论文部分内容阅读
【摘要】人工智能已经逐步成为现代社会的热点，也给教育领域带来了巨大的冲击和挑战。本文介绍了目前统计专业的本科生教育在人工智能背景下面临的一系列问题，并提出如何对教学课程进行探索和教学改革，以期顺应发展。
【关键词】人工智能 统计学 课程建设
【基金项目】本文由重庆工商大学2018年研究生教育教学改革研究项目资助。
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089（2018）46-0247-02
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，越来越引起社会各界的广泛关注。在2017年12月的乌镇举办的第四届中国互联网大会上，人工智能发展得到了所有专家的认可并成为热议的焦点，人类会慢慢习惯进入一个人工智能无处不在的社会。相信在不远的将来，尤其是当人工智能和大数据已经上升到国家战略的高度时，人工智能产业的增速将是指数级别的，整个社会都出现了对人才的极大需求。
统计学是一门研究怎样收集，组织，分析和解释数据中的数字化信息的科学。人工智能时代，人工智能技术大都是建立在统计学基础上，在系统中输入大量的数据，对数据经过一系列筛选处理分析，继而做出合理的推断。两门学科彼此高度相互依赖，均不能独立存在，因此对统计专业的学生来说既是机遇又是挑战。机遇在于人工智能与统计学相辅相成，很多分析主要建立在统计的基础之上对数据进行处理分析，急需大批的统计高精尖人才；但是另一方面，当下统计学的教育方法和手段难以匹配人工智能时代对人才数据分析能力的要求，这就要求统计教育者对统计学的教学进行进一步的发展与创新，以期培养大学生综合能力以适应人工智能背景下的新要求。
目前统计学教学中存在的问题如下：
（1）大学生普遍对人工智能了解程度不够。目前大学生对人工智能的了解浮于表面，而随着人工智能已经深入社会各行各业，推动着社会的变革和转型，对大学生就业充满挑战，但这并没有引起大学生高度的重视，学生并没有有意识的改变自己的学习方式以适应社会的变革。
（2）统计专业课堂教学注重理论讲授，忽视应用部分。受数据规模、技能发展和缺乏应用意识等因素的制约，传统的统计专业课堂上大都采用理论驱动的教学模式，教师依托教材，主要传授统计学基本原理和方法，案例简单，数据来源单一，统计建模思路较为简单和固定，对实际应用关注较少。不利于培养学生的实际解决问题能力，大学生当前的思维模式与人工智能时代发展极不匹配。
（3）注重教学推导，忽视工具应用。不管是教师还是学生大多注重公式和理论的推导，忽视培养学生SPSS，SAS，R等统计软件的操作能力。尤其是在人工智能背景下，需要处理和分析海量复杂的高维数据，这些必须依靠熟练应用统计软件进行分析才能计算出来。
如何结合人工智能时代的新要求培养高素质高尖端人才，增强学生数据分析和实际应用能力，这些都是传统的统计学课堂教学中所面临的问题和挑战，也是促使教育工作者不得不去探究和改革统计学教育模式。
（1）引导学生由被动学习模式向自主学习模式转变。传统的传授式教学模式不能充分调动学生学习的主动性和积极性，而在目前的人工智能时代，知识更新速度飞快，教师的教学目标应该转变为引导学生如何去主动掌握知识，而不是只考察学生到底死记硬背了多少知识。这也同时要求学生必须顺应时代的发展，转变学习思维，转换学习方式，自主学习，主动参与、独立分析、主动合作。学生才能真正成为学习的主人，在知识的海洋里任意翱翔。
（2）由单一学习模式转变为多样融合学习模式。随着人工智能技术与教育的深度融合，各种原始数据开放的程度不断扩大，本科生不用只依赖于课堂上老师给出的单一数据，他们可以独立快捷的搜索到各个方面的知识，不再局限于传统的“传帮带”学习模式。人工智能的云计算和大数据模式可以支撑教师和大学生随时随地的进行例如慕课，微课和翻转课堂，整体布局或者碎片化多种学习模式，再结合丰富的人工智能应用案例开展课堂教学活动，并随时聚焦新热点。还可适当减少理论课时，增加实践课时，使学习更加主动和高效。
（3）大力提升学生数据分析能力。人工智能通过使用的数据规模来生存和改进，而这些数据是海量的、复杂的。作为统计专业的学生，数据分析能力是根本，因此要以数据分析理论及方法的教学为基础，以数学模型分析及实际问题探讨为重点，坚持理论联系实际进行数据分析能力的培养，实现教学全过程数据分析教学目标，促进学生数据分析能力。
（4）多学科融合贯通。在人工智能背景下，最大的特点就是不同学科领域彼此联系的更加紧密，这就要求统计专业不能再孤军奋战，必须和其他学科相互融合和贯通，将计算机科学、经济学，物联网知识等跨专业的知识融合在一起，这样学生不但具备良好的统计本专业技术，还具备了扎实的数学基础，熟练的编程能力等，足以适应人工智能时代对统计学学生带来的挑战。
在人工智能蓬勃发展的今天，给教育领域带来了翻天覆地的改变，教育领域必须积极去适应，做好本科生的人才培养工作。尤其是培养出人工智能背景下的创新型、技能型高层次统计专业人才，服务于国家智能科技。
参考文献：
[1]韩冯飞.人工智能现状和发展.电脑知识与技术，2016.
[2]赵钰琳，李慧慧，李宪坤，任新平.学习“智”变重构未来.智库时代，2016.
[3]《斯坦福大学报告：2030 年的人工智能与生活》.斯坦福大学，2016.
[4]李德毅.《人工智能在奔跑教育的机遇与挑战——在“北京联合大学智能机器人产学研合作与人才培养创新发展研讨会暨机器人学院成立大会”上的报告》.《北京联合大学学报》，2016.
作者簡介：
廖书（1980-），女，汉族，四川省广元市人，副教授，博士，研究方向：应用数学。
【关键词】人工智能 统计学 课程建设
【基金项目】本文由重庆工商大学2018年研究生教育教学改革研究项目资助。
【中图分类号】G642.0 【文献标识码】A 【文章编号】2095-3089（2018）46-0247-02
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，越来越引起社会各界的广泛关注。在2017年12月的乌镇举办的第四届中国互联网大会上，人工智能发展得到了所有专家的认可并成为热议的焦点，人类会慢慢习惯进入一个人工智能无处不在的社会。相信在不远的将来，尤其是当人工智能和大数据已经上升到国家战略的高度时，人工智能产业的增速将是指数级别的，整个社会都出现了对人才的极大需求。
统计学是一门研究怎样收集，组织，分析和解释数据中的数字化信息的科学。人工智能时代，人工智能技术大都是建立在统计学基础上，在系统中输入大量的数据，对数据经过一系列筛选处理分析，继而做出合理的推断。两门学科彼此高度相互依赖，均不能独立存在，因此对统计专业的学生来说既是机遇又是挑战。机遇在于人工智能与统计学相辅相成，很多分析主要建立在统计的基础之上对数据进行处理分析，急需大批的统计高精尖人才；但是另一方面，当下统计学的教育方法和手段难以匹配人工智能时代对人才数据分析能力的要求，这就要求统计教育者对统计学的教学进行进一步的发展与创新，以期培养大学生综合能力以适应人工智能背景下的新要求。
目前统计学教学中存在的问题如下：
（1）大学生普遍对人工智能了解程度不够。目前大学生对人工智能的了解浮于表面，而随着人工智能已经深入社会各行各业，推动着社会的变革和转型，对大学生就业充满挑战，但这并没有引起大学生高度的重视，学生并没有有意识的改变自己的学习方式以适应社会的变革。
（2）统计专业课堂教学注重理论讲授，忽视应用部分。受数据规模、技能发展和缺乏应用意识等因素的制约，传统的统计专业课堂上大都采用理论驱动的教学模式，教师依托教材，主要传授统计学基本原理和方法，案例简单，数据来源单一，统计建模思路较为简单和固定，对实际应用关注较少。不利于培养学生的实际解决问题能力，大学生当前的思维模式与人工智能时代发展极不匹配。
（3）注重教学推导，忽视工具应用。不管是教师还是学生大多注重公式和理论的推导，忽视培养学生SPSS，SAS，R等统计软件的操作能力。尤其是在人工智能背景下，需要处理和分析海量复杂的高维数据，这些必须依靠熟练应用统计软件进行分析才能计算出来。
如何结合人工智能时代的新要求培养高素质高尖端人才，增强学生数据分析和实际应用能力，这些都是传统的统计学课堂教学中所面临的问题和挑战，也是促使教育工作者不得不去探究和改革统计学教育模式。
（1）引导学生由被动学习模式向自主学习模式转变。传统的传授式教学模式不能充分调动学生学习的主动性和积极性，而在目前的人工智能时代，知识更新速度飞快，教师的教学目标应该转变为引导学生如何去主动掌握知识，而不是只考察学生到底死记硬背了多少知识。这也同时要求学生必须顺应时代的发展，转变学习思维，转换学习方式，自主学习，主动参与、独立分析、主动合作。学生才能真正成为学习的主人，在知识的海洋里任意翱翔。
（2）由单一学习模式转变为多样融合学习模式。随着人工智能技术与教育的深度融合，各种原始数据开放的程度不断扩大，本科生不用只依赖于课堂上老师给出的单一数据，他们可以独立快捷的搜索到各个方面的知识，不再局限于传统的“传帮带”学习模式。人工智能的云计算和大数据模式可以支撑教师和大学生随时随地的进行例如慕课，微课和翻转课堂，整体布局或者碎片化多种学习模式，再结合丰富的人工智能应用案例开展课堂教学活动，并随时聚焦新热点。还可适当减少理论课时，增加实践课时，使学习更加主动和高效。
（3）大力提升学生数据分析能力。人工智能通过使用的数据规模来生存和改进，而这些数据是海量的、复杂的。作为统计专业的学生，数据分析能力是根本，因此要以数据分析理论及方法的教学为基础，以数学模型分析及实际问题探讨为重点，坚持理论联系实际进行数据分析能力的培养，实现教学全过程数据分析教学目标，促进学生数据分析能力。
（4）多学科融合贯通。在人工智能背景下，最大的特点就是不同学科领域彼此联系的更加紧密，这就要求统计专业不能再孤军奋战，必须和其他学科相互融合和贯通，将计算机科学、经济学，物联网知识等跨专业的知识融合在一起，这样学生不但具备良好的统计本专业技术，还具备了扎实的数学基础，熟练的编程能力等，足以适应人工智能时代对统计学学生带来的挑战。
在人工智能蓬勃发展的今天，给教育领域带来了翻天覆地的改变，教育领域必须积极去适应，做好本科生的人才培养工作。尤其是培养出人工智能背景下的创新型、技能型高层次统计专业人才，服务于国家智能科技。
参考文献：
[1]韩冯飞.人工智能现状和发展.电脑知识与技术，2016.
[2]赵钰琳，李慧慧，李宪坤，任新平.学习“智”变重构未来.智库时代，2016.
[3]《斯坦福大学报告：2030 年的人工智能与生活》.斯坦福大学，2016.
[4]李德毅.《人工智能在奔跑教育的机遇与挑战——在“北京联合大学智能机器人产学研合作与人才培养创新发展研讨会暨机器人学院成立大会”上的报告》.《北京联合大学学报》，2016.
作者簡介：
廖书（1980-），女，汉族，四川省广元市人，副教授，博士，研究方向：应用数学。