关于大数据背景下统计学专业人才培养模式的一些思考

摘 要：大数据时代，数据存在形态多种多样且呈半结构化，非结构化。传统的数据处理思想、方法和手段稍显不适用，统计学人才培养应该着眼现在考虑未来满足社会需求。本文针对当前统计学人才培养现状分析，结合大数据背景，给出统计学专业人才培养的一些合理建议，力求为统计学人才培养提供服务。

关键词：大数据;人才培养模式;统计学专业

1 绪论

十九大报告中明确提出，实现高等教育内涵式发展，标志着质量称为高等教育发展主题，提升人才培养能力称为高校的“核心点”。[1]在“人才培养”系统中，人才培养模式是一个最具活力、最富于变化的子系统，也是构成要素最为复杂的子系统。[2]统计学主要研究如何搜集、整理、分析和展示数据，并从数据中分析得出结论。它具有自然科学属性和社会科学双重属性，它同时是解决实际问题的技术和工具。近几年各大高校陆续增设统计学专业，学生培养上根据院校特点均各有所长，但就人才培养在理念、目标、方式等方面还有有待商榷的部分。

全球进入大数据时代，生活生产方式都进行了相应的变革。数据信息呈爆炸的方式增长，且来源分散，格式多种多样，结构化和半结构化数据占据主流。无论是数据规模还是数据结构都对数据的搜集、存储、整理和关联性分析都出现更高的要求，给统计学原有的理论体系、框架结构、思维模式等都带来了前所未有的变革和挑战[3]。

2 现行人才培养中存在的问题

2.1 培养目标不够明晰

培养目标旨在回答培养什么样的人和如何培养人的问题;大多数院校对于数理统计专业、经济统计专业和应用统计专业人才培养目标区分度不够明显，有趋于一致化的倾向，主要体现在无论是哪个方向培养目标无外乎是具有扎实的数学基础和统计基础，专长于数据产出与组织，能够数据建模和分析，可以运用统计和计算机知识解决实际问题。具体制定培养目标时，大多数院校未能结合实际情况综合考虑学生内在理智、理性需求和社会现实对学生职业能力及谋生技能的要求，现象大致分为两种情况：第一，过度考虑社会需求使得专业定位过窄，人才社会适应性差;第二，偏重考虑学生内在需求使得统计专业定位过宽，人才能力稍弱。不仅如此，面对现今数据来源多样，内容丰富背景复杂，现实问题需要数据筛选和挖掘，通过原有的数据处理和分析方式很难实现。

2.2 课程体系陈旧，无法适应大数据

现行统计学专业在课程设置上，具有大量的数学类课程，对学生学习要求同数学专业学生相差无几，且占总课时比重很高，从而导致统计学专业课时压缩。

专业课时不足、课程门类少，课程内容不能很好地体现应用性，加上教师大多研究方向是基础理论研究且靠近数学专业方向，使得前沿性知识少且无法进入课堂。大数据时代对统计学数据的四大环节：收集、整理、分析和结果运行都统计学提出了新要求。传统的数据获取方式和统计软件已经完全不能满足现今所需要的数据爬取、数据清洗和数据降噪等。这些实际现象导致学生专业基础课程掌握不够，解决实际问题能力差，创新性不足。

2.3 理论和实践，教学和科研脱节

教师层面上切实存在“重理论，轻实践”和“重科研，轻教学”现象。基于教师研究方向限制，教师注重理论知识讲解，过分关注传授的逻辑层次和完整性，从而不自觉的忽视实践教学环节。由于个人职业发展因素，在完成教学任务的前提下教师将工作中心完全放在科研上，没有过多时间优化教学全过程。基于以上实际情况，将造成很多学生在社会上不能独立的解决相关的问题。这既不利于学生的综合素质提升，也不利于学生的思维能力和创新能力的培养。

学生层面上多数学生存在以用为主，能用好用是王道想法。由于生理年龄和心理年龄的不成熟，以及社会主流以用为主的思想主导，学生迫切希望学习的知識可以直接作用于解决实际问题，单方面忽视思想、方法和基础知识习得的重要性。造成基础知识薄弱，遇到新问题不能迁移解决，创新能力不足。

2.4 教学方法和教学模式比较陈旧

现在的大学生属于网络原住民，早在中学阶段已经接STEM、CDIO和OBE等教学理念，同时对于各种在线平台进行线上线下混合式教学，小组合作探究、翻转课堂等等教学手段屡见不鲜。而大多院校依旧采用“板书+PPT”的教学手段（除线上教学外），教师的教学理念仅仅停留在以学生为中口号当中，课堂中较少考虑是将学生需求和学生能力水平。造成配置的学习资源利用率低，学生积极性不高，团队协作意识和创新能力不够，个人自学能力有待提升。

2.5 考核方式维度少，很难实现提高学生素质

过程性考核包括形成性考核和终结性考核。多数院校只关注终结性考核，弱化形成性考核，注重知识考核，弱化能力考核。形成性考核方式单一且要素不全，以教师的个人意志为最终标准，考核结果反映出有种一张试卷定终生的强烈感觉。这种考核体系不能全过程调动学生参与，很难使学生掌握知识，习得学习能力。

2.6 学校企业沟通道路还需进一步优化

为使学生提高综合应用能力，各高校选择和企业校企联合合作育人，达到双方共赢的目标。但实际操作中会出现：一是校企联合模型不完善，企业制度和学校制度对接不通畅，无法切实保证培育人的质量。二是激励机制不够，教师和企业导师对双方合作没有任何兴趣，教学科研不能同时进行，很难实现产学研的创新型人才培养机制。

3 改革措施

结合时代背景，紧抓提高人才素质这个核心，以“强基础，重手段，完善保障”为抓手，为社会培养高素质专业化人才提供有力保障。结合高校统计学人才培养现状，从培养方案、课程体系、教学手段、人才建设和考核评价方面讨论。

3.1 优化人才培养模式

人才培养目标制定需要综合考虑学生、社会、企业、教师和学校自身办学特点等要素因素。根据学生自身发展需求和学习习惯，结合大数据特点和社会对人才的要求，制定弹性化的人才培养方案。分数理统计、经济统计、应用统计三个专业方向优化整合培养目标。结合教学师资力量、时间与空间场地保障和教学方法手段优化重组人才培养模式。使学生掌握扎实的数理统计理论基础以及基本统计方法，能够运用所学的软件解决相对简单的数学建模问题，培养学生在基础素质之上的创新能力，实现学生能够在相应领域从事统计调查、数据分析，以数据结果分析评估、决策和预测，使他们成为新时代创新性人才。

3.2 重塑课程体系

以社会需求为导向，以学生需求为核心，采用“强化基础、突出能力、注重素质、创新发展”思路，对接市场需求和学生现有知识、能力和素质基础。课程设置上注重合理性、有效性和应用实践性，台阶式循序渐进。构建基础课、专业应用课和实践课为核心的阶梯式分布课程体系，增设素质拓展实践类和大数据处理类课程，突出课程体系三融合即：“基础理论+实践理论”“统计理论+实际应用”（数据处理后，需要分析对比预测和决策）、“统计方法+实现程序”（利用R语言、python等进行数据爬取，数据预处理例如：数据清洗，降维，降噪等），实现课程无重复交叉，内容设置合理有针对性，课时安排有效，着重培养学生解决实际问题的能力和素质。

3.3 重构教学模式

更新教学理念，注重学生的能力素质产出，动態监控人才培养质量，适时调整教学内容方法。教学方式上根据教学内容采取启发式、问题式、合作探究式等方法混合使用。教学手段上，引进信息化教育教学平台，采用合理的教育技术，从而降低因呈现方式造成学生学习的畏难情绪。积极开展第二课堂，鼓励学生参加社会实践。具体实施过程，关注教师和学生的双向激励沟通。产学研相互协调发展形成联动机制，形成闭合回路，实行双导师制，让市场监控学生质量。教学手段上，采用多种混合式教学模式即，线上与线下混合、课堂和第二课堂混合、企业和学校混合和学校教师和企业导师混合，将知识学习和技能训练落到实处，增强学生社会适应性。

教学模式框架示意图

3.4 加强学科专业建设，优化师资队伍，建立良好的运行管理机制

教师的素质决定了人才质量，师资队伍建设在人才培养中起着举足轻重的作用。高校应该以育人质量为第一原则，以教学科研双重点为导向，主要从学科带头人和青年教师两方面着手。针对学科带头人能够做到引进来，大量引进科研水平高，教学能力强的高端人才。针对青年教师鼓励知识，能力和思想走出去，深挖专业知识，掌握交叉学科的先进技能。做到有计划、有步骤地提高师资队伍学术和实践水平，建设一支知识结构、年龄结构合理，有理论懂技术的高水平学术队伍。同时，专业是学校的立身之本，专业建设则需要具有全局观，协调和持续发展观;根据自身特点做到定位准、特色突出、布局合理。提升办学内涵，提供教学保障。根据学校办学特色和实际情况，建立科学合理的教学评价体系，以促进教学质量提升，助力育人质量。

3.5 改革考核评价方式

考核是检验学生学习效果的重要途径。为了更好地反映学生实际水平，督促学生参与学习的全过程，应当注重过程性考核，依据课程性质重新设置终结性考核和形成考核的比重，加大形成性考核在过程性考核中的比重。针对形成性考核增加考核维度，例如，增加实例报告，小程序编写、课堂互动等评价维度。针对终结性考核，减少纯理论知识考核内容，增加应用性考试内容。根据课程性质和学习情况量化考核指标体系，增强学生学习积极性，提高学生学习成绩，提升学生综合能力。

4 结语

社会高速发展变革，对人才需求实时更新，如何提高人才培养质量将是一个常研常新的课题。统计学的发展同社会经济发展密不可分，人才培养具体实施者需要具有前瞻性意识、“常变轨”的思维、极强的时代感和社会责任感，较高的专业素质，才可以培养出高质量统计学人才。

参考文献：

[1]姚宇华.高校人才培养模式困境与超越：基于适切性的视角[J].山东高等教育，2019（5）.

[2]董泽芳.高校人才培养模式的概念界定与要素解析[J].大学教育科学，2012（3）.

[3]范新英.大数据背景下统计学专业人才培养之探讨[J].内蒙古统计，2019（02）.

[4]罗良清，郭露.改革开放40年统计学人才培养模式的演进与展望[J].中国大学教学，2018（12）.

[5]何星钢，黄激珊.大数据背景下统计学人才培养模式与课程体系研究[J].兴义民族师范学院学报，2020（6）.

[6]吴宏锷，郭学军.基于大数据的应用统计学专业人才培养探析[J].大学教育科学，2018（10）.

基金项目：2020年武警工程大学教育教学基金项目：“3+1”融合式培养模式探索——以应用统计学专业为例（编号：wwj202009）

作者简介：李玮（1987— ），女，陕西周至人，武警工程大学基础部讲师。