邱淑芳， 王泽文， 张家骥， 张升蜜

(东华理工大学 理学院，江西 南昌 330013)

大数据环境下统计学的人才培养模式与课程体系研究

邱淑芳， 王泽文， 张家骥， 张升蜜

(东华理工大学 理学院，江西 南昌 330013)

针对大数据时代下统计学的人才培养，分别从培养目标与培养规格、主要学习内容、教育方式与学习能力等方面分析了大数据对统计学人才培养的影响与挑战。阐述了东华理工大学统计学人才培养的一些改革措施与具体实施方案，构建了统计学知识体系与课程体系，并提炼出了统计学人才培养的特色。最后，给出了大数据环境下统计学人才培养的一点思考和建议。

大数据；统计学；人才培养；课程体系

1 大数据对统计学人才培养的影响与挑战

大数据是指不限量的数据，是基于现代信息技术与方法记录的全体数据，其基本特征是尽可能地包含数据，它与样本容量无关，只与信息来源的数量和存储量有关[1]。大数据的发展促使了统计思维的三大转变：一是转变抽样的理念，即在大数据时代样本等于总体；二是转变数据量化的思想方法，即不追求数据的精确性；三是转变为既探求因果关系，又更为关注事物间的相关关系。随着大数据对统计思维与方法的影响日益深入，也对数据分析与处理人才提出了更高要求，这使得担负培养数据收集、分析、处理与理解等人才的统计学教育面临着严峻的挑战。

1.1 对培养目标和培养规格的挑战

传统统计学教育是培养具有良好的数学基础，掌握统计学的基本理论与方法的应用型人才。多数高校统计学专业教师主要是概率论与数理统计或者经济统计专业出身，前者擅长公式推导、数值计算和统计建模，后者虽然具备统计学的实际应用，但二者均在计算机与信息技术方面有所欠缺[2]。随着移动互联、物联网技术、数据库技术与云计算等信息技术的发展，几乎一切都被记录被数据化，记录数据呈爆炸式增长且往往是非结构化的，从而推动社会迈向大数据时代。大数据的战略意义不在于掌握巨大的数据量，关键是在于对这些含有潜在意义的数据进行处理所带来的数据财富[3]。这对数据处理与分析的人才提出了更高要求，即要求所培养的人才不但掌握统计学的理论与方法，还要对计算机科学技术、互联网、信息科学以及相关领域等有相当的了解，甚至是熟练这些技术，掌握一些处理非结构化和半结构化的知识和技能。

1.2 对学习内容的挑战，即知识体系和课程体系方面的挑战

传统统计学教育主要以概率论和数理统计、抽样调查等统计学理论与方法，以及统计学在相关领域的应用为学习和教育内容，一般是以结构化数据为主要处理对象，而对非结构化、半结构化甚至异构化的大数据处理则涉及很少。而大数据时代还要求统计学人才具备一定的数据收集、整理、分析处理和数据挖掘等计算机科学与信息技术方面的能力，具有实际应用领域的专业知识和能力。大数据固有的特点决定了不可能仅依赖个人来完成，故还需具备团队合作精神。根据大数据处理和应用对能力和技术上的需求，可以发现传统统计学教育的内容已经不能满足这种发展需求。因此，统计学教育应顺应时代的发展，及时更新知识体系和课程体系，使得学习内容跟上大数据时代前行的步伐，具备大数据处理的能力和技术方法。

1.3 对教育方式和学习能力的挑战

传统统计学教育方式以课堂教育为中心，主要是以教师主导下的课堂讲授为主，注重理论讲解、方法推导和模型构建，轻实际应用、专业技能和团队协作意识的培养。正处于蓬勃发展的慕课即是大数据应用于教育领域的体现，它提供了大量的学习资源，这为学生根据专业发展和需求进行自学提供了平台。因此，必须对教育教学方式进行改进和改革，进一步提升学生的自我学习能力，使得在有限的课堂时间和在校学习期间达到统计学人才的培养目标。

2 东华理工大学统计学人才培养的改革与实践

东华理工大学统计学专业2011年开始招生，2015届、2016届毕业生顺利毕业，就业率位居学校前列，且有一批学生考取了重点大学研究生，培养质量得到了社会认可。经过这几年的建设，在人才培养方面已取得良好成效，且积极探索符合时代发展的统计学人才模式。

2.1 人才培养模式的改革与实践

统计学专业隶属于理学院，因学院数理方面的师资力量比较雄厚，数学软件与统计软件方面的师资力量也比较强，逐步形成“坚持知识、能力、素质协调发展，以能力培养为主线，厚基础，宽口径，强实践，按专业方向培养”的统计人才培养模式。其中，厚基础即要求学生具有扎实的数理基础，体现在统计学学生和数学学生共同学习数学分析、高等代数、概率论等基础课程；宽口径即要求学生具有计算机软件、经济金融等相关领域的基础知识；强实践则要求学生掌握统计调查、统计软件、计算机应用软件等的实践应用能力。因此，统计学开办之初定位为结合数学学科的发展而授予理学学士的专业，培养具有应用统计和经济金融交叉学科背景的本科生，着重建设应用数理统计、经济统计两个专业方向。为顺应大数据对统计学人才的要求，东华理工大学在2014年将专业发展方向调整为“数据分析与处理”与“经济统计”两个方向。

2.2 人才培养目标与培养规格的重新定位

现代统计学是搜集样本数据并根据样本数据对总体进行推断分析的一门学科[4]，它以概率论为自己的学科基础[5]，具有理论性与应用性并重的学科特色。于是，现代高校一般以培养复合应用型统计人才为目标，要求统计学本科生既掌握统计学的理论与方法，又具备其它学科的基础知识和基本技能。但是，进入大数据时代后，统计工作的重心将由统计调查、数据收集与整理转向数据、虚拟信息的识别与处理上[6]，统计工作更加侧重于数据的价值发现与利润创造，数据正日益成为企业的直接财富与核心竞争力[7]。因此，修订后统计学人才培养目标定为:培养社会主义现代化建设需要的，具有良好的数学基础和扎实的统计基础理论、基础知识和基本技能，有较宽的知识面，能熟练地分析数据并解释结果，能从事统计调查、统计质量管理、统计预测与决策分析、数据分析等工作，或从事研究和教学工作，具有理学、经济和管理等学科交叉的复合应用型人才。

人才培养规格主要体现在对知识、能力和素质的要求上。(1)知识要求：掌握必要的人文社会科学与自然科学知识；具有良好的数学基础和扎实的统计基础知识，掌握统计软件和相关的数学软件，掌握统计调查、统计预测与决策分析的方法，有较宽的知识面。(2)能力要求：具有良好的自学能力、表达能力、社交能力、计算机及信息技术应用能力(获取知识的能力)；具有综合应用知识解决问题能力、统计调查与分析能力、数据处理分析能力、数学建模能力、统计软件应用能力(应用知识能力)；具有统计分析与统计建模等方面的创造性思维能力、创新实验能力(创新能力)。(3)素质要求：良好的思想道德素质和文化素质；良好的统计与大数据思维；健康的身心素质。

2.3 知识体系与课程体系的构建与设置

知识的学习、能力的训练与素质的提高都将落实在课程建设与培养实践上，而课程设置的合理性则依赖于对知识体系把握与构建。一般地，只有在合理地界定了统计学人才应具备的知识体系与结构后，才能科学地设置和优化课程体系与结构，并落实到各个培养环节上，从而实现人才培养的目标。知识体系与课程体系必须以本专业主干学科为依据，符合培养目标与培养规格要求，遵循系统性、突出重点、兼顾一般的原则，按照“坚持知识、能力、素质协调发展，以能力培养为主线，厚基础，宽口径，强实践，按专业方向培养”的人才培养模式进行建构和设置[7]。其中，在大数据课程设置上分为理论课程与实践课程两个方面。这是因为理论是大数据认知的必经途径，也是被广泛认同和传播的基线[8]；而实践是体验大数据应用的有效途径。

按照以上原则，确定统计学人才应具备必要的人文社会科学、自然科学与健康教育等知识，扎实数学与统计学基础，具备数据科学、经济管理科学、计算机应用软件等知识和实践能力，详见表1。

表1 知识体系、课程体系以及能力素质

3 统计学专业的培养特色

坚持学科基础与专业基础教育的厚实与宽口径，即注重学科基础知识的掌握。这体现在统计学专业学生和数学与应用数学、信息与计算科学专业共同学习数学分析、高等代数等数学基础课程，且设置了统计学导论、数理统计、应用统计软件、多元统计分析等系列专业基础必修课，使学生能够充分掌握现代统计理论与方法。

坚持实践教学的全程化，着力加强实践能力的培养。实践教学的全程化包含三层意思：一是实践教学贯穿于四年大学学习全过程，每个学期均有实践课程或实践环节；二是内容上的全面性，既有课内实验与课程设计，又有如党团教育、勤工助学等培养学生对国家、民族、社会的强烈使命感和责任感, 端正敬业爱岗、脚踏实地态度的综合教育类实践，更有如统计调查实习、毕业实习等培养学生综合应用专业知识解决问题与培养创新能力的实践环节；三是实践教学指导的全程性，即所有实践教学都精心组织，并安排专业骨干教师尽心指导,做到实践教学有计划、有措施、有指导、有考核。

坚持按专业方向培养，为适应经济社会和大数据的发展，设置了数据分析与处理、经济统计两个专业方向课程模块。经济统计课程模块既设有数理统计理论基础课程，又设有先进的数据分析方法和统计软件课程，以适应社会对统计学专业的迫切需求和就业的宽泛化。数据分析与处理课程模块旨在顺应大数据时代的发展趋势，同时设有计算机科学技术的课程，旨在培养学生熟悉大数据处理的方法与工具。此外，培养计划中设置了地质统计学等课程，尝试与学校的优势学科结合，拓宽学生就业面。

4 思考与建议

大数据不仅需要专业的数据分析与处理人才，更需要善于和各个领域的大数据打交道的人才，即统计学专业学生不但要能理解具体领域大数据的内涵，还要善于与各领域的专业人士进行沟通和交流，这对统计学人才培养提出了新的要求。因此，大数据时代统计学专业的人才培养不仅要关注专业素质的培养，更要关注诸如沟通与交流能力等综合素质的培养。

[1] 李金昌. 大数据与统计新思维[J]. 统计研究, 2014(1):10-17.

[2] 刘春杰. 大数据时代统计学教育面对挑战的应对[J]. 凯里学院学报, 2015(3):29-32.

[3] 刘朝华, 李小花, 吴亮红,等. 大数据背景下地方高校自动化专业人才培养探究[J]. 当代教育理论与实践, 2016(6):70-72.

[4] 邱东. 大数据时代对统计学的挑战[J]. 统计研究, 2014(1):16-22.

[5] 雷钦礼. 敢问路在何方——我国高校统计学专业的出路探讨[J]. 统计研究, 2001(3):58-61.

[6] 涂子沛.大数据:正在到来的数据革命[M]. 桂林: 广西师范大学出版社, 2012.

[7] 陈火弟，刘光萍，罗泉龙.高校课程群建设与课程组构建的研究与实践——兼论东华理工大学数信学院课程群建设与课程组构建实施方案[J].东华理工大学学报：社会科学版，2008(1)：67-72.

[8] 黄晋. 关于大数据人才培养的思考与探索[J]. 教育教学论坛, 2014(45):201-203.

ResearchonTalentTrainingModeandCurriculumSystemofStatisticsUndertheBackgroundofBigData

QIU Shu-fang， WANG Ze-wen， ZHANG Jia-ji， ZHANG Sheng-mi

(SchoolofScience,EastChinaUniversityofTechnology,Nanchang330013,China)

For talent training of statistics major under the background of big data, influence and challenge of the big data on statistics talent training are analyzed respectively from training objectives and specifications, main learning contents, teaching ways and learning ability. Then we give some reform measures and concrete practice program of statistics talent training, construct statistics knowledge and curriculum system, and extract the characteristics of statistics talent training. Finally, the paper gives some suggestions and opinions about statistics talent training under the background of big data.

big data；statistics；talent training；curriculum system

G642.0

A

1674-3512(2017)03-0279-04

2017-03-03

江西省高等学校教学改革研究课题(JXJG-13-6-7)；东华理工大学公共数学教学团队资助项目。

邱淑芳(1972—)，女，江西进贤人，副教授，主要从事数学与统计学研究。

邱淑芳，王泽文，张家骥，等.大数据环境下统计学的人才培养模式与课程体系研究[J].东华理工大学学报：社会科学版，2017，36(3)：279-282.

Qiu Shu-fang， Wang Ze-wen， Zhang Jia-ji，et al.Research on talent training mode and curriculum system of statistics under the background of big data [J].Journal of East China University of Technology(Social Science)，2017，36(3)：279-282.