构建统计学硕士研究生人才培养模式

统计学具有数据基因，工业4.0时代，全世界已经进入了数据时代(大数据时代），统计学人才的培养也应该在大数据背景下实现质的飞跃。统计学不仅具有自然科学属性，同时也有社会科学属性，还起到工具、技术、艺术的作用。因此统计学人才的培养极其重要，研究生层次的培养更是不可或缺。统计学虽然方法上具有优势，但如果不能适应大数据环境，必将影响统计学人才对社会的贡献，进而引起就业困难。大数据具有数据量大，同时还有非结构化数据，数据流、非单机环境，统计方法，统计软件必须主动适应大数据。统计学包含极其广泛，许多专家提出了大统计。应将数据挖掘、机器学习、数据库技术、云计算等技术融为一体。统计分析更应该扩展为数据分析，就是从数据库（数据仓库、数据沙盒）提取数据、处理数据、分析数据、揭示数据规律等。统计方法不能仅仅满足于数学的精确性，更应该强调实用性。我国的统计学大致可分为四大类：数理统计、经济统计、生物医学统计、工业统计。无论偏向那种统计，当前的培养模式，很难适应大数据时代。为了适应统计学的发展，统计学研究生的人才培养模式应该有较大的创新和改进。

一、存在的主要问题

我国在统计学研究生人才培养模式的创新和实践上存在的主要问题表现为：

1.培养目标不清楚。经济统计学和数理统计学在培养目标上，表述不清楚，主要以培养教学和科研的理论人才为主，特别是数理统计学，因为数理统计在统计学提升为一级学科之前为数学下设的一个二级学科，其培养仍然是数学人才，与当今对统计学的要求相差较远。而从学生的就业角度来看，应为应用型的复合型人才为主。就从培养目标来看，学校和学生以及社会对人才的需求上存在着很大的差异。所以如何将这几者统一在一起，发挥培养目标的导向性作用，变得非常重要。大部分没有明确要掌握的统计工具、数据来源问题。

数据来源主要分为四大类：问卷调查、网络数据、数据库、试验设计。针对这四大类数据来源，必须有相应的培养目标。如调查数据，就涉及到问卷设计、数据获取、数据自动提取、数据处理；网络数据如何利用爬虫技术？如何从大数据数据库提取数据？

2.课程体系陈旧、无法适应大数据时代。统计学提升为一级学科后，经济统计学和数理统计学的课程设置都不再适合统计学研究生的培养。而且以前的统计学的课程设置本身也存在着很多问题。比如：（1）课程涉及的领域不能更好地体现统计的应用性。统计学是一门综合性、适应面非常广的应用型的学科。而目前很多统计学研究生培养的课程体系过分注重理论的研究，比如数理统计学就过分注重数学基础类课程的学习，经济统计学只注重经济问题的一些简单理论分析。导致课程设置的范围狭窄，开设的交叉学科和跨学科课程较少，大多数研究生都被束缚在本专业的研究方向上，致使研究生视野不够宽调，科研能力和适应能力受到很大的限制。（2）前沿性知识在研究生专业课程中所占的比重不足。统计学课程内容较为陈旧，研究性、前沿性不够，有些课程内容没有反映出统计学学科领域内的一些最新知识和科研成果，尤其是一些反映统计学学科领域的热点、重点的研究以及未来发展趋势等前沿性的知识，很少能够及时地反映到研究生教育的课程内容中。（3）研究生课程创新性不足。统计学研究生层次差距很大，比如数理统计学的研究生很多本科为数学专业，很多统计学的基础课程没有开设，而有些同学本科为统计学专业，致使硕士生课程与本科生课程拉不开档次，教学内容重复，教学方法与教学形式比较单一，大都采取以讲授为主，讨论为辅的授课方法，部分课程因为没有较严格的课外文献的阅读要求，致使课堂上的讨论较难深入，考试以论文形式，学生通过率很高，课程结束后学生收获不大。

3.实践环节未得到应该的重视和体现。传统的统计学研究生在实践教学环节方面比较欠缺，不重视诸如统计软件、实习实训、实验课程、产学研合作等，缺乏数据环境。

4.考核制度没有真正得到落实。在研究生培养模式中，考核制度起着筛选、分流、淘汰、激励的作用，对研究生的培养质量起到了保障作用，但实际中很难真正落实。一方面，是因为研究氛围不浓造成的，另一方面，部分学生为就业奔波，投放在论文上的精力不够，再加上经费不足，这在一定程度上影响了毕业论文的质量。统计学硕士研究生的培养还需要从整体优化的角度去研究与实践。

二、统计学硕士生人才培养构建

如何构建统计学研究生人才培养的新模式必须回答三个基本问题：为什么要构建新的培养模式？新的培养模式主要有哪些内容？怎样进行构建？必须明确新的人才培养模式目的，在于提高研究生教学质量和专业人才培养质量，从而适应当今社会对统计学高层次人才的需求；必须明确新的人才培养模式的具体培养目标，从而进行具体构建。

首先需明确制定新的人才培养模式的途径和措施，以下主要从新的人才培养模式构建的具体内容、思路和方法方面进行研究与实践探索。

1.培养目标的明确及其导向作用的发挥。随着研究生的不断扩招，培养以教学和科研的理论人才为主的培养目标已经不再适应社会的需求和发展，特别是统计学本身就是应用型的学科。研究生人才成为了推动生产力发展的直接力量，所以应用复合型的人才更多地被社会所需要，所以明确培养目标是研究生教育成功的第一步，而真正发挥科学的培养目标的导向作用是研究生教育成功的关键。

2.统计学研究生课程体系的完善。课程体系是人才培养模式的重要组成部分。完善统计学学科研究生课程体系是统计学研究生人才培养模式的关键。统计学学科研究生培养模式的课程体系建设创新，应在思想方法上真正重视统计学研究生课程体系建设，真正体现课程建设的创新性，不断加快和完善统计学硕士生课程体系的设计、创新、内容修订和评估体系，以适应新兴学科、边缘学科和交叉学科发展对研究生知识结构的要求，并精选课程内容，编写高质量教材和改进课程教学方法，建立合理、完善的课程检査评估体系，为提高研究生课程教学质量提供坚实的保障。

3.强化实践教学环节和统计软件应用能力。开始针对统计学研究生的实验课程体系，强化统计学软件如SAS、R、SPSS等编程与实际问题的实现等，强化与企事业单位的合作，从毕业论文、专业实习等方面加强合作，提升研究生的实际动手能力，让其初步具有在企事业单位从事相关工作的能力。同时需要强化研究生的统计软件的学习和应用，现今数据量越来越大、数据结构越来越复杂，使得要解决实际问题必须熟练掌握统计软件的使用和编程，否则无法很好地完成处理、分析数据的实际需要。

4.构建科学合理的考核制度。现在大多数考核仍为考试驱动型，学生只会考试，没有形成有效知识结构，应用实践能力弱。对于应用性较强的一类课程应该从大作业、专题报告、程序编写、软件应用、讨论、上机操作、考试等多维度进行知识水平测度。构建科学合理的多样化、多元化的考评范式，对学生产生潜移默化的影响。强调课前、课中、课后的相互联系，增强学生自学能力，强化师生互动，把学生从应考能手培养成具有创新意思和实际动手能力的科研好手。同时还要不断完善学术规范，将其纳人考核范围之内，建立健全一套科学、合理、共同遵守的学术规范，对学术不端行为加以监督和惩处，以净化研究生的学术环境。要不断提高学位论文质量并将其作为考核研究生创新能力的一项指标。

三、培养模式构建的具体内容

1.重构统计学硕士课程体系：学位课，基础课，实验课，实践课。学位课注重统计学基础的搭建，基础课拓展学生统计基本方法，实验课培养学生动手能力，实践课的培养让学生适应数据环境。大数据分析需要的基本知识领域：（1）数据的存储、管理：数据库、数据仓库、数据集市、分布式数据库，云存储、云计算、分布式、动态式存储；（2）数据ETL、处理：多源异构、非结构化数据的清洗、转换、综合、优化，文本处理、日志处理、图像、视频处理等，注重数据质量、数据管理等；（3）数据统计分析与挖掘：时序、多源、多元、面板、大数据、非结构化数据的统计、预测、挖掘、开发等；（4）数据可视化i可视化是基本要求，可视化易于接受，直观形象；（5）大数据分析案例：必须引入金融、电信、电商、移动互联、医药、零售、能源等领域的大数据真实案例，丰富认识。

2.合理分配各课程模块的学分和学时，注重实践课程的设置，大部分院校硕士生课程主要以理论为主，强化实践教学及其重要。

3.主动适应大数据，开设大数据相关课程，如大数据平台、计算平台、编程平台、数据平台、可视化平台等。

4.强化实践教学环节，提高前沿性知识课程所占比重。

5.合理开设交叉学科和跨学科课程。

6.注重统计方法、统计软件、数据库技术等有效融合。

作者：苏理云，叶志勇，高红霞，胡爱平，陈彩霞（重庆理工大学数学与统计学院，重庆 400054）