统计学专业人才培养现状分析及路径优化研究 ——以安阳师范学院为例

管梦妮

(安阳师范学院 数学与统计学院, 河南 安阳 455000)

0 引言

1998年,教育部新修订的本科专业目录中,统计学成为与数学等并列的一级学科,这一调整对统计教育与学科发展具有深远影响[1]。随着大数据、人工智能、数字技术等新业态的出现,统计学的应用范畴得到极大扩展,统计学的知识内涵得到极大丰富。2023年年初,一款名为ChatGPT的人工智能火遍全网,一时间,网络上讨论热度很高。人工智能的底层逻辑需要依赖数学、统计、计算机等基础科学,那么随之而来的是统计学科建设、统计事业发展,以及高校统计学专业人才培养的变革与创新。

党的二十大报告中,多次提到有关 “数字”“数据”的论述,主要有数字中国、数字化战略、数字经济、数字产业、数字贸易、教育数字化等方面。数字赋能依赖于统计技术与数字化技术的融合创新,数据人才、统计人才作为中国式现代化的生力军与后备力量,能够发挥强支撑效能,是数字中国建设的第一人力资本。数字化时代,人才的培养变得愈加重要,传统统计学专业人才培养方案如何设置才能适应当今数据时代社会发展需求?因此,数据时代对统计学专业人才培养现状进行分析及提出路径优化建议具有重要的现实意义。

关于统计专业人才培养、统计教育的重要性,早在1876年9月布达佩斯召开的第9届国际统计大会上就被强调。在此之前的欧洲大陆,如德国、法国、比利时等国已开设统计学课程[2]。通过文献回顾与梳理,统计专业人才培养的研究模式主要有3种:一是数字化时代统计人才培养模式的探索与思考[3-4];二是经济统计学专业人才培养方案优化[5-6];三是统计学及应用统计学专业人才培养问题[7-8]。已有研究从理论层面展开的讨论与分析较多,以实际调查进行数据分析得出结论的较少,具体到研究一个高校统计学专业人才培养状况的更少。

目前,依据教育部对于普通高等学校本科专业目录的分类,统计学专业的划分包括两大类:一是隶属于经济学门类的经济统计学(专业代码020102),授予经济学学士学位;二是隶属于理学门类的统计学,包括统计学(专业代码071201)和应用统计学(专业代码071202),授予理学学士学位。安阳师范学院统计学专业学生的培养在数学与统计学院,其中统计学专业从2007年开始招生,2007级至2013级按师范生培养,2014级以后按非师范生培养;应用统计学专业从2015年开始招生,专业方向为金融统计。

该研究以安阳师范学院统计学专业全体在校学生为研究对象,通过编制调查问卷,对统计学专业人才培养过程中涉及专业教育环节的相关问题进行研究;通过数据的处理分析及可视化展示,探析统计学专业人才培养的现状并提出优化培养方案的相关建议。

1 调查的设计

1.1 调查对象

本次调查对象为安阳师范学院数学与统计学院统计学专业全体在校学生。

1.2 问卷设计

本次问卷调查采用网络调查的方式,利用“问卷星”平台制作问卷,并将问卷答题二维码通过班级微信群进行发送。

调查问卷主要分为两大部分,分别为被调查者的基本情况、专业教育情况。第一部分为基本情况,主要包括性别、所在年级、专业、对培养目标的了解情况。第二部分为专业教育情况,主要包括专任教师满意度、专业课程教学满意度、专业能力提升满意度,本部分问题设置全部采用李克特五级量表,对于每一个陈述性描述,设置5个选项,分别为很不满意、不满意、一般满意、满意、很满意。其中,专任教师满意度的测量部分,包括总体评价、师德师风、教学态度、教学水平、教学方法、师生互动、作业批改7个维度;专业课程教学满意度的测量部分,包括总体评价、教学效果、课程目标、课程数量、授课形式、考核方式6个维度;专业能力提升满意度的测量部分,包括统计调查能力、统计软件应用能力、数据处理与分析能力、统计报告撰写能力、统计预测能力、经济决策能力6个维度。

1.3 问卷回收

本次问卷调查共回收有效问卷169份,问卷回收总数量与本专业全体在校人数基本一致。其中男生、女生样本量分别为24、145,分别占总样本的14.2% 和85.8%,与学校女生多、男生相对较少的现状大体吻合。大一至大四年级样本量分别为 45、43、31 和50,占总样本比重分别为26.63%、25.44%、18.34% 和29.59%。

1.4 问卷数据检验

1.4.1 信度检验

信度检验是指调查问卷所得结果的内部一致性、可靠性、稳定性检验,即对问卷重复进行测量,得到测量结果一致的准确程度。问卷量表的信度检验通常以Cronbach α值作为衡量标准,Cronbach α值越大说明信度越好。

由表1可知, Cronbach α系数均接近1,说明本次调查问卷具有内部一致性,问卷测量结果具有可靠性。

表1 信度检验

1.4.2 效度检验

效度是指测量结果体现出来的某种结构与测值之间的对应程度,借助KMO检验和Bartlett球形检验,当Bartlett检验结果显著, KMO值大于0.6,表示量表题目间的相关性好,适合进行因素分析。

由表2可知,P值等于0,检验结果显著, KMO值为0.88,说明本次调查问卷具有良好的效度。

表2 KMO和Bartlett球形检验

2 统计学专业人才培养现状分析

2.1 专业培养目标了解情况

为探究不同年级学生对于专业培养目标的了解情况,进行交叉分析,结果见表3。

表3 统计学专业培养目标了解情况

由表3可知,高年级学生中了解专业培养目标的人数更多。这可能是由于大一阶段,学生尚未接触专业核心课程的学习,对于专业优势及专业特色了解不够全面。随着进入高年级学习阶段,学生接触到更多专业核心课程的学习,对专业的认同感越来越强,对于人才培养的目标与未来就业的方向也更加清晰。

2.2 专业核心课程重要性情况

回收的调查问卷结果显示,对于“您是否接受过专业核心课程的教学?”这一问题,年级为大一的学生回答为“否”,这与学院人才培养方案一致,人才培养方案中专业核心课程的开设从大二上学期开始。大一时期更多是学科基础课的学习,如数学分析、高等代数、概率论等,为后续专业课程的学习打下坚实基础。另外大一时期学校安排了丰富的通识教育课程,如思想道德修养与法律基础、中国近现代史纲要、军事理论、大学生职业生涯与发展规划等,培育学生良好的德育、智育、体育、美育、劳育。因此,在专业核心课程教学部分,剔除年级为大一的样本,运用大二、大三、大四年级的样本进行分析。

统计学专业人才培养方案中,专业核心课程包括数理统计、统计计算与软件、回归分析、统计学、多元统计分析等,为充分了解学生对于课程重要程度的感知,问卷中设置多选排序题目“请选出您认为最重要的三门课程,分别为第一、第二、第三位”,统计结果见表4。

表4 专业核心课程重要程度

表4中第3～5列表示按课程重要性排在第一、第二、第三位的人数占本题填写人数的百分比,计算专业核心课程的综合得分,计算公式为:综合得分=(Σ 频数×权值)/本题填写人次,权值由选项被排列的位置决定。例如有3个选项参与排序,那排在第一个位置的权值为5,第二个位置的权值为3,第三个位置的权值为1。经计算得到重要性排名前三的课程为数理统计、统计计算与软件、统计学,综合得分分别为3.45、2.10、1.19。

2.3 专业教育总体情况

调查发现,总体评价、师德师风、教学态度、教学水平、教学方法、师生互动、作业批改7个维度下,专任教师满意度测量结果学生很满意、满意的占比分别为近70%、30%,一般满意、很不满意、不满意的基本没有,说明学生对专任教师的满意度较高。总体评价、教学效果、课程目标、课程数量、授课形式、考核方式6个维度下,专业课程教学满意度的测量结果学生很满意、满意的占比分别为近65%、35%,一般满意、很不满意、不满意的基本没有,说明学生对专业课程教学的满意度很高。统计调查能力、统计软件应用能力、数据处理与分析能力、统计报告撰写能力、统计预测能力、经济决策能力6个维度下,专业能力提升满意度的测量结果学生很满意、满意的占比较大,分别为近40%、40%,一般满意的占比近20%,很不满意、不满意的基本没有。

2.4 基于结构方程模型的专业教育满意度情况

2.4.1 结构方程模型的构建

为了进一步探究专业教育中专任教师满意度、专业课程满意度、专业能力提升满意度之间的关系,该研究采用结构方程来检验变量及其之间的假设性关系。结构方程模型是一种常用的用来检验因素之间复杂因果关系的一种模型,可以根据结构模型的带权路径图,分析因子路径影响关系情况,进而从全局了解各因子节点的路径构成与关系。

专任教师满意度、专业课程满意度、能力提升满意度3个因子为潜变量。其中,专任教师满意度为外因潜变量,师德师风、教学态度、教学水平、教学方法、师生互动、作业批改6个观测变量为其对应的显变量。专业课程满意度为中介潜变量,教学效果、课程目标、课程数量、授课形式、考核方式5个观测变量为其对应的显变量。专业能力提升满意度为内因潜变量,统计调查能力、统计软件应用能力、数据处理与分析能力、统计报告撰写能力、统计预测能力、经济决策能力6个观测变量为其对应的显变量。采用极大似然估计法对模型进行估计,同时运用多种指标考量模型的拟合优度。

本文提出假设如下:

H1:专任教师满意度对专业课程满意度有正向影响

H2:专任教师满意度对专业能力提升满意度有正向影响

H3:专业课程满意度对专业能力提升满意度有正向影响

H4:师德师风对专任教师满意度有正向影响

H5:教学态度对专任教师满意度有正向影响

H6:教学水平对专任教师满意度有正向影响

H7:教学方法对专任教师满意度有正向影响

H8:师生互动对专任教师满意度有正向影响

H9:作业批改对专任教师满意度有正向影响

H10:教学效果对专业课程满意度有正向影响

H11:课程目标对专业课程满意度有正向影响

H12:课程数量对专业课程满意度有正向影响

H13:授课形式对专业课程满意度有正向影响

H14:考核方式对专业课程满意度有正向影响

H15:统计调查能力对专业能力提升满意度有正向影响

H16:统计软件应用能力对专业能力提升满意度有正向影响

H17:数据处理与分析能力对专业能力提升满意度有正向影响

H18:统计报告撰写能力对专业能力提升满意度有正向影响

H19:统计预测能力对专业能力提升满意度有正向影响

H20:经济决策能力对专业能力提升满意度有正向影响

2.4.2 结构方程模型估计结果

模型检验与拟合优度结果见表5。

表5 模型检验与拟合优度结果

表5显示,模型中卡方统计量与自由度之比小于2, NFI、IFI、CFI的值均接近于1,RMSEA值小于0.08。以上指标均满足模型检验与拟合优度的要求,说明模型的适配度良好,拟合效果较好。

模型估计结果见表6及图1。

图1 结构方程模型图

表6 模型路径系数及检验结果

由表6及图1可知,在5%的置信水平下,专任教师满意度对专业课程满意度有显著正向影响,专业课程满意度对专业能力提升存在显著影响,专任教师满意度对专业能力提升存在显著影响。

对于专任教师满意度而言,教学水平的影响最大,系数为1.368,其次为教学态度、教学方法,系数分别为1.352、1.275;不接受原假设H9,说明作业批改对专任教师满意度不存在显著影响。对于专业课程满意度而言,课程数量的影响最大,系数为1.064,其次为考核方式、教学效果;不接受原假设H11,说明课程目标对专业课程满意度不存在显著影响。对于专业能力提升满意度而言,统计调查能力的影响最大,系数为0.965,其次为数据处理与分析能力、统计报告撰写能力。

3 统计学专业人才培养路径优化

该研究将研究视角聚焦于统计学专业人才培养过程中的专业教育环节,根据调查现状分析情况,对于统计专业教育环节中人才培养问题提出如下优化路径。

3.1 优化专业核心课程

通过专业核心课程重要性排名情况,发现传统的课程,如抽样调查、随机过程等,学生的整体感知为不太重要。因此,在新的专业人才培养方案中,需要对核心专业课程进行优化与更新迭代,可以适当引入统计机器学习、深度学习、数据科学、社会计算等新型课程,培养学生严密的数学、统计计算、计算机理论等相关领域的知识。同时,数字时代面对的是更为复杂的数据,比如高维数据、图像数据、影像数据、函数型数据、符号型数据等非结构化数据,传统统计学课程内容亟需丰富扩充,以夯实学生专业基础能力。充分发挥数理统计课程中关于统计推断、贝叶斯估计、EM算法、非参数检验等的数理基础作用,为机器学习、人工智能等内容的学习打下坚实基础。

3.2 更新教学理念

教学过程中,以立德树人为指引,融合思政元素进行课堂教学,实现知识传授与价值引领。例如,在统计理论知识的教学中,加入对于统计相关背景、科研工作者的介绍与讲解,激发学生的科研探索精神,激励学生在科研道路上勇攀高峰,培育学生严谨求实、实事求是、崇尚科学的优秀品质。同时,鼓励学生结合专业所学,充分挖掘专业特长与技能,扎根中国大地,用统计声音讲好新时代的中国故事,增强学生的责任感与使命感,潜移默化中影响学生的价值观。

3.3 改革教学方法

牢记习近平总书记寄语,“不忘立德树人初心,牢记为党育人、为国育才使命,积极探索新时代教育教学方法,不断提升教书育人本领”[9]。教学方法上,探索新的课堂教学技巧,改革传统的课堂讲授模式,研究小班讨论、分组展示、案例启发式教学等新的教学模式与方法,实现教师身份从“知识传播者”向“知识引导者”的转变。例如,以国民经济运行中的实际问题作为案例,教师提出相关问题或者由学生自主提出问题,课堂上学生分组展示汇报。通过实施新的教学方法,引导学生运用统计思想与方法解决问题,培育学生数据素养,在学以致用中实现学生统计调查、数据分析等能力的提升。

3.4 落实科教融合

以学校特色学术活动为依托,定期举办“殷都学者讲坛”,邀请国内外统计学者来校或者线上开展学术讲座,让学生接触统计前沿知识,了解统计发展热点。另外,鼓励学生参加教师研究项目,在科研项目参与过程中,加深学生对于课堂所学专业理论知识的理解,提高第一课堂教学的有效性。同时,通过研究课题设计、报告撰写等经验技能的训练,为后续专业论文、毕业论文的写作打好基础,提前熟悉论文写作过程。通过实施科教融合,能够让学生了解专业新的学术动向,培养学生创新创意思维、自主学习能力、团队协作能力、经济决策能力等。

3.5 提升专业教师素质

数字时代要求的统计学人才是复合型、创新型、应用型、交叉型人才,这对统计学专业教师的知识结构等方面提出了挑战,教师素质也亟需提升。学校层面,一是扩大专任教师队伍,大力引进统计学、数据科学、计算机等相关专业具有高级职称的人员以及博士后、博士等人员;二是提高存量教师水平,出台相关政策鼓励教师继续深造、外出访学等,充分为教师搭建平台,提供支持。教师个人层面,一是主动应变求变,拓宽国际视野,关注学科前沿动态及发展趋势;二是树立终身学习理念,及时补充数据挖掘、统计计算等新的方法与工具,提升新型教学、科研能力;三是提升专业能力和自身修为,以学识魅力启迪学生,真正做到德高、学高、艺高,努力成为数据时代的“大先生”和“统计学专家”;四是挖掘新的交叉领域,与数学、计算机科学、生物医药、天文气象、卫星遥感等相关领域开展合作研究,提升统计学的学科基础地位与服务社会的能力。

4 结语

综上, 对于统计学专业人才培养现状的分析仅聚焦于人才培养过程中的专业教育环节,主要围绕专业课程设置、专业教师素质、专业能力提升等维度展开,因此,现状剖析不够具体、全面。在今后的教育教学中,继续开阔研究视角,更加深入地探讨统计学专业人才培养过程中其他环节涉及的相关问题,如实践教学、创新创业教育等环节,以期为新的数字时代背景下统计学专业的人才培养及路径优化问题提供参考。