别是“您认为统计学与以下哪些学科联系紧密”“您所在的院校是否开设大数据相关课程”“您是否参加过大数据相关的会议或讲座”“您如何看待统计学专业开设大数据课程的必要性”“您是否参与过大数据相关的科研项目”。

表1是对高校“是否开设大数据相关课程”，学生“是否参加大数据相关会议或讲座”及“是否参与过大数据相关的科研项目”这三方面统计调查的相关性分析表，N为样本量。从表1可以看出，“是否参与过大数据相关的科研项目”与“是否参加过大数据相关的会议或讲座”“所在院校是否开设大数据相关课程”的P值都是 0.000，远小于显著性水平0.05，说明参加大数据相关会议或讲座、开设大数据相关课程与参与大数据相关科研项目显著相关。

（二）实践教學环节薄弱

统计学强调用数据说话，因此，应熟练使用统计软件来处理和分析数据。本研究对学生的软件使用情况进行了调查，针对各高校实践课程的安排设计了四个问题，分别是“您通常用哪几种统计软件处理数据”“您所学的专业课程是否安排上机实践”“您认为大数据相关课程上机实践课时应占该课程总课时的比例”“您认为哪些统计学相关课程会对您将来的工作学习有帮助”。

表2是对学生常用统计软件的多重响应分析表。从表2可以看出R、Matlab、Excel和SPSS这四种软件的使用率较高，而与处理大数据相关的软件Hadoop和python使用率极低。从分析结果来看，各高校都有开设实践课程，但在大数据环境下实践课程安排仍然不足，学生对于处理大数据的软件了解甚少，目前主要还是SPSS和Matlab等。

（三）对学生需求不了解

本研究在对大数据课程的设置上，学生主要考虑的方面进行了调查，并对本科生和研究生所考虑方面的异同进行了分析，得到交叉列表（表3）。

从表3可以看出，无论是研究生还是本科生，在大数据课程的设置上，最先考虑的是课程的前瞻性与易学性。为了探究研究生和本科生关于课程设置上考虑的方面是否相同，文章利用SPSS进行了方差齐性检验，得P值为0.102，故认为方差是齐性的。然后进行方差分析得P值为0.007，远小于0.05，故认为本科生和研究生考虑问题存在差异。

（四）学生对大数据行业就业意向不强烈

针对学生在大数据时代的就业意向，问卷设计了三个问题，分别是“您认为大数据在哪些科学研究领域更有发展潜力”“您对大数据分析相关行业的前景预测”及“在大数据时代影响下您毕业后倾向于哪些行业就业”。从表2中可以看出，308名学生中有267名学生（86.7%）认为有必要开设大数据有关课程，因此，大部分学生认为有必要开设大数据相关课程。本研究利用SPSS探讨学生对大数据相关行业的前景预测与看待开设大数据相关课程的必要性是否有关，得到看待统计学专业开设大数据课程的必要性和对大数据分析相关行业的前景预测二维交叉表（表4）。

本研究通过对学生毕业就业倾向进行调查，却得到了与看好大数据分析相关行业前景相悖的结论，图1为学生毕业就业倾向分布图。

由图1可以看出，本科生和研究生对公务员、事业单位和教育行业就业倾向更大，而对与大数据分析紧密相关的IT行业就业倾向很不明显，这与表4中大部分学生看好大数据分析相关行业相矛盾，这也反映了理想与现实的差距，学生受传统就业观念的影响依然较大，因此应结合学生就业情况来进行教学改革。

五、相关建议

（一）调整课程结构

1.重视数学基础不动摇，但要缩短学时

统计学学生首先必须具备扎实的数学和统计学理论基础知识，可以将微积分（如积分、微分和多元积分）和线性代数（如矩阵分解、线性变换、欧式空间）的数学思想运用到统计学中。一方面，高等数学发展成熟且不断在社会中普及、向中学渗透，学生数学分析能力普遍提高；另一方面，大学学时有限，更多课堂时间需要用在向上衔接的课程上。

2.加快课程改革，与大数据充分衔接

开设大数据课程或者参加大数据相关讲座是学生学习大数据的主要平台[7]。大数据属于基础资料，在计算机科学、统计学、数学及运筹学等多个领域有所应用；大数据的获取使数据整理步骤更加复杂，需要应用更多的技术，如数据的甄别技术、数据仓库技术等；大数据时代除少部分数据具有结构化特征外，更多的是非结构化数据[8]。因此，要结合大数据的特点，对统计学的基本内容进行拓展，加入机器学习等大数据课程，学习处理海量数据的新方法，让学生学会用数据思考。

（二）树立复合型统计人才的培养目标

大数据时代下的统计学不仅要求学生有扎实的理论知识基础，更对动手能力和处理实际问题有较高要求，需要学生熟练使用多种统计软件，掌握编程的概念和方法等。因此，学生应具备整理、清洗和重新整理数据的能力，要对数据有敏感的观察力，创新思维[9]；要熟练运用R、Python、SAS等统计软件，要熟知各种数据库的访问、数据录入、数据真伪性检验等；要掌握多种编程语言，如把问题模块化、算法思想、结构化程序设计等[10]；提高学生的写作能力、沟通技能及团队合作能力，尤其是硕士研究生和博士生，要能够简明清晰地讲解自己的研究项目或专业知识，培养自身的沟通协作能力[11]。

（三）结合就业推动供给侧改革

统计学课程设置应充分考虑学生毕业去向，对学生毕业后继续学习还是就业要有不同的培养方案，因此要結合学生的就业意向进行教学改革。具体来说，要对大数据分析相关行业就业前景有一个大致的判断，并对未来大数据在哪些领域更有发展潜力有一定的认识，这样才能更有针对性地对大数据相关专业知识进行学习。

大数据人才需求十分旺盛，但能够胜任大数据相关工作的人才十分短缺，这对于统计学的发展来说是很好的机遇，可以实现高校与社会互利共进，符合国家长期战略发展需求。在课程改革方面，课程设置必须与就业相结合，让学生有好的就业前景是统计学教育改革的重点，因此，应密切关注社会需求，积极调整课程体系，让学生更多地接触有关社会实际问题的探究[12]。

参考文献：

[1]吴翌琳，房祥忠.大数据探索性分析[M].北京：中国人民大学出版社，2016.

[2]郭迎春.大数据时代统计学课程教学方法与模式研究[J].教育现代化，2016（32）：9.

[3]袁卫.机遇与挑战——写在统计学成为一级学科之际[J].统计研究，2011（11）：3- 10.

[4]陈秀芬.大数据时代下统计学课程教学改革的思考[J].高教学刊，2015（20）：106- 107.

[5]李金昌.大数据与统计新思维[J].统计研究，2014（1）：10- 17.

[6]陈倩.大数据背景下对统计学课程教学模式的思考[J].科技资讯，2013（21）：177.

[7]孟生旺，袁卫.大数据时代的统计教育[J ].统计研究，2015（4）：3- 7.

[8]赵彦云，刘子烨.统计学要在大数据科学中扮演重要角色——ASA发布统计学科建设的发展报告[J].中国统计， 2015（12）：4- 5.

[9]Jordan J M， Lin D K J. Statistics for Big Data： Are Statisticians R eady for Big Data？[J].中国统计学报，2014 （1）：133- 149.

[10]Schoenfeld A H. C ognitive Science and Mathematics Education[M].New York：Lawrence Erlbaum Associates，2010.

[11]Wang C， Chen M H， Schifano E， et al. Statistical Methods and Computing for Big Data[J]. Statistics & Its Interface，2015（4）：399.

[12]汪霞，钱小龙.高校课程结构调整与大学生就业：基于工作搜寻理论的分析[J].清华大学教育研究，2012（3）：21- 27.