财经高校大数据课程教学改革与实践

徐鑫

[摘 要] 财经高校大数据课程具有鲜明财经特色、丰富项目实践、强调互动教学的特征，核心注重激发学生的学习兴趣和创新潜能。该文通过分析当前财经大数据课程面临的人才培养定位不清、财经理论不足、项目实践缺乏等问题，提出了相应的改革思路与对策建议。

[关键词] 财经高校;大数据课程;教学改革;人才培养

[作者简介] 徐 鑫，上海立信会计金融学院信息管理学院教师。

[中图分类号] G642.0    [文献标识码] A    [文章编号] 1674-9324（2020）23-0198-02    [收稿日期] 2019-11-13

课程是财经大数据人才培养的核心要素，课程质量决定人才培养质量。深化财经大数据课程改革，必须把教学改革成果落实到课程建设。按照教育部《关于一流本科课程建设的实施意见》要求，本科教学要从“教得好”向“学得好”转变，注重激发学生的学习兴趣和创新潜能。加大学生学习投入，科学“增负”，让学生体验“跳一跳才能够得着”的学习挑战。

一、财经高校大数据课程特征

（一）鲜明的财经特色

财经高校的大数据专业一般开设“金融学”“会计学”“经济学”等课程，强化学生对金融基本理论与思维方式的把握。与非财经高校的大数据课程相比，更加强调解决财经问题的大数据方法，以获得财经特色领域的竞争力。从课程体系、教学案例、教学资源、人才培养等都体现鲜明的财经特色。笔者所在学校重点建设的财经大数据中心，有效支撑了财经大数据的科研、教学和人才培养。

（二）丰富的项目实践

与传统制造业、服务业不同，财经领域更加强调大数据资源应用和信息流通的作用。财经大数据的数据来源更广、数据维度更多、数据类型多样，数据的处理更加复杂，数据的应用场景更加丰富。因此，财经大数据的课程教学，要更加突出实践特色，增强多类型、多元化的案例教学和项目实践，不断提升学生基础理论能力和实践能力，以满足财经大数据人才培养的需求。

（三）启发的课堂互动

与传统理工类高校学生不同，财经高校的校园文化活跃、价值多元，学生倾向于探讨性学习。财经大数据课程的课堂更为活跃，学生对于财经问题更加敏感，更加务求实效的解决问题。但是财经问题没有统一的标准答案，更加强调思维的碰撞。

二、财经高校大数据课程教学面临的问题

（一）缺乏科学性的人才培养定位

财经高校大数据专业的人才培养，除了鲜明的财经特色以外，还分为创新型、研究型、应用型的人才培养层次。不同的培养层次意味着不同的培养模式，有的侧重于理论方法，有的侧重于应用实践。同时，高校所处地区的经济社会发展需求，也是考虑人才培养定位的重要因素。但是，目前财经高校大数据专业的培养往往与社会脱节，缺乏充分的市场需求调研。

（二）缺乏系统性的财经理论知识

财经高校大数据课程普遍存在财经背景不足的问题，主要由于课程设计与教师背景的原因。财经高校的大数据专业教师，大多来自计算机、信息管理等专业背景，数据科学技术能力较强，但是缺乏足够的财经理论知识。同时，由于大数据专业的课程设计普遍强调数据科学，而容易忽略财经高校特色，也是财经高校大数据专业财经理论偏弱的主要原因。

（三）缺乏专业性的项目实践

财经大数据需要专业的大数据平台和数据算法，通过项目模拟实践，才能取得更好的学习效果。但是财经大数据平台投入大、价值体现慢，大部分学校对于平台建设处于滞后阶段。

三、财经高校大数据课程教学改革思路与措施

（一）革新理念，提升教学体系的系统性

围绕财经大数据人才培养目标，制定系统性的教学计划。首先，找准大数据课程定位。以“Python数据处理技术”课程为例，在大数据专业培养方案的整体框架下，课程处于应用实践环节。与“Python程序设计”相比，课程更加侧重模型算法等数据处理技术。与非财经高校“Python数据处理技术”课程相比，课程更加侧重通过大数据解决财经问题。

（二）目标导向，优化教学内容的特色性

立足财经高校的基本属性，特色鲜明的突出财经专业优势。既要注重学生知识面的广度，又要重视大数据课程的深度。首先，财经知识贯穿于大数据课程始终。虽然有专门的经济学、金融学等财经理论课程，但是由于授课教师大多为经济、金融等领域的教师，数据处理技术知识较为薄弱，课程内容过多偏向基础理论。通过与学生交流发现，财经知识与大数据知识是相互割裂的，缺乏有效的融合。因此，要在大数据专业课程中，不断强化财经理论知识，确保财经特色不褪色。

（三）改革方法，强化教学方法的实践性

课程教学分为理论教学和实践教学。财经大数据课程的实践教学又分为案例教学与项目实践。案例教学是被动的学习方法，项目实践是主动的解决问题。财经大数据课程的实践教学比例应不低于50%。以“Python数据处理技术”课程为例，单纯的Python基础理论和模型算法，理解起来十分晦涩。只有在案例教学和项目实践中，才能让学生体会和深刻理解。首先，强化大数据课程里的案例教学模块。案例教学是消化吸收理论知识的重要手段。要采用真实场景的大数据综合实训案例，让学生理解财经大数据应用场景，充分理解数据采集、数据清洗、数据加工的整个数据預处理过程，学习模型算法选择应用的方法。其次，优化大数据课程里的项目实践模块。通过财经问题场景设计，让学生自主采集数据、选择合理模型、自主解答财经问题的全生命周期的大数据应用实践。通过开放式的项目实践，激发学生的创造力。

（四）提升能力，激活教学方式的互动性

互动教学是现代教育民主化的重要体现，核心是调动学习者的积极性和创造性。互动教学包括教师与学生的互动、学生与学生的互动。通过营造多边互动的教学环境，在平等交流探讨的过程中，达到不同观点碰撞交融，激发教学双方的主动性和探索性。首先，加强教师与学生之间的互动。主要分为主题探讨式互动、归纳问题式互动、精选案例式互动、多维思辨式互动。通过互动教学，凸显学生作为课堂主体的地位。比如在“Python数据处理技术”课程中，鼓励同学们从不同视角、不同维度研究数据模型解决信用评级问题，如逻辑回归、决策树、支持向量机、朴素贝叶斯等。其次，鼓励学生之间的互动。通过布置小组作业的形式，鼓励同学之间的探讨、交流、沟通。学习过程不再是以教师为核心的单向知识传播，而是以学生为核心的多向知识传播。每一个学生都是一个知识节点，既可以接受知识，也可以传播知识，从而形成知识消化、吸收、创造、扩散的知识网络。

（五）科學评价，提升教学效果的可控性

财经大数据教学评价体系，体现了财经大数据的课程理念和培养目标，有效发挥教学评价的诊断作用、激励作用、调节作用。首先，要建立科学的教学评价体系。既要有教学评价的标准化指标，又要体现财经大数据特色的个性化指标。评价方法既要有定性指标，也要有定量指标。评价内容要全面客观、重点突出，包括教学内容、教学方法、学习效果等多维度评价。其次，有效组织教学评价。教学评价不能走过场，又不能太过纠结于某一指标。既要以学生评价为核心，又要避免老师不敢抬起“教鞭”。在教师教学过程中，一些教师的放任源于对教学评价结果的担忧。第三，注重教学评价的反馈机制。教学评价不是目的，而是更好的改进和提升教学水平，通过教学评价发现问题，改进课程内容和教学方法，提升教学质量。

参考文献

[1]董媛香，杨帆，苗敬毅.大数据时代财经类院校管理科学专业人才培养模式[J].高等财经教育研究，2019，（9）.

[2]刘正桥.普通高校金融学专业本科应用型人才培养实践教学改革探索[J].金融经济，2013，（10）.

[3]李鹤.“互联网+”时代信管专业应用型人才培养模式的思考——以财经类院校为例[J].科技视界，2016，（2）.

[4]Hilton M.Exploring the Intersection of Science Education and 21st Century Skills：A Workshop Summary[M].National Academies Press，2010.

Teaching Reform and Practice of Big Data Courses in Universities of Finance and Economics

—Taking Python Data Processing Technology for Example

XU Xin

（School of Information Management，Shanghai Lixin University of Accounting and Finance，Shanghai，201209，China）

Abstract：The big data courses of financial colleges and universities have distinctive financial characteristics，rich in project practice，emphasizing the characteristics of the interactive teaching and focusing on stimulating students' learning interest and creative potential.This article analyzes the problems with the current financial big data courses-unclear talent training orientation，insufficient financial theory，and lack of project practice etc.，and puts forward corresponding reform ideas and countermeasures.

Key words：universities of finance and economics;big data courses;teaching reform;talent training