前言:我们精心挑选了数篇优质统计学的分类方法文章,供您阅读参考。期待这些文章能为您带来启发,助您在写作的道路上更上一层楼。
中图分类号:G642.41 文献标志码:A 文章编号:1674-9324(2016)03-0276-02
通识教育的目标与专业教育不一样。简单说就是不以知识的识记为目的,而以价值观和精神理念的接受、内化为目的,因此在教学方法上要注意与专业教育区别对待。目前通识教育效果不佳,除了对通识教育的研究、重视程度不够外,教学方法的失当也是重要原因之一。本文将在对通识教育内容分类的基础上,并以哈工大深研院正在进行的通识教育课程改革为例,分别探讨相应的通识教育教学方法。
一、以熏陶为核心的人文艺术类课程教学法
人文艺术类课程是通识课程类别中重要的一类,一般包括文学、美学、文化、艺术等课程。这些课程讲授的内容多是文学艺术作品、美学现象、思想文化等。这些内容的一个共同点就是大多都要依赖于人的情感思维发生作用,如文学常被表述为“文学是人学”[1]。
文化艺术类课程的情感性特点要求我们在讲授此类通识课时不能像讲授专业课那样以概念、规律和定理为主,而是要尊重情感的接受规律。对于情感和以情感为基础的人文观念来说,最为重要的不是相关知识的讲授。这些只是让学生了解所学的对象,而不能真正让他们形成正确的观点。这也是目前我们的两课教育和人文教育面临的一个最大问题。即熟知并不是真知,人文知识的了解并不代表人文观念的接受,更遑论人文精神的养成。
根据行为心理学观点,对于情感和观念的接受最为重要的环节是情感的认同和观念的内化。即把外在的情绪和观点移入接受者内心,让接受者心悦诚服的接受。这种情感的认同和观点的接受我们可以通过一些教学方法来实现。其中最为核心的就是“熏陶法”。比如《文艺与审美鉴赏》课需要我们把抽象的美和艺术作品中蕴藏着的深厚的人类情感传达给学生,因此我们需要大量创设情境以激发学生的情绪共鸣。在创建情境时我们一般会利用多媒体设备展示图片、视频等感性材料,并减少PPT中的文字叙述,以尽量激发学生的官能感觉。在调动学生的感觉情绪后再辅以老师的讲授。如在讲悲剧美时我们会用影像展示作品,待学生进入观影状态,被影片所打动时再点出悲剧的美学特征。此外,人文艺术课还要发挥老师身教的作用,即老师的讲授要饱含感情,要先把自己投入到感情中去,这样学生才会信服。
与熏陶法相似,并且可以配合使用的是经典导读法。经典是经过历史磨炼、沉淀下来的人类优秀的精神文化宝藏,其往往对人的精神和心灵有着巨大的震撼作用。歌德曾说过“鉴赏力不是靠观赏中等作品而是要靠观察最好的作品才能培养成的。所以我只让你看最好的作品。等你在最好的作品中打下牢固的基础,你就有了用来衡量其他作品的标准,估价不至于过高,而是恰如其分。”[2]在这方面我们借鉴国外的名著通识课程,在一些课程中,如《中国文化原点导读》中老师会提前布置阅读任务,然后再进行课堂导读,最后组织小组讨论。不求多、快,只求精、深。从而避免了一些课程走马观花,只求面广,不求甚解的弊端。
此外,人文教育需要稳定、持续的影响以激发学生心灵中的善端。因此我们的通识教育就不能仅仅满足于课堂教育。我们应该利用学生课余休闲和阅读的时间,为学生提供持续、正面人文影响。为此我们优选国内外一些精短的名家作品编成《人文读本》。按照古代君子自我成长的修身、齐家、治国、平天下步骤分为数卷,发放给学生阅读。我们在选文时注意文章的深度与可读性结合,从而使学生得到了良好的教育。
二、以体验为核心的社会管理类课程教学法
社会管理类课程是人文通识课中又一重要类别的课程。他的突出特点不仅仅以知识的获取为目的,更重要的是要培养学生在实际社会生活和管理活动中的能力。通识课体系中涉及此类的课程主要有言语逻辑类、创业管理类和沟通交流类等课程。这类课程的关键是要保证让每一个学生都实际参与其中,在做中学。通过自己参与和实际锻炼达到心领神会,具备某种能力的目的。因此这类课程的教学需要为学生提供一种切近的身临其境感,让学生在体验中学到知识,掌握技能。这种教学思想又具体体现在以下三种教学方法中。
1.案例法。案例教学法由美国哈佛商学院所倡导,是一种以案例为基础的教学法,后来在很多课程中得到运用,收效良好。案例法是一种分析归纳式的教学方法,它不同于我们在专业课讲授时常用的演绎法,先通过讲授一般原理和公式,再用具体练习和例子去巩固强化所学的公式。在案例法中老师现提供一个实际问题,让学生自己思考,再提供几个成功的案例,最后通过不同案例的归纳得出一些具有普遍性的规律和知识,而学生也在思考中得到了能力锻炼。案例教学法适合于开发分析、综合及评估能力等高级智力技能。
2.情境式课堂。情境式教学以学生为主体,在教学中为学生提供与其认知结构相适应的环境,采取“任务驱动”的方式提供互动的教学平台,通过多种反馈方式来实现评价系统。教师的主要工作不是讲课、考试和维持纪律,最重要的任务是布置学习环境,供应必要的资源。教师要设计各种活动,在活动中启发、鼓励、指导和帮助学生。比如我们的《言语交际课》,老师会把课程分为两类,一是普通社交类交流,一是辩论类。然后选取不同的学生充当不同的角色,完成特定的交际任务。其余同学充当观众并未参与的同学打分、寻找存在的问题。课程一般是小班上课,保证每个学生都有参与、锻炼的机会。
3.体验教学法。是使学生直接接触讲授对象,通过经验感知达到课堂上无法达到的效果的一种教学方法。在我院改革后的通识教育中,特别注重学生的实践接触和体验。如《西方礼仪简介》、《公共演讲技巧》等。这些课程的教学目的也不仅局限于相关知识的传授,而在于学生实际经验的体验与相关事务活动、相关习惯规则的熟悉与养成。针对于此,深研院尝试让人文教育走出课堂,要让学生体验和习惯所讲授的内容。如西方礼仪简介就把课堂放置在咖啡厅、西餐厅来学习西方进餐礼仪,在与外籍教师、留学生的各种活动中学习与外国人打交道的社交礼仪和沟通技巧。
三、以主动性为核心的科学技术类课程教学法
科学技术类课程是理工类研究型大学通识课程体系中较具特色的一类课程。这类课程包括一些公共数学课、逻辑推理课,甚至还包括哲学课。科学技术类课程的关键是激发学生学习的主动性,让学生采用一种探究式的态度在老师指导下完成抽象理论知识的学习。在实践中我们主要尝试研究了如下教学法。
1.问题导向式教学。这是一种新的教学模式,它把学生置于混乱、结构不良的情境中,并让学生成为该情境的主人,让学生自己去分析问题、学习解决该问题所需的知识,一步一步的解决问题。老师把实际生活问题作为教学材料,采用提问的方式,不断地激发学生去思考、探索,最终解决问题。这种教学方式的特点是:以重能力培养代替重知识教授;以多学科的综合课程代替单一学科为基础的课程;以小组讨论代替班级授课制;以学生为中心代替教师为中心。课程往往包括“提出问题、建立假设、收集资料、论证假设、总结”五个阶段,课程强调以学生的主动学习为主,而不是传统教学中的以教师讲授为主。
2.翻转课堂。翻转课堂是近几年在中国越来越流行的教学法,但是目前主要在中学推广,大学课堂涉足的相对较少。我们通过研究和实践认为在大学课堂引入翻转教学可以发挥学生学习的自主性和主动性,将会大幅度提高学生的学习效率。在实践中我们对翻转课堂进行了改造,主要是把在线教育和翻转课堂结合起来,并重新设计了翻转课堂的各个环节。在这方面我们突出的例子是《应用随机过程》课。在这门课中我们利用学校的blackboard在线教学平台把课程需要的教学录像和PPT、习题上传上去。然后我们要求学生要在线完成学习和习题练习任务。在学生学习时,我们通过这一教学平台搜集学生学习的数据并进行统计分析,老师会通过分析结果判断学生的知识掌握程度,然后调整学习进度。着这一过程中老师可以决定是否要补充内容,是否要重新学习某一个知识点。在课堂环节中我们设置三个环节。第一个环节是学生的自我陈述。即不同的组选派代表,讲述自己对问题的解决方案和面临的困难。第二个环节是小组之间的交流。这是在完成自我陈述后,要求不同小组对别人解决问题的方法和效果进行评价。根据研究表明,讲述一个问题要比学习一个问题难的多,而评价一个问题又比讲述一个问题难度多。通过不同小组之间的评价、比较可以互补有无。自己的问题可能已经被另外一个小组解决。而且小组间的交流与评价还可以在学生中造成竞争的情境,鼓励学生的学习劲头。第三个环节是老师的讲述。在完成前面所有环节后,老师应根据前期掌握的情况对问题进行精准的讲解,这样可以节约课上宝贵时间。在讲解中老师可以根据情况,采用逻辑演绎的方法,从知识到问题;也可以用归纳的方法,从问题到知识。最后,老师要应根据本知识点的逻辑关系,为学生梳理知识脉络。这样可以加深学生对所应掌握的知识点的理解。
参考文献:
【关键词】肌肉类型 舞蹈训练 类型区分 科学训练方法
【中图分类号】J712 【文献标识码】A 【文章编号】1674-4810(2014)25-0194-01
每一个舞蹈动作的顺利完成,都离不开肌肉的有效收缩和骨骼、关节的有效运动,而肌肉是完成整个舞蹈动作的基础和条件。没有肌肉、缺乏力量就无法完成整个舞蹈动作,更谈不上舞蹈表演活动。提升舞蹈力量是舞蹈训练者最重要的基本要求,力量的训练程度与水平不仅影响舞蹈姿势的展现,还直接影响到整个舞蹈训练过程中柔韧性、灵敏性、优雅程度等基本要素的有效发挥。
舞蹈力量的训练过程也是一个漫长且复杂的过程,而这一过程中,肌肉和关节相互作用不断融合,从而实现最大力量和作用发挥。而在长期的实践过程中,我们发现存在着各种不同类型的舞蹈力量,而其中任何一方面力量的欠缺和不足,将会对整体力量的发挥产生不利影响和消极作用。舞蹈力量是由不同类型组成的,而这些力量又在不同方面表现出来。想要在舞蹈训练上取得一定成绩,实现一定突破,就必须在具备全面力量基础之上,经过系统化、科学化的力量训练,从而实现训练的目标。而要达到这一效果,就需要我们对舞蹈训练者肌肉类型进行正确的分类,从而依据具体的肌肉类型制定有利于舞蹈者训练和发展的科学方法。
一 舞蹈训练者肌肉类型的主要分类
在舞蹈训练中,我们发现一些训练者稳定性较强,但控制力量就较为一般;弹跳力强的人,其空中动作控制力和表现力就较差;肌肉耐力好的人,动作速度就较为一般。这一系列事实就充分证明舞蹈训练过程中,力量能力的表现是展现在不同方面的。而依据肌肉力量在舞蹈动作中所发挥作用的特征和功能以及爆发力、时间特点,可以将肌肉类型划分为7个主要类型。而依据时间和能力的区别,主要有稳定性力量、控制性力量、柔韧性力量、加速度性力量、爆发性力量、反应性力量和耐久性力量等。而这些不同的力量类型都分别作用于不同类型的舞蹈姿势当中,但每一种具体的力量类型都终将在具体的舞蹈训练过程中展现出来。
主要力量类型分为稳定性力量、控制性力量、柔韧性力量、加速度性力量、爆发性力量、反应性力量和耐久性力量。具体而言,稳定性力量是一种静止用力类力量,主要表现在身体重心控制、平衡力把握和舞蹈姿势造型等方面。控制性力量则是匀速用力,在不考虑速度变化的情况下,通过克制性用力的完成,让身体产生舞姿、形成稳定姿态。柔韧性力量则是减速用力,通过肌肉的退让性用力过程,给身体提供力量。速度性力量是一种加速用力过程,重视加速度作用的发挥。爆发性力量是全速用力过程,是一种短时间内急速启动的爆发力。反应性力量则是变速用力,通过运动变化的身体迅速制动,实现有效弹跳。耐久性力量需要持续用力,需要在有效克服外部压力的前提下,最长时间的保持稳定。
二 依据舞蹈训练者不同肌肉类型制定的解决方法
肌肉类型划分的主要落脚点在于确保舞蹈力量训练的有效侧重性。依据不同肌肉类型能够对整个训练计划实现合理、适当安排。通过对原有训练方法进行合理改革,加上技术手段的合理利用,从而确保整个训练结果的有效性。在舞蹈力量分类的基础上,运用多种科学手段,吸收以往舞蹈力量所能提供的经验,最终形成了有效提升舞蹈力量的训练方法,实现有针对性地训练活动。
针对稳定性力量的训练,实施静力法训练。对除去耐久性力量的其他力量训练实施相对力量方法。在柔韧性力量的训练过程中,可以使用重复完成某一动作的方法来练习力量。在训练速度和力量方面,通过增加训练强度,快速练习来发展速度。针对耐力性力量的训练,还可以使用极限次数法,通过多次完成极限次数的重复练习,最终有效提升耐力训练效果。
然而,在舞蹈训练过程中,不存在可以解决所有问题的方法。具体方法使用的范围和作用力都有一定局限性。因此,要结合实际情况,选择能够从根本上解决力量不足的训练方法,而针对不同肌肉类型选择不同训练方法,这正是科学训练的必经之路。
[关键词] 葛根芩连片;溶出度;相似因子;聚类分析
[收稿日期] 2014-07-18
[基金项目] 国家自然科学基金项目(81473362);北京中医药大学创新团队发展计划项目(2011-CXTD-13)
[通信作者] *董玲,副研究员,硕士生导师,主要从事新剂型给药系统研究,Tel:(010)64286245,E-mail:;*刘洋,副教授,硕士生导师,主要从事药物代谢研究,Tel:(010)84738629,E-mail:
[作者简介] 隗丽,硕士研究生,E-mail:
多成分多靶点的中药特点已经成为学术界共识[1],中药复方的作用与复方中有效成分的含量和配比关系密切。而固体制剂中药物发挥治疗作用需要经过药物溶出和吸收2个关键步骤。因此,在研制中药复方释药系统中,使两者处于良好的匹配状态,才能确保中药各组分不仅能吸收完全,而且可以确保中药复方各组分按照比例吸收[2]。中药生物药剂学分类系统设立的主要目的是在药物发现阶段(discovery)对中药多成分整体的生物药剂学特征评价,并为下一步的药物开发阶段(development)提供剂型选择支持和成药性保障,主要利用溶解性和渗透性作为科学框架的分类依据。对已上市中成药的评价,CMMBCS也能起到积极作用,此时更适合于采用溶出度评价方法,结合中药多成分的特点,建立符合中药特色的溶出评价体系。因此,本研究采用中医经典《伤寒论》[3]中葛根芩连汤的现代制剂葛根芩连片,探索其多成分环境下的主要成分溶出规律及特点,重点考察可能影响成分吸收时序的多成分溶出同步性问题。
1 材料
1.1 仪器
Waters液相色谱系统(600四元泵,美国Waters公司),2487双波长紫外检测器,Empower2工作站;电子分析天平(BT-25S,北京赛多利斯仪器有限公司);pH酸度计(FE20,梅特勒-托利多仪器上海有限公司);智能溶出仪(ZRS-8G,天津天大天发有限责任公司)。
1.2 药物
葛根素对照品(批号110752-200912),黄芩苷对照品(批号110715-201117),盐酸小檗碱对照品(批号110713-200911)均购买于中国食品药品检定研究院。葛根芩连片(陕西利君现代中药有限公司,批号110201005,规格0.3 g)。
1.3 试剂
甲醇(色谱级)购买于Fisher公司(美国);娃哈哈纯净水购买于娃哈哈集团公司(中国杭州)。三乙胺、盐酸、磷酸二氢钾、磷酸氢二钾、氢氧化钠、一水枸橼酸、磷酸氢二钠等试剂(均购自北京化工厂)都为分析纯。
2 方法
2.1 溶液制备
2.1.1 对照溶液配置 取装量差异项下的片剂,除去包衣,研细,精密称取适量(约相当于1片的平均质量),加适量甲醇使溶解,加溶出介质制成每1 mL中约含0.6 mg药物的溶液,作为对照溶液。
2.1.2 溶出介质配制 pH 1.0盐酸溶液配制:量取盐酸溶液9 mL,加水稀释至1 000 mL,即得;pH 4.0缓冲液配制:取一水枸橼酸12.90 g,取磷酸氢二钠27.25 g,加水1 000 mL溶解,即得;pH 6.8缓冲液配制:取磷酸二氢钾1.70 g和磷酸氢二钾1.78 g,加水溶解稀释至1 000 mL,即得;pH 7.4缓冲液配制:取磷酸二氢钾6.81 g,加0.1 mol・L-1氢氧化钠溶液395 mL稀释至1 000 mL,即得。
2.2 溶出度试验条件
采用《中国药典》2010年版溶出方法及模拟人体消化道体内环境的5种溶剂分别测定。具体操作如下:取本品,照溶出度测定法(药典2010年版二部附录XC)[4],方法为桨法,转速为100 r・min-1;溶出介质为模拟人体生理环境的5种pH溶液;取样20 mL,并及时补液,取出的溶液置于蒸发皿中挥干,再用1 mL纯净水溶解,过0.45 μm微孔滤膜,即得供试样品;取样时间为5,10,15,30,45,60 min。
2.3 溶出度测定方法
采用高效液相色谱法测定,根据相关参考文献[5],色谱条件为:Thermo Scientific,Hypersil C18色谱柱(4.6 mm × 250 mm,5 μm);流速1.0 mL・min-1;检测波长270 nm;柱温室温;进样量10 μL;流动相:流动相A为缓冲溶液(1%三乙胺,1%乙酸,用磷酸调pH到3.0),B为甲醇,梯度洗脱程序为:0~12 min,24%B;12~13 min,24%~28%B;13~19 min,28%B;19~20 min,28%~33.8%B;20~37.5 min,33.8%B;37.5~38.5 min,33.8%~41%B;38.5~60 min,41%~75%B。
2.3.1 转速的选择 采用药典2010年版二部附录XC第二法装置,以900 mL水为溶剂,测定前对仪器装置进行必要的调试,使桨叶底部距溶出杯的内底部(25±2) mm。分别量取经脱气处理的去离子水,置各溶出杯内,待溶出介质温度恒定在(37±0.5) ℃后,将供试品投入溶出杯中,转速选择100,75,50 r・min-1试验,于5,10,15,30,45,60 min时取样测定溶出量(多成分累积溶出度加和),见表1。从结果可知,确定本品溶出度测定转速为100 r・min-1。
表1 不同转速时供试品的平均溶出度
Table 1 The average dissolution of samples at different speed
t/min
平均溶出度/%
100 r・min-175 r・min-150 r・min-1
55.84.05.4
1014.97.09.6
1529.510.413.5
3059.227.915.9
4593.038.131.2
60105.765.740.2
2.3.2 溶液稳定性考察 将葛根芩连片于5种不同的pH溶出介质中进行溶出度测定,依法操作,将供试品溶液分别于不同时间点测定供试品9个主要成分的峰面积,并以葛根素保留时间计算各个峰的相对保留时间,葛根芩连片中主要成分在2 h之内稳定性良好(RSD<5%),稳定性实验数据见表2。
表2 不同介质中各峰的峰面积RSD
Table 2 The RSD of every peak area in different dissolution media
峰号相对保留时间
各峰的峰面积RSD/%
pH
1.0pH
4.0pH
6.8H2OpH
7.4
峰10.730.90.7 0.3 1.3 0.3
峰2(葛根素)1.002.50.2 1.2 0.3 2.1
峰31.071.40.9 2.3 1.8 1.2
峰41.162.33.9 1.81.9 4.1
峰51.312.20.9 2.6 1.5 2.6
峰6(小檗碱)1.732.40.4 7.8 1.5 0.3
峰72.2510.32.8 3.2 2.4 1.7
峰8(黄芩苷)3.210.14.5 1.8 6.6 1.8
峰93.234.84.71.0 4.0 1.0
3 结果
3.1 溶出曲线的测定结果
取本品制剂,在上述5种溶出介质中进行溶出曲线测定,以取样时间为横坐标,以溶出度为纵坐标,绘制溶出曲线图,见图1。
A. pH 1.0;B. pH 4.0;C. pH 6.8;D. H2O;E. pH 7.4(图2同)。
图1 复方葛根芩连片9种成分在5种不同pH溶出介质中的溶出曲线
Fig.1 The dissolution curves of nine components from Gengen Qinlian tablets in five different pH dissolution media
3.2 溶出数据分析
3.2.1 采用非模型依赖法-相似因子法(f2)分析 相似因子f2的数学表达式为:
f2=50×log1+1/n∑nt=1Rt-Tt2-0.5×100
其中Rt和Tt分别为参比药物和试验药物在时间t时的溶出度,n为测定时间点总数。一般认为f2在50~100,可认定两者的释放行为相似。本实验将不同溶出介质中2号峰(葛根素)的溶出曲线作为参比对照曲线,相同溶出介质中其他峰的溶出曲线和参比对照曲线进行比较,以考查葛根芩连片中的9种成分在溶出介质中释放特性。复方葛根芩连片中主要成分与2号参比峰(葛根素)相比,计算f2结果见表3。
3.2.2 复方葛根芩连片剂中9种成分溶出行为聚类分析 采用聚类分析方法对复方葛根芩连片中9种成分于不同溶出介质中的溶出曲线进行聚类分析,即将每个测定条件下的9种成分溶出曲线看成是5维空间上的9个点,以2号峰(葛根素)为参比峰,采用层次聚类法对上述不同溶出介质中各个峰的溶出行为进行分类,见图2。
3.2.3 体外溶出结果小结 采用上述2种方法对溶出曲线相似性进行评价,可以看出:根据相似因子计算结果表明,4号峰所代表的成分的体外溶出行为与2号参比峰(葛根素)的溶出行为最接近,在4
表3 与2号参比峰(葛根素)相比f2计算结果
Table 3 The results of calculation of f2 compared with peak 2 (puerarin)
峰号
f2因子
pH 1.0pH 4.0pH 6.8H2OpH 7.4
峰17664794952
峰2(葛根素)-----
峰36577615781
峰45492889088
峰57676787879
峰6(小檗碱)6572757454
峰74963484331
峰8(黄芩苷)6965704345
峰96755586048
种溶出介质中两者的f2值均大于80,仅在pH 1.0的盐酸溶液中二者相似性略低。7号峰所代表的成分的体外溶出行为与2号参比峰(葛根素)的溶出行为相差最远,在4种溶出介质中两者的f2值均小于50,仅在pH 4.0磷酸盐溶液中二者溶出行为表现为相似。3号峰、5号峰所代表的成分和6号峰(小檗碱)在5种溶出介质中的溶出行为与2号参比峰(葛根素)的溶出行为相似性良好。
根据聚类分析结果表明,在pH 1.0溶出介质中1号峰所代表的成分溶出行为与2号参比峰(葛根素)最为接近,4号峰所代表的成分溶出行为与2号参比峰(葛根素)相差最远;在pH 4.0溶出介质中4
图2 5种不同pH介质中9种成分树状图
Fig.2 The tree diagrams of nine components from Gengen Qinlian tablets in five different pH dissolution media
号峰所代表的成分溶出行为与2号参比峰(葛根素)最为接近,9号峰所代表的成分溶出行为与2号参比峰(葛根素)相差最远;在pH 6.8溶出介质4号峰所代表的成分溶出行为与2号参比峰(葛根素)最为接近,7号峰所代表的成分溶出行为与2号参比峰(葛根素)相差最远;在水介质中4号峰所代表的成分溶出行为与2号参比峰(葛根素)最为接近,7号峰和9号峰所代表的成分溶出行为与2号参比峰(葛根素)相差最远;在pH 7.4溶出介质中3号峰和4号峰所代表的成分溶出行为与2号参比峰(葛根素)最为接近,1号峰和7号峰所代表的成分溶出行为与2号参比峰(葛根素)相差最远。
以上的分析结果表明,尽管2种分析和评价方法不同,分析结果略有差异,但分析和评价的结论基本一致。
4 讨论
本实验选择了pH 1.0,4.0,6.8,水和pH 7.4共5种溶液作为溶出介质,分别模拟复方葛根芩连片在胃液和不同肠段肠液中的溶出。以葛根芩连方中9种主要成分的溶出作为研究对象,考查其在不同溶出介质中溶出规律及特点,根据体外溶出能更好地预测其在体内不同吸收部位的吸收情况[6-7]。
本研究表明,复方葛根芩连方中9种主要成分在溶出介质的溶出不完全具有同步性,峰7和峰8(黄芩苷)所代表的成分与2号参比峰(葛根素)溶出同步性相差较远,峰3,4,5,和6(小檗碱)所代表的成分与2号参比峰(葛根素)具有完全的溶出同步性,峰1和峰9与2号参比峰(葛根素)也具有较一致的溶出同步性。这种溶出同步性表明,这几种成分在任意时刻的释放至溶出介质中各组分比例保持不变,并且这种比例的恒定与几种成分在复方葛根芩连中配比一致,这种同步释放正是体现出了中药配伍的特点。
模拟生物介质的溶出度方法在建立体外溶出和体内吸收相关性方面至关重要[8],并且通过药物制剂体外溶出曲线计算溶出指数[9],这也是生物药剂学分类标准的补充,因此溶出度研究也是课题组建立CMMBCS的重要研究内容。课题组在CMMBCS的研究过程中,对中药的溶出度评价方法按照由简至繁的过程不断推进,从单味药材散剂[10]深入到本研究的复方中药片剂,从单一成分溶出度评价深入到本研究的多成分溶出度评价,并重点关注可能引起吸收时序差异的溶出同步性问题。本研究建立的葛根芩连片中9种主要成分的体外溶出曲线测定方法,虽不能做到每种成分的明确定性,但却探索到了一条绕开对照品种类瓶颈限制而进行生物药剂学相关研究的道路。
[参考文献]
[1] 杜冠华,王月华,张冉,等.多成分多靶点是对中药作用机制的表面认识[J].世界科学技术――中医药现代化,2009,11(4):480.
[2] 商洪才,高秀梅,离利平,等.丹参三七组方配比优选及信息综合评价[J].药品评价,2005,2(3):209.
[3] 金慧,王彦,阎超.葛根芩连汤入血成分的归属[J].中国中药杂志,2008,33(22):2687.
[4] 中国药典. 一部[S].2010: 265.
[5] Chen L, Liu J. Fingerprint comparison between Gegen Qinlian preparations of three different pharmaceutical forms including decoction, dispensing granule and pill[J]. Chromatographia, 2009,69(1):123.
[6] Brater D C. Clinical pharmacology of loop diuretics[J]. Drugs, 1991,41(S3):S14.
[7] Shilliday I R, Allison M E. Intraplatelet calcium levels in patients with acute renal failure before and after the administration of loop diuretics[J]. Nephrol Dial Transplant, 2001,16(3):552.
[8] Fang Jiang B, Robertson Vivian K, Rawat Archana, et al. Development and application of a biorelevant dissolution method using USP apparatus 4 in early phase formulation development[J]. Mol Pharm, 2010,7(5):1466.
[9] Papadopoulou V, Valsami G, Dokoumetzidis A, et al. Biopharmaceutics classification systems for new molecular entities (BCS-NMEs) and marketed drugs (BCS-MD): theoretical basis and practical examples[J]. Int J Pharm, 2008,361(1/2):70.
[10] 刘洋,吕贝然,赵保胜,等.川芎散剂体外溶出特征研究[J].中国中医信息杂志, 2014,21(2):88.
Application of multicomponent dissolution evaluation method of
biopharmaceutics classification system of Chinese materia
medica in Gegen Qinlian tablets
WEI Li1, WANG Guo-peng2, DONG Ling1*, TANG Ming-min1, ZHANG Lei1, ZHU Mei-ling1, LIU Yang1*
(1. Beijing University of Chinese Medicine, Beijing 100102, China;
2. Zhongcai Health (Beijing) Biological Technology Development Co., Ltd., Beijing 100055, China)
[Abstract] The study is a paticular embodiment of Chinese patent medicine based on biopharmaceutics classification system of Chinese materia medica (CMMBCS), focusing on assessment of synchronization issues of dissolution that may affect the timing of the multicomponent absorption. The accumulative dissolution percentages of nine components in Gengen Qinlian tablets in different dissolution solvents and times were determined by HPLC. The dissolution curve was drew and its similarity was evaluated by similarity factors (f2) and cluster method. Results in this experiment showed that the components that peak 7 and peak 8 (baicalin) represented had poor similarity with the reference peak 2 (puerarin). Their similarity factors were both 43 in water dissolution media and 31 and 45 in pH 7.4 dissolution media, respectively. Components that peaks represented had better similarity with the reference peak 2 (puerarin) in other medium.It illustrated that components that peak 3,4,5,6 (berberine) represented had fully synchronous dissolution characteristics with the reference peak 2 (puerarin), components peak 1 and 9 represented had nearly fully synchronous dissolution characteristics with the reference peak 2 (puerarin), while components that peak 7 and 8 (baicalin) represented had no synchronous dissolution characteristics with the reference peak 2 (puerarin).
摘 要:随着我国经济发展水平的不断提高,各行各业得到了显著发展,数据统计学方法也变得日趋多样,数据挖掘是建立在数据库与人工智能基础上发展起来的一种高新技术,其功能是从众多的数据当中挖掘到最有价值的信息,进而实现对数据资源的高效利用。聚类分析能够被当成一种数据分析工具,能真实反映出数据分布情况,本文主要对统计学在数据挖掘中的应用进行了探讨,从而表现统计学在数据挖掘应用中的重要性。
关键词:统计学方法;数据挖掘;应用分析
数据挖掘就是指从众多实际应用数据中获取批量大、有噪声、且随机性强的数据,将潜在的信息与数据提取出来,就是从数据中挖掘有价值的知识,而大多数原始数据具有一定的结构化特征,比如,关系数据库中的数据;也可以通过文本、图形、图像等半结构化发掘有用知识,这些知识可以是数学的也可以是非数学形式的;数据挖掘能以归纳形式存在,能够被广泛应用到信息查询、信息管理、信息决策控制中,方便数据的维护与管理。由此可见,数据挖掘是一门交叉性强的学科,加强对其的研究非常有意义,下面将对统计方法在数据挖掘中的具体应用进行分析。
一、数据挖掘与统计学的关系
(一)数据挖掘的内涵
通常来说,数据挖掘的定义较为模糊,没有明确界定,大部分对其的定义只是停留在其背景与观点的内容上。通过对不同观点的统一整理,人们最终将其描述为:从大量多样化的信息中发现隐晦性、规律性等潜在信息,并对这些信息进行创造、加工的过程。数据挖掘作为一门重要的交叉学科,能够将数据库、人工智能、机器学习、统计学等众多的科学融入到一起,从而实现技术与理论的创新与发展[1]。其中,数据库、人工智能与统计学是数据挖掘当中的三大支柱理论。数据挖掘的目的是从数据库当中发掘各种隐含的知识与信息,此过程的方法非常多,有统计学知识、遗传算法、粗集方法、决策法、模糊逻辑法等,还可以应用向邻近的可视技术、模式识别技术等,在以上所有技术的支持上能够使数据挖掘更为科学、有序。
(二)数据挖掘与统计学间的关系
通常来说,统计学的主要功能是对统计原理与统计方法进行研究的科学。具体来说就是指对数字资料进行的收集、整理、排序、分析、利用的过程,数字资料是各种信息的归纳与总结,可以将其作为特性原理的认知、推理方法[2]。而统计学则表示的是使用专业的统计学、概率理论原理等对各种属性关系的统计与分析过程,通过分析成功找到属性间的关联与发展的规律。在此过程中,统计分析方法是数据挖掘最为重要的手段之一。
在数据挖掘这一课题被提出来之前,统计分析技术对于人们来说更熟悉,也是人们日常开展工作、寻找数据间规律最常使用的方法。但是不能简单的将数据挖掘作为统计学的延伸与替代工具,而是要将两者的区别认识到位,再结合两者间的不同特点分析其应用特点[3]。大部分的统计学分析技术都是建立在数学理论与技巧上的,预测通常较为准确,效果能够让大部分人满意。数据挖掘能够充分借鉴并吸收统计学技术,在融入到自身特点以后成为一种数据挖掘技术。
统计学与数据挖掘存在的目标都是一致的,就是不断对数据结构进行发掘。鉴于统计学与数据挖掘在目标上的一致性,致使很多研究学者与专家将数据挖掘作为了统计学的一个分支机构[4]。但是这种认知非常不正确,因为数据挖掘不仅体现在与统计学的关系上还体现在思想、工具与方法上,尤其是在计算机科学领域对数据挖掘起到的作用非常大。比如,通过借助数据库技术与人工智能的学习,能够关注到更多统计学与数据挖掘上的共通点,但是两者存在的差异依然非常大。数据挖掘就是指对大量的数据信息不断挖掘的过程,DM能够对数据模式内的数据关系进行充分挖掘,并对观测到的数据库处理有着极高的关注度。
二、数据挖掘的主要过程
从数据本身出发探讨数据挖掘过程,数据挖掘的过程分为信息的收集、数据集成、数据处理、数据变换、数据挖掘实施等过程。
首先,要将业务对象确定下来,明确不同业务定义,并认清数据挖掘的目的,这是做好数据挖掘最关键的一步,也是最重要的一步,虽然挖掘的结果不能被准确预测到,但却需要对问题的可预见性进行探索[5]。其次,还要做好数据准备工作,包含数据清理、数据变换等工作,数据清理的实际意义是将噪声与空缺值补全,针对这一问题,可以使用平滑技术,而空缺值的处理则是属性中最常见的,可以将统计中最可能出现的值作为一个空缺值[6]。
信息收集指的是按照特定的数据分析对象,可以将分析中需要的特征信息抽象出来,并在此基础上选择出较为科学、适合的信息收集方法,将全部的信息全部录入到特定的数据库中。如果数据量较大,则可以选择一个专门的管理数据的仓库,实现对信息的有效保护与管理;数据集成就是指将来源不同、格式不同、性质不同、特点不同的数据集成到一起,进而为企业提供更为全面、系统的数据共享平台;数据变换就是通过聚集、概化、规范化等方式对数据进行挖掘,对于一些实用数据,则可以通过分层与分离方式实现对数据的转换;数据挖掘就是结合数据仓库中的数据信息点,并选择正确的分析方法实现对有价值数据的挖掘,事例推理、规则推理、遗传算法等都是应用较多的方法[7]。
三、统计学方法中的聚类分析
在统计学聚类方法基础上能够构建出潜在的概率分布假设,可以使用试图优化的方法构建数据与统计模型的拟合效果。基于统计学聚类方法当中,Cobweb方法是在1987年由Fisher提出的,能够以分类树作为层次聚类创建的方法,在分类树上,每一个节点都能代表着一个概念,该方法就是对节点概率描述的过程。Cobweb方法还使用了启发式估算方式,使用分类效用对分类树的构建进行指导,从而实现对最高分类的划分目的,能够将不同分类对象全部归类到一个类别中,并依据这些内容创建出一个新的类别。但是这种方法也存在一定局限性,局限性在于假设的属性概率分布都是独立的,并不能始终处于成立状态中。
只有在掌握了Cobweb算法以后才能对概念聚类算法的特点进行探究。Cobweb算法能够以分类树方式创建层次聚类,可以将概率表现为p(Ai=Vii/Ck)条件概率,其中,Ai=Vij是一个类别下的,同属于一个值对,Ck是概念类中的一种。在给出一个特定的对象以后,Cobweb能够将全部对象整合到一个节点上,从而计算出分类效应,分数最高的效用就是对象所在的节点位置[8]。如果对象构建失去节点,则Cobweb能够给出一个新的节点,并对其进行分类使用,这种节点计算方法起步较晚,能够对现有的节点与计算相互对比,从而划分出最高的分类指标,将全部对象统一到已有的分类中,从而构建出一个新的类别。
Classitci是Cobw eb方法的一种延伸与发展,能够使用其完成聚类数据的处理,在该方法下,节点中的每一个存储属性都是处于连续分布状态中,能够将其作为分类效果修正的方法,并以度量的形式表现出来,这种度量基础上能够实现连续性的积分,从而降低分散发生率,该方法是积分过程而不是对属性的求和过程。
Auto Class方法也是一种应用较为普遍的聚类方法,该方法主要采用统计分析对结果类的数目进行估算,还可以通过模型搜索方式分析空间中各种分类的可能性,还能够自动对模型数量与模型形态进行描述。在一定类别空间中,不同的类别内属性存在关联性,不同的类别间具有相互继承性,在层次结构当中,共享模型参数是非常重要的。
还有一种使用较为普遍的模型是混合模型,混合模型在统计学聚类方法上使用也非常普遍。该方法最为基本的思想就是概率分布决定着每一种聚类状态,并且模型中的每一个数据都是由多个概率在分布状态下产生的。混合模型还能够作为一种半参数密度评估方法,其能够将参数估计与非参数估计的优点全部集中到一起,并将参数估计法与非参数估价法的诸多优点融合到一起,因为模型具有一定复杂性,为此,不能将其限制在概率密度函数表达形式上,这种复杂性决定了模型与求解存在关联,与样本集合的联系非常少。通过以上的研究可以了解到,数据发掘中应用聚类方法非常有效,并且较为常见。比如,构建出Cobweb模型与混合模型,采用Clara与Clarans方法中的抽样技术,将Denclue方法用在概率密度函数中。
结束语
统计学方法自产生开始已经有非常久远的历史,将严谨的数学逻辑作为基础,将分类算法假定作为独立条件,属性值之前能够相互保持独立,对假定进行计算,当假定成立时,可以再与其他分类算法进行对比,这种分类算法准确性非常高。为此,其不仅能够对连续值进行预测,还可以通过线性回归方程对系数进行比较,从而归纳出结果。
(作者单位:中国人民大学)
参考文献:
[1] 张爱菊.基于数据挖掘技术的瓦斯气体红外光谱定量分析方法的研究[J].光谱学与光谱分析,2013,33(10):2646-2650.
[2] 许长福,李雄炎,谭锋奇等.任务驱动数据挖掘方法的提出及在低阻油层识别中的应用[J].吉林大学学报(地球科学版),2012,42(1):39-46.
[3] 郑晓峰,王曙.基于粗糙集与关联规则的道路运输管理信息数据挖掘方法[J].华南理工大学学报(自然科学版),2014(2):132-138.
[4] 周复之.固定收益决策支持系统机理建模与数据挖掘的协同研究[J].系统工程理论与实践,2010,29(12):38-45.
[5] 张继福,张素兰,蒋义勇等.基于约束概念格的天体光谱局部离群数据挖掘系统[J].光谱学与光谱分析,2011,29(2):551-555.
[6] 张欣欣,缪弈洲,张月红等.CrossRef文本和数据挖掘服务――《浙江大学学报(英文版)》的实践[J].中国科技期刊研究,2015,26(6):594-599.
关键词:地质统计学 微量元素化学分析 应用研究
中图分类号:P628.2 文献标识码:A 文章编号:1672-3791(2013)07(c)-0098-01
微量元素地球化学是半个世纪以来迅速发展和广泛应用的地球化学分支。由于同位素稀释质谱法、中子活化分析、Ber thelot-Nernst分配定律等方法的成功应用,在多种地质过程中微量元素分配演化的定量模型得以实现,也使得微量元素化学分析被系统地应用于解决各类地质问题,成为指示岩石成因的典型标志。20世纪70年代以后,微量元素地球化学的讨论从定性认识上升成为定量分析,发展方向也变成微观、宏观同时发展,经常需要对地球化学中的主量元素、稀土配分、微量元素等进行定量化学研究和数据分析,此时,一些相关的地质统计方法就变得非常重要和实用。在微量元素化学分析中,地质统计学的各类统计方法作为对地质客观现象相关数据进行定量分析的重要工具,提供了诸多有效的数据分析途径。应用地质统计学对微量元素化学分析进行处理,能为研究工作取得客观成果提供科学的定量依据。
1 地质统计学与微量元素化学分析相关理论知识简述
1.1 地质统计学
地质统计学是20世纪60年代兴起的一门数学地质学科分支,它的出现始于解决矿产普查勘探、矿山开发设计以及矿山开采整个过程中各种储量计算和生产误差估计问题。后来,地质统计学逐渐在油气勘探开发、采矿、水文以及环境科学领域中得到广泛应用。近年来,地质统计学作为一门新兴的科学,在地质领域的发展非常迅速,其应用前景的广泛性和模型计算的实用性受到地质学家的高度重视。
1.2 微量元素化学分析
微量元素化学分析是地球化学的分支学科,主要研究自然物质和自然体系中微量元素的分布规律、存在形式、活动特点、控制因素及其地球化学意义。一般意义上讲,微量元素是指除了O、Si、Al、Fe、Ca、Na、K、Mg、Ti这九种组成99%的地壳和地幔质量之外的80余种元素。当然,这里所指的微量元素是相对而言的,在一个体系中它可能是微量元素,但在另一个体系中却可能是常量元素。
1.3 地质统计学在地球化学领域的应用现状
近几十年年来,地质统计学对地球化学的相关研究中起到了极大的辅助和推进作用。应用地质统计学相关统计方法能够将大规模原始地球化学数据群体中隐藏的重要信息提炼和挖掘出来,进行分类和解释,继而被广泛地应用在地质找矿、科学研究等各个领域。在地球化学中主量元素、微量元素、稀土配分化学分析等领域的研究中,丰富的地质统计学方法对圈定和评价地球化学异常、提取地球化学找矿信息常常起到决定性的作用。本文则主要研究地质统计学在微量元素化学分析中的应用研究。
2 地质统计学在微量元素化学分析中的应用研究
2.1 方法讨论
聚类分析是通过某种距离的测算将数据对象的集合分为类似的对象组所形成的若干个类,其中运用到了降维思想,在对样品和指标进行分类,采用物以类聚的原理进行的一种多元统计分析方法。在地质找矿领域,聚类分析是研究元素在成矿活动中地球化学行为相似程度的一种有效方法,一般从数字分类角度进行分析。对于这种方法的运用,我们可以借鉴现有的成果和理论进行分析和应用。R型聚类分析是聚类分析方法的一种,原理是以变量之间的相似程度为基础,将变量分成不同级别的类。R型聚类分析是研究成矿活动中地球化学微量元素行为相似度的一种有效方法。通过对某些矿石或岩样的微量元素数据进行R型聚类分析,可以得出元素组合特征并将其分类,对元素之间的亲疏关系进行判定,进一步为划分矿化阶段、成矿元素迁移和富集的判断以及矿床成因等问题的研究提供判断依据。
2.2 案例研究
通过对高松山矿区内岩矿石样品的微量元素数据进行R型聚类分析后,可以得到图1中显示的分类的结果,即,在相似水平的相关系数等于15时,可以把微量元素分成7个类别,分别是:(1)W、Cu;(2)Sn;(3)Au、Ag、As、Sb、Pb、Mo;(4)Bi;(5)Hg;(6)Co、Ni、Mn;(7)Zn。这7个类别之间没有显著的相关性,说明矿床成矿具有多期次性和复杂性。从图中还可以看出,Au不仅和Ag有着强相关关系,而且还和As、Sb、Pb相关。而Au元素与Ag之间有非常密切的关系,当γ=2.5时它们聚成了一类,相关性比较强,同时Sb、As、Pb和它们之间都存在相关性,说明Au、Ag、As、Sb、Pb、Mo之间具有亲缘关系,预示着伴随着多金属硫化物的形成Au 成矿并且富集。因此,我们可以以Sb、Pb、Ag、As作为矿区找金的近程指示元素。
3 结论
本文采用地质统计学中一类常用方法,R型聚类方法对高松山矿区的铜多金属矿进行了微量元素组合上的分析研究。统计分析结果使我们对高松山金矿床岩矿石微量元素的数据结构的特点有了清楚的认识。各元素组合具有叠加出现的特征,表明矿床成矿具有多期多阶段或成矿物质多来源的特征。分析结果表明Au与Ag、As、Sb、Pb等中低温元素相关非常大,但是和W、Co、Sn、Mn、Ni、Zn等中高温元素之间的相关性较差。
地质统计学在地球化学其它领域,比如常量元素分析、稀土元素分析中也有广泛的应用,笔者认为,采用类似的统计方法对不同类数据的分析是进一步拓展地质统计学在地质科学中应用性的前进方向。
参考文献
[1]赵伦山,张本仁.地球化学[M].地质出版社,1988,6.
关键词: 生物信息学 医学统计学 课堂教学
生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法,已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括:DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一,长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生,在推动生物信息学发展的同时,医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域,所面对的实验数据在性质和结构上也都有所不同,这对医学统计学的应用提出了新的更高的要求。
目前,医学统计学的很多原理和方法已成功地应用于这些新研究之中,并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关;方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用;而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例,不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展,还可以提高学员对于医学统计学理论学习的兴趣,掌握先进的生物实验数据分析方法,提高今后从事医学科研的能力。下面,本文在回顾医学统计学授课主要内容的基础上,就医学和生物信息学中的可能应用举例如下:
一、概率分布
概率分布(probability distribution)是医学统计学中多种统计分析方法的理论基础。授课内容一般包括:二项分布、Possion分布、正态分布、t分布、F分布等。
借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如,临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到;许多医学试验的“阳性”结果服从二项分布,因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等;而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布,单位面积(或容积)内细菌数的分布等都服从Poisson分布,我们就可以借助Poisson分布的原理定量地对上述现象进行研究。
在生物信息学中概率分布也有一定应用。例如,Poisson分布可以用于基因(蛋白质)序列的相似性分析。被研究者广泛使用的分析工具BLAST (Basic Local Alignment Search Tool)能迅速将研究者提交的蛋白质(或DNA)数据与公开数据库进行相似性序列比对。对于序列a和b,BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。
二、假设检验
假设检验(hypothesis)是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理,首先依据资料性质和所需解决的问题,建立检验假设;在假设该检验假设成立的前提下,采用适当的检验方法,根据样本算得相应的检验统计量;最后,依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设,进而推断总体上该假设是否成立。其基本方法包括:u检验、t检验、方差分析(ANOVA)和非参数检验方法。
假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如,随机抽取某市一定年龄段中100名儿童,将其平均身高(样本均数)与该年龄段儿童应有的标准平均身高(总体均数)做u检验,其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致,为了解该市该年龄段儿童的生长发育水平提供参考。又如,医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别;用2检验比较不同治疗方法的有效率是否相同等等。
这些假设检验的方法在生物实验资料的分析前期应用较多,但由于研究目的和资料性质不同,一般会对某些方法进行适当调整和结合。
例如,基于基因芯片实验数据寻找差异表达基因的问题。基因芯片(gene chip)是近年来实验分子生物学的技术突破之一,它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息,在对基因表达数据进行分析的过程中,找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”,或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本,寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。
如果表达数据服从正态分布,可以采用t-检验(或者方差分析)比较两样本(或多样本)平均表达水平的差异。
但是,由于表达数据很难满足正态性假定,目前常用的方法基于非参数检验的思想,并对其进行了改进。该方法分为两步:首先,选择一个统计量对基因排秩,用秩代替表达值本身;其次,为排秩统计量选择一个判别值,在其之上的值判定为差异显著。常用的排秩统计量有:任一特定基因在重复序列中表达水平M值的均值 ;考虑到基因在不同序列上变异程度的统计量 ,其中,s是M的标准差;以及用经验Bayes方法修正后的t-统计量: ,修正值a由M的方差s2的均数和标准差估计得到。
三、一些高级统计方法在基因研究中的应用
(一)聚类分析
聚类分析(clustering analysis)是按照“物以类聚”的原则,根据聚类对象的某些性质与特征,运用统计分析的方法,将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小,类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法,其基本内容包括:相似性度量方法、系统聚类法(Hierarchical Clustering)、K-means聚类法、SOM方法等。
聚类分析可以帮助我们解决医学中诸如:人的体型分类,某种疾病从发生、发展到治愈不同阶段的划分,青少年生长发育分期的确定等问题。
近年来随着基因表达谱数据的不断积累,聚类分析已成为发掘基因信息的有效工具。在基因表达研究中,一项主要的任务是从基因表达数据中识别出基因的共同表达模式,由此将基因分成不同的种类,以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析,生物信息学中又称为无监督的分析(Unsupervised Analysis)。常用方法是利用基因表达数据对基因(样本)进行聚类,将具有相同表达模式的基因(样本)聚为一类,根据聚类结果通过已知基因(样本)的功能去认识那些未知功能的基因。对于基因表达数据而言,系统聚类法易于使用、应用广泛,其结果——系统树图能提供一个可视化的数据结构,直观具体,便于理解。而在几种相似性的计算方法中,平均联接法(Average Linkage Clustering)一般能给出较为合理的聚类结果2。
(二)判别分析
判别分析(discriminant analysis)是根据观测到的某些指标的数据对所研究的对象建立判别函数,并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题,所不同的是判别分析是在已知分类的前提下,判定观察对象的归属3。其基本方法包括:Fisher线性判别(FLD)、最邻近分类法(k-Nearest Neighbor Classifiers)、分类树算法(Classification Tree Algorithm),人工神经网络(ANNs)和支持向量机(SVMs)。
判别分析常用于临床辅助鉴别诊断,计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断;根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估;以及流行病学中某些疾病的早期预报,环境污染程度的坚定及环保措施、劳保措施的效果评估等。
在生物信息学针对基因的研究工作中,由于借助了精确的生物实验,研究者通常能得到基因(样本)的准确分类,如,基因的功能类、样本归结于疾病(正常)状态等等。当利用了这些分类信息时,就可以采用判别分析的方法对基因进行分类,生物信息学中又称为有监督的分析(Supervised Analysis)。例如,基因表达数据分析中,对于已经过滤的基因,前三种方法的应用较为简单。而支持向量机(SVMs)和人工神经网络(ANNs)是两种较新,但很有应用前景的方法。
(三)相关分析
相关分析(correlation analysis)是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱,以及相互影响的方向。其基本内容包括:线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。
我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如,采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系;采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。
生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量,相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时,其大小反应了基因调控关系的强弱,符号则反应了两基因是协同关系(相关系数为正),还是抑制关系(相关系数为负)。
四、意义
生物信息学不仅是医学统计学的研究前沿,更是医学研究由宏观向微观拓展的重要领域,其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析,却成为生物信息学研究的主要瓶颈之一。
在医学统计学课堂教学中引入生物信息学实例,而不仅仅局限于常见的医学、卫生领域的例子,将难以理解的统计理论和方法与前沿的生物实例相结合,拓宽了学员的视野,提高了学员的学习兴趣,更可以加深对所学知识的理解;与此同时,使学员掌握了生物实验数据的先进分析方法,扩大了学员的知识面,提高了他们今后开展医学科研工作的能力。
还有一些医学统计学方法目前也逐渐应用于生物信息学研究中,诸如:遗传算法、熵理论等等。但这些方法已经超出了医学统计学课堂教学的范围,我们将尝试在第二课堂或选修课中,作为补充知识进行讲授,供那些学有余力的学员学习交流。
参考文献
1.郭祖超著. 医学统计学. 第1版.北京:人民军医出版社,1999. 238-243
83·7%的学生认为是专业学习和工作的需要,有14·3%的学生是为了应付考试。医学统计学对以后工作的重要程度:有68·5%的学生认为很重要或重要,30·0%的学生认为一般,认为不重要的学生只有1·5%。经过一个学期的学习,97·5%的学生认为对医学统计学有了大致了解或了解,但其中只有21·2%学生对医学统计学的学习感兴趣,75·4%的学生则认为一般,没什么特别的感受,3·5%开始厌倦和讨厌。由此可见,学生对医学统计学的重要性有一定的认识,但学习的积极性不高。
2学生对统计学教学内容的把握
81·7%的学生认为医学统计学的重点应该是方法的选择和结果报告的书写。难点依次为:数值变量的统计推断(t检验、Z检验和秩和检验),方差分析,分类变量假设检验,生存资料的分析和分类变量和数值变量的统计描述。关于教材使用的难度,有30·1%的学生认为很难或有难度,而69·0%的学生认为基本合适。医学统计学与其他一般医学课程相比,有30·0%的学生认为难度大;难度大的原因是方法多,难以选择和原理抽象。
3教学内容的选择和安排情况
在本次调查中,62·0%的学生对医学统计学的课程内容及学时安排认为很满意或满意,36·0%觉得一般,不满意4人(2·0%)。对于医学统计学的理论教学内容的安排,62·0%的学生认为很满意或满意,36·9%的学生认为一般,不满意的有2人(1·0%)。医学统计学的实践教学内容的安排,69·5%认为很满意或满意,29·1%的学生认为一般,3人(1·5%)感觉不满意。另有60·1%学生认为有必要设讨论课,讨论课内容应为统计方法误用分析、医学统计学问题的答疑,对个别难点和重点内容建议开设专题讲座。2·2·2授课和考核方式78·3%的学生认为最适合的授课方式是多媒体和板书;考核方式最为赞同的是闭卷考试(笔试)结合上机操作考(61·6%的学生选择),其次20·7%的学生认为只要上机操作考就可以,16·7%学生建议开卷的形式。
4教学效果评价
目前,该课程的考核方式主要是理论考核和上机操作考。其中笔试的题型包括选择题、是非题、名词解释、简答题和综合分析题。综合分析题的内容主要是如何进行医学统计学方法的选择和SPSS分析结果的阅读。203名学生的理论考试成绩呈正态分布,平均成绩为72·54±12·64分,及格率83%。从试卷的失分情况分析,综合分析题的错误率最高,说明学生对分析方法的选择还有一定的困难。通过一学期的学习,203名被调查者中,179名(88·2%)的学生认为自己能或基本能独立对一般资料进行分析,而有11·8%的学生不能独立对一般资料进行分析。能独立完成资料分析的179名学生中,32·5%的认为自己能够独立进行统计描述和计量资料的统计推断,28·6%的认为自己能进行计数资料的统计推断,36·5%能进行直线相关与回归;而能进行原始数据库的统计分析并给出简单报告的比例占调查者的8·4%(17/203),
关键词:独立学院;应用型人才培养;统计学;教学改革
基金项目:江西理工大学2010年教学改革立项课题“非统计学专业应用型人才培养《统计学》课程教学改革研究”
中图分类号:G642.3 文献标识码:A
收录日期:2012年3月13日
一、引言
随着我国教育体制改革的不断深入,如何推进独立学院的改革与发展,培养适合市场需求的高素质劳动者和实用型技术人才,已成为当前独立学院面临的主要问题。独立学院办学机制灵活,其生源介于二本和高职之间,使得独立学院不能套用其母体学校原有的教学模式,也不能照搬高职院校的教学模式,应寻求新的突破。经过十多年的高速发展,独立学院已从规模扩张转向内涵式发展阶段,改革和创新课程教学模式显得尤为重要。作为高等院校经济类和管理类专业核心课之一的统计学,学生往往感觉公式多且学习难度大,学生不易理解和掌握,学生学习后受益不大,实践能力没有得到很好的锻炼。因此,本文将基于独立学院应用型人才培养目标,分析目前统计学课程教学存在的问题,并探讨独立学院非统计学专业统计学课程教学改革的具体方法和措施。
二、独立学院统计学课程教学存在的问题
1、统计学课程教学脱离应用型人才培养目标。独立学院培养目标定位在科学技术的转化和知识的运用层次,因此统计学教学也应充分体现统计知识在现实经济社会中的应用。而目前独立学院统计学课程教学却存在两个误区:一种是沿用母体学校的教学特点,比较重视统计理论体系以及统计方法的推导,侧重统计推断及各种证明;一种是重描述统计、轻推断统计,大量课时用于统计调查、统计整理、统计指标、统计指数等等,倾向于高职院校统计学的教学特征。另外,现有统计学教材中普遍缺乏统计案例,即使有案例也比较陈旧,与现实经济管理严重脱节,很难收到预期的效果。因此,大部分学生学完统计学课程后对统计学的认知仅仅停留在概念层面上,在实践中对如何运用各种统计分析方法解决实际的经济管理问题缺乏感性认识,学生总感到统计学课程过于抽象,缺乏学习兴趣。
2、与专业知识融合不够紧密。统计学是方法论的科学,经济管理类专业都开设了统计学课程。统计学在各学科上的适用内容是不一样,比如会计专业更侧重统计指标、指数的应用,而市场营销专业更侧重统计调查、统计预测等的应用。独立学院与其母体学校的一个重要区别在于教学目标、教学模式、教学内容等都要充分体现其应用性特征,因此就要求统计学课程的教学也应当与学科专业紧密联系起来。然而,目前各专业统计学课程的教学大纲、教学内容基本都一样,没有针对各专业特征而专门编写的统计学教材和大纲,教学上也没有体现统计学在各专业的应用特征。这直接导致了学生学习统计学后不知道这门课程在本专业中有何作用,甚至有部分学生认为统计学无用。
3、实践教学内容不足。统计学的学科性质决定了它是一门实践性很强的课程,而传统的统计学课程教学大都是重理论教学、轻实践教学,不注重实验课和实践教学环节。即使有一些训练也是手工的操作与运算,使得学生将大量精力用于繁重的手工计算中。由于统计数据大量性和复杂性,现代统计方法的实际应用已离不开各种统计软件。而传统的统计学教学中缺乏实验课和实践环节,使得学生很少接触和操作各种统计软件如Excel、Eviews和SPSS等,这最终将导致学生在今后的实际工作中不会运用统计软件对统计数据处理和分析,使得统计的功能得不到充分发挥,学生难以满足社会市场要求。
4、教学方法单一。尽管目前统计学教学手段在原来粉笔的基础上加入了多媒体技术,利用多媒体教学所具有的信息量大、表现力强、准确度高等特点改善了传统的教学手段,但教学方法上却依然采用单一的灌输式教学方法,老师只负责统计知识的讲授,学生负责听和记笔记。相比于案例教学法、PBL教学法、任务导向型教学法、小组讨论式教学法等现代教学方法而言,学生在灌输式教学方法中只是机械性的被动式接受,这不利于学生自主思考能力和创新精神的培养。
5、学生学习难度大。统计学课程的特点是概念多且容易混淆、公式多且计算量很大。独立学院学生相对于二本学生而言,其基础较差、学习自主性较弱,而且经济管理类学生大都为文科背景,其数学基础较薄弱,在统计推断内容的学习上显得非常吃力;而且相当一部分学生在面对包含大量数学符号的公式和大量计算时会产生恐惧心理,这进一步减低了学生对统计学这门课的兴趣,因此学生普遍反映统计学课程难学。
三、应用型人才培养目标下独立学院非统计学专业统计学课程教学改革
独立学院统计学课程应当紧密围绕“应用型人才”培养目标,无论是教学模式、教学内容、教学过程,还是教学方法上都应当充分体现统计学的应用性。
1、实施“理论教学―实验教学―实践教学”三层次教学模式。应用型人才的培养是以市场上各种职业、岗位的实际需要为核心目标,更加重视学生实践能力的培养。基于应用型人才培养目标的统计学教学模式应该采用“理论教学―实验教学―实践教学”三层次教学模式。理论教学是指教师利用黑板或多媒体在课堂上讲授统计学基础知识。实验教学是在实验室机房进行,它主要培养学生应用统计软件分析问题的能力,讲授统计分析软件如SPSS的功能、操作方法以及分析结果解释,利用统计软件代替手工来处理复杂的统计分析过程,学生只需要掌握统计方法的基本思想,从而使学生从大量复杂公式演算中解放出来。实践教学是综合培养学生动手解决实际问题的能力,通过选择和设计合适的项目,让学生自己去设计统计调查方案和问卷等多途径收集数据、然后运用统计软件对数据进行整理和分析,并撰写分析报告。这种全过程参与式的实践教学,有利于提高学生运用统计学知识和统计软件来分析和解决实际问题,真正体现应用型人才培养目标。
2、采用“分专业”教学模式。统计学课程的教学应当与学科专业紧密联系起来,根据不同的专业制定不同的教学大纲,从教学内容、教学重点、教学案例等方面体现专业特色。例如市场营销专业,在统计调查内容讲授时,可以让学生进行某产品的满意度调查、售后服务质量调查等;讲授时间序列分析时,可以根据某公司近10年的销售额数据进行长期趋势变动分析、季节变动分析等。再如,人力资源管理专业,可以结合某企业员工满意度调查案例来讲解统计调查内容,并依托员工满意度调查数据来讲解方差分析等统计推断内容,也可以结合某企业员工绩效评价来讲解综合评价体系。通过这种“分专业”教学模式,使学生能够真正体会到统计学在本专业中的应用,能够极大地增强学生的学习兴趣。
3、在教学内容上突出应用性特色。一方面加强实验实践内容的教学;另一方面突出实际工作中经常运用到的统计知识的教学。(1)删去统计分析中的几乎所有的数学证明,只给出统计分析方法的基本思路,以及各种统计分析方法的作用和特点,以利于学生“从总体上把握”和“从应用角度把握”相应的统计分析方法;(2)在实际应用中,数据都不是从天上掉下来的。因此,在以应用为中心的统计学教学中,要增加统计数据收集内容,尤其问卷调查部分;(3)删除学生在实际工作中很少应用到或者已经是常识的内容,如指标分类、国民经济核算等内容。独立学院学生毕业后大都从事微观企业方面的工作,国民经济核算在实际中应用较少,且这部分内容在西方经济学中已有涉及;(4)加大推断统计内容的课时比例,如假设检验、相关分析、回归分析、方差分析、时间序列分析等内容应重点讲解,在教学中应突出各种推断统计方法的作用,弱化它们的理论推导,重点在于各统计方法在经济管理中的应用。
4、实施“课前任务―课堂讲解―课后练习”的任务导向型教学过程。传统的统计学教学往往都是从概念、作用、分类、意义等开始,教师花大量时间在这些概念的讲解上,这种教学过程无法吸引学生注意力,容易导致学生疲倦,也使得学生缺乏独立思考,被动地跟着教师学习。采用“课前任务―课堂讲解―课后练习”的任务导向型教学过程能有效地避免传统式教学的上述缺点。任务导向型教学要求教师精心设计课前任务,提示完成课前任务可能需要的知识点,要求学生主动地去思考问题的解决方法:一是可以提高学生兴趣;二是可以引导学生主动思考,通过寻求问题的解决方法去主动学习;三是提高了后面内容的课堂教学效率。课前任务的设计要与课堂教学紧密联系在一起,课前任务的解答过程中实际上就是课堂教学内容的讲解过程。
5、突破传统教学方法,大胆采用现代教学方法。独立学院非统计学专业统计学教学方法应该大胆改革和创新,多采用案例教学法、任务导向型教学法、小组讨论式教学法等现代教学方法。现代教学方法鼓励互动式教学,通过案例分析、导向任务、小组讨论等方式鼓励学生积极参与到统计学的教学过程中来,启发学生的思维,调动学生独立思考的积极性,让教与学共鸣。
主要参考文献:
[1]刘元欣,庄严.“统计学”课程教学改革的思考与实践[J].中国电力教育,2011.4.
[2]曾五一,孙蕾.关于进一步促进我国统计学发展的几点思考[J].统计研究,2007.8.
(太原理工大学经济管理学院,山西 晋中 030600)
摘要:统计学是一门通用的方法论科学,数据分析方法适用于所有学科领域,统计思维是一个有效率公民的必备能力,对于文化产业管理专业的学生也同样。对教学过程中的新问题进行分析思考,并提出相应的建议。
关键词 :统计学;统计教学;思考
中图分类号:G71文献标志码:A文章编号:1000-8772(2014)19-0234-01
H.G..Wells说过:统计思维总有一天会像读与写一样成为一个有效率公民的必备能力。每个人都离不开统计,学习和了解一些统计学知识对经济社会中的每个人都是必要的,不论是什么专业,以后从事什么工作,在市场经济大量数据信息下,没有一些统计学知识,简直寸步难行。统计是适用于所有学科领域的通用数据分析方法,是一种通用的数据分析语言。英国的《不列颠百科全书》中说,统计学是一门:收集、分析、呈现、而且解释数据的科学。《兰登书屋大辞典》中对统计学的定义是,它是一门 “对数据进行收集、分类、分析和解释的科学。”由此可见,统计学强调的是数据,是对数据的收集、整理、分析及解释。统计学的核心是数据。统计学是关于数据的科学。 通俗地说“统计学是一门通过收集、整理和分析数据来认识社会和自然现象数量特征的方法论科学。其研究对象是现象总体的数量特征和数量关系。其核心思想是通过大量观察研究,探索数据的内在规律性,从而消除特殊性和随机性,得出表现总体一般性和必然性的结论。”文化产业管理也同样,如市场的调研、消费群体的分析等都需要用数据来分析、判断并以此为依据作出正确的决策,统计学也是文化产业管理中管理学方向的必修课之一。
一、《统计学》教学面临的新问题
首先,内容日益丰富。国家颁布的学科分类标准已将统计学单列为一级学科。通用教科书中把统计学的内容分为两大部分:描述统计学与推断统计学,更多的趋向于推断统计学,如:参数估计、假设检验、方差分析、回归分析等。这一变化使得《统计学》的内容更丰富。
其次,学生的学习难度加大。《统计学》课程特点是概念多、公式多,需有一定的数理统计学基础,加之《统计学》作为专业基础课,一般安排在二年级第一或第二学期,在这个学习时段也是大多数本科生忙于计算机课程和英语课程的考证时段。这些也加大了学生学好这门课程的难度。
再次,教师的教学难度也加大。授课内容越来越丰富;课程难度太大可能导致学生兴趣下降;授课时数也减少了,在本学期的文化产业管理专业中只有48课时,且全部为理论教学。这就对教学提出了更高的要求,加大了教学难度。
二、《统计学》教学思考
首先,“基于学生为主体,教师为主导”的教学思想,在课堂教学中按照“提出问题──探索问题──解决问题”的模式组织课堂教学。首先从现实的、有兴趣的、真实问题开始。让学生一开始进入学习探索就真切地感受到统计就在自己身边,体验到学习统计的价值,从而激发起学习统计的兴趣,萌发积极主动探索统计理论和方法的求知欲望。探索问题,增强学生主角意识,激励学生积极参与,学生根据自己生活经验不断地提出问题,分析问题,对各种信息进行加工转换,并能以统计的思维来解释有关现象。允许学生从不同的角度去观察分析。在课堂中,关注学生能否将科学知识与自己的生活经验紧密联系起来,关注学生在灵活应用统计学知识、创造性地解决实际问题时所表现出来的情感、态度和价值观。
其次,在教学中,统计计算技术不再是统计学教学的重点,统计学从统计技能转向统计思想、统计应用和数据分析。在电脑及网络非常普及的今天,统计软件的使用,不仅可使统计数据的计算和显示变得简单、准确,而且使统计教学由繁琐抽象变得简单轻松,所以,在统计教学过程中,大量的内容只需要给学生讲清楚统计基本思想、计算的原理和正确应用的条件、正确解读计算的结果即可,而对大量复杂具体的计算可以交给计算机去完成。本学期所用教材为中国人民大学出版社,2013年5月第五次印刷的2011年6月第四版贾俊平《统计学》的教材,非常成熟且有配套的课件,方便了教学。
再次,案例教学成为《统计学》课程的重要内容。案例教学法不仅可以将理论与实际紧密联系起来,使学生在课堂上就能接触到大量的实际问题,而且对提高学生综合分析和解决实际问题的能力大有帮助。结合学生所学文化产业管理专业选择相关案例进行教学,如艺术品投资市场的调查方法,问卷的设计,数据的整理与分析,艺术品的投资风险分析等,利用案例深入浅出地介绍统计的方法与基本思想、并利用EXCEL进行分析。既可激发学生的学习兴趣,也扩大了学生的视野。
最后,在考核方面也拟采用与教学思想相吻合的方式,笔试内容以掌握全面的统计方法为主,更注重数据的综合分析,以此考核学生对统计思想的理解,统计方法的应用。具体包括两个方面:一是考试内容与要求体现出《统计学》的基本知识以及推理能力,注重学生分析与创新能力的考查,二是增加平时讨论、训练等的成绩,这样,对学生的能力的培养更有利。在这学期的教学中既提高了教学的效率,学生也学到了应学的知识,取得较满意的成绩。
参考文献:
[1] 贾俊平.统计学[M].北京:中国人民大学出版社,2013:5.
[2] 习勤.关于统计教育创新的思考[J].中国统计,2002,(1).
关键词:统计学;教学;教材;教师队伍
中图分类号:C81.4 文献标识码:A doi:10.3969/j.issn.1672-3309(s).2012.04.18 文章编号:1672-3309(2012)04-40-02
随着市场经济的不断发展,统计学应用的领域不断扩展,现有的统计学教学受传统教学模式的影响颇深,强调理论知识,忽视统计学知识在实际中的运用。即使有实践的部分,实践内容和现实生活差距很大,远不能满足经济发展的要求。统计学作为基础课程,教学目的、内容、方法、教材基本相同,既没有考虑到专业间的不同特点,也没有考虑到各专业学生未来的发展需求。针对统计学教学现状,本文提出了构建与经济发展现状相匹配、并结合不同专业的特点和不同专业学生的发展需要的统计学教学新模式的设想。
一、高职统计学教学存在的问题
(一)统计学教学目的不明确
统计学是一门工具性的课程,目前的教学重点还是集中在介绍统计学有哪些工具,至于这些工具怎么用,提得很少。教学的目的还是要求学生掌握统计学的理论知识,虽然教师在编写教学大纲中会写“通过该课程的学习,使学生能够运用基本的统计方法,对社会经济活动进行统计设计,统计资料收集、整理,统计资料的分析、预测以及统计报告的撰写。”但是哪些统计方法是分析不同专业最新统计资料需要的?收集、整理、分析的统计资料哪些是最新的,并且是相关专业学生需要了解或掌握的?能用来预测的统计学方法有哪些是对高职各专业学生有用的,需要预测什么?这些绝大多数高职类院校的统计学老师都不清楚。教学目的只是空话,形同虚设。在课堂上,教师还是把大部分时间用在讲解概念和公式上。由于教学目的不明确,教材、教学内容、教学方法和任课教师的选择上都很迷茫,即使会做些调整,也只是治标不治本,教学效果可想而知。
(二)教材不能满足专业需求
通过一定的调查发现,同一院校的各专业大都选用统一的教材。另一方面,不同的院校所选用教材的作者、版本等纵然各不相同,但是,其基本内容体系却是大同小异,所强调的重点基本一致。统计学教学的有关负责人意识到这点,也做了一些尝试。如有的负责人每个学期都选用不同的教材,以期在中间找到适合高职院校各专业的材,但结果令人失望;有的根据不同的专业选择不同的教材,但各个版本的教材大体一致,专业针对性不强;有的则直接摒弃统计学基础教材,直接选用统计学在各专业中应用的教材,如管理与统计、会计与统计分析、金融统计分析等,这种改革非常具有突破性,专业针对性很强,但是对承担统计学课程的教师要求很高,既要有深厚的相关专业的知识累积,又要非常熟悉统计学方法在相关专业的运用。同时,由于学生没有接触过统计学,只有一本介绍统计学在相关专业中的应用教材,显得力不从心。这些尝试遇到的困难源于目前没有一本与高职院校各专业对应的统计学教材。
(三)教学内容脱离实际
首先,由于教材基本框架一样,教学内容也没有多大区别,即统计学的基本概念、统计调查、统计整理、统计指标、抽样推断、时间序列、统计指数、相关分析与一元线性回归分析,像假设检验、统计量都不讲,即使课本中有相关内容,教师考虑到学生普遍薄弱的基础,也会删除这些内容,或草草带过,学生听的也是云里雾里。教学内容几十年不变,很少有人去研究随着经济的发展,统计学的应用领域发生了怎样的变化?教学内容是否应该调整?应该作怎样的调整?其次,讲解的案例要么过于陈旧,要么离现实生活很远,引不起学生的兴趣。案例脱离实际,一方面表现在所选案例太过宏观,学生平时都没关注。比如GDP、三大产业的发展状况、人口普查、全国客运量等等,学生觉得离自己很遥远、太抽象、也没有实用性;另一方面表现在所选案例大都是 “某城市、某企业、某班”等案例,没有明确地指出具体的研究对象,这样使得学生对数据的来源产生了怀疑,降低了案例教学的真实性和生动性,也打击了学生学习的积极性。
(四)教学方法陈旧
统计学作为基础课程,一直沿袭着“黑板、粉笔、计算器”和“老师讲、学生听”的教学方式。统计学在现实中的运用大多用到统计软件,“黑板、粉笔、计算器”的教学方式不能够教会学生应用统计学软件处理现实中的问题,黑板上呈现的大量的数据和公式、以及运用计算器进行统计的超负荷的计算量,都使得学生望而却步。“老师讲、学生听”的教学方式,无法培养学生的思考能力、动手能力,也无法激发学生的学习积极性。
(五)统计学教师队伍力量薄弱
作为教授统计学课程的教师,不仅要有深广的统计知识,还必需具有相应专业方面的知识,才能把统计学提供的数据处理、数据分析方法和相应专业特定的数据结合起来,从而教会学生处理和分析相应专业统计数据的方法。而在当前我国高职院校统计学课程的任课教师中,大多还不具备这种知识结构和素质。有些院校为了加强统计学教学的专业针对性,不同专业的统计学教学由该专业的教师教授,而这些教师绝大部分不是统计学专业出身,这种安排加强了针对性,削弱了统计学知识的专业性和应用性。
二、构建统计学教学新模式的建议
前言:随着社会的发展,统计学在生活中的作用逐渐的增大,并且统计学不仅仅是一个单独的学科,同时也与其他的学科有着很大的联系,并且对其他的学科有着巨大的推动作用。现今统计学经过不断的发展,其发展的空间不断的拓展,由原始的单一的发展思路,逐渐的走向了信息化的发展道路。并且随着信息社会的进步,计算机技术的发展,统计学知识在计算机领域得到了广泛的应用,同时也为计算机科学的发展作出了很大的贡献。因此统计学知识在现今的社会中,具有很高的研究价值,在很多的发达国家,都十分重视统计学的研究,并且都将其作为了一种主要的大学学科,这样在很大程度上促进了统计学的研究发展。但是在现今我国,对于统计学的研究仍然处于一个比较落后的地位,我国仅仅是处于起步的阶段,因此国家必须要能够加强对统计学的研究,从而确立出统计学的重要地位。
一、统计学的提出与发展
配第主要是利用统计学的方式,利用数量比较方法来进行政治经济的分析研究,这充分的表示统计学是一个独立的学科。之后相关的学者也利用统计学知识进行相应的问题研究,并且都取得了很好的效果。逐渐的,统计学在生活中逐渐的得到了应用,人们开始利用数据来对问题进行研究。随后在十八世纪到十九世纪,相关学者开辟了统计学的新路径,学者们将概率论引入到了统计学之中,并且将统计学划分为边缘学科,将统计学中实质性的学科过渡到了通用的方法论学科。并且在统计学中,其中概率论是基础,对统计学有着很好的指导作用,在现今的统计学之中,概率论也是占有很重要的作用。随着社会的发展,到了十九世纪末期,统计学在社会经济研究领域取得了很大的效果,并且随着相关学者的不断研究,统计学在物价指数编制、国民经济测定以及经济前景预测中都得到了广泛的应用,并且都取得了很大的效果。之后社会步入了二十世纪,社会科学技术飞速发展,为统计学的研究提供了条件,并且统计学也在不断的发展,并且其发展的空间也在不断的拓展,逐渐的呈现出多样化的发展空间,各个学派林立,不断的进行讨论研究,使统计学科不断的发展并且完善,在统计学中,其中社会经济经济统计与数理统计不断的进行讨论完善,并且多年来都形成了自身独特的体系以及理论,但是随着不断的研究发展,这两种统计学理论终会汇聚到一起,从而来形成新型的统计学发展理论,那么将会更加促进统计学的发展,使其进入一个全新的阶段。学者们经过研究发现,统计学最终将会彻底的摆脱数学学科的约束,最终而形成自身独立的学科。经过不断的研究,统计学来最终不断的突破不断的完善,在现今很多领域都得到了广泛的应用。国外的相关学者,为了能够确立社会经济统计学体系,将社会经济现象中的数量问题作为了相应的研究对象,最终建立了统计观察法、指标法等,从而来确立了一个相对完善的应用体系。在二十世纪末。二十一世纪初,计算机激技术迅速发展,为统计学的发展提供了路径。
二、统计学提出的现实依据
在现有的学科中,没有一种学科的存在落实充满充分与争论的,但是唯有统计学除外,统计学是充满的冲突的一个学科,是一种边缘学科,同时也是一种通用的方法论科学,对于统计学的分类,根据不同的性质可以分为不同的类别,统计学属于社会科学同时也属于自然科学,并且统计学既属于社会经济统计范畴,同时也属于数理统计范畴,因此对于统计学的了解十分的重要,一定从不同的角度对其进行相应的研究分析,从而来加强对统计学的认识,促进统计学的发展。在统计学中,其中存在的最为关键的问题就是对于统计学的归类,由于统计学中设计到的方面十分的复杂,并且很多,因此在统计学中,无法很好的来对其进行相应的分类,统计学技术与自然科学的范围,同时也是属于社会科学的范围,同时也属于其他一些范围,因此必须要对统计学进行相应的研究,要对其中的一些问题进行明确的回答,要能够对统计学中的问题进行全面的思考,这是极其重要的。在统计学中,会设计到很多的数据的收集以及社会经济方面的一些问题,但是同时统计学也涉及到了很多自然现象中的数据的收集以及分析,这充分的展现出了在统计学中的自然科学以及社会科学方面的属性。另外统计学的这一点特性也充分的展现出了其复合性以及综合性,因此,相关的学者基于统计学的复杂性,将划分为一个全新的科目。
在二十世纪九十年代,我国对于统计学的科学建设,进行了大量的研究,并且在很大的程度上,推动了统计学的发展以及进步。根据相关的研究,最终可以发现,对于统计学的研究,主要是一种思想上的认识,统计思想主要是以一些零散的思想进行完善确立,主要是认为社会经济方面的统计则是属于社会经济学,而数学统计则是属于数学领域,将其进行了细致的划分。这样的划分,其本质就是属于社会经济以及数理统计的分立。对于统计学的研究,主要是对统计学的共性以及特性进行相应的研究,并且在不同的领域以及方向,对于统计学的研究也各不相同,在统计学中,对于统计思想的研究还是不够完善,各个研究学者都是利用相应的方法,将统计学的各个学科的分支相互融通并且由开辟出独立的发展空间,从而来促进统计学的研究发展。
对于我国的统计学研究来说,主要是以科学差异取代了学科性质的惯性差异,另外,我国主要是将统计学分为了两个方面,首先是将统计学列入了一个独立的社会科学,其中包括了社会经济科学,并且在其中主要是对经济资料进行收集,对数据进行相应的分析研究。而另一种则是实质性的社会科学,其中主要的含义是要将各个方面的学科都有效的联系在一起,从而来将各个方面的思维路径得到肯定。其次我国的统计学是关于数学分支的统计,主要是数学分支学科为主要的理论,以概率学为主要基础。
三、我国统计学发展面临的任务
(一)注重对象的统一
统计学的研究对象是大量的社会经济现象的数量方面,即通过社会经济现象在时间、地点、条件下的数量表现、现象应运的数量关系及数量界限来揭示其规律性。由于统计学与统计工作是理论与实践的关系,因此,统计学的研究对象应该是一致的,即统计工作的对象也应是大量的社会经济现象的数量方面。同时,统计学中对象的统一是很有必要的。统计学的研究对象,一般是事物总体数量方面的实质论与统计活动的规律和方法,而事物总体数量方面的实质论与统计活动的规律和方法是完全应该统一的,这两者相结合才有完整的统计学。统计学是指导统计活动的理论,反映出了事物总体数量方面的统计指标,而研究对象的统一是“大统计学”思想的需要,也是推动统计学发展的必要措施。
(二)实现学科体系的综合
统计学是一门科学,也是一种定量认识问题的工具,其中贯穿着方法论,因此,要发挥出其强大的数量分析功效,就必须要统计方法与具体的实质性学科相结合,只有做到结合科学体系,才能够最大程度的发挥统计学的价值。基于统计方法,我们可以将现代统计方法归类于一些实质性学科的研究活动,现代统计方法是经过历史上一些著名的统计学家或者生物学家或经济学家创新与改进过的,这些改进和创新是经过他们应用和实践的。从另一个方面来说,基于学科体系的方面,统计学与实质性学科之间是相交的关系,而统计学中相应的统计学分支则是在统计方法与相应的实质性学科相结合的情况下才产生的,比如经济统计产生于统计学与经济学的结合,而统计学与教育学相结合产生了教育统计。统计学的这些分支学科的属性都是双重的,它们既是统计学的分支,也是相应实质性学科的分支,因此经济统计学不仅属于统计学,同时是属于经济学的,教育统计学不仅是统计学的分支,同时也是教育学的分支,而这些分支的存在则解决了很多实质性学科研究中的有关定量分析的问题。因此,统计学与科学体系的紧密结合,已然成为了统计学发展的路线方向和必然模式。统计学与科学体系的结合为统计学的应用提供了更广阔的发展领域,也为统计学的发展提供了更多的机会和可能。
(三)促进研究方法的完善
随着研究层次的加深和领域的扩展,统计学在统计探索和实践中不断进步,不断发展。不过,统计学领域依然有很多没有解决的问题,因此,我们必须抓住统计实践中各工作环节上突出的理论和方法问题去进行研究,以促进研究方法的发展和完善。一方面,要坚持“大统计”思想,遵循学科发展的一般规律,在鼓励统计学各分支学科相对独立发展的同时,也要促进各分支学科的相互融合,因此,在统计学的领域,学科发展的结果是各学科的相对独立,而学科发展的前提是各学科的相互融通。在做到各学科相互融合的基础上,还需要联系实质科学研究,用与统计方法应用领域相关的学科推进分支统计学科的深入发展。另一方面,还要坚持把概率论当作指导,并且加深对统计方法的理性认识,同时提高统计科学水平,和政府统计实际相联系,在新的层次领域中找出统计工作各个环节上的问题所在,解决问题,并且研究和发展新的统计技术。
结语:统计学是一门实质性的社会科学,它在研究社会生活的客观规律的同时也在研究统计方法。在基础的统计的理论的基础上,统计学继承和发展统计的理论成果,并且在此基础上坚持着统计学的社会与科学性质,以便使统计理论研究与统计工作实际更加的接近,在国家和社会中得到更广阔的发展领域和发展条件。
参考文献
[1]陈善林,张浙.统计发展史[M].上海:立信会计图书用品社,2010.
[2]陈希孺.高等数理统计学[M].合肥:中国科学技术大学出版社,2011.
[3]陈希孺.机会的数学[M].北京:清华大学出版社,2011:55一79.
[4]程开明.统计数据预处理的理论与方法综述[J].统计与信息论坛,2010,4(6):56一59.
[6]崔智超,王青建.数理统计学源流及应用[J].大连教育学院学报,2011,5(6):53一55.
关键词:统计测度;统计学;大数据;数据科学;
作者简介:李金昌,男,50岁,浙江义乌人。浙江财经大学校长,统计学教授,博士生导师。研究方向为经济统计学,统计理论与方法,抽样技术,政府统计等。
最近两年,统计学界对大数据问题所进行的理论探讨逐渐增多,视角也各有千秋,引起了一些共鸣。围绕大数据问题,由统计学、计算机科学、人工智能、数学等学科共同支撑的数据科学开始形成。但大数据毕竟是一个新课题,因此远未达到对其有一个系统完整的认识,仍然需要从不同的方面加以研究,其中有一个重要但又容易被忽视的问题,即统计测度问题,值得去探讨。
一、什么是统计测度
汉语上,测度是指猜测、揣度、估计。数学上,测度是一个函数,它对一个给定集合的某些子集指定一个数,这个数可以比作大小、体积、概率等等。通俗地说,测度把每个集合映射到非负实数来规定这个集合的大小:空集的测度是0;集合变大时测度至少不会减小(因为要加上变大的部分的测度,而它是非负的)。
除了数学角度的测度论,查阅国内文献资料,带有测度这个词汇的文献不少,但专门针对统计测度(或测度)内涵的讨论几乎没有。一些对社会经济现象进行分析测度的文献,例如新型工业化进程测度、货币流动性测度、全面小康社会发展进程测度、收入分配公平性测度、技术效率测度、人力资本测度、金融风险测度、产业关联测度等等,所做的测度都是再测度,均不对测度本身进行讨论。查阅国外文献资料(关键词:measurement),也同样存在这样的问题,只能收集到一些比较零散的表述。LudwikFinkelstein(1975)[1]认为,在我们对事物或现象进行描述时,测度可以被定义为对现实世界中某一现象的个体属性或特征进行量化的过程。JamesT.Townsend和F.GregoryAshby(1984)[2]认为,如果按照极端的观点,那么统计分析中的基本测度理论的含义仍然是存在争议的。LudwikFinkelstein(2003)[3]指出,测度在那些原来尚未得到卓有成效或广泛应用的领域,也已取得了明显的进步,社会、政治、经济和行为科学正在更大程度地利用定量技术;测度是现代思维的一种实际有效的工具,是我们借以描述世界的一种方法。GiovanniBattistaRossi(2007)[4]认为,用以表示测度结果的,是数字或者数字符号。LucaMari(2013)[5]认为,测度的基础特征是被公认为世界上获取并正式表达信息的基本方法,这让它成为一种跨学科的工具。LudwikFinkelstein(2014)[6]指出,在自然科学技术中,测度的重要性不可否认,它是科学调查和发现必不可少的工具,它可将宇宙中的复杂现象用精确、简洁和普遍的数学语言来描述。
那么,到底什么是统计测度呢?目前没有一个统一的定义。本文认为,统计测度具有不同于测度的意义,并且大大超越数学上的界定,即它具有数学定义的一般属性,但又不受制于函数表现形式,因为统计测度所要面对的是现实世界,实际问题要比理论上可以定义的问题复杂得多。按照我们的理解,统计测度就是用一定的符号和数字,用一定的形式和载体,对所研究的现象或事物的特征进行量化反映,表现为可用于统计分析的数据的过程。它应该具有这样一些属性:以实际现象为测度对象,测度结果具有实际意义;以量化为目的,把信息转化为数量,提供人们容易理解的定量结论;个体特征的测度符合形成总体定量结论的要求,同时能够体现个体差异。可以发现,统计测度需要借用数学工具,但更重要的是对具体测度现象本质特征的认识和掌握。
统计测度可以从若干不同角度进行分类。邱东教授(2012)[7]曾在“宏观测度的边界悖律及其意义”一文中,从边界的角度对宏观测度进行了分类:一是因事物本身可测度性而形成的边界,即本体论意义上的测度边界;再一是由人的认知能力而形成的边界,即认识论意义上的测度边界;第三则是由统计相关性偏好和投入约束而形成的边界,即操作意义上的测度边界。这三条测度边界,应该以本体论意义的测度边界最大,认识论意义的测度边界次之,而操作意义的测度边界最小。这样的分类,对于我们正确理解统计测度的内涵很有帮助。受此启发,笔者认为统计测度还可以有如下分类:
1.从测度的实现形式看,可以分为原始测度和再测度。原始测度也可以称为直接测度,它通过对测度对象进行直接测度来获取数据,例如清点库存物品数量、丈量作物播种面积、观察培育细菌数目、检测药物成分等获得的数据,以及各种登记、记录的原始数据等等。再测度也称为间接测度,它以其他已知的测度数据为基础去计算、推算或预测所需的未知数据,例如根据GDP和人口数测度人均GDP、根据人口普查分年龄人口数据测度老龄化系数和社会负担系数、根据相关指标数据测度CPI的变化等等。复杂的再测度则需要借助相应的统计模型作为工具,因为它实际上是对相关变量之间的关系进行定量反映。从两者关系上看,原始测度是基础,是根本,没有科学的原始测度就不会有可靠的再测度;再测度则是测度功能提升的必然要求,以解决原始测度不能解决的问题。
2.从测度的计量方式看,可以分为自然测度、物理测度、化学测度、时间测度和价值测度。自然测度是利用现象的自然属性所进行的一种统计测度,例如人口规模、企业数量等的测度,采用自然计量单位;物理测度是利用现象的物理属性所进行的一种统计测度,例如公路长度、作物播种面积、天然气产量等的测度,采用物理计量单位;化学测度是利用现象的化学属性所进行的一种统计测度,例如医学、生物学中化学合成物的成分结构测度,采用百分数、千分数或特定标识为计量单位;时间测度是利用现象的时间属性所进行的一种统计测度,例如劳动用工、闲暇时间等测度,采用时间计量单位;价值测度是利用现象的价值属性所进行的一种统计测度,例如劳动报酬、经济活动成果等测度,采用货币计量单位。在这些测度计量方式中,价值测度因最具有综合功能而应用最为广泛。
3.从测度的方法看,可以分为计数测度、测量测度、实验测度、定义测度和模型测度。计数测度是一种通过观测计数来获得数据的方法,最为简单,一般用于自然测度或时间测度;测量测度是一种根据物理或化学规制对现象进行测量、测算来获得数据的方法,一般用于物理测度或化学测度;实验测度是一种按照科学实验原理、通过观察实验对象在既定条件下的反应来获得数据的方法,一般与测量测度相结合,用于获取科学研究数据;定义测度也可以称之为指标测度,是一种通过探究现象的本质特征和活动规律、归纳出表现其数量特征的范畴、给出统计指标定义(包括内容、口径、计算方法和表现形式等)来获取数据的方法,最常用于价值测度,也用于其他形式的测度。可以说,定义测度方法应用最为广泛,但也最为困难。模型测度是一种根据现象与现象之间的内在联系关系、或者现象自身的发展变化规律,通过建立一定的方程模型来获取数据的方法。前面三种统计测度方法基本上都属于直接测度,定义测度既可能是直接测度、也可能是间接测度,而模型测度都属于间接测度方法。
4.从测度的维度看,可以分为单一测度与多维测度。单一测度是指采用单一的方式方法对所研究现象或事物进行单一角度的测度,获得单一的数据。多维测度是指对所研究现象或事物进行多角度的测度,测度过程中可能需要采用多种测度方法和计量方式,例如多指标综合评价就需要借助统计指标体系对评价对象进行多角度的测度。显然,单一测度是多维测度的基础。
二、统计测度是统计学的立足之本
首先,从统计学的发展历史看,是统计测度使统计学破茧而出。为什么主流观点认为政治算术是统计学的起源而不是国势学?正是因为威廉·配第首次采用统计测度的方式进行了国家实力的统计分析和有关推算,得出了令人信服的结论。威廉·配第在1693年出版的《政治算术》[8]中写道“因为和只使用比较级或最高级的词汇以及单纯作思维的论证相反,我却采用了这样的方法(作为我很久以来就想建立的政治算术的一个范例),即用数字、重量和尺度的词汇来表达我自己想说的问题,只进行能诉诸人们的感官的论证和考察在性质上有可见的根据的原因”,这一观点在统计学的发展过程中产生了非常重要的影响。他的这段话虽然没有出现测度一词,但却道出了测度的本质,即让事物变得明白、变得有根据,因为“数字、重量和尺度”就是测度、就是根据,用“数字、重量和尺度的词汇来表达想说的问题”就是一种测度的思想,尽管测度的方式方法还很简单。相反,国势学虽然提出了归纳法这一统计学的基本方法并首创了统计学一词,但由于没有采用统计测度的方式进行国势问题的研究而难以修成正果。正如邱东教授[7]所说:“在配第之前,统计学的研究对象虽然是国家的态势,但它在方法论上只是定性言说。一个国家的财富总量在本体论意义上是可以测度的。然而只是到了配第时期,人类才想到了要测度它,并发明了如何测度的基本方法。政治算术,即开创期的经济统计学,实现了从无到有的转变,大大扩展了宏观测度的认识论边界,因而才具有了统计学范式创新的革命性意义。”同样,格朗特的《关于死亡表的自然观察和政治观察》也是人口统计测度方面的经典之作,无论是原始测度还是再测度,都给后人留下了宝贵的财富。之后,统计学就是沿着如何更加科学、准确测度世界这一主线而发展的。笔者曾在“从政治算术到大数据分析”一文[9],对数据的变化与统计分析方法的发展进行了粗浅的归纳,其主题实际上就是统计测度问题。
其次,从统计学的研究对象上看,统计测度是体现统计学数量性特征的前提条件。统计学的研究对象是现象的数量方面,或者说统计学是关于如何收集和分析数据的科学。统计数据从何而来?从统计测度中来。数据不同于数字,数字是统计测度的符号,数据是统计测度的结果,这也正是统计学区别于数学之处。所以说,数据的本质问题就是统计测度问题,故此统计测度是统计学的基本问题。这里重点讨论两个问题:一是统计测度与统计指标的关系,二是统计测度面临的新问题。关于第一个问题,本文认为统计测度与统计指标是一个事物的两个方面,这个事物就是数据。统计指标法是统计学的基本方法之一,尽管前面对统计测度从方式方法上进行了分类,但从广义上说所有统计测度都是定义测度,都表现为指标。也就是说,任何统计测度———不论是直接测度还是间接测度,最终目的是获得能够让人明白的数据,而表现数据的最主要形式就是统计指标,其他表现数据的形式都是派生出来的。所以,统计测度就是根据所设定的统计指标去获得所需的数据。关于第二个问题,与后文所要论及的大数据有关,就是定性测度问题。在统计学中,数据可以分为两类———定性数据与定量数据,其中定性数据又包括定类数据与定序数据两种,它们属于非结构化或半结构化数据。相应地,统计测度也可分为定性测度与定量测度。很显然,只有定性测度与定量测度方法得到同步发展,统计学才能更加完善。总体上看,定量数据的统计测度已经比较完善,但定性数据的统计测度还有很多问题尚待解决,难点就在于测度的切入点———如何提取有效的信息、如何最终转化为统计指标。尽管关于定性数据分析的论著已经不少,但还没有从理论方法上建立起定性数据统计测度的体系,因此统计学在这方面的任务依然很重。
第三,从统计学的永恒主题看,通过科学的数据分析、得出有效的结论是其不变的追求,而数据分析过程就是综合的统计测度过程。获得数据的目的是为了发现隐含其中的有价值的信息,即发现数据背后的数据,让数据再生数据,从而满足人们认识事物、掌握规律、科学决策的需要。除了总量、结构等基本信息外,更重要的是通过数据分析来呈现现象的变化规律与相互关系。不难发现,这种数据分析的过程,就是不断进行各种统计测度的过程,所以最终的统计分析结果实际上就是各环节、各方面的各种类型的统计测度的叠加结果,或者说是统计测度不断放大的过程。大量针对社会经济现象进行分析研究的文献(不论是否冠以“测度”两字),只要有数据分析,都是如此。可以说,统计测度贯穿于统计数据分析的全过程。但是,为什么很多统计数据分析并没有得出有效的结论呢?本文认为原因就出在统计测度上,尤其是没有首先解决好原始统计测度问题。应该说,围绕数据分析已经建立起一整套比较完整的统计方法体系,很多方法也都身经百战、行之有效,但一旦原始统计测度有问题、数据不准确或不真实,那么任何方法都只是摆设。仔细研读很多所谓的实证分析文献,其重点均在于构建什么样的模型或运用什么样的方法,虽然有的文献也必须要讨论选择什么样的变量(指标)这个问题,但并不是系统地从测度的角度进行阐述,因此所用的模型越来越复杂,但所得的结论却离实际情况越来越远。学界总是有这样一种观念:变量越多、符号越新奇、模型越复杂的文章才越有水平,似乎这样分析所得的结论才越可靠。殊不知,不以科学可靠的原始统计测度为基础,任何数据分析都会成为无源之水、无本之木,所得的结论也只是更精确的错误而已。本文认为,任何脱离科学统计测度的统计分析都是毫无意义的,充其量是一种数字游戏而已。应该树立这样一种观念:科学的统计数据分析首先取决于科学的统计测度,而不是首先取决于什么样的分析模型,虽然模型也很重要。这也再一次证明,统计测度问题是统计学的根本问题。其实,归根结底看,在统计数据分析过程中,每一步分析都以前一步的测度为原始测度,每一步所用的方法都是统计测度方法,因此所有的统计分析方法都是统计测度方法。甚至可以说,统计学方法体系就是统计测度方法体系。
当然,在实际的统计分析中,统计测度往往遇到一些困难,即有些指标数据由于各种原因无法获得,这就不得不采用替代这种途径。例如,绿色GDP核算的概念已经提出很多年,但为什么还没有哪个国家真正公布绿色GDP数据,原因就是自然资源价值、生态环境价值等的统计测度目前还面临着很大的困难,其背后存在着一系列有待进一步研究和解决的理论与实践问题,因此不少学者进行了替代测度的探讨。这一方面说明统计测度的重要性,另一方面说明统计测度替代的无奈性。但是,替代测度必须遵守相应的规则与逻辑,要经得起推敲。有的文献明明知道有关变量无法测度、有关数据无法获得,却随意地、不符合逻辑地进行所谓的替代,结果是最后的结论不知替代成什么样了,很难理解它的意义。关于替代测度的有效性问题,邱东教授[7]已有精辟的论述,在此不再展开讨论。
三、统计测度是数据科学的基础
笼统地讲,数据科学就是以大数据为研究对象的科学,需要多学科交叉融合、共同支撑。由于大数据是快速增长的复杂数据,因此大数据分析仅有统计思维与统计分析方法是不够的,还需要强大的数据处理能力与计算能力。只有把统计思维、统计方法与计算技术结合起来,才有可能真正挖掘出大数据中的有价值信息。本文认为统计思维、统计方法与计算技术相结合的基础就是科学的统计测度。
首先,大数据技术不能自行解决其计算和分析应从何处着手的问题。现代信息技术与互联网、物联网技术的快速发展,使人类进入大数据时代,也有人说进入到数联网时代,这意味着我们一方面被各种越来越多、越来越复杂的数据所包围,另一方面又被数据中巨大的信息价值所吸引,想从中挖掘出可供决策之用的信息。如何挖掘大数据?人们已经进行了艰苦的探索,发展了很多专门的方法技术,并已尝到了不少甜头,但远未达到充分利用大数据中有效信息的目的,因为已有的大数据分析研究主要集中于计算机科学与技术、软件工程、计算数学等领域,重点是计算能力与算法研究,而很少从统计学的角度进行有针对的探讨,还没有真正进入数据分析的深层。这里面实际上忽略了最基础的统计测度问题。如果说,计算技术的发展能够解决数据储存与计算的能力问题,算法模型的改进能够解决大数据分析的综合能力问题,那么它们仍然不能解决对谁进行计算与分析的问题,也即从何处着手的问题。无论是传统的结构型数据,还是现在的包含大量非结构型数据的大数据,要对它们进行分析都必须找到正确的切入口,即分析的基本元素是什么,或者说需要测度什么。当然,还有如何测度的问题。然后,才能进行分组、综合和构建模型,否则大数据分析不会达到人们的预期。
其次,大数据之所以催生数据科学,就是为了通过多学科交叉融合来共同解决大数据分析中存在的问题,其中包括统计测度问题,这一点对于非结构化数据尤为突出。实际上,大数据的本质就是非结构化数据,一是体量大、比重高(超过95%),二是变化快、形式多,三是内容杂、不确定。通过各种社交网络、自媒体、富媒体,以及人机对话和机器感应记录等产生的各种非结构化数据,例如各种文字、各种表情符号、各种声音、各种图像,到底表示什么?综合在一起能体现什么规律?如何综合各种信息?存在着大量有待研究的问题。其实,文字的长短、用词、表达形式(叙述式、议论式、散文式、诗歌式,等)甚至字体大小与颜色,表情类型与偏好,声音高低、频率与情绪,图像颜色等等,都是有特定意义的,即在特定环境条件下的反应。所以,一句话或一段声音的意义并非文字本身的意思,一个表情符号的意义并非符号表征的意思,一个图像的意义并非图像内容与色彩本身的意思,因为背后有太多的未知。人们浏览检索各种信息的习惯、收看与回复邮件等信息的习惯、参与信息网络的习惯、购物习惯与支付习惯等等,也是如此。更何况,同样的网络词汇在不同的时间代表着不同的语义。这背后隐藏着的是人们的行为与社会关系,既具有个性又具有共性,极其复杂。所以对这样的数据进行分析,首先绝非是计算问题,也不是用什么模型问题,而首先是从何处着手、如何选取关键词、如何选定关联词、可以用什么样的指标来综合、可以用什么样的表式来表现等问题,一句话就是统计测度问题。非结构化数据的统计测度将主要是定义测度,这些问题不解决,分析模型也是难以构建的,或者难以得出令人信服的结论。
例如,关于《红楼梦》前80回与后40回是否同一作者的争论,韦博成[10]进行了综合性的比较研究并提出了自己的观点,他指出已有美国威斯康辛大学华裔学者陈炳藻教授(1980)[11]、我国华东师范大学陈大康教授(1987年)[12]和复旦大学李贤平教授(1987年)[13]等学者从统计学的角度进行过专门的研究,但却得出了不同的结论:陈炳藻教授认为前80回与后40回均是曹雪芹所著;陈大康教授认为前80回与后40回为不同人所著;李贤平教授认为前80回是曹雪芹根据《石头记》增删而成,后40回是曹雪芹亲友搜集整理原稿加工补写而成。此外,还有其他一些学者进行过类似的研究,也有一些不同的结论。为什么都通过提取关联词和统计的方法却得出不同的结论?原因就在于用以分析的关联词不同,即统计测度的切入点不同,当然也有统计方法上的差异,但前者是根本。至少存在几个统计测度上的问题:提取单一维度的关联词还是多维度的关联词?提取什么类型的关联词(例如:关联词是名词、形容词还是动词;是花卉、树木、饮食、医药还是诗词)?这些关联词可以综合为什么样的指标?等等。由此可见,原始统计测度代表着数据分析的方向。
相比《红楼梦》,大数据分析要复杂得多、困难得多。所以,数据科学除了需要数学、统计学、计算机科学与技术、人工智能等学科的交叉融合外,还需要与行为科学、语言学、社会学、经济学等学科相结合,以便能很好地解决作为数据分析之前提的统计测度问题。
第三,数据科学将进一步拓展统计测度的边界,并提出更高的要求。伴随着人类认识世界的范围的不断拓展,统计测度的范围也不断扩大,从自然现象统计测度到人口现象、经济现象统计测度,再到社会现象、环境现象、政治现象等统计测度,几乎已经渗透到了所有可以想象到的领域。相应地,统计数据分析也从少量数据的分析进入到了大数据分析。大数据的复杂性、不确定性和涌现性(王元卓等,2013)[14],意味着统计测度的内容大大增加,原来一些不能测度的数据被纳入到了统计测度的范围,按照邱东教授的说法就是统计测度的边界大大扩展了。统计测度边界的扩大,必须以统计测度能力的提升为前提,即要求统计学借助现代信息技术进一步提升处理和分析数据的能力———对大数据“化繁为简”、“变厚为薄”的能力,这就必须以科学准确的大数据统计测度为前提,既改变统计思维,又创新统计分析方法,其中就包括统计测度思维、统计测度方法与统计测度标准。面对大量繁杂的数据,如果没有更好的统计测度思路与方法,包括个体标志定义方法、最小数据细胞分组与聚类方法、关联词含义的时间影响计量方法、定性测度指标筛选方法、再测度路径与方法、大数据统计测度评价标准等,那么统计学在数据科学发展过程中就难以发挥应有的作用,数据科学也将裹足不前。这就是统计学迈向数据科学的重要挑战之一。
综上所述,统计测度的基础性问题从统计学延伸到了数据科学,是两者的共同基础,并且对于数据科学而言显得更为重要。大数据的复杂性、不确定性和涌现性导致了统计测度的难度猛增,亟需建立面向大数据分析的统计测度理论与方法。要通过研究大数据的复杂性、不确定性和涌现性特征的基本因素,以及这些因素之间的内在联系、外在指标和测度方法,进而研究基于先进计算技术的大数据度量模型,构建寻找面向计算的数据内核或者数据边界的基本方法。总之,建立有效易行的数据表示方法,即科学的统计测度方法,是数据科学必须解决的基础问题之一。
四、创新与完善大数据统计测度方法
如前所述,统计学研究对象已经从结构化数据延伸到了包括非结构化数据在内的一切数据,统计测度边界得到了大大的扩展。按照邱东教授[7]曾经引用过的海德格尔的话:“界限并不表示某一事物的发展到此为止,而是像希腊人所认知的那样,界限是某种事物开始展现的地方”,预示着统计学在数据科学发展阶段的新起点已经展现在我们面前。新的统计测度边界催生统计测度方法的创新,统计测度方法的创新促进统计测度边界的拓展,两者相辅相成,共同推动统计学与数据科学的发展。为此,我们要系统梳理统计测度方法的发展历程,面对大数据提出的新挑战,大胆探索统计测度的新思路、新理论和新方法,为数据科学奠定坚实的统计学基础。为此提出如下几点建议:
首先,要紧密结合现象的本质去探求更科学的统计测度方法。本质决定一切,既然统计测度的目的是获得客观反映现象本质的数据,那么深入到现象本质、认识和掌握现象的本质,是科学统计测度的关键,也是探求新的统计方法的出发点。换句话说,科学的统计测度方法能够体现出数据的真正意义。例如,要探求社交网络数据的统计分析和测度方法,就必须了解社交网络的产生背景、构成要素、表现形式与基本特征,既要研究它的共性问题,又要研究它的个性问题与差异性,同时还要研究它的变化趋势。只有这样,才能掌握社交网络数据的构成要件或元素,才能建立起科学的、能有效体现社交网络数据意义的统计测度方法。再如,要分析研究电子商务数据,也必须先弄清楚什么是电子商务,尤其是弄清楚它与传统的商业模式有什么不同(包括物流、资金流与信息流)、有哪些新生事物(包括时空特征、法律监管)等等,否则统计测度无从下手或者抓不住要害。同时,作为一个新的研究领域,数据科学的理论基础将与计算机科学、统计学、人工智能、数学、社会科学等有关,离不开对相关学科领域知识与研究方法的借鉴,因此对相关领域的知识与研究方法的学习十分重要。否则,就会严重扭曲统计测度方法,胡乱设置测度标志,这需要引起高度关注。
其次,要紧密结合大数据的特点去创新统计测度方法。大数据的特点是复杂性、不确定性和涌现性并存,构成了多维的数据空间,里面蕴藏着丰富的信息资源,这是传统的统计数据不可比拟的。那么该从何处进入这样的数据空间?怎么进去?又怎么出来?这归根结底还是统计测度方法问题。因此,在开展大数据分析之前,首先要研究大数据的基础性问题,包括大数据的内在机理(包括大数据的演化与传播机制、生命周期),数据科学与社会学、经济学、行为科学等之间的互动机制,以及大数据的结构与效能的规律性等等,为创新统计测度方法提供导向。本文认为,再复杂的数据也有共性,再不确定的数据也有规律,再涌现的数据也有轨迹。网络大数据背后的网络平均路径长度、度分布、聚集系数、核数、介数等具有共性的特征与参数,是开展复杂网络数据分析的基础(李国杰、程学旗,2012)[15];大数据在时空维度上的分布形式、内在结构、动态变化和相关联的规律,是找到大数据分析切入口、进而简化大数据表征的前提;大数据的涌现性轨迹(包括模式涌现性、行为涌现性和智慧涌现性),是研究更多的社会网络模型和理解网络瓦解失效原因,理解人们网络行为涌现特征(例如人们发邮件数量的时间分布特征),以及探求大量自发个体语义融合连接形成有特定意义的通用语义之过程的路径(靳小龙等,2013)[16]。也就是说,这些共性、规律和轨迹就是统计测度的主要依据,也是重点内容。发展和创新能够准确发现大数据的共性、规律和轨迹的定量方法,其实就是发展和创新大数据统计测度方法。
第三,要紧密结合现代信息技术以完善统计测度方法。复杂、多变和不断涌现的大数据,不仅需要借助现代信息技术(包括硬件与软件)来解决极其复杂的分析计算问题,也需要利用现代信息技术来解决其繁杂多样的统计测度问题。对于大数据,不论是原始统计测度还是再测度,其复杂性或难度都不是传统的结构化数据所能相提并论的,哪怕是基本的关联词计数、分类与汇总,其工作量之大也超乎想象,不借用现代信息技术几乎是不可能完成的。而事实上,有些统计测度的内容与方法本身也是以数据处理能力的提升为前提的。可以说,脱离现代信息技术,人们难以承受大数据的统计测度与分析任务;要把统计测度思想变为可实现的统计测度方法,必须借助现代信息技术。为此,要充分利用各种信息技术和手段,把统计测度与数据清洗相结合、与数据分析模型相结合、与计算方法相结合,努力建立融自动搜索统计测度、动态演化统计测度和自主优选统计测度为一体的大数据统计测度方法体系。
【关键词】经管专业 问卷调查 独立学院
【中图分类号】G642 【文献标识码】A 【文章编号】1006-9682(2011)09-0077-02
统计学课程是高等院校经济类和管理类专业(以下简称经管专业)的一门核心课程。在经济管理中的作用已逐步为人们所认识,例如,计量经济学现在已成为经济学科的核心课程,而计量经济学的主要内容是来源于统计学的基本原理;而早在二十世纪八十年代,世界著名学府经济系、金融系或商学院相关领域的著名专家在《金融中的统计方法》一书中揭示了金融研究中若干新的研究方法和新的学科分支在统计学、数学及金融学的交叉与融合。在独立学院的人才培养模式中,建设与办学特色相适应的师资队伍是重要的一环,教师是培养高质量人才的主要力量,统计学在经管专业课程中处于重要的地位,因此,经管专业教师(本文中指非统计专业的经管专业教师,以下同)对统计课程的了解就显得尤为重要。
一、理论探索
现代统计学的发展与市场经济的发展紧密联系,作为经济学和管理学的重要基础,统计学已成为经济管理专业的核心课程之一。经管专业的统计学是应用性很强的一门学科,要求学生学会运用统计方法认识和解决社会经济问题。传统的统计教学,侧重于统计理论知识讲授,注重理论推导,缺乏适当的应用背景,使学生难以理解统计学的意义及其作用,遇到实际问题时往往束手无策。大部分经管专业的学生对学习统计学的价值缺乏认识,未能深刻了解统计的用途、作用,认为自己和统计的距离比较遥远;普遍认为统计学的学习难度大,看到数字和公式就头疼,对统计学有着本能的排斥,缺乏学习信心;与经管的其他专业课程相比,在统计学学习过程中的创造性和趣味性要欠缺一些,而更强调的是逻辑性、推理性和严肃性,学习过程较枯燥乏味,所以导致许多同学对于统计学的学习容易产生心理暗示,对统计学学习缺乏兴趣,产生一些消极的学习心态。这就造成了学生在学习过程中由于学分的要求不得不硬着头皮学习,被动学习的成分较大。
大统计学是一门搜集、整理和分析统计数据的方法论科学,其目的是探索数据的内在数量规律性。统计学广泛应用于各学科中,在商业以及工业中,统计被用来了解与测量系统变异性,程序控制,对决策提供数据支持;在第一产业方面,可运用统计计算出各种农产品的需求情况及价格分布,从而指导生产;在生产行业中,统计学可以运用在产品开发、营销、财务管理等方面,从而提高企业的营运能力;在服务行业中,例如在金融行业中,运用统计技术将各种交易资料加以分类、整理,从而得到如客户贡献度、客户偏好、存款变动趋势、产品分析、行业发展等数据,为管理层提供决策依据等等。这就要求统计学教师不仅要钻研本专业领域的知识,而且还应多涉猎一些经管专业的知识,了解有关专业的课程体系及知识体系,并且有意识地将统计方法的讲授和具体专业领域的内容相结合,注重统计方法在有关领域的应用,引起学生的共鸣,让学生深切体会到统计学的应用价值。由于统计学课程在经管专业课程中发挥着重要的作用,与经管专业课程存在很多交叉部分,这就要求经管专业教师对统计学课程的内容有详细的了解,才能对本专业课程中的知识点予以正确应用。但我院目前的经管专业教师对统计课程的了解到底怎样,笔者就此问题进行了问卷调查。
二、实证分析
为了了解我院经管专业教师对统计课程的了解程度和重视程度,在广东外语外贸大学南国商学院国际经济贸易系和国际工商管理系中,对全体专业教师进行问卷调查,共收回有效问卷30份,从结果中可以得到经管专业的专业教师对统计学的基本了解情况。下面列举了几个有代表性的问题及结果进行分析:
1.对于经管专业学科是否需要开设统计学课程及何时开设?
经管专业的教师对这个问题的理解较为一致,专业教师的选择见图1,73%的专业教师选择在大学二年级开设较为合适,没有教师认为在大学四年级开设,由此可见,在大部分经管教师眼中,统计学还是一门专业基础课。
2.在各专业课程中统计学的重要性?
图2
从图2中可以看出,经管专业教师从事的专业课教学可以分为经济类、金融类、管理类教学,为了进一步说明问题,将管理类中的会计专业教师单独分析。从中可以得到以下信息:无论哪个专业方向的教师,普遍认为统计学在各专业课中的重要性一般,而学院的师资大部分是硕士研究生学历,管理类(不含会计)专业教师更是认为统计学在其专业课的重要性比例高达89%。而会计专业教师对统计学的重视程度略有提高,但仍然低于经济类和金融类的教师对统计学的重视程度。实际上,无论是在经济学、金融学,还是在管理类的市场营销、会计等专业课中,都可以见到统计学的身影。
3.各专业教师在教学中是否发现所教授课程中有知识点和统计学相重复?
从图3中可以看出,各专业教师中只有27%的教师认为统计学和其所教授课程中有知识点和统计学相重复,而有73%的专业教师认为统计学在其所教授课程中几乎用不到。为什么会出现这样的情况呢,问卷的最后一个问题是一个开放性问题,由各位专业教师写出统计学的基本内容,在这个问题的整理过程中,发现只有一个老师能够写出统计学的基本内容,而大部分专业教师只简单认为统计学就是计算平均数等类似的描述统计。正是因为专业教师对统计学课程的不了解,造成了很多专业课和统计学相同知识点的重复讲解,即增加了教师的工作量,也使学生反感。
三、结 论
通过上述分析,可以得出以下结论:在经管专业的其他专业课的教学中,由于各经管专业课程与统计学课程的交叉作用,其他专业教师应该对统计学课程有所了解,和统计学教师进行有效沟通,对所教授课程进行整合,明确统计学各知识点在课程中的讲授情况。
独立学院是我国高等教育在大众化过程中出现的一种新的办学模式,能否在激烈的高校竞争中站稳脚跟,关键在于能否培养出高素质的、社会需要的人才,因此,独立学院复合型人才培养已受到高等教育工作者越来越多的关注。独立学院最大的生命力就是逐年满足国家对复合型人才的需求。要适应社会、满足市场需求,则要使独立学院在众多的高校教育中办出特色,多学科交叉正是培养复合型人才的重要途径。复合型人才是多元型的人才,重应用、动手能力强,同时在科学文化方面又有一定的基础和造诣,并具有一定的跨学科、跨专业的知识,具有复合型的知识结构。随着多学科交叉渗透的不断深入,课程体系、课程内容的改革已成为教学改革的中心工作。希望本文能够起到抛砖引玉的作用,使更多的教师能重视各专业学科之间的联系,学科间的不同课程相互补充,实现交叉讲授和专业优势互补。新时代的教师应该具备崇高的师德、现代教育观念、优秀的教学能力、健康的心理素质、终身学习观念、创新精神这六种必备的基本素质,才能为祖国培养全面发展的、具有创新精神的一代英才做出应有的贡献。
参考文献
1白日荣、苏永明.非统计专业统计学教学的改革与创新[J].统计教育,2007(12)
2杨绪忠.财经类非统计学专业的统计学课程教学探讨[J].统计与决策,2002(5)
3贺 铿.关于统计学的性质与发展问题[J].中国统计,2001(9)
4亚 非、朱远程.经济管理专业“应用统计学”教学的几点思考[J].统计教育,2005(8)
5刘淑茹.提高经济管理类专业统计学课程教学质量的思考[J].统计教育,2006(6)
6 章文杰.我国独立学院人才培养模式的特色分析与研究[D].南京理工大学,2006
7 来茂德.独立学院:中国高等教育发展的新探索――以浙江大学的两个独立学院为案例[M].杭州:浙江大学出版社,2004
关键词:医学院校;生物统计学;专业认知;专业建设
中图分类号:G455 文献标识码:A 文章编号:1673-9795(2014)02(b)-0000-00
随着国家扩招政策的实施和教育部本科专业审批权限的下放,越来越多的本科高等医学院校,开始跨越本校的分类属性,开办非医学类专业,少数医学院校非医学类专业数目已经接近甚至超过了医学类专业数目,他们的建设目标是把学校建设成为“多科性的大学”。[1]但是随着招生规模日益扩大,高等人才培养问题逐渐升温,特别是医学院校非医学专业大学生的培养工作成了摆在医学高等教育面前的重要问题。本研究选取了某医学院校生物统计学专业在校本科生为样本,对其专业认知情况及其影响因素进行了深入研究,并提出了相关建议。希望能够为医学院校生物统计学专业建设提供参考依据,并对医学院生物统计学专业人才培养工作提出合理化建议。
1对象和方法
1.1 调查对象:以某医学院校生物统计学专业全日制本科在校生为调查对象。
1.2 调查方法:本研究采用问卷调查的方式,调查问卷由研究者自行设计,由调查员统一发放问卷,问卷由被调查者本人填写,研究者审核后回收问卷。本次共发放问卷113份,收回有效问卷101份。有效回收率为89.38%。
1.3 数据处理:调查结果全部数据用Epidata3.1进行数据的录入和校验,用SPSS 19.0 软件进行统计学处理。
2结果与分析
2.1调查对象基本情况:
在收回的有效问卷中年龄为19~25岁,平均年龄(21.19±1.12)岁。男性41人,占40.6%。在收回的有效问卷中大二(2012级)40人,占39.6%;大三(2011级)40人,占36.9%;大四(2010级)21人,占20.8%。
2.2常用统计方法认知情况:
其中常用统计方法认知情况的调查中14种统计方法(见表1.1),其中基本方法9种,高级统计方法5种。
结果显示,在基本统计方法中,大二学生除均数标准差等计量资料的统计描述(47.5%)、方差分析(62.5%)、常用概率分布(52.5%)、直线回归与相关(60%)以了解为主,其他均以不知道为主;大三学生除生存分析(62.5%)、meta分析(82.5%)、聚类分析(82.5%)等高级方法以不知道为主,其他统计方法均以了解为主;大四学生所有高级统计方法均以了解为主,基本统计方法以熟悉为主。详细结果见下表1.1
4 将认知情况采用三分级评分,0=不知道,1=了解,2=熟悉,分别赋分0,1,2,得分越高,表明认知情况越好。取各年级学生每项统计方法认知得分情况,按年级分组进行多相关样本的的非参数检验。Friedman 检验,在α=0.05水平下, =26.143,P
取每位学生每项统计方法认知得分之和得到该学生统计方法认知总得分,按性别分组,进行两独立样本非参数Mann-Whitney检验,在α=0.05水平下,Z=-0.897,P>0.001,即性别因素对专业认知的影响不显著。
2.3 常用统计软件使用情况:
在全体有效问卷中,平时主要使用SAS软件分析数据的有3人(3.0%),SPSS软件的有44人(43.6%)Excel软件的有42人(41.6%),使用其他软件4人(4.0%),从未使用软件的有8人(7.9%)。
在分年级统计中,大二年级中有23人(57.5%)选择使用Excel软件,为最常用软件;另外还有7人(17.5%)不使用任何软件。大三年级主要使用SPSS软件,30人(75.0%);还有9人(22.5%),使用Excel。大四年级中,有11人(52.4%)使用SPSS软件,10人(47.6%)使用Excel。详见下表1.2
对各年级学生选择的常用统计软件进行交叉列联表分析, =128.803,P
3 讨论与建议
随着医学科学的不断发展,医学统计学的思维与理念已经渗透到医学科学研究的每一个角落。[2]该部分人才培养工作的好坏关系着医学院校课程改革和人才培养工作的成败,对高等医学院校顺利进行有重大的作用和意义。针对目前医学院校生物统计学专业学生的认知现状, 相关高校的教育应从以下几方面进一步改进。
3.1优化课程结构,重视基础理论的教授和专业思维能力的培养。
基本统计方法是医学统计学的基础, 掌握基本统计方法的基本原理、计算过程和结果解释是学习高级统计方法的基本功。[3]学校在教学计划和课程设置中应该加强专业基础课的教授,加大基础课的课时比例,删除陈旧和重复的课程为学生以后专业课的学习和专业能力的提升,打下坚实的基础。重视不同课程之间、高级技能与基础知识在教学中的相互渗透,加强各知识之间的衔接与联系。建立知识理论框架,提高学生总体把握知识的能力。鼓励学生相互学习,共同进步。开设专业讲座,介绍本专业的前沿理论和发展现状,提高学生的专业思维能力,开拓学生的视野。
3.2 加强统计软件使用的训练,培养适应社会需求的应用型人才。
在重视理论与书本教学的同时,注意理论讲授与软件应用的结合。有关高校应当较强统计软件应用课时在总课时中的比例。在低年级中开设Excel与统计应用等选修课程,在中高年级中开设以SPSS和SAS为主干的专业统计软件应用课程。重视学生统计应用软件使用的培养,在统计软件的使用教学中使抽象的统计理论形象化,使学生能合理使用、愿意使用相关的统计软件。加强统计软件使用的训练,使统计软件使用的教学与现实问题结合,着重加强学生解决现实问题和创新能力培养,培养适应社会需求的应用型人才。
3.3转变教学模式,构建具有医学院校特色的生物统计学人才培养体系。
面对高校招生规模不断扩大,医学院校专业设置不断多元化的现状。我们应当主动改变教学模式,在加强以往教学实践中重视课堂教学、重视专业技能传授的同时,应当借鉴国内外高校的先进经验。以学生的全面健康发展为核心,以提高专业技能为重点,采取灵活多变的方法不断适应社会对人才的需求。进行“通识教育”,促进统计理论与医疗卫生教育的结合。创建综合性的人才培养模式,构建具有医学院校特色的生物统计学人才培养体系。
参考文献:
[1]崔光成,刘吉成.本科医学院校开办非医学类专业的现状调查.中国高等医学教育[J].2007,7:31~32
一、对统计学的认识
统计学是认识世界的有力武器,它是一门工具,是一门方法论学科,有助于收集数据、分析数据,是一门实用性很强的学科。高职院校是为社会培养应用型专业技术人才,因此,教学不应仅仅是理论上的教学,更应注重技能的强化和应用。高职院校的统计学一般作为一门专业基础课程开设,更注重的是理论上的教学,并且只开设于部分专业,有些专业逐渐地把统计学从专业基础课程中删除,认为统计学对相关专业并没有起到实际上的辅助作用,但是,笔者的观点是:高职高专培养的是具备高素质和实践应用的专门人才,统计学作为一门应用性学科,具备一定的难度,被学生所畏惧和抗拒,但并不能因此而把《统计学》从课程要求中删除。在实际教学中应对统计学注重教学内容和方法上的探索和改革,根据现有的教学存在的问题,为了更好地适应高职人才的培养需求,结合高职的发展特点与统计学的课程特色提出课程的教学改革措施[1]。
二、统计学在教学上存在的问题
任教统计学以来,从自身的思考和学生的反馈中认识到学生认为该门课程难度较大,不易于接受,并且学生认为该门课程并不能运用到他们所学习的专业知识中,没有达到统计学的教学目的和要求[2]。总结存在了以下几个方面的问题:
1.教学内容单一,且重理论,轻实践[3]
统计学作为一门实用工具的学科,既有理论和公式推导,又有实际应用和方法使用。现以在多媒体教室上课为主,采用多媒体教学的方式,与板书授课相结合,多媒体教学虽然形象生动,但速度也较快,学生对知识的掌握不牢靠则易脱离老师的上课节奏。由于课程和教学资源的限制,教学多按课本的内容进行讲解,过重于理论的教育,真正符合学生实践的教学较少。
2.教材不适用
现存的统计学教材种类繁多,真正符合高职高专学生的教材较少。现有的统计学教材过多注重于理论知识和统计计算的讲解,缺少与实际相结合的教学案例和实践操作的知识,学生的学习脱离了实际,不知如何运用,就感觉乏味枯燥,从而对统计学失去学习的兴趣,此类教材也达不到学习的目的。
3.部分学生数学基础薄弱
高职高专的学生的总体水平低于本科生,经管类院校的学生多是文科生,他们的数理功底普遍较差,学习统计学时需要大量的计算分析,他们就先产生畏难心理,失了学习的信心,这也增加了授课的难度。
4.师资缺乏
担任统计学任课教师数量较少,承担的教学任务较重,不能较好地去对不同专业的学生进行有针对性的备课,了解不同专业的学生的课程需求,在授课中采取了统一“灌注式”的任务教学而影响了教学的质量。
5.课程考核方式陈旧
统计学的课程考核采用期末闭卷考试为主,题型有单选题、多选题、判断题和计算题,考核内容多注重于理论知识的掌握,而忽视了应用能力的考核。这种考核方式,学生在期末对知识点进行重点复习也能取得较好的成绩,从而影响了对统计真实应用能力的考查。
三、统计学在教学上的改革措施
根据统计学在教学中存在的问题,结合笔者的教学经验,为了顺利培养符合社会需求的高职应用型人才,提出以下几点改革措施:
1.改革教学内容
首先,高职院校的学生学习能力较弱,数学基础较差,为了激发学生的学习兴趣,让学生主动接受学习统计学,应合理减少讲授理论知识,增加实践应用教学。在授课时,结合学生所学习的专业,增加案例分析,让学生把统计学知识与自身所学习的专业知识相结合,能用于解决实际工作中发生的问题。在理论讲解中,重点讲解统计学的基本思想和原理,让学生熟悉的是经济类统计的思维,避免枯燥地让学生掌握公式的推导,死记理论知识,要求学生理解方法,学会运用知识解决问题。
然后,在课堂教学中结合统计软件的运用进行授课,数学基础薄弱的学生往往较为惧怕动手做计算,教会学生运用统计软件进行计算会增加学生的学习兴趣和探索精神。但是,有些统计软件并不常用且较为复杂,虽然功能强大,但并不适用于专科生的学习,如SPSS、Eview、SAS、Stata等,这些软件的操作多为英文界面,有些还需输入程序。相比而言,笔者更偏向对学生讲解Excel的使用,让学生熟悉Excel在统计中的应用,能够充分满足经管类学生在今后的工作对数据分析的需要,学生易于操作和掌握,即可以克服学生的畏难心理,也增加了学习兴趣。
2.改革教学方法
首先,增加案例教学,让经管类学生感受到统计学的实用价值,勾起学生的学习欲望,并不再是一味地把统计学的理论知识灌输给学生,对教师的教学方法要求更加严格[4]。通过与专业相结合,把学生置身于案例场景中教学,通过课堂讨论,指引学生找出解决问题的正确思路。其次,增加学生的实践课时,统计调查在工作中的实践性较强,让学生熟悉掌握调查的设计、实施、分析尤为重要,结合学生的专业性,对统计的实践课程进行操作,如:市场营销专业的学生要分析某款产品的市场影响力,作出营销策划方案,就可以与统计的调查和数据分析相结合了。
同时,课堂的讲授也要与上机操作相结合,不再只是在多媒体教室一味地教师操作,学生观看,这样学生很快就会淡忘,在讲解操作中应该让学生多去实践和运用。但是,高职院校的计算机房数量有限,难以满足课程的需求,因此,为了教学的需要应加大经费投入机房的建设。
3.改革考核方式
期末的卷面考核过于注重学生对理论知识的掌握,虽有计算题的应用,也是经过简化的,对于学生的实际应用能力并没有得到很好地体现,数学基础差的学生则会认为自己无法通过考核,对课程产生恐惧。因此,在考核上,应该采取理论与实践结合的方式,考核对基本知识的运用可采取闭卷考核的形式,实践部分应在平时进行考查,在上机操作中注重测试学生的掌握程度,在课程进行中安排学生分组做统计调查,掌握统计方案和调查问卷的设计、实施,进行数据处理分析、运用统计方法对问题进行分析,撰写统计调查报告等等。采取这样的考核方式,既能让学生掌握理论知识,又能提高学生的实践能力和个人自身素质,能减轻学生对统计学的畏难心理,深入了解统计学,增加对统计学课程的学习兴趣。