李小勇

【摘要】随着大数据与人工智能技术的发展，统计学专业发展和统计教学受到了前所未有的冲击。文章分析了数智化时代对统计教育在培养模式、教学内容、实践教学三方面上的挑战，从培养目标、课程教学体系、师资队伍建设以及实践教学平台四个方面来进行教学改革。

【关键词】统计学  大数据  人工智能  教学改革

【基金项目】湖南工程学院校级教改项目：大数据时代统计学专业人才培养的改革与实践（20040）。

【中图分类号】G642   【文献标识码】A 【文章编号】2095-3089（2022）07-0184-03

近年来，随着大数据、云计算、人工智能、区块链等现代信息技术的发展，人类已经进入大数据与人工智能技术融合的新时代，有人称之为数智化时代。面对数智化时代所带来的思维变革、技术变革、服务与管理变革，各行各业都在进行积极的变革以迎接它的挑战。作为直接服务于数据分析行业的统计学专业，迎来了数智化潮流的迅猛冲击，统计学的专业发展和统计教育受到了前所未有的挑战，统计学的变革势在必行。本文以数智化时代对统计发展的影响为基础，分析统计教学面临的挑战，探讨如何将数智化理念融入統计学专业人才培养全过程，以提高统计人才培养的质量与水平。

一、数智化时代统计教育所面临的挑战

统计教育是培养数据分析人才的重要阵地。数智化时代对复合型人才、交叉型人才、多学科创新型人才的需求以及信息技术对教学方式的变革，都需要统计教育必须以新的理念和方式培养新时代的统计人才。

1.培养理念和培养模式的变革。传统的统计教育模式主要是建立在概率论与数理统计知识基础上的教与学，其数据分析的基本方式是先进行描述统计，再进行统计推断，随着数据复杂度的提升，越来越难以完成数据分析的任务。与之同时，较为单一的学科人才培养模式不可避免地会造成大学生知识面窄，创新能力低下的格局，难以适应数智化时代的发展要求。在我国高等教育的大众化阶段，由于缺乏创新，统计人才培养模式借鉴过度，同质化严重，培养成了千人一面的统计教育品，而非具有健全人格、有创新思维、有责任感的统计人才[1]。由于统计教育理念的缺失，使得国内的统计学专业大都存在学生的软件操作能力不强、数据挖掘能力不够、数据应用能力不强、专业师资力量不足等问题。而在数智化时代，更需要人才的个性化、独特性与全面发展，统计教育的人才培养理念和模式必须进行转变。

2.教学内容的变革。传统的统计教育内容相对比较稳定，没有及时反映社会经济发展和统计学学科前沿发展的现状，缺乏创新。随着大数据、人工智能时代的到来，半结构化、非结构化数据大量涌现，统计对象及内容增多，数据分析偏重于数据挖掘与分析，它对数据训练及使用的方法与传统的统计方法有较大区别，主要通过计算机编程语言来处理数据。传统统计分析的对象主要是小数据、结构化数据，主要教学内容集中在统计分析方面，对于编程计算及可视化等内容涉及较少。由于统计教学知识更新不及时，导致培养的学生统计计算能力普遍偏低，统计建模能力不强，不能有效挖掘数据背后的价值，跟不上数字技术发展的潮流。而目前国内涉及大数据与人工智能的教材才初步兴起，缺乏时间与经验的沉淀，优秀的教材并不多见。统计学课程的教材内容仍然大部分停留在传统的理论、方法和工具上，跟不上数据分析处理应用的步伐，涉及大数据与人工智能等应用方面的实际企业案例不多。

事实上，随着大数据和人工智能等技术的进步，数智化对统计研究和统计实务工作已经产生了重大而深远的影响：大数据所具有的数据类型繁多、数据价值密度相对较低、处理速度快、时效性要求高的特征，导致统计学的研究对象、研究方法、工作过程等方面发生了重大变化;人工智能则集成了包括统计学在内的众多学科的成果，对数据的开发处理、训练与评价方法更应值得借鉴，因而需要对统计知识进行及时的更新，革新数据的采集、处理、分析的方法和手段，构建适应数智化时代所需的统计教学知识体系。

3.实践教学环节的变革。统计学是一门实践性很强的课程，需要掌握各种统计分析方法，并运用统计方法分析现实中的数据，为应用领域提供决策参考。教师需要使用相关的统计软件来开展教学，学生则不仅要掌握基本的统计理论知识，还需要能够熟练使用各种统计软件。而传统的统计学课程主要是以理论知识讲解为主，偏重理论，实践环节相对较少，实训实践存在较多不足。在数智化时代，这一问题尤为突出。一方面是随着大数据、人工智能技术的发展，学校的硬件资源不足，需要有更多的投入来引进数据资源，兴建教学平台。另一方面是需要掌握的数据资源与数据分析方法越来越多，而现有的师资和实训场地一时难以满足教学上的需要，所有这些严重影响了统计人才的培养质量。

二、数智化背景下统计学教学改革的探索

为了迎接数智化对统计学专业带来的挑战，需要构建统计学专业教学改革的基本体系，从培养目标、课程教学体系、师资队伍建设以及实践教学平台等多方面进行必要的改革。具体包括以下方面：

1.人才培养目标的定位。为了适应数智化时代对复合型数据分析人才的需求，需要对统计专业的培养目标进行重新定位。在制定人才培养方案时，应该根据学校的自身特色和优势，科学合理地设定人才培养目标，培养目标和培养方案的制定应参考和借鉴国内外先进学校的经验。在制定培养目标时既要与时俱进，借鉴大数据技术与人工智能技术，培养学生一定的大数据分析处理能力，实现人才的个性化培养，达到因材施教，又要在人才培养方案制定过程中有所取舍，避免大而全的思想，造成学而不精，大而无用的现象，浪费人力、物力、精力，耽误学生的成长。事实上，统计学的数智化改革是一个具有广阔空间的改革过程，需要在实践过程中不断总结提高。

统计学要能够处理大数据是时代发展的客观要求，但大数据专业的出现是否会替代统计学专业仍有待商榷。所以在进行培养目标创新设计的同时还要注意统计学专业与大数据专业的区别，有所侧重。事实上，在实际工作中，理论上进行大数据分析时无需进行随机抽样，但由于数据的存储和处理需要一定的价值成本，实际上所处理的数据仍不可能全部都是整体，统计抽样仍发挥着重要作用。另外，大数据侧重的相关关系也有一定的局限性，在具体决策时也会存在问题，传统统计的数据分析方法依然是不可或缺的重要方法。从每年的大学生数学建模比赛提供的数据量来看，显然并没有达到大数据分析量的最小级别，对这些较小级别的数据量的分析建模依然是解决实际应用问题的重要手段，传统的分析方法依然发挥着重要的不可替代的作用。

目前国内有的高校停办了统计学专业，新开了数据科学与大数据、大数据管理与应用等专业，而继续开设统计学专业的高校如何进行改革以适应数据化发展的需要，是否会把统计学这个专业逐步改造成事实上的大数据专业，或是走出一条新路，这个有待观察，值得我们去思考。

2.优化课程体系，培养现代数据分析能力。数智化时代并不排斥统计学，而是对统计发展提出了更高的要求。为了适应新的变革，需要对统计学专业的课程体系进行优化调整。数智化时代，统计人才应该具备处理与整合数据的能力;数据挖掘能力，即探索挖掘数据背后的价值;制定行为流程方案的能力;智能处理的能力，即优化决策，快速处理的能力。从大数据的基本特征上看，大数据需要具备处理海量数据的能力，因此需要有相应的数据平台、网络架构以及并行计算，机器学习、深度学习则是人工智能中的重要核心技术。从数据分析量来比较，深度学习侧重于大数据分析，机器学习更适于较小数据量场景的分析。统计学专业数智化改革应侧重于使学生具备基本的大数据分析、智能分析技术，对于大数据平台的搭建、实时在线大数据分析以及云计算等内容应该有所取舍，做到重点突出，有所兼顾。

從国内的高校统计学专业设置的课程上可以看出，回归分析、时间序列分析、多元统计分析等仍是统计学的核心课程，也是数据分析的基本技术。现在要做的是增设一些适应数智化发展要求的新的课程：如数据挖掘、可视化、网络数据采集、大数据分析、机器学习、深度学习等课程，具体可以根据学校自身的特点予以选取，形成自己的特色课程群，以此为基础逐步发展成专业特色。鉴于高校层次类型的多样化及生源质量的差异，统计学专业的课程体系、授课内容应该切合实际地进行选择。要坚持有所为而有所不为的精神，在自己专长的范围内有为，办出专业特色。

在课程建设方面，需要利用数智化的技术推动教学改革。传统统计教学的弊端主要表现为以教师为中心向学生进行知识灌注，学生兴趣不足，教学效率低，教育效果不佳。可以利用人工智能的技术手段进行改革与管理，树立以学生为中心，以能力为导向，协同创新，共同发展的教育理念。以丰富教学资源，优化教学内容，创新教学设计与教学方法，注重课程思政，加强过程评价，强化创新能力等方面为重点实施教学改革。推进课内课外、线上线下一体的课程教育在当今疫情常态化的背景下更有现实意义。

3.加强师资队伍建设。师资队伍建设是专业建设的关键一环，也是推动教学改革的主要抓手。统计学的数智化发展急需一支强有力的教学团队作为质量保证。专业办得是否有特色，极大程度上依赖于师资水平。要建设好一支能够胜任数智化时代发展要求的师资队伍，基本方法是“外引内培”。外引是指从学校外招聘优秀的专业人才;内培是指从学院内部培养人才，将青年教师送到企业、科研院所接受系统的培训，在“一流专业、一流课程”的建设中锻炼师资力量，提升教学科研能力。特别是当外引人才工作相对滞后时，自己内部培养师资的任务就显得尤为紧迫。

面对新一代智能技术对重塑高等教育生态带来的广阔机遇和深刻挑战，2018年4月教育部制定发布了《高等学校人工智能创新行动计划》，提出利用智能技术支撑人才培养模式的创新、教学方法的改革、教育治理能力的提升，培养教师实施智能教育的能力。高校教师迫切需要构建以学科教学能力、技术应用能力和教学学术能力为核心的智能教学能力体系，重构教学主体关系，重塑教学目标，重建教学环境，重造教学流程，进而构建灵活、多元、开放、智慧的个性化教育生态体系[2]。

数智化时代统计学专业高素质人才培养需要新理念、新途径、新经验，而这些优质人才的培养方式又需要梯队组织结构鲜明、知识技能领域完善的师资队伍做支撑。因此，加大引进专业优秀学术带头人、学术骨干或培育、整合师资队伍，根据专业发展定位和特色，倡导“双师型”教师培养模式，充实专业特色发展中急需岗位人才。

4.加快实践教学平台建设。如果说高质量的师资队伍为教学改革提供了人才保证和智力支持，那么高效成熟的实践教学平台则为学生的成长、应用能力的提高提供了不可或缺的学习场所。统计实践教学平台建设是培养统计类学生专业技能，提高创新能力的重要方式。众所周知，在学科专业建设评估中，各类平台占有的分量是至关重要的。因此，要积极利用政策的支持，深化和推进产教融合，创新平台的管理模式与运行机制，创新协同育人体系，建立起各类实践育人平台。当前各市州都有大数据中心，可以与政府的有关部门合作建立实习基地。鉴于政府部门的性质与敏感性，此类合作难免会受到一些限制，还需要加强与企业之间的合作，特别是要利用资源多渠道充分调动企业参与平台建设的积极性与主动性，使企业在专业设置、教学过程中与高校无缝对接，在实习实训过程中发挥主导作用。

数据是统计分析的对象，数据资源匮乏严重限制了统计专业的进一步发展。对于教学科研型院校而言，建立校企合作、产业融合的实践平台，是提高办学质量，实现跨越式发展的现实选择，选择有资质、有情怀、能够为学生成长提供丰富数据资源的合作企业尤为关键。统计专业实践教学平台的建设要实现互利互助、合作共赢，需要校企双方的建设者与管理者为此付出足够的耐心与时间。

三、结束语

当前统计教育的热点是大数据与智能化数据处理，而不足之处在于传统统计教育的数据分析手段不够，智能化程度偏低，需要借鉴现代科技的力量进行改革。我们需要利用大数据技术来拓展统计分析的深度与广度，利用人工智能的技术促进统计推断、统计决策与教学管理的升级优化，实现个性化培养。

面对大数据和人工智能的发展与挑战，高校需要积极对统计学的人才培养方案进行创新设计，坚持以增强学生的数据分析处理能力，提高人才培养质量为目标开展多样化的教育教学工作，同时还要构建适应数智化时代要求的课程体系与教学内容，革新统计教学模式，打造实践平台，为社会经济发展培养出更多的统计专业人才。

参考文献：

[1]崔伟，孙晓园.挑战与应对：面对智能时代的高等教育[J].北京教育，2020（11）：8-11.

[2]陶慧芳.数智化时代会计教学变革与创新[J].营销界，2020（47）：39-40.