基于OBE理念的多元统计分析课程教学创新设计研究

关键词：大数据；OBE理念；多元统计分析；创新

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）18-0150-03

0 引言

随着大数据时代的到来，各行各业数据呈爆炸式增长。如何从纷繁复杂的海量数据中提取有价值的信息，是学术界和企业界共同关注的重要问题。多元统计分析作为统计学的一个重要分支，是处理多维数据的重要工具。大数据的发展为多元统计分析开辟了新的领域，同时也对多元统计分析教学提出了更高的要求。

近年来，越来越多的学者对多元统计分析教学改革进行了探讨。朱辉主张构建“ 理论教学+大数据案例+线上研讨+实践拓展”的教学模式[1]。李婷婷等提出了实践教学向理论教学渗透的教学方法[2]。俞雪梨提出了以案例教学为牵引、以统计软件为辅助、理论联系实际的教学方法[3]。刘党社以OBE理念为指导，从教学目标、教学设计与考核评价等方面提出了改革思路[4]。纪志荣等探讨了如何在实践教学中深化理论教学，推进理论教学与实践教学深度融合[5]。周跃进构建了翻转课堂+课程思政的教学模式，发现该模式有效提升了学生学习积极性[6]。郜付敏和郑葵认为大数据时代应精选教学内容，培养学生兴趣，强化实践教学[7]。马海强从教学目标、教学大纲、教学内容、教学方法、教学团队及过程考核等方面探讨了拔尖人才的培养[8]。刘平清等针对大数据对多元统计分析教学带来的挑战，从教学内容和教学方法两个方面对课程教学改革进行了探讨[9]。以上研究为多元统计分析教学提供了有益参考，也促使教师对课程教学改革做进一步思考与探索。

成果导向教育（Outcome-based Education，简称OBE） 又称为产出导向、目标导向或能力导向教育。大数据背景下，培养学生的统计思维以及利用统计分析软件解决实际问题的能力尤为重要，这与OBE理念不谋而合。本文基于OBE理念，结合大数据专业人才培养目标，确定多元统计分析课程教学目标；围绕课程目标，设765b2f0abb5f06d8bf4c14f036358cc5计教学内容、创新教学方法、完善考评体系。通过构建从课程目标、教学内容、教学方法到考核评价的闭环系统，提高学生的学习积极性和主动性，使学生掌握多元统计分析方法基本原理及应用，能胜任各行各业的统计调查和数据分析等工作，成为满足社会需求的高素质数据分析人才。

1 教学基本情况

1.1 课程概况

多元统计分析是研究多变量总体的数量特征与规律的统计学分支学科，是统计学、数据科学以及计算机科学等专业本科生、研究生的必修课程，广泛应用于经济、管理、社会学、心理学、医学等领域。课程的主要内容包括多元正态分布、均值向量和协方差阵的检验、回归分析、聚类分析、判别分析、主成分分析、因子分析、典型相关分析等。

我校多元统计分析的授课对象是数据科学与大数据技术专业本科生，课程性质为专业必修课。开课时间为大三第一学期，共68学时，其中理论34学时，上机34学时。学生前期已修完概率论与数理统计、线性代数、Python数据分析等，后期可为机器学习、大数据可视化等奠定基础。

1.2 教学存在的问题

多元统计分析课程理论抽象、内容广泛、公式繁多、算法编程较难。传统教学过程中，教师以知识传递为目标，以课堂讲授为主，对实践教学投入不足，与学生缺乏有效的交流，教学效果不够理想。从学生的知识和技能水平来看，大多数学生的数学、英语和计算机等基础知识不够扎实，对数学、编程有着明显的畏惧心理；从学习方法和习惯来看，大多数学生学习较为被动，对老师依赖性较强，满足课堂所学，缺乏独立思考和探索精神，自主学习能力急需加强。

大数据的发展对多元统计分析教学带来了新的机遇与挑战，传统的教学模式已不能满足学生发展和时代需求。为更好发挥学生学习积极性主动性，教师必须转变教学理念，以学生为中心，进行教学创新设计。

2 教学目标设计

最终学习成果既是OBE的终点，也是OBE的起点。2022年初工信部发布《大数据产业人才岗位能力要求》，对数据分析岗位的能力要求为专业知识、技术技能、工程实践和综合能力等四个方面。根据人才培养目标，结合多元统计分析课程的特点，课程目标可分为知识目标、能力目标和素质目标，如图1所示。知识目标为掌握回归分析、聚类分析、判别分析、主成分分析、因子分析等方法的原理；能力目标为能够用SPSS统计软件、Python编程等实现多元统计分析，培养学生实践创新能力以及自主学习能力；素质目标为激发学生的家国情怀，提升学生的数据素养，培养学生的工匠精神，使学生成为具有时代担当的专业技术人才。

教学目标应围绕课程总目标，按照章节不同知识点的教学要求，进行具体设置，即将课程目标自上而下细分为章节目标和课时目标。根据课程内容，将知识目标分成了解、理解和掌握三个层次。此外，目标设计还要重视各章节间知识点的关联，帮助学生建立完整的知识结构。每个课时目标的实现，可以确保章节目标的实现，进而确保课程目标的实现。

3 教学内容设计

教材是教学内容的主要载体，也是学生学习的重要基础。若按照教材内容进行讲解，一方面学时不够；另一方面，学生难以掌握。因此，需要对教学内容进行再设计，确保学生掌握核心知识体系。

3.1 精简教学内容

对于不同专业，多元统计分析的教学内容侧重有所不同。对于统计学、数学等专业，多元统计分析教学内容侧重各种统计方法的原理介绍以及部分公式的推导证明。对于大数据等其他专业，由于学生数学基础相对薄弱，对复杂公式有畏惧心理，因此，应适当精简教学内容，如可略去多元正态分布、均值向量和协方差阵的检验等知识，重点介绍回归分析、聚类分析、判别分析、主成分分析及因子分析等方法的思想、原理及应用。在具体章节当中，也需要对内容做进一步取舍。如在聚类分析部分，可重点讲解系统聚类法和K-means聚类法，略去模糊聚类分析和有序样品的聚类等；在因子分析部分，重点讲解因子分析的思想及步骤，略去因子旋转原理。

3.2 增加Python编程

实验教学是多元统计分析教学的重要组成部分，传统教学多采用SPSS统计软件实现。SPSS操作简单，功能强大，适应于对编程要求不高的专业。大数据背景下，顺应时代要求和大数据专业培养目标，实验教学应鼓励学生使用Python编程实现。Python语法简洁、容易上手，具有强大的数据爬取、统计分析及可视化功能，大数据专业学生应具备使用Python进行数据分析的能力。需要说明的是，软件仅仅是工具，学生能够使用Python完成任务即可，没有必要完全精通，Python编程贵在培养学生解决问题的思路、决心和毅力。

3.3 融入思政元素

为实现素质目标，教学过程中需充分挖掘并有效融入思政元素。1） 家国情怀的培养。爱国主义教育是思政教育的前提和重点，将多元统计分析方法应用到我国社会经济发展的各个领域，强化学生的家国意识，增强其对社会主义核心价值观的认同。2） 数据思维的培养。数据思维就是坚持以数据为基础理性思考，实事求是，避免主观臆断、以偏概全。3） 工匠精神的培养。工匠精神是理工科人才教育的重要内容。从纷杂的数据中，提取出有价值的信息，需要学生具备一丝不苟、严谨求真的科学精神，以及对模型精雕细琢、精益求精的工匠精神。

4 创新教学方法

OBE理念下，应以学生为中心，以课程总目标为导向，提高学生的参与度，培养学生的实践能力和自主学习能力。

4.1 理论教学和实验教学相融合

多元统计分析具有较强的应用性和实践性，不仅要重视理论教学，更要大力加强实验教学。理论教学重点讲授统计分析方法的基本思想和原理，而实验教学则采取案例分析、SPSS软件操作、Python编程等形式。1） 案例分析。教材中的案例不需要作数据清洗，容易进行分析，并取得理想结果。而社会实际案例可能存在数据缺失、分析方法不确定等问题。因此，教师应选取一些社会热点问题，引导学生对案例进行思考、分析和讨论，扩充教学案例库。2） SPSS上机操作。针对回归分析、聚类分析、判别分析等重要方法，通过SPSS操作演示，让学生掌握基础的统计分析软件的使用方法。3） Python编程。在SPSS操作基础上，鼓励学生自主学习，采用Python完成数据清洗、数据分析及可视化等操作，实现统计分析能力进阶。

以回归分析为例，其实验教学内容可分层次进行。首先，采用Excel进行一元线性回归分析，让学生理解最小二乘法回归参数估计的原理；其次，采用SPSS对粮食产量影响因素进行回归分析，让学生掌握SPSS回归分析基本操作，体会统计分析软件的便捷；最后，引导学生采用Python的Numpy模块、Pandas模块以及Matplotlib模块对我国国内生产总值进行回归分析。结合实际案例进行上机操作，不仅有助于学生掌握和巩固多元统计分析方法，还能够让学生了解我国社会主义现代化建设取得的伟大成就，增强学生的使命感和民族自豪感。

4.2 线下与线上教学相结合

学生基础不同，对知识的理解能力和掌握程度有差异，教师应兼顾不同层次学生的学习需求。首先，教师可通过微信、雨课堂等软件发布预习任务，加强过程考核，调动学生的学习兴趣和主动性，让学生产生问题。其次，教师在课堂上应围绕目标，选择方法，与学生积极互动，活跃课堂气氛，使学生掌握重点，突破难点。最后，教师应根据课堂教学的反馈，优化线上教学的设计，给学生推荐慕课、微课等网络视频资源，使学生在线上各取所需。学习能力强的学生，可在线上进行高阶知识的学习，培养自主学习能力；对知识点掌握欠缺的学生，可在线上进行补充学习。

4.3 学生画龙，教师点睛

期末学生自由分组，自主选择感兴趣的问题，采用多元统计分析方法，分工协作，完成统计分析报告，并做PPT汇报展示，即“学生画龙”。教师对学生的汇报进行点评，提出修改意见与建议，即“教师点睛”。师生角色互换，能够提高学生的课堂参与度，激发学生的学习兴趣，培养学生分析问题、解决问题的能力，锻炼其沟通协作能力，为毕业论文（设计）做好铺垫，也为今后从事数据分析工作奠定基础。

5 完善考核体系

考核是检验教学成果的有效方式，也是激励学生学习的重要手段。传统的考核方式为平时成绩+期末考试。期末考试能够考查学生对理论知识的掌握程度，但不能有效评价学生对知识的综合应用能力。OBE理念下，评价体系设计应与学习目标相关联，坚持知识与能力相结合、过程与结果相结合，采用多元化评价方法，全面对学生学习情况进行评价。

知识考核是针对学生对基础知识学习成果进行评价，主要包括多元统计分析的基本概念、基本原理和基本方法等；能力考核主要包括操作能力、思维能力、创造能力和合作能力等。过程考核包括课前课件观看、出勤情况、课堂表现、作业完成情况等；结果考核主要采取大作业、考试等形式。教师对学生的了解仅限于课堂，而学生对彼此更加了解，针对小组成员的分工协作情况，可采取学生互评的形式。根据评价结果，教师对学生从专业知识、操作技能、学习能力、实践能力、团队协作等方面进行五维画像，让学生清楚自身的优势与不足，进而有针对性地进行改进与提高。

6 结束语

本文基于OBE理念，以培养适应时代需求的数据分析人才为出发点，对多元统计分析教学进行了创新设计，包括确定课程目标、设计教学内容、创新教学方法、完善考核评价体系等。教学相长，学无止境，教学创新亦无止境。教师在教学过程中仍需不断反思与探索，一方面，要将存在的问题进行归纳整理，避免日后重犯；另一方面，要将成功的方法标准化，便于贯彻执行；此外，对尚不能解决的问题，应分析原因，作为下一步学习改进的方向。