地方高校统计学专业抽样调查课程教学改革探索

丁维勇 赵鹏

摘  要：抽样调查作为统计学专业的核心课程之一，其理论性和应用性要求都很高。要充分发挥抽样调查技术的优势，必须要求学生对抽样理论有深刻理解，并进行充分的实践训练。该文以江苏师范大学抽样调查课程建设和教学改革实践为基础，通过描述地方高校抽样调查教学中出现的不足，归纳总结在“课程思政”“知识框架构建”“实践训练”及“课程考核”等方面采取的改革举措。相关举措旨在重塑课程知识框架，拓展大数据时代数据的获取渠道，提升学生运用抽样调查技术的实践创新能力。

关键词：多课联动;网络调查;第二课堂;统计专题讲座;教学改革

中图分类号：G642        文献标志码：A          文章编号：2096-000X（2024）01-0131-04

Abstract： As one of the core courses of Statistics specialty， Sampling Survey has high theoretical and practical requirements. In order to make full use of the advantages of sampling survey technology， students must have a deep understanding of sampling theory and carry out sufficient practical training. Based on the course construction and teaching reform of Sampling Survey in Jiangsu Normal University， this paper describes the shortcomings in the teaching of Sampling Survey in local universities， and summarizes the reform measures we have taken in the aspects of "curriculum thinking and politics"， "knowledge framework construction"， "practical training" and "curriculum assessment". The relevant measures aim at reshaping the curriculum knowledge framework， expanding the access to data in the age of big data， and improving students' practical innovation ability in using sampling survey technology.

Keywords： multi-course linkage; network survey; second class; lectures on statistics; teaching reform

現代抽样调查源于1985年挪威统计局局长Anders Kiaer在开展挪威人口和农业普查工作时提出的“代表性抽样”。经过Bowley、Neyman等几代统计学家的发展，抽样调查理论现已发展成为统计学科的重要分支之一。

抽样调查的核心思想是通过设计合理的抽样方案，采集能够代表总体的样本数据，进而实现对总体特征进行有效估计。经典的抽样技术包括简单随机抽样、分层抽样、不等概率抽样、整群抽样、多阶段抽样及系统抽样等。目前，抽样调查技术被广泛应用于各种社会经济和市场活动的管理决策中。如，政府部门通过抽样调查关注民众就业和失业率、教育状况、行业经济运营状况等;企业通过抽样调查了解市场现状、消费者偏好、广告效应等。总的来说，抽样调查是一种技术性和应用性均很强的统计方法，掌握抽样调查相关理论与技术对统计工作者来说是非常必要的。

近年来，随着信息技术的发展，大数据对统计学的影响日益加深，传统的统计学培养方案和模式受到极大挑战[1]。为培养满足时代需求的应用型统计人才，国内部分高校开始着手推进大数据时代下统计学人才培养模式的改革。其中，作为统计学专业的核心课程，抽样调查自然也成为人才培养改革中的重点课程之一[2-4]。江苏师范大学统计学专业始建于2010年，2020年入选国家一流专业建设点，所依托的统计学科自2011年连续3期被遴选为江苏高校优势学科。江苏师范大学统计学专业于2016年推进统计学人才培养模式的改革，通过融合大数据时代的数据特征，并提出“重需求、强实践、化能力”的人才培养理念。在此理念下，搭建了“模块化、阶梯式、个性化”的课程体系。抽样调查作为数据采集的基础，被定位于“数据采集模块”的核心课程。为配合专业人才培养模式改革的整体进程，我们对抽样调查课程在教学中存在的问题，以及大数据时代所面临的应用挑战予以整理和剖析，提出并推行若干改革举措。

一  教学中存在的问题

抽样调查是一门技术性很强的统计课程，其内容涉及抽样方法设计、样本量确定、抽样实施、总体特征估计、估计量评价和设计效应等。实践中要顺利实现调查目的，必须要求使用者对抽样理论与技术有深刻的理解。为此，我们根据大数据时代对统计学人才的要求，制定如下教学目标。一是素质目标，培养具有良好统计素养和职业操守的高素质人才;二是理论基础目标，系统掌握抽样调查技术的理论基础知识，包括设计思想、估计量构建思想及相关的公式推导;三是实践创新目标，培养学生根据实际问题合理设计抽样方案、科学分析和解释调查数据的能力。基于以上目标，我们结合多年教学经验，归纳总结出抽样调查课程教学中存在的问题和不足。

（一）  思政元素薄弱，课程思政效果不显著

课程思政是当前高校开展思想政治教育改革的重要途径，通过将思政元素贯穿于课堂教学全过程，引导学生树立正确的人生观、价值观、世界观。抽样调查课堂在思政教育方面存在三个主要问题。一是受限于数理思维模式，授课教师思政能力不足，大多局限于模范楷模、先进事迹的介绍，无法深挖出课堂中蕴含的“思政”元素，导致对学生思想的教育和引领作用非常有限;二是授课教师将思政元素融入课堂的力度掌握不够，无法实现思政教学与专业教学的有机融合，常常顾此失彼，极大地损伤了“课程思政”的教育教学效果;三是当代大学生一个显著的特点是，知识体量大，看待事物的角度与年长者具有明显不同，他们不再单纯地接受年长者的观念和价值观，总是抱着怀疑的心态认识新事物和新现象。这就导致单一的说教方法对他们的引导作用非常有限。

（二）  地方高校学生基础薄弱，理论推导成为负担

各类抽样技术下总体特征估计量的评价是抽样调查课程的主要教学内容之一。在此过程中，授课教师需要带领学生做大量的公式推导。就我们多年的教学经验来看，其中部分内容对地方高校的统计学专业学生来说具有一定的难度，不易理解。究其主要原因，可以归纳为两点。一是数理统计课程导致的思维定势。一方面，学生在经历一学期数理统计学课程的学习后，“样本独立且同分布”已深深烙印入脑海，这与抽样调查中无放回抽样下样本既不独立也不同分布完全不同，导致基于样本进行统计推断的思路与方法也不尽相同。另一方面，数理统计课程通常仅涉及一个指标的统计推断问题;而在抽样调查中常常涉及两个指标，特别是比估计量、回归估计量的构造过程中，学生在统计推断中往往简单地把它们看作两个独立变量，导致理论推导出现错误。二是分层抽样、整群抽样、多阶段抽样等技术均涉及多个抽样阶段，每个抽样阶段的抽样总体、样本单元也均不相同，导致理论推导过程在逻辑上容易出现混乱。上述问题贯穿于抽样调查授课内容的全过程，一旦学生在前期无法完全理解，在随后的学习中也将愈发觉得课程枯燥乏味，失去学习兴趣。

（三）  实践教学环节缺失，创新能力提升效果不显著

完整的抽样调查课程包括“调研目的确定-抽样方案设计-问卷设计-调查实施-数据分析-报告撰写”全过程，涉及环节多，周期长。而现行的抽样调查课程主要以各种概率抽样技术和估计方法等为授课内容，仅涉及了“抽样方案设计”这一个环节。尽管学生对抽样技术了如指掌，但对抽样调查过程的其他环节知之甚少。因此，加强抽样调查课程实践教学环节的训练非常重要。遗憾的是，部分地方高校的统计学专业因为课时限制等原因并没有设置实践训练环节。而更多的高校则选择设置上机课或案例分析代替实践训练，但学生的实践创新能力训练效果并不显著。因此，如何在有限的课时中加强实践环节的培养训练是当前抽样调查课程改革必须面临的一个重要问题。

（四）  课程内容未能与时俱进，滞后于大数据时代需求

2008年，“大数据”概念被正式提出，人类社会进入大数据时代。数据特征的变化给传统统计学科带来了巨大的冲击，也给传统统计学专业人才的培养带来了新的挑战——如何完全融合大数据与统计学科，进而能够培养满足时代需求的统计人才。作为获取数据的重要途径，抽样调查课程同样面临大数据带来的挑战。首先，传统的抽样调查课程教授经典随机抽样技术，这些抽样技术是在数据采集和数据处理能力受到限制的条件下建立和逐渐发展起来的，因此主要应用于传统数据。其次，经典随机抽样方法存在诸如抽样框变动、多层次抽样推断效率低、调查目的固定和调查周期长等缺陷[5]，在某些特定场合下无法真正发挥数据的时序性和时效性。最后，大数据遍布于互联网和手机终端。借助自身优势，大数据已成为企业挖掘市场信息、助力业务发展的主要途径。因此，有效融合传统抽样调查技术和大数据时代数据优势，在拓宽抽样调查数据采集渠道的同时，进一步提升抽样调查的社会服务能力，就成为抽样调查课程改革的内容之一。

（五）  课程考核方式单一，不能全面考察学生综合素质

传统的抽样调查课程考核通常由闭卷考试和平时表现两部分组成。这种考核方式施行已久，在地方高校中形成一种现象，即闭卷考试内容和题型固化，导致部分学生通过死记硬背或临时冲刺的方式应对考试，即使学生得了高分，但对抽样技术并无深刻地认识和理解。另一方面，闭卷考试虽能考察学生对理论知识的掌握情况，但却不能考察学生的抽样实践能力，当然也无法促使学生把所学理论与实践相联系并用于实际问题的解决中，从而失去了学习抽样调查课程的真正价值。

二  教改舉措

为顺利实现抽样调查课程的培养目标，我们在“重需求、强实践、化能力”的培养理念指导下，结合教学过程中存在的问题，对抽样调查课程的教学内容和教学体系进行改革，并采取以下改革措施。其中，措施（五）旨在强化抽样调查课程的“思政”能力;措施（二）、（四）旨在针对地方高校的统计学专业学生增强其理论基础;措施（一）、（三）、（五）旨在促进传统抽样调查与大数据的融合，在此基础上强化学生的实践创新训练;措施（六）旨在革新课程考核模式。

（一）  完善课堂教学内容，增强课程的系统性

我们在教学内容方面增加了“问卷调查”和“网络数据搜集”两部分内容。问卷调查是现代社会获取市场信息的一种重要途径。正如前述，抽样方案设计只是抽样调查众多组成环节中的一个。因此，有必要让学生了解其他重要环节，如调研目的确定、问卷设计、调研报告撰写等。我们搜集并整理了学生在参加“市调大赛”时频繁出现的不足和问题，在抽样调查课程的收尾阶段通过案例进行分析讲解。另外，大数据时代数据的获取和来源方式都发生了巨大的变化，这就需要我们在教学中引入一些新的抽样技术。考虑到“网络数据”普遍性和重要性，在新的教学内容中我们引入了基于Python的网络爬虫技术。这对学生了解统计学发展趋势和人才市场需求非常有帮助。受限于课时要求，我们将这部分内容穿插在统计专题讲座课程中予以讲解。

（二）  构建“多课联动”体系，促进学生掌握更加完善的知识体系

在新的培养模式改革中，我们构建了“模块化、阶梯式、个性化”的课程体系，并为每一个模块配备了固定的教学团队。在新的培养模式下，抽样调查和数理统计、统计专题讲座等课程组成了课程体系中的数据采集模块。在这一模块下，授课教师遵循“多课联动打配合”原则。如，在数理统计课程讲授样本及其性质时，提出样本的无放回简单随机抽样方案供学生思考，为学生埋下理解抽样调查技术的种子;在抽样调查课程中，教师再次将数理统计课程中的样本、样本性质与无放回抽样技术下样本及其性质进行对比，加深学生对于样本的理解;在统计专题讲座课程中，我们补充说明大数据时代传统抽样调查技术的作用，并补充说明大数据时代网络数据的采集技术。

（三）  增设统计专题讲座课程，培养满足时代需求的应用型人才

在新的培养方案中，新增统计专题讲座课程，授课内容由各专业核心课程的前沿理论组成，其目的是引导学生了解专业发展前沿和趋势的同时，激发学生对专业知识的好奇心和兴趣。该课程共有54学时，其中8个课时由抽样调查课程教学团队负责。为培养满足大数据时代需求的应用型人才，我们从两个方面对抽样调查课程进行补充和升华。一是大数据时代传统抽样调查所面临的挑战与机遇;二是文本分析和基于Python的网络数据爬取。第一部分内容包括：①大数据背景介绍，以及传统抽样技术在大数据时代面临的挑战;②数据时代为什么仍然需要抽样调查;③传统抽样调查技术在大数据中的应用。目的是引导学生正确认识“大数据=总体”这一争议观点，分析大数据时代下传统抽样调查技术的作用。在第二部分中，我们介绍Python网络爬虫与文本分析初步技术，培养学生的大数据采集和分析能力。

（四）  革新理论教学方法，夯实学生理论基础

在“多课联动打配合”的基础上，对教学方法也进行了革新。为促进学生理解抽样概念，解决公式推导给学生带来的困扰，我们采取了如下教学方法：①类比法。不断将估计量的性质与数理统计下估计量的性质进行对比，强化学生对无放回抽样样本与有放回抽样样本在性质上的差异。特别是简单随机抽样，是其他抽样技术的基础，应用类比法理解抽样调查下估计量的性质尤为重要。②数值模拟法。为帮助学生理解一些抽象概念，在授课过程中特意增加了数值模拟例子的比重，以此引导学生切身感受抽样过程和抽样性质。如，为理解无放回简单随机抽样下样本均值的无偏性和样本方差的无偏性，我们可构造一个人为总体，罗列出所有可能的样本和样本均值后，计算它们的算术均值，并与总体均值进行比较。通过这个数值模拟，可为学生展示无放回随机抽样下样本的性质、基于不具有独立且同分布性质的样本计算期望的一般形式，以及有限总体下期望的真正含义。③图谱法。受助于贝叶斯网络启发，在统计推断过程中，构建了抽样图谱，直观地展示每个抽样阶段的抽样框和样本组成，并为每个样本标注推断过程中所涉及的指标及其取值。根据图谱学生可以更加清晰地跟上老师的推导思路，并加深对抽样技术的理解。

（五）  开辟“学科竞赛”第二课堂，“实践创新训练”与“课程思政”双管齐下

考虑到抽样调查课程缺乏“实践创新训练”，我们通过整理和分析现有学科竞赛的优势和教育功能，将“全国大学生市场调查与分析大赛”开辟为抽样调查课程“实践创新训练”的第二课堂。全国大学生市场调查与分析大赛（以下简称“市调大赛”）创办于2010年，由教育部高等学校统计学类专业教学指导委员会与中国商业统计学会共同主办，是全国高校学科竞赛排行榜中的优秀竞赛项目。通过分析探讨，我们认为该赛事的教育功能与抽样调查课程非常契合且意义显著。其一，“市调大赛”可促使学生将课堂所学应用于实际问题的解决，有利于全方位训练学生数据采集的组织、策划和实施能力;其二，“市调大赛”可促进学生拓展和学习更多大数据时代下的数据搜集技术（如，文本挖掘、爬虫等）和模型运用能力（如，前沿统计模型、机器学习模型等），提升了学生的主动学习能力和实践创新能力。

“市调大赛”除了可以实现抽样调查课程的“实践创新能力”培养目标外，还具有强大的“思政教育”能力。在市场调查与分析竞赛中，学生往往以地方人文自然、民生社会热点及生活中的新事物和新现象作为选题。而这些选题为指导教师进行“思政教育”提供了有力素材。另一方面，在竞赛氛围的推动下，学生具有强烈地了解选题背景的主动性和对问题内涵进行思考和理解的积极性。在此过程中，指导教师可与学生进行深度的交流和探讨，从而实现对学生思想和价值观的引领，真正做到“课程思政”润物于无声。

（六）  丰富课程考核模式，全方位考察学生学习效果

抽样调查是一门应用性极强的课程。运用抽样调查技术完成一次调研任务，不仅需要调研人拥有深厚的理论基础，同时还要具备较强的组织、策划和实施能力。为全面考察学生的学习成果，我们对抽样调查课程的考核模式予以完善，增加市场调查实践环节，并将期末考试成绩、平时成绩及实践成绩的分值占比设定为5∶2∶3。市场调查实践环节要求学生围绕社会热点、民生关切及产品营销等领域提出问题，并根据问题属性组织、策划、实施一次社会调研，并最终提交抽样方案设计和调研报告。在此过程中，学生会自主将理论知识应用于实践中，而且还会思考并处理理论学习中不曾遇见的问题，如多目标调查任务的样本量确定、无效样例的判定、非概率抽样方案设计等，既补充了课堂教学知识，也提升了学生的实践能力。

三  結束语

抽样调查课程是统计学专业的核心专业课程，其理论性和应用性要求均很高。本文基于江苏师范大学抽样调查课程的课程建设和教学改革实践经验，分析了地方高校统计学专业抽样调查课程教学中存在的问题，从“课程思政”“知识框架重构”“实践创新训练”及“课程考核”四个方面归纳总结了抽样调查课程的教改举措，旨在为地方高校统计学专业抽样调查课程的教学提供参考，提升大数据时代应用型统计人才的培养质量。

参考文献：

[1] 朱建平.大数据时代对传统统计学变革的思考[J].统计研究，2016，33（2）：3-9.

[2] 王维峰.大数据时代抽样调查课程教学改革的思考及建议[J].中外企业家，2020（8）：158-159.

[3] 朱松.《抽样调查》课程教学能力提升探索[J].教育现代化，2018，52（5）：90-91.

[4] 温鲜，霍海峰.地方高校一流“抽样调查”课程建设的思考与探索[J].教育教学论坛，2021，39（9）：36-39.

[5] 王莹，万舒晨.大数据时代抽样调查面临的挑战与机遇[J].统计与信息论坛，2016，31（6）：33-36.

基金项目：江苏省高等教育教改研究项目“地方院校统计学拔尖创新人才培养模式的研究与实践”（2021JSJG235）

第一作者简介：丁维勇（1985-），男，汉族，甘肃白银人，博士，副教授。研究方向为可靠性统计、数据挖掘。

*通信作者：赵鹏（1980-），男，汉族，山东莱西人，博士，教授，教务处处长。研究方向为可靠性统计、网络可靠性。