经管类统计学教学改革范文

本站小编为你精心准备了经管类统计学教学改革参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

【摘要】大数据正在改变我们的生活以及理解世界的方式，那么以数据为研究对象的统计学该如何应对？高等院校经管类专业统计学教学该如何应对？本文基于大数据探讨经管类专业统计学教学模式创新，积极应对大数据时代的到来。

【关键词】大数据；统计思维；统计学

1引言

伴随着大数据时代的到来，各个科学领域都在大量地获取数据，人文社会科学领域收集来自经济、金融和人文的大量的观察和调查数据，自然科学领域收集从微观的基因数据到宏观的天文数据；不仅如此，《“十三五”国家战略性新兴产业发展规划》明确提出实施国家大数据战略，推进重点领域大数据高效采集、有效整合、公开共享和应用拓展；加快数据资源开放共享，建立健全数据资源交易机制和定价机制，保护数据资源权益；发展大数据新应用新业态，加强海量数据存储、数据清洗、数据分析挖掘、数据可视化等关键技术研发；强化大数据与网络信息安全保障。《物联网“十三五”发展规划》提出将突破数据采集交换关键技术、突破海量高频数据的压缩、索引、存储和多维查询关键技术作为关键技术突破工程之一。统计学作为一门分析数据的科学，研究如何收集数据、处理数据、分析数据和解释数据并从数据中得出结论。因此，在大数据时代背景下，统计教育工作者应以市场需求为导向，积极探索高等院校经管类专业人才培养模式。

2树立大数据思维

（1）大数据的认知思维。从来源上看，传统数据来的统计改革”。自试验或调查，数据的提供者大多是确定的；而大数据通常来源于互联网、物联网，某种意义上讲，大数据来源的微观基础是很难追溯的，或者说，大数据拓展了统计数据的来源，也扩展了统计研究工作的范畴。从类型上看，传统数据大多是以文本资料为主的结构型数据，而大数据更多是如图片、视频、音频、动画、地理位置等非结构型数据、半结构型数据或异构数据，数据类型具有多样性。从量化方式上看，传统统计学是根据一定的数据计算规范，如用平均数、方差等计算具体数值，同时数据的量化结果可直接用于各种运算与分析；而大数据如何量化、如何从中提取信息、如何与结构化数据对接是一个崭新的问题。（2）大数据的收集思维。传统数据的收集是先确定统计分析的目的，然后设计调查方案、执行每个流程，其往往是通过单一渠道进行收集和整理，投入大而数据量有限；而大数据的收集思维首先是充分利用大数据源，同时打破数据的时间和空间限制，凡是大数据源中能找到的数据，就不再需要进行专门的调查，这样让数据的收集更具广泛性和全面性。（3）大数据的分析思维。传统的统计分析过程是“定性——定量——再定性”，首先是靠经验判断找准定量分析的方向，再依据数据分析得出结论；大数据的统计分析过程可以简化为“定量——定性”，直接依赖数据分析做出判断、得出结论。大数据时代应主动利用现代网络信息技术和各种软件工具从大数据中挖掘出有价值的信息，并在此过程中丰富和发展统计分析方法。

3创新统计学教学模式

（1）案例、项目、微课等教学方式。传统的统计学教学方式以理论讲授为主，加之统计学的教学内容不可避免包含统计公式的推导，难以让学生产生浓厚的学习兴趣。大数据时代背景下的统计学是一门实用性很强的学科，统计学人才的培养应定位为具有相关交叉学科背景的综合型、应用型人才，应特别强调对数学、计算机、数据库等知识和技术的熟练掌握，基于此，案例分析、项目讨论、微课等教学方式提供更加自主的学习空间，积极引导学生的主动性，强调以学生为中心而不是以教师为中心，克服了传统教学单向灌输知识的局限，通过一系列相互关联的统计学项目、统计学案例、微课的实施，引导学生积极学习与思考，提高学生应用软件的能力和编程水平，更好地构建知识架构。（2）多导师制。大数据时代背景下，经管类专业统计人才的需求相比其它专业具有市场导向性强、行业分布广、专业水平高等特征，涉及数学、数据库、计算机编程语言、分布式计算、数据挖掘、数据可视化等相关专业课程，传统的单一导师制可能难以同时兼顾理论教学与实践指导工作，因此大数据时代背景下经管类专业统计人才的培养可以采用多导师联合培养的方式，切实解决学生学习中所遇到的各种理论或实践问题。同时大数据时代背景下经管类专业统计人才的培养非常有必要搭建灵活机动的“政、企、产、学、研”平台，相应地，经管类专业人才培养的主体包括大数据资源方、大数据统计分析人才需求方、拥有丰富理论和专业知识的科研院所等等。

4建立“教学+教评”数据库

教学数据库包括习题库、项目库、案例库，根据不同层次、不同专业学生建设习题库、项目库和案例库，并根据需要实时分享和更新教学数据库；教评数据库主要作为教改绩效评价和反馈机制来建设，包括学生对教学的问卷调查、对教改绩效的实证分析等，通过这些反馈机制，找到不同层次、不同专业学生的兴趣点，对学生的学习状况进行多元评估，从而针对不同层次、不同专业的学生制定不同的教学策略，真正做到个性化教育，提高学生的学习效率，并进一步完善案例分析、项目讨论、微课等教学方式。

【参考文献】

[1]大数据中的统计方法"课题组，马双鸽.大数据时代统计学发展的若干问题[J].统计研究，2017，34(01):5-11.

[2]耿直.大数据时代统计学面临的机遇与挑战[J].统计研究，2014，（1）.

[3]李金昌.大数据与统计新思维[J].统计研究，2014，（1）.

[4]孟生旺，袁卫.大数据时代的统计教育[J].统计研究，2015，（4）.

作者：赵秀芬 王巍 张鹏 单位：北京工业职业技术学院