互联网背景下时间序列分析课程教学的研究探讨

黎庆莹 牛晓阳 孟佳

摘 要：时间序列分析是一门对纵向数据建模分析的应用型课程，能够非常有效地处理时间序列数据，在“人工智能+互联网+教育”的新形势下，丰富多样的教学资源和学习途径涌现，有必要进行教学改革，更新数据分析能力的培养模式，更好地适应大数据形势的发展。文章从思政元素、师资队伍、教学方式、教学内容、实践能力五方面对该课程的教学改革作出尝试，力图完成课程价值塑造、能力发展和知识教导三位一体的教学目标。

关键词：时间序列;互联网+教育;课程思政

中图分类号：G64          文献标识码：A          文章编号：1673-9132（2022）22-0006-02

DOI：10.16657/j.cnki.issn1673-9132.2022.22.002

在新时期背景下，微课、慕课、网课、翻转课堂、教育云资源等新颖而丰富的教学形式涌现，学生可以利用多种网络途径和听课形式进行个性化学习[1]，《时间序列分析》课程正是以数据为基础展开分析，大数据的时代浪潮对于此课程既是机遇又是挑战，我们必须顺应社会的发展进行相应改革，从而培养出能有扎实技能、能适应时代需求的一批学生。

一、课程教学改革实践

（一）融入思政元素

《时间序列分析》课程的改革应该融合思政元素，既要注重课本知识的讲授，提高学生的实用技能，又要积极展开思政课程建设，培养学生的学术道德和思想觉悟，为教导出高标准、高素质的人才而努力。在时间序列开展思政课堂时不能生搬硬套，必须与知识点自然融合，增加学生对思政元素的接受度。比如，在异方差波动模型这一章节，讲到“用普通最小二乘法估计方差非齐数据的模型参数是错误的，须加入波动率模型消除这个弊端”时，可引入直面困难、敢于探索的思政观点和事迹，培养学生树立追求真理的人生观和坚定不移的意志。再比如，在利用动态数据进行统计建模分析时，可引入思政的观点：“统计是静止的历史，历史是流动的统计”，通过人口数据、土地数据、税收数据等数据能呈现我国翻天覆地的变化，见证中国的综合国力和人民的生活水平的显著提升[2]。这些真实的国家统计数据就是最好的思政教育载体，让学生更加坚定中国特色社会主义自信，培养学生的爱国精神。

（二）建设师资队伍

有了良好的教师团队才能更好地开展教学改革，提高授课质量，所以必须通过多种途径提升教师自身的能力，培养结构合理、业务能力强、具有创新精神的师资队伍。

第一，實施有效的教师培训。组织教师参加高校间的联合培训;定期参与课程教学范式改革和课堂教学研究，学习优秀公开示范课的教学经验;团队内每月召开教学讨论会和研修班，为教师搭建学习交流的平台。第二，完善先进的绩效评估体系。鼓励教师与企业进行合作，并把参与生产的项目成果作为绩效评估的奖励。互联网背景下客户数据爆炸式增长，企业使用的数据分析工具也在不断进步，高校教师参与到企业项目中会增强其对商业转化过程的理解，增加与企业生产接轨的数据加工能力，将其整合到教学过程后，能增加学生参与企业项目的实践经验，培养适应市场经济发展的学生。第三，建立“双师型”教学。《时间序列分析》课程的应用性较广，因此可在后半段增加课程设计部分，给每位学生从合作的公司中选出经验丰富、专业技能过硬的人员任校外指导老师，由校外指导老师与校内专任教师共同指导完成课程设计，将企业的部分数据分析技能作为课程设计的内容，使学生不仅能学习校内教师的专业理论知识，还能学习校外指导老师的职业技能和实践经验。

（三）优化课程内容

将知识体系优化整合为三大部分，同时调整了部分内容的讲解次序，课程内容依次为：（1）ARMA模型，这部分是时间序列的理论基础，涵盖平稳序列的定义与检验、ARMA模型的拟合与预测等。（2）非平稳序列，主要涉及无季节效应、有季节效应的非平稳模型和条件异方差模型。（3）多元时间序列，在分析两个序列之间的关系时，比如居民消费与支出，就会涉及多元时间序列，因此引入经典协整模型的拟合与检验。这三部分内容由浅入深、循序渐进，先奠定一元平稳序列的基础知识，然后扩展到非平稳、多元的情形，形成完整的时间序列内容体系。另外，要增强知识的新颖性和实用性。如添加时间序列的历史经典案例、互联网新时代下分析方法的发展和改进变化等内容，激发学生的学习兴趣，让学生了解时间序列模型的演变和与时俱进的分析技能，更好地与时代接轨。还要实现课程内容的多维度考察，弱化期末理论考察，根据“课前学习（微课）、随堂小测（学习通）、课堂讨论、作业等平时表现（35%）+实验报告（25%）+课程设计（40%）”的方式加强过程化考查，使学生从数据整理能力、数据建模能力、模型分析能力、创新思维四个方面进行提升。

（四）丰富教学方式

授课过程中可实现“板书+多媒体课件+软件实操+网络资源”多种形式结合。如在讲授格林函数、ARMA模型、GARCH模型等理论知识时，用板书清晰地展示推导过程，学生更容易理解难点、掌握重点。而讲授确定性趋势、周期波动、异方差波动等内容时，通过多媒体课件呈现数据特征和模型表达式，与板书知识配合，更加全面和形象。软件实现展示是时间序列分析课程独有的教学方式。模型估计的具体计算较复杂，学生只需掌握借助软件得到模型，挖掘数据中的有用信息即可，因此理论部分讲解完，必须进行软件的实际操作，把时间序列处理的一系列流程在课堂展示，让学生学习到实用的数据处理技能。在课堂以外，教师可向学生分享有关微课、慕课、网课等网络资源以及模型讲解的论文和网页，让学生巩固课上学习的知识，自主探索前沿的模型理论和数据处理方法，通过发现问题、解决问题、反思解决方案完成数据分析的流程，提高学生自学能力。教师还应积极推进“翻转课堂”教学探索。当学生有了前面ARMA模型、GARCH模型等基础知识后，我们在季节波动分解、协整建模的课程运用了“翻转课堂”教学，提前几天把多媒体课件、实验指导书、练习案例、相关模型理论等发给学生，课堂以学生自主学习为主，教师进行辅助性的知识解答，由学生完成模型内容的学习和数据实验的操作。“翻转课堂”的方式能够培养学生学习时间序列的兴趣和主动性，加强其对知识的牢固度和深入度。

（五）推进实践教学

本课程采用中国人民大学出版社出版，王燕主编的《时间序列分析——基于R》一书，该教材在理论部分力求简明易懂，注重知识在具体应用场景的掌握，内容更加系统和实用，并结合大量实际数据和实例讲解说明统计方法的应用条件，在课后习题提供数据案例让学生结合R语言软件进行建模分析，提高学以致用、实践操作的水平。本课程的实践教学分为两部分：一是实验操作;二是课程论文[3]。实验操作是在每一节课的理论知识讲解完后，首先对课堂例题进行示范操作，通过案例数据的建模过程展示相关统计分析方法的应用场景和解决问题的流程，结合上机实验课使学生运用R软件实践操作对课堂内容巩固理解，学会处理和计算、分析数据，按要求完成实验报告。课程论文要求学生3～4人组队合作撰写，自拟题目或是参加统计建模比赛，学生通过团队合作，完成结合热点确定选题、数据接入与处理、运用统计建模分析和撰写统计分析报告的流程，呈现一个完整的项目汇报。为学生提供充分的实践机会，让学生多接触现实数据能提高其对研究数据的灵敏度，并从发现问题到解决问题的过程中提高其学习能力和科研潜力，一方面能激发学生思考如何用所学方法来解决实际问题，另一方面能推动学生继续学习改进的模型和方法，更好地践行理论联系实践的理念[4]。

二、结语

本文阐述了大数据背景下，基于信息需求量日益增加、数据处理方法更加复杂的现状对于课程改革的思考，我们要积极探索、创新改革，使课程内容，教材选取、教学方法适应社会经济发展的客观需要，结合课程现实价值加强实践，从而更好地培养高素质的统计人才。

参考文献：

[1] 纪志荣，何东进，刘金福，等.“互联网+”背景下的统计学专业《时间序列分析》课程教学改革的探索[J].教育教学论坛，2018（16）：107.

[2] 方万里.统计学与思政课程同向同行的思考[J].太原城市职业技术学院学报，2020（11）：5.

[3] 李静，黄玲花.《时间序列分析》课程教学改革探索[J].广西师范学院学报（自然科学版），2017（4）：147.

[4] 郭栋.就业视角下的统计学专业人才培养与教学改革研究[J].统计与信息论坛，2017（11）：127.