数字化背景下应用型本科高校统计学课程教学改革探讨

摘 要 “数字中国”发展战略对应用型本科高校人才提出数字思维培养要求，统计学作为大部分专业的数据分析入门课程，对学生数字思维的培养起着关键作用。但统计学的教学中长期存在教学内容无法提升应用创新能力、教学组织不适应基础薄弱的学生、教学衔接无法促进学生持续学习等问题，对数字时代的人才培养带来挑战。为解决以上问题，文章针对性地提出重构教学内容、改革教学组织、后续衔接改革等方面的改革措施，为应用性本科高校统计学课程的教学改革提供一点思路。

关键词 应用型本科；混合式教学；内容重构；组织改革

中图分类号：G642 文献标识码：A DOI：10.16400/j.cnki.kjdk.2024.16.025

Exploration of the Teaching Reform of Statistics Course in Applied Undergraduate Universities under the Background of Digitalization

CHEN Meixiang， ZHU Wenjuan， XI Qiongxing

（School of Economics and Management， Fuzhou Institute of Technology， Fuzhou， Fujian 350506）

Abstract The development strategy of "Digital China" puts forward requirements for cultivating digital thinking among applied undergraduate talents. Statistics， as an introductory course in data analysis for most majors， plays a key role in cultivating students' digital thinking. However， in the teaching of statistics， there have long been problems such as the inability to improve the application innovation ability of teaching content， the inability of teaching organization to adapt to students with weak foundations， and the inability to promote continuous learning through teaching connections， which pose challenges to talent cultivation in the digital age. To address the above issues， the article proposes targeted reform measures such as restructuring teaching content， reforming teaching organization， and subsequent linkage reforms， providing some ideas for the teaching reform of applied undergraduate statistics courses.

Keywords applied undergraduate; blended teaching; content reconstruction; organizational reform

2023年，中共中央、国务院印发的《数字中国建设整体布局规划》强调，要促进数字经济和实体经济深度融合，以数字化驱动生产生活和治理方式变革。建设数字中国需要大量的数字化人才，“数字中国”发展战略对本科人才提出了数字化思维培养的新要求。统计学作为大部分专业的数据分析入门课程，对学生数字思维的培养起着关键作用[1]。同时，应用型本科高校重点培养学生的应用能力，因此，统计学课程应侧重于培养学生运用统计方法解决实际问题的应用能力。由此，传统“重理论，重计算，满堂灌”的统计学教学无法适应新时代应用型人才培养，迫切需要对统计学课程进行教学改革。

1 数字化背景下统计学教学中存在的主要问题

1.1 教学内容无法提升学生的应用创新能力

现阶段统计学教学中，教师会融入一些案例，但基本是给予特定数据后，要求学生分析指定问题。这种在特定场景下解决特定问题的模式，无形中让学生形成“数据到问题”的思维习惯。学生不知道为什么需要这些数据，数据又从哪里来，解决完指定问题后无法衔接下一步的思考，只能就现成的数据解决教师提出的问题。而应用型高校的大部分学生学习迁移能力弱，这种教学模式导致学生一旦离开统计学课堂，就无法解决实际问题，不能将所学的统计方法联系到现实工作场景中。另外，大数据、云计算、人工智能等数字技术快速发展，数据收集和存储变得高效便捷，数据类型更加多元复杂，数据体量激增，数据分析方法丰富多样，甚至颠覆了部分统计学理论[2]，但统计学教材基本延续传统内容。

1.2 教学组织不适应基础薄弱的学生

随着智慧教学的深入和线上资源的丰富，不少高校的统计学课程实行了混合式教学，将统计基础知识学习转为线上学习，将统计计算转为线上练习，线下课堂进行知识的拓展应用。但混合式教学改革效果并不理想，表现出明显的两极分化现象。学习自主性强的学生会根据教师的要求完成相应任务，并充分利用线上资源，教学效果良好。然而对于应用型本科高校，不少学生的学习主动性不足，线上任务真实完成度低，在没有认真学习线上视频的情况下，数理基础较弱的学生连统计基础知识的掌握都无法保证，更无法衔接线下课堂的知识总结和提升，终结性考核方式更加助长了这种不良习惯，学习整体效果反而不及改革前的全线下教学。另外，学生线上学习效果不佳，迫使教师线下课堂中绝大部分时间用于回顾整理基本知识点，从而占用知识拓展、应用提升的教学时间，加重学生应用能力不足的问题。

1.3 教学衔接无法促进学生持续学习

学生数字思维的培养不能一蹴而就，需要循序渐进，不断训练，逐步提升。学习完统计学课程后，除部分专业有开设计量经济学外，很多高校缺乏后续课程进行衔接。作为应用性很强的课程，统计学对于学生处理和分析数据能力的培养，需要在解决实际问题的实践过程中进一步锻炼，并不断强化和巩固。因此，高校需要重视实践平台的创建，增加学生的锻炼机会。

2 统计学教学改革路径

2.1 重构教学内容：创建场景，实现前沿应用

2.1.1 真实企业问题案例

教学中围绕一个真实的企业经济管理问题案例，串联统计学核心章节知识，引导学生从实际问题出发，逐步思考，抽丝剥茧，运用所学统计方法发现问题的真相，并寻找解决对策，形成问题解决闭环，培养学生“问题—数据—解决”的思维模式。例如，课程中引入某企业业绩下降问题，让学生化身企业的咨询顾问，融入场景，逐步探寻业绩下降问题的关键，并提出提升业绩的方法。在“数据整理与展示”章节，引导学生思考分解销售额为单价和销售量两个维度，收集这两个指标数据，并绘制时序图观察其变动，初步锁定变化的来源（假设确定为销售量）；接着结合实际，将销售量分为首次购买量和再次购买量，根据这两个指标的时序图确定变化的原因（如为再次购买量）；最后将再次购买人群划分为首次购买本品牌人群和首次购买其他公司品牌人群，可计算出客户忠诚度。通过逐步探索分析形成分析框架，最终确认客户忠诚度下降为本质问题。可运用数据的概括性度量和时间序列分析两个章节的知识，借助平均数、标准差等指标分析各车型的客户忠诚度差异，进一步明确客户忠诚度下降的核心车型；再运用相关分析方法分析客户忠诚度下降的具体原因（产品质量、价格、售后服务），最后运用回归分析明确具体解决策略，将管理层目标和作为一线行动目标的KPI联系起来。创建完整真实的问题解决过程，让学生体验统计知识解决问题的正确方式，切实提升学生的应用能力。

2.1.2 统计前沿知识应用

在大数据、人工智能时代背景下，传统的“以小见大”的统计思想将被取代，而主要是从“大数据”中去挖掘经济社会的规律和特点[3]。研究思维的改变，也使传统统计学研究方法、研究对象和相关概念发生了改变。将大数据给统计学带来的数据结构的变化、数据收集思路的变化、数据分析方法的创新引入课程教学中，培养学生的创新创造意识。如在导论中让学生查阅资料，思考大数据技术对统计学的影响；在数据的搜集章节中分析大数据时代的数据收集方式，讨论其与传统数据收集方式的差异；在数据的图表展示章节中带领学生讨论运用大数据进行数据整理与展示的例子，发现日常生活和企业管理中有诸多大数据技术应用场景；在数据的概括性度量中介绍大数据进行用户画像描绘实例，感知统计知识与大数据的融合创新；在假设检验中带领学生反思运用p值进行决策可能存在的问题，培养学生辩证思考的科学研究思维；在一元线性回归分析中，介绍人工智能赋能相关回归寻找提升企业绩效的因素案例，对比传统模式下运用相关分析发现影响企业绩效的关键因素，发现统计知识在人工智能的加持下焕发的新能量，激发学生的创新意识；在时间序列分析中介绍时间序列分析在医疗保健中的应用，思考实际应用中如何将各种因素引入模型，评判当前所建模型的优缺点，再介绍学界前沿在该领域的探索和仍未解决的问题。将最前沿的统计知识应用融入教学，使学生感知传统知识在新技术和新场景中焕发出的新生机。

2.2 改革教学组织：循循善诱，因材施教

2.2.1 调整线上线下课时安排

为了有效发挥混合式教学“全过程”的优点，同时兼顾数理基础薄弱的学生，尽量避免混合式教学中的两极分化问题，按照“偏理论难理解的内容教师多讲、较基础易理解的内容学生自学”的原则，控制线上总课时不超过30%。统计数据的收集、统计数据的整理与展示、数据的描述性分析和指数分析等章节的知识相对简单易懂，学生自习效果较好，可适当安排线上课时；参数估计、假设检验、相关和回归分析、时间序列分析等章节涉及的统计原理较难，可安排学生借助线上教学资源进行课前预习，不直接分配线上课时。

2.2.2 改变教学设计

积极创新理论教学。课前，学生借助线上课程自主预习，教师提前布置社会热点问题作为思考题，引起学生兴趣，让学生带着问题进入课堂；课中，把知识点与专业、社会经济案例相结合，不仅让学生掌握统计方法，更强调统计方法在社会经济现象中如何应用[4]。同时挖掘德育元素，开展思政教育，让知识传授与价值引领同频共振。课后，对知识的巩固主要通过线上线下两种方式。线上教学视频自学、习题练习、习题讲解、讨论等；线下课堂汇集学生练习中发现的问题和重难点习题。

积极开展实践教学。课内操作实验中选择具有代表性的案例，引导学生讨论思考，再上机实践验证，及时巩固相关统计方法，并熟悉统计软件的操作和结果的分析解读；课程中学生自选社会热点话题开展问卷调研，实践整个统计工作过程——统计问卷设计、开展统计调查、数据清晰整理、数据分析解读并形成调研报告，将统计学的内容进行融会贯通；学生还可参与教师科研课题和企业咨询类课题，进行前期调研和数据采集、处理，了解实务中如何开展统计工作；参与全国大学生统计建模、市场调查与分析等学科竞赛，让学生忙起来，提升学生解决实际问题的能力。

2.2.3 改革考核方式

基于“三全育人”理念，将过程性评价和终结性评价相结合，更加全面评价学生的学习效果，同时提升学生对学习过程的重视度，改变只在考前突击学习的现象。总评成绩通常由平时成绩和期末成绩两部分组成，适当提高平时成绩的占比，增加平时考查的项目，可以包括出勤、课堂表现、章节测验、在线视频学习、专题讨论、实验报告和课程论文等，提升学生的学习动力。另外，任课教师动态监测每位学生线上线下学习质量，及时督学，并有针对性地进行辅导，保障所有学生的学习效果。同时，在期末试卷的试题中减少死记硬背的内容，增加案例分析等题型，侧重考核学生的知识应用能力。

2.3 后续衔接改革：赛课衔接，学习延续

在统计学课程结束后，组织学生积极参加全国大学生市场调查与分析大赛、统计建模大赛、数学建模大赛等学科竞赛，实现以赛促学。统计学教师积极参与竞赛指导，过程中可发现学生存在的知识漏洞和盲区，反思和优化统计教学内容，反哺教学，实现以赛促教。同时，各专业修改培养方案，重构课程体系和实践教学体系，在后续课程中进一步巩固学生的数字思维。以经济学为例，在大二统计学课程的集中实践专周，及时安排“统计分析软件应用”课程，大三安排“计量经济学”“计量经济学实验”“商业数据分析”“Python大数据分析”等课程延续，大四有“经济预测与经济分析”“社会经济调查”等综合课程衔接，同时要求学生毕业论文中进行实证分析。在学科竞赛和课程衔接的双重保障下，应用型本科高校的数字化人才培养才能切实落地。

3 结语

在数字化背景下，应用型本科高校统计学课程教学改革显得尤为重要。本文通过深入分析当前教学中存在的问题，提出了针对性的改革措施，旨在提高学生的实践能力与统计应用能力。通过重构教学内容、改革教学组织、后续衔接改革等手段，可以更好地培养适应时代需求的应用型数字化人才。

基金项目：福州理工学院本科教育教学改革研究项目“应用型高校经济学专业阶梯式实践教学体系构建研究”；2023年福建省本科教育教学改革重大研究项目“数字化转型背景下新商科人才培养模式改革与实践”（FBJY20230131）；福建省教育科学“十四五”规划2023年度课题“数智化时代新商科创新创业人才培养模式的探索研究”（FJJKBK23-220）。

参考文献

[1] 陈霞，冯萍.大数据与人工智能背景下统计学课程教学改革研究[J].科教导刊，2023（29）：120-122.

[2] 林军，王肖鹏，王炳璇，等.经管类“应用统计学”课程的教学模式改革与创新——以大数据时代为背景[J].教育教学论坛，2022（22）：69-72.

[3] 张娟娟，朱芳芳.人工智能背景下统计学课程教学改革探讨[J].对外经贸，2022（10）：150-153.

[4] 王惠，路剑，刘海燕，等.新文科背景下应用型本科“统计学”课程混合式教学改革与实践[J].中国多媒体与网络教学学报（上旬刊），2022（2）：13-16.