大数据背景下基于问题驱动的统计学教学设计

摘" 要：大数据时代的到来给统计学课程教学带来了机遇与挑战。在明确大数据背景下统计学课程的定位和发展方向的基础上，课程组提出基于问题驱动的统计学课程教学设计方案，强调通过教师主导的主题问题和案例问题讲授，使统计知识点融于问题；通过学生主导的自主选题、小组协同和报告评价，其统计能力得到训练。最终，实现学生数据分析能力和素养的全面提升。

关键词：大数据；问题驱动；统计学；教学设计

中图分类号：G642.0" " 文献标识码：A" " 文章编号：1673-7164（2024）35-0094-04

大数据时代的到来，在自然科学、社会科学和经济领域的各方面都产生了冲击，统计学更是首当其冲。牛津大学网络学院互联网治理与监管专业教授维克托在《大数据时代》中指出，大数据将颠覆传统数据分析中统计学的思维模式，带来颠覆性观念转变。［1］

一、大数据背景下统计学的定位

针对大数据带来的挑战，只有客观理性地分析大数据背景下“总体代替样本”“效率代替精确”“相关代替因果”等观点，才能找准统计学定位，明确发展方向，进而得到大数据背景下统计学教学的新模式。

（一） 注意区分研究手段和研究本质

大数据时代确实让数据采集工作更经济更高效，但这种优势本质上是信息技术的发展和普及带来的，并不是大数据和统计学本身的固有区别。作为工具和手段，统计分析采样也可以利用信息技术来降低成本提高效率。

（二） 正确认识研究对象的代表性

在现实环境中，简单地认为大数据将使数据分析的研究对象转变为全体被研究对象是不现实的。首先，破坏性采样客观存在。在经济管理活动中，涉及产品寿命周期、质量等数据必须采用破坏性试验方式获取，以保证数据的真实科学。其次，技术手段本身的覆盖具有有限性，并不是所有研究问题都方便获取数据全体。最后，大数据环境下数据采集重视了便捷性，却无法保证数据具有足够的代表性。例如，简单以网络消费者偏好代替所有消费者偏好，会导致出现“幸存者偏差”。

（三） 不以“效率”和“应用价值”来代替“精确”

大数据强调用计算机手段来提升数据分析的效率，强调面向实际应用，其本身是有现实意义的，但若以此代替对“精确”的追求，可能适得其反。2008年Google第一次采用大数据预测流感效果显著。但几年之后，Google没有注意到环境对数据的影响，预测比实际情况高出了50%。偏离了“精确”性要求的数据分析，可能非但不能带来“效率”和“应用价值”，反而带来误导和灾难。［2］

（四） 不以因果分析代表统计学，以相关分析代表大数据

中国科学院院士、著名数理统计学家陈希孺曾指出，统计分析只是从事物的外在数量表现上去研究问题，通过对数据的分析，揭示其中可能存在的某种规律，但并不涉及事物的质的规定性。［3］因此，将大数据和统计学简单分为相关关系和因果关系两大阵营本身就是错误的。统计学作为“数据的科学”，奠定了大数据分析的理论基础，并在广泛应用中，与人工智能和新的数学方法、计算机工具有效结合。

可以明确统计学作为“数据科学”的定位没有问题，随机抽样和推断分析的统计学体系在大数据背景下具有重要价值。［4］

二、大数据背景下统计学教学的发展趋势

结合美国统计学协会发布的“大数据背景下统计学教育的指导性教学纲要”，参考北京大学、复旦大学、中国人民大学、南开大学等学校统计学及数据类课程近期的学科调整和改革，可以清晰地看到，大数据背景对统计学的发展产生了更多积极影响。［5-6］基于此，可以展望统计学课程教学的三个主要的发展趋势。

（一）要面向现实环境，解决现实问题

数字化时代使得现实环境充满了纷繁复杂的数据，推动了统计学课程解决现实问题的需求。而来源于现实环境的问题，既有利于现实专业领域研究的推进，又有利于统计学课程应用价值的体现，还有利于提升教学活动本身的吸引力和价值。

（二）要突出实践性，重视工具运用

统计学课程要体现现实价值，除了课程体系设置的针对性，还要突出实践性、操作性。［7］它应针对现实问题，采用真实数据，在数据工作各个环节主动运用相应实战化软件工具开展教学、研讨。

（三）要注重学生综合能力培养

在经济管理等背景下，统计学不是数学，不是纯理论研究，其价值更多在于解决现实问题。现实问题的分析需要迅速掌握不同专业知识的学习能力；模型的选择、参数的匹配需要理论知识和批判性思维能力；数据的采集和使用需要具备数据素养和商业伦理；团队协作过程需要专业表达能力、沟通技巧和人文关怀。统计学课程教学应通过灵活的教学形式和有效的教学设计提升学生的综合能力。

三、大数据背景下基于问题驱动的设计思路

依据大数据背景下统计学的定位与发展方向，统计学课程教学需要进一步优化设计，突出现实性、实践性和综合性等特征。问题是激发创造性的关键催化剂，本研究提出采用问题驱动的分析求解思路对教学内容进行重新梳理，对教学方式进行相应改革，引导学生在思考和解决现实问题的过程中建立研究性学习思维和协同配合、交流沟通的综合能力。设计思路详见图1。

■

图1" 基于问题驱动的统计学教学设计思路

首先，依据课程大纲和主要知识点，建设课程主题问题。该环节由教师主导，选择具有专业代表性且贴近大学生生活学习实际的问题背景，建设2～3个主题问题。每个主题问题的分析求解过程均需要贯穿教学过程，使得教学过程与主题问题从明确问题到形成结论的完整过程相融合，保证学生可以通过学习获得完整的真实问题求解体验。

其次，建设与主要知识点匹配的案例问题。由教师主导，根据知识点的具体要求和内容特性，开发并不断完善新颖、巧妙、有吸引力和启发性的案例问题，将教学知识点和课程思政的具体要求融入具体案例问题的分析讨论中。这类问题不必追求具备从明确问题到分析问题、结论应用的完整过程，而是强调对知识点基本内容的理解和启发深度思考。

最后，组织学生开展选题作业和交流报告。通过课程对大问题和小问题的讲解和讨论，学生对课程的体系结构和具体知识点已有了比较全面地掌握，并具备一定的现实问题分析解决能力。为了进一步提升这种能力，使能力培养过程形成闭环，检验学生学习效果，可在课程后半段布置大作业，即要求学生开展小组选题作业，并作报告、交流和评价。该环节由学生主导，教师负责引导和启发。

四、大数据背景下基于问题驱动的设计方案

（一） 设计主题问题框架

主题问题是贯穿整个教学过程的综合性问题，它具有完整、全面、详细的特征。教师需要在对课程知识体系相当熟悉的基础上，将课程主要知识点融入主题问题中。还要持续激发学生关注和讨论的问题，主题问题的选题应该足够新颖，对学生有足够的吸引力。表1以大学生网络消费行为研究主题，提供主题问题设计框架参考。

（二） 设计案例问题

主题问题虽然全面，但仍然难以完全覆盖所有的知识点。为提高学生的学习兴趣，需要在教学活动中，根据相应的知识点和思政目标，不断增加一些新颖、生动、活泼，有影响，有深度的案例问题。

首先，以统计学教学中数据采集环节为例，需要整理出主要的知识点：1. 熟悉数据的概念、类型；2. 掌握主流的数据采集的渠道、方式和方法；3. 掌握问卷设计的主要原则和设计方法；4. 掌握数据的有效性和一致性分析方法；5. 熟悉爬虫技术、常用爬取软件和网络问卷采集平台。

其次，参照知识点，通过文献整理、新闻梳理、教学交流等各种方式，不断完善案例问题。下面是一些数据采集环节可参考的案例问题：若调查某区域民营企业受疫情影响情况，如何选择数据采集渠道、方式和方法？“幸存者偏差”是什么原因导致的？我们身边有哪些类似的案例？为什么要开展人口普查，为什么人口普查十年进行一次？

同时应注意，问题的启发效果如何，直接与教师在案例介绍过程中关注和引导的重心有关。因此，案例问题需标出教学的关键点。比如案例1要注意引导学生梳理不同数据采集渠道、方式和方法的区别和适用性，以及“某区域民营企业”问题范围的界定等；案例2要注意引入历史事件引起学生的兴趣，讨论问题的本质原因。

（三） 学生选题作业和交流报告

统计学课程的现实性、实践性和综合性特征，决定了教学活动中，学生的全面参与必不可少。通过选题作业、协同学习和交流报告，能够让学生主动面向现实环境，积极运用课程知识，使用软件工具，开展自主学习、协同交流，实现全面提升、共同进步。

首先，开展小组协同作业。小组成员3～4人，在教学班内参照分层抽样的方式随机组成。工作形式强调小组内部人员自主分工协同。

其次，明确选题要求。问题必须来源于现实环境，具有较强的现实意义和应用价值；必须是真实数据采集，根据问题特征确定一手数据或间接数据；必须使用合适的软件工具；数据分析过程注意模型分析与可视化手段结合，注意量化分析与定性讨论的结合。

再次，在课程教学的前段布置作业，让学生就选题和数据采集有充分准备时间。学生报告环节需适当控制时间，锻炼学生在5～7分钟内将主要问题和解决思路说清楚。注意在学生陈述过程中合理评价学生工作，引导其他学生提问、交流。

最后，应对小组作业给出评价。这可以保证整个学习过程形成闭环，提升学习积极性，更有利于学生认识到成绩与付出的关系，形成良好的学习氛围。

五、结语

大数据时代的到来，使得统计学的价值和影响进一步深化，同时也对统计学教学提出现实性、实践性和综合性等新的要求。课题组基于“问题是激发创造性的关键催化剂”，提出基于问题驱动的课程教学设计思路，通过设计主题问题和案例问题，将统计学知识融汇于大小问题的教学研讨。通过学生主导的小组选题协同作业，在现实问题的探究过程中提升学生的综合能力，并取得了较好的教学效果。

参考文献：

［1］ 舍恩伯格，库克耶. 大数据时代［M］. 杭州：浙江人民出版社，2013：1.

［2］ 闫坤如，李宏. 大数据时代的“统计陷阱”及其规避探析［J］. 学术研究，2020（05）：23-28.

［3］ 陈希孺，苏淳. 统计学漫话［M］. 合肥：中国科学技术大学出版社，2020：3.

［4］ 孟生旺，袁卫. 大数据时代的统计教育［J］. 统计研究，2015，32（04）：3-7.

［5］ 李泽华，吴小腊，徐小红. 中美统计学本科专业课程设置比较研究［J］. 教育现代化，2019，6（53）：166-168+183.

［6］ 毛军，欧阳玲. 大数据时代高校统计学专业现状分析与改革路径［J］. 中国高等教育，2019（18）：58-60.

［7］ 韩中. “理论+实践”双元驱动理念下课程教学改革与创新：以统计学课程为例［J］. 大学教育，2023（15）：40-42+46.

（责任编辑：邵秋露）

基金项目：中国高等教育学会高等教育科学研究规划课题重点项目“大数据时代财经类学生数据素养提升探索与实践”（项目编号：22CJ0303）。

作者简介：高波（1972－），男，博士，重庆大学经济与工商管理学院副教授，研究方向为统计学、系统工程教育。