大数据背景下应用统计学专业转型发展探讨

孟丽丽+卢志义

摘 要 实践性和寄生性是统计学科的两大特征。传统的统计教育偏重理论传授和学术引导，而轻视技能形成和实践能力培养，不能适应经济发展对人才的需求。大数据环境下，数据的规模、类型、结构和增长速度发生质的飞跃，为应用统计专业人才培养提出新的要求，转型是应用统计学专业可持续发展的必由之路。针对传统统计教育中存在的问题，从教学内容与课程体系、教师队伍建设、实践教学和课程考核方式四个方面，探讨大数据背景下应用统计学专业转型发展之路，为该专业人才培养提供借鉴和参考。

关键词 大数据；应用统计学；教师队伍；实践教学

中图分类号：G642 文献标识码：B

文章编号：1671-489X（2017）16-0087-03

Abstract Practicalness and parasitism are the two major characteris-tics of statistics. The traditional education always stress imparting theknowledge and directing academic research， but ignore the forming of the special skills and practical ability. Thus it could not satisfy the requirement of development of society for cultivating practical talents. Meanwhile， in the setting of big data， the size， types， struc-ture and the growth rate of data have undergone a qualitative leap，which raises a higher demand to the talent development of applied statistics. Therefore， transitional development is the only road of sus-tained development of the major of applied statistics. In this paper， the transitional developments of the major of applied statistics arediscussed in terms of teaching contents and curricular system， tea-chers education， practical teaching and examination forms aimingat the problems that exist in the traditional education. The conclusion

obtained can provide reference for the specialized talent development.

Key words big data； applied statistics； teachers； practical teaching

1 引言

高等院校是实现中国梦的重要阵地和教育强国梦的主要载体，能够为创新发展战略的实施提供强大的人才驱动和智力支持。近年来，随着经济的快速发展，我国的高等教育结构越来越不适应经济发展对人才的需求。特别是在经济升级、产业转型的今天，我国高等本科教育所存在的重知识传授和技能模仿、轻知识创新和技能形成的弊端，严重阻碍了学生实践能力和创业能力的培养。2015年10月，教育部、国家发改委和财政部联合印发的《关于引导部分地方普通本科高校向应用型转变的指导意见》指出，地方本科院校应主动适应我国经济发展新常态，主动融入产业转型升级和创新驱动发展，把办学思路真正转到服务地方经济社会发展上来，转到产教融合校企合作上来，转到培养应用型技术技能型人才上来，转到增强学生就业创业能力上来，全面提高学校服务区域经济社会发展和创新驱动发展的能力。

统计学属理学门类下的一级学科，它是利用概率论建立数学模型，收集所观察系统的数据，进行量化分析、总结，做出推断和预测，为相关决策提供依据和参考。统计学已被广泛地应用在社会经济、金融、风险管理、环境保护、信息工程、分子生物、基因工程等各个领域。2013年，我国统计类本科专业进行了新的调整，新设应用统计学专业。应用统计学专业是实践性很强的专业，要求学生不仅要掌握扎实的专业基础和宽泛的背景知识，掌握数据收集和分析的基本技能，还需要有很强的实践能力，即具有采用所学知识解决实际问题的能力。而现行的应用统计学专业人才培养中，普遍存在偏理论传授、重学术引导，而轻技能的形成和实践能力的培养等弊端。

另外，随着大数据时代的到来，数据的规模、类型、结构和增长速度发生质的飞跃。由于大数据在结构和数量上的特殊性，导致现行的课程体系不符合大數据时代数据工作者的专业知识构成。大数据的涌现给统计学专业人才的培养提出新的要求，转型发展是地方院校应用统计学专业可持续发展的必由之路。探索大数据背景下应用统计学专业的转型发展之路具有重要的现实意义。

应用统计学专业转型的核心是人才培养模式的转变，转型的关键是由以知识教育为核心的传统模式转变为以技能培养为核心的新的人才培养模式，转型的目的是培养更多的实体经济发展所需的、能够在一线从事具体工作的高素质技术人才和技能人才。本文从教学内容和课程体系、教师队伍建设、实践教学和课程考核方式四个方面，探讨应用统计学专业的转型发展之路。

2 教学内容和课程体系的转型endprint

教学内容的充实和调整 为适应大数据时代统计教育的新要求，美国统计学会于2014年发布统计学本科专业指导性教学纲要，纲要中将统计专业本科生应该掌握的知识和技能归纳为五个方面：统计方法和理论、数据操作和计算、数学基础、统计实践和特定领域的知识（Discipline-specific knowledge）。相应地，统计学专业的课程应该包含四个模块：统计方法与理论、数据操作与计算、数学基础、统计实践。美国统计学会所提出的统计学本科专业指导性教学纲要，对于我国正在推进的专业转型具有重要的参考价值。借鉴美国统计学会关于本科生统计教育的纲要，结合大数据时代对统计教育提出的新要求，应用统计学专业现行的教学内容和课程设置需要在以下三个方面进行充实和改进。

1）计算机类内容的充实。传统统计学教育计算机的学习内容包括两个层面：第一个层面是计算机基础知识和技能；第二个层面是统计专业计算软件的学习，如R、SPSS、SAS等的操作技能。这些内容远不能满足大数据时代数据处理对计算机知识和技能的新要求。因此，应用统计学专业应酌情增加计算机类课程：①面向对象的程序设计语言，如Java；②数据库原理及其应用；③大型数据库系统；④Linux系统；⑤数据分析和数据挖掘平台，如Hadoop等。

2）数学类课程的调整。数学是统计学的基础课程，目前大部分学校的应用统计学专业都开设了充足的数学类课程，大部分课程的讲授内容和难度与数学和应用数学类专业基本相同。但是，这种课程的设置存在两个弊端：其一是数学类课程内容多，课程学习周期长，从而挤占了统计类专业课学习的时间；其二是由于教学内容安排不合理，致使学生在专业课学习中仍面临数学基础不足的困境。如在现行的培养方案中，虽然开设一学年的线性代数课程，但学生仍然缺乏矩阵分解等相关理论而导致学习困难。究其原因，是因为线性代数的教学内容对不同的专业不加区分，只学习共性的基础知识，从而产生部分专业学生“吃不饱”的现象。因此，对于必需的数学类课程，要对基础知识在内容广度和学习深度上进行压缩的同时，适度增加专业学习中所必需的数学类课程和内容；对于教学内容偏多的课程，可依据其内容分设基础课和高级课，进行层次化教学，供不同层次和类别的学生进行选择。

3）特定领域知识的充实。统计学的寄生性特点决定了应用统计专业人才必然是复合型人才。统计学专业的学生应能够将统计推理应用到某一特定的领域，这种能力包括将所研究的实际问题转换为统计问题，并且能够与不同领域的受众交流统计分析的结果。这就需要学生在学好专业课程的同时，学习和了解更多的行业背景知识。实现这一目标需采用多样化的形式，如可辅修双学位，也可通过行业专家讲座、社会实践等形式了解相关领域的知识。

课程体系设置的转型 由于应用统计学专业较为年轻，办学经验有限，因此，大多数高校在课程体系的设置上存在不合理性，主要表现在：1）每门课程的教学内容与培养方案所设定的总体学习目标不能完全对接；2）不同课程教学内容交叉重复；3）不同学历层次的教学内容和深度无标准，边界不清晰。对此，本文提出构建模塊化、结构化、层次化、动态化的应用统计学专业课程体系。

模块化是指将一个复杂系统分解为多个相对独立的模块，每一模块中的元素具有某种共同的属性，协同完成某一功能。对于应用统计学专业，传统的课程体系是以知识为主线形成的，忽略了技能形成的逻辑顺序。模块化的思想是将总的培养目标分解为相对独立的基本单元，每一单元对应于某一技能或能力目标。同时，建立基本技能（或能力）单元与知识点之间的映射关系，并将知识点嵌入相应的技能（能力）基本单元中，形成独立的技能或能力单元模块。单元模块的设计需坚持其功能的内聚性与独立性，各模块间的交叉重复尽量少。

结构化方法是计算机程序开发中的一种思想和方法，是指把一个复杂问题的求解过程分阶段进行，将问题自顶向下逐层分解为相对独立而细小的单元，使得每个阶段处理的问题都控制在人们容易理解和处理的范围内。结构化是建立在模块化的基础之上的。课程体系结构化的基本思想是按照专业的行业背景，将培养目标划分为不同的培养方向，每一培养方向对应于某一行业或职业；以培养方向为总线，自上而下将其分解为不同的技能和能力基本目标，然后将技能和能力模块按照上述分解的逻辑顺序组合为培养方向的模块集合体。

层次化是指将某一复杂系统按照由低级到高级、由简单到复杂的逻辑次序分解为不同的层次，以达到方便管理或易于实现的目标。在课程体系的设置上，可遵循层次化的原则，将某一技能或能力模块进一步按照由简单到复杂的顺序分解为不同的层次，以适应不同培养方向或不同学历层次学生的学习需求。

动态化是指课程体系应根据实际需要进行灵活的动态调整，建立动态化的课程体系设置机制。应用型专业课程体系的设置是否合理，取决于其与行业需求的契合与对接程度。课程的教学内容和课程体系要根据产业发展的方向和发展程度，以及统计理论与统计方法、统计计算软件自身的发展而适时进行调整，以服务地方经济和新兴产业对应用统计人才的需求。

3 教师队伍建设的转型

专业的转型对教师的知识结构、能力和综合素质提出更高的要求，教师队伍建设也需要转型。美国统计学会对从事统计教育教师的知识和能力结构提出六个方面的建议，这些建议对教师队伍的转型发展具有一定的参考价值。如建议中的第三条特别强调统计专业教师应该全程参与应用统计问题的解决过程，包括统计问题的建模、数据的收集与分析以及结果的表述和解释等。教师队伍建设的转型需从以下几方面入手。

1）教师应在思想认识上与时俱进，深刻认识转型的性质和转型的意义，明确自我定位和努力方向。

2）学校要通过与政府统计部门、企事业单位的交流与合作，为教师提供更多的实践机会。通过与企业进行联合教学、合作研究、共建实践基地、选派教师进入企业挂职锻炼等形式，拓展教师的实践经验，提高教师的实践教学能力。endprint

3）教师可通过参加网络课程学习，线上学习应用型课程知识以及统计软件的操作。

4）要聘请行业专家和企业中具有丰富经验的技术人员担任兼职教师为学生上课，建立相对稳定的“双结构型”教师队伍；

5）要积极引进既有扎实统计基础，又有计算机专长和实践经验的优秀人才，以适应应用统计专业的转型发展需求。

4 实践教学的转型

统计学专业是实践性很强专业。传统的统计教学存在以下不足：

1）只注重理论，忽视实践，实践教学课时安排偏少；

2）實践教学内容缺乏规范性和系统性，尚未形成科学的实践教学体系；

3）实践教学资源贫乏，缺乏保障，实践教学的薄弱影响了学生分析解决能力和创业能力的培养，不能适应社会经济对统计学人才的需求。

实践教学的转型应从以下几方面入手：

1）在不影响专业基础课程教学的基础上，适度增加实践教学的教学时数，保证学生充足的实践时间；

2）遵循课程设置中模块化和结构化的原则，将学生的实践目标分解为不同类型的技能或能力模块，然后依据不同模块的要求，构建科学的实践教学内容和课程体系；

3）逐步拓展和提升实践教学资源，加强与政府统计部门、企事业单位在科学研究、业务咨询、员工培训等方面的合作，不断完善产学研合作机制，积极与企业合作建立校外实践教学基地，为学生实践搭建充足的平台；

4）不断丰富实践教学的形式，要形成课堂实验、校内实践与社会实践相互补充的多元化、立体化的实践教学模式。

5 课程考核方式的转型

课程体系的转型必然要求课程考核方式的转型。传统考试方式偏重于知识记忆，考试内容也局限于教材，对学生专业综合素质和应用能力、创新能力的考核不足。要实现课程考核方式转型，就要树立适应专业转型发展的新的考核理念，按照应用型人才的培养要求，建立知识、技能和能力并重的考核体系。

对于考核内容，可将其分为三类：基础知识的考核，主要考查学生对基础知识的掌握程度；基本技能的考核；通过具体的案例有针对性地对学生的应用能力进行考核。对于课程的考核形式，应该根据课程特点和所要考核的内容灵活选取，既可以采用开卷、闭卷或开闭卷结合，也可以采用现场操作、答辩、提交作品、撰写报告或撰写论文等方式完成。考核要分为多个环节进行，如平时测试、作业测评、课外阅读、实验报告，课程论文、社会实践等。另外，对于实践课程的考核，采用操作考核方式为主，注重学生的实际表现，如要以操作水平、合作意识、团队精神、责任心等考核为主。

参考文献

[1]孔晓瑞，刘梦玲，靳俊娇.大数据时代背景下对应用统计学专业的思考[J].高教学刊，2016（18）：41-42.

[2]American Statistical Association. Curriculum Guidelines for Undergraduate Programs in Statistical Science[EB/OL].http：//www.amstat.org/asa/files/pdfs/EDU-guidelines2014-11-15.pdf.

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

[4]American Statistical Association. Statistical Education of Teachers （SET）[EB/OB].http：//www.amstat.org/asa/files/pdfs/EDU-SET.pdf.endprint