统计学专业研究生课程教学的研究与思考

摘要统计学研究生课程教学是统计学类研究生人才培养的关键环节。本文结合当今大数据和人工智能时代给统计学带来的机遇和挑战，对我国统计学研究生课程教学这一培养环节中存在的问題进行了研究与思考，同时给出了一些解决方法和改革建议。

关键词 统计学 硕士研究生 课程教学 教学改革

中图分类号：G643文献标识码：ADOI：10.16400/j.cnki.kjdk.2021.16.011

Studies andConsiderationontheTeachingofPostgraduateCoursesofStatistics

SUN Yi

（College of Mathematics and System Science， Xinjiang University， Urumqi， Xinjiang 830046）

AbstractThe teaching of postgraduate courses in statistics is a key link in the cultivation of postgraduate talents in statistics. This article combines the opportunities and challenges brought to statistics by the era of big data and artificial intelligence， and then conducts some researches and consideration about the problems in the training link of statistics graduate course teaching in our country. In the mean time some solutions and reform suggestions are also proposed.

Keywordsstatistics； postgraduates； course teaching； teaching reform

大数据和人工智能的蓬勃发展将曾经在学科体系中显得“默默无闻”的统计学推向了新时代的潮头。统计学科的很大一部分理论已经成为大数据和人工智能的不可或缺的核心内容。可以说统计学为大数据和人工智能的发展立下了汗马功劳。此外，大数据时代海量数据的爆发不仅呼唤着统计学的深入研究和发展，而且各行各业所积累的海量数据也需要大量的统计学人才去挖掘其中所蕴藏的价值和信息。因此，社会对统计学人才的大量的需求也导致了目前统计学硕士研究生的大幅扩招。那么，面对众多的统计学硕士研究生，在新的大数据时代和人工智能发展日新月异的背景下，如何才能培养出更好的适应时代新要求的统计学高层次人才呢？本文将结合自己从事统计学硕士研究生课程教学的经历来对这一问题进入深入的研究与思考。同时，根据自己在教学过程中的体会来提出一些自己的思考和建议。首先从大数据和人工智能对统计学人才培养的影响和挑战谈起。

1大数据和人工智能时代对统计学课程的影响和挑战

当今，无论是大数据还是人工智能，都面临着需要处理海量数据的问题。那么，海量数据是借助于现代科学技术保存的不可限量的全体数据，它与样本容量无关，与信息来源的大小和存储量密切关联，其特点是充分地挖掘和收集数据。大数据和人工智能时代，传统统计思维必将发生重大转变。如在大数据时代，样本本身其实就是总体。此外，人工智能从弱到强的发展过程中，则要求统计学由原来的探求变量间的关联关系转化为探求变量间的因果关系。海量数据的爆炸式增长不仅需要统计学与数据库知识相结合，而且还必将促使经典的统计推断方法升级换代为分布式的统计推断思想。各种非结构化、半结构化数据的大量涌现致使单靠统计学无法从根本上处理数据分析问题，如此务必使统计学与云计算、机器学习、复杂网络等其他学科相互合作才能有效解决相关问题。这便促使统计学由单一学科向跨学科、交叉学科的方向发展等等。由此，不难看出大数据和人工智能的到来将对统计学硕士研究生的培养以及课程教学体系的建设产生巨大的影响和挑战。下面我们将结合大数据和人工智能的时代特点来探讨一下目前研究生统计学课程教学中存在的问题。

2研究生统计学课程教学中存在的问题

2.1课程体系陈旧，无法适应时代发展的要求

统计学类研究生专业必修课教材更新缓慢，教学内容并没有随着大数据和人工智能的发展要求进行更新。主要体现在前沿科学知识在研究生教学中所占内容较少。统计学研究生所用的大部分教材依然按照经典的统计学的思路来讲授，侧重传统统计学的数理逻辑推理和数值计算。同时，也没有把当前最新的符合大数据特点的统计学新技术反映到教材中。比如，新提出的分布式统计推断技术、统计因果推理、基于图论的多元统计方法、流数据技术等等。目前，国内统计学类的教材中，这些新的统计方法都没有体现出来。因此，如果教师在教学过程中不融入新的统计技术和方法，那么我们培养出来的统计学人才一方面不能适应大数据与人工智能时代的发展要求，另一方面对研究生的社会适应能力和就业竞争力的培育也会产生诸多不利因素。

2.2课程内容难度偏低，培养目标层次区分度不高

招收研究生的目的是为国家培养和输送高层次创新型人才。高层次人才培养的关键在于有高层次的教材和高水平的教师。以统计学类的专业必修课“多元统计分析”为例，面向研究生的多元统计分析教材和面向本科生的多元统计分析从内容上看大同小异。除了部分内容在数学处理上的深度不同以外，再看不到有什么其他的差别。层次区分度非常低，且有关要求研究生教育在课程内容上专、深、精的特点并未得到充分的体现。这样的状况造成大多数知识的反复学习、耗费了很多宝贵的课堂时间。除此之外，常见研究生的教材《回归分析》《计量经济学》等也具有类似的情况，它们的难度系数很接近本科生教材。

2.3课程设置涵盖面狭窄，无法适应学科融合的发展趋势

当今，移动互联网、物联网、云计算等信息技术的发展使得生活中的一切都可以被记录下来而实现数据化，記录的数据呈爆炸式增长且往往是半结构化和非结构化的，从而推动人类社会向大数据时代迈进的步伐。众所周知，大数据的价值不在于量大，而在于能否从中挖掘中有价值的规律和信息。因此，大数据时代对数据处理和分析的统计学人才提出更高的要求，培养出的统计学人才不仅需要精通统计学的理论与思想，而且还要对网络科学、互联网、数据库、云计算、信息科学等领域有相当多的了解。否则，高校所培养的统计学研究生将无法胜任社会的需求。但是，目前在统计学研究生培养的课程设置上，依然存在按研究方向来设定课程的情况。另外，统计学传统课程依然偏多，甚至有些不同课程之间还有很多内容重复。比如，《多元统计分析》《计量经济学》《回归分析》等教材都包含了线性回归模型。在新技术和跨学科的课程方面却没有设置。统计学的研究生只能通过导师开设的课堂讨论班中获取很少一部分零碎的新知识和新思想。如此狭窄的课程设置一方面限制了研究生视野，另一方面也不能体现对当今研究生宽口径培养的时代要求。从知识结构层面束缚了对研究生交叉学科学习能力和创新能力的提升。同时，这种情况对研究生个性化能力的培养也没有好处。[4]自然，也与大数据与人工智能时代对统计学人才的新要求背道而驰。

2.4教学大纲和教材选择管理严格，导致课堂教学灵活性降低

笔者在给统计学研究生上课的过程中，有部分研究生课程的教学大纲内容还是基于很久以前的统计学知识体系。另外，由于教材常常由学院或研究生院来定，选择教材的人往往是从事行政管理的，根本没有教过学或做过统计学的研究，从而导致所选教材比较陈旧而跟不上时代的发展。由于一些高校的研究生院在教学方面管理手段生硬，为避免教学事故的发生很多老师严格按照多年没有更新的教学大纲进行教学。这样看似省力省事，避免了不少不必要的麻烦。但是，这种管理方式使得老师不敢轻易改变授课内容或者授课方式，甚至老师们抱着多一事不如少一事的态度，书上没有的新思想和新技术也就不讲了，这种管理方法不仅使得课堂教学的灵活性降低，也不利于高层次创新人才的培养。

2.5师资力量所限，课程设置存在随意性

近年来，由于统计学是大数据技术、机器学习和人工智能技术的重要基础技术之一，使得社会上统计学人才缺口很大。再加上统计学人才在企业工作的收入普遍比在高校工作的收入高，使得高校统计学类的教师缺乏严重。虽然很多高校具备了统计学研究生的招收资格，但是师资力量并没有匹配上。以西部地区的某高校为例，最近5年来没有引进到一名具有统计学博士学位的教师。只能通过委培的方式来提升师资力量。由于师资力量的不足，一些学校在设置统计学研究生的课程时，只能从现有师资力量的角度出发进行课程编排，而无法充分考虑专业和学科层面的要求。当与需求课程相对口的教师资源缺乏时，要么选择一个专业不对口的教师勉强授课，从而致使研究生的课程教学质量大大下降，达不到相应的要求，甚至有些学校干脆不开设相应的课程或者开设其他的课程来代替。

2.6理论与实践缺乏融合，导致理论有余但动手能力不足

理论与实践缺乏融合可以说是我国高等教育过程中普遍存在的问题。这也是我国关键技术和“卡脖子”技术受制于人、科技转化水平较低的原因之一。以统计学研究生培养方案里的课程设置情况来看，应用性强和实践性强的课程缺乏，理论性课程非常多，并且理论课程里面也缺少应用与实践环节的安排。从理论课和实践课的课时安排上也可以看出，理论课的课时远多于实践课的课时。如果研究生本人在课下不努力弥补应用实践环节时，就很容易造成学生毕业后具有充足的理论储备知识，但实际动手造作能力严重缺失的问题。那么，这就不利于研究生就业能力和创新能力的培养，难以适应研究生就业多元化的需求。

3研究生统计学课程教学改革的研究与思考

3.1整合优化课程体系和教材体系，破除教材和教学内容重复难题

课程体系和教材体系建设是高校学科建设的核心组成部分，其内容和水平反映了一个学科的整体发展水平。目前很多高校在统计学科的研究生教学中，都把《多元统计分析》和《回归分析》分开来教。但是，这两本教材有很多内容是重叠的。除此之外，《计量经济学》中也包含了大量的回归分析内容。因此，针对这种情况可以考虑把重叠的知识内容整合到一本教材中去，也可以考虑把《多元统计分析》和《回归分析》优化整合到一门课程中。然后，将关键核心基础课程（如高等数理统计、大样本理论、多元统计分析等）作为统计学类多个研究方向的公共学位必修课。尽可能优化减少公共学位必修课的课程数量，增加一门能反映新时代统计学最新研究成果和方法的课程，同时增加专业选修课的课程量。如此一方面可以减少减少讲授课的授课时间，增加研究生进行专业研究和思考的时间，另一方面可以实现研究生创新型和个性化培养的目的。同时也有利于破除教材和教学内容重复难题。

3.2加大课程教学内容的难度，推进多领域或多学科教师联合教学

为培养区别于本科生的高层次创新型和复合型人才，现阶段必须提高统计学研究生课程教学内容的深度。在教学内容上，应切实做到能够反映本专业最新的科学研究成果以及让学生了解本专业最新的科学发展前沿。那么，这就需要人们对统计学研究生的课程内容要进行精宽深的凝练，密切关注国内外统计学发展的前沿趋势，重视学术领域中突现的新方法和新思想，让研究生较早地了解和学习本学科的前沿课题以及最新的学术研究成果，使得本科生和研究生学习阶段的培养模式具有层次清晰的特征。考虑到统计学已经上升到一级学科，如今已经“枝繁叶茂”。某个研究领域的统计学者不可能知道统计学的全部，因此可以考虑多研究领域或多学科教师联合教学或举办系列专题讲座的方式对研究生进行培养，这不仅有利于提高研究生课程教学的深度和广度，而且便于实现丰富研究生课程内容的目的。如笔者在东北师范大学调研时，该校统计学研究生的课程教学采用的便是这种教学方式，并取得了很好的效果。

3.3增加跨学科、跨专业选修课，拓宽知识涵盖面

如今的大数据和人工智能时代使得统计学不再是一门封闭的学科，她需要与人工智能、机器学习、信息技术、生物信息学等多学科联合起来才能发挥其无穷的魅力。因此，在统计学研究生培养过程中，增加跨学科、跨专业选修课将是未来的发展趋势。否则，统计学类研究生的就业优势与数据挖掘等类似学科专业的研究生相比将不复存在；统计学在数据分析与处理方面的优势也不容易体现出来。为此，统计学研究生的培养有必要开设一些交叉学科、新兴学科、边缘学科等方面的课程，甚至可以邀请企业或部门机构有实践和管理经验的专家型领导做专题讲座，以拓广学生就业面和课程知识的涵盖面。这非常有利于当今时代对知识融合发展的吁求，也能够促进对创新型和复合型人才的开发和培养。

3.4教务部门增强对教师的信任，放松专业技术知识领域的教学监管

教务部门作为学校等教育机构的教学管理部门，主要对教与学各方面的事务进行管理，针对教师而言，从教课的任务、目标、进度及计划着手管理；对于学生而言，主要管理其学习要求、目标、计划及考试等内容。因此，在教学管理中起着非常重要的作用。但是，长期以来高等学校的教务管理部门有大量的管理者并不从事教学和科研，造成教学与教管之间的不和谐甚至相冲突。在科学技术迅猛发展的今天，知识的变化呈现日新月异之态。尤其与大数据和人工智能紧密相连的统计学，其发展更是迅猛。如果再一成不变地按教学大纲的规定去要求授课老师，就会导致教学与实际相脱节，人才培养和社会需求大相径庭，不利于高层次人才的培养。考虑到有些学校制定课程教学大纲的人和授课人员并不一致以及教学大纲更新缓慢，教务管理部门有必要提高对授课教师的信任度，放松专业技术知识领域的教学监管。由授课教师自行选择优秀的具有一定深度的教材进行授课；教学内容由授课教师根据本专业最新发展状态和趋势对教学内容进行选取。

3.5加强师资队伍建设，促进课程体系和教材体系建设并积极推动研究生精品学位课建设

有句名言曾说：“大学之大不在高楼，而在有大师。”加强师资队伍建设是保证研究生培养质量的根本。近年来，统计学专业硕士研究生进行了大规模扩招，导致很多高校师出现资力量严重缺乏的现象。以西部地区为例，由于受到地理位置和经济发展的影响，引进统计学博士几乎没希望。如果采用委托培养又可能造成近亲繁殖的现象，不利于学术研究的创新并且违背文化繁荣中百家争鸣的方针。因此，国家和政府有必要出面提出一些好的政策和福利待遇来吸引优秀人才到经济不发达地区进行从教。学校层面需要从工资待遇、子女教育等方面着手打消其顾虑。解决了师资队伍问题，课程体系和教材体系的建设问题便可迎刃而解。因为，课程建设与教材建设是和高水平的师资队伍密切联系在一起的。研究生师资队伍是研究生课程与教材建设的主体，只有高水平研究生师资队伍才能保障高水平研究生课程与教材的建设。与此同时，教育部可以牵头积极组织推动研究生精品学位课建设。在此过程中，应积极鼓励号召教师编写具有高水平和高质量的研究生教学课本；在使用国内统编教材的同时，鼓励在教学中采用国外的原版优秀教材；积极推进“面向21世纪研究生教学用书”项目的落实，并设立专项基金用于研究生教材的出版和发行。

3.6积极开展校企联合，加强实践和应用环节的培养

统计学是一门应用性非常强的学科。它可以与数据结合产生巨大的经济效益和社会效益。因此，在统计学研究生人才培养的过程中，可以积极开展校企联合。在企业建立教学与研究实习基地或者由高校与企业联合设立实验室，让学生积极参与企业项目与课题，以加强实践和应用能力的培养。另一方面可以增加案例教学环节或者增设案例教学课程，通过案例教学的实施来培养研究生的实践能力；还可以鼓励学生积极主动的参与导师的研究课题，提升科学研究能力和创新实践能力。最后，鼓励学生积极参加各种科研竞赛，如数学建模大赛、市场调查大赛等，通过参加这类活动来提升和培养研究生的实践能力、团队协作能力和实际应用能力。

4总结与建议

本文结合平时外出访学时的调研和亲身经历，针对当前统计学硕士研究生课程教学过程中的问题进行了研究与思考。从大数据和人工智能对统计学人才培养的影响与挑战出发，深入剖析了目前统计学研究生课程教学中存在的一些问题。根据存在的问题，笔者提出了一些自己的思考和改革建议。希望这些思考和研究能够起到抛砖引玉的效果，为我国统计学研究生的人才培养和教学改革贡献力量。

基金项目：新疆自治区研究生教育教学改革项目（项目编号：XJ2020GY）

参考文献

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

[2]邱淑芳等.大數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.

[3]胡莹莹，孙毅.《线性代数》课程教学改革的研究与思考[J].吉林省教育学院学报，2018，34（3）：49-52.

[4]陈晓卫，李爱平.统计学研究生教育课程体系建设与改革研究[J].中国科技纵横，2011，86（7）：127-128.

[5]苏理云等.大数据背景下统计学硕士研究生人才培养模式研究[J].教育教学论坛，2015，22：142-143.