大數據背景下的金融學課程教學改革研究

■陳加旭 唐元琦／西南石油大學

一、大數據對金融學教學的影響與新要求

2016年，習近平總書記提出：“以數據集中和共享為途徑，建設一體化國家大數據中心”，大數據逐漸上升為國家戰略。在大數據時代，數據產生、數據收集、數據分析與應用等環節都在發生著深刻的變化。數據的生產已突破了時間地點的限制，數據的采集逐漸從調查式的收集向自動化采集方式轉化，數據的分析與應用也由傳統的驗證型轉化為探索分析型。大數據時代的浪潮改變了數據分析模式，對當前的金融學教學模式與要求也產生著深刻的影響。首先，市場對金融人才提出了新需求，較強的數據敏感度、清晰的邏輯思維能力和協調溝通能力是金融行業從業人員所必須具備的基本素質金融行業人才必須具備對金融數據收集、加工、分析的基本能力，要求其能夠以事實數據為依據對所參與的金融項目現狀及未來發展進行分析和預測并轉化為決策信息。金融數據挖掘方法與技術的掌握之間成為金融企業招聘時重點關注的技術。其次，大數據的興起對金融學教學本身也產生著深刻影響。與傳統數據相比，大數據具有及時、微觀、互動、個性化等特征，無論對教學目標設置、教學過程搭建還是在教學評價與預測等方面都提出了新要求。只有基于大數據時代的特征，創新教學理念、加快教學改革步伐，才能培養出適應大數據時代需求的人才。

二、數據挖掘技術在金融學教學中的適用性分析

數據挖掘（Data Mining）一般是指從大量的數據中通過算法搜索隱藏于其中信息的過程，通常會利用機器學習、統計學技術和模式識別等技術來實現。數據挖掘通過數據準備、數據挖掘、結果解和評價幫助使用者從大量復雜的信息中獲取有效數據并制定決策。目前，隨著各高校在在線教育、網絡教育方面的大量投入，產生了大量的教學數據，通過對這些數據的挖掘、分析和整理，可以讓教學人員對于如何進行精準教學提供了可能。同時，隨著互聯網金融的發展，學生在學習過程中也可以充分運用數據挖掘技術進行實證研究和仿真實驗。

本文認為，在目前的金融學教學中數據挖掘可以應用于以下幾方面：第一，有效反饋教學結果。將教師的教學信息、學生的學習效果和教學評價作為數據來源，通過數據挖掘中的聚類分析方法可以區分在不同教學目標要求和教學方式下評價教學質量并通過分類來分析不同教學方式之間的差異，可以反映教師在教學中存在的實際問題，優化教學方法。第二，預測學生學習能力。現代金融學教學的基本要求是通過因材施教更好的實現每個學生的全面發展。通過數據挖掘技術中的決策樹法和神經網絡法可以更好的實現這一目標。例如，可以運用決策樹法通過對學生各部分學習成績的挖掘分析發現不同學生的學習偏好。例如發現有的學生對金融理論知識掌握較好而知識運用能力不強，則需要對這類學生強化操作技能方面的訓練。第三，完善課程內容，增強學生實踐能力。傳統金融學教學模式注重概念和方法的詮釋，學生參與程度低，教學數據分析主要運用EXCEL等軟件簡單演示。而在大數據時代，數據的非結構性和復雜性已經不是常規演示所能代表的。在課堂教學中只有教會學生如何從復雜的數據庫中挖掘出有用的信息才能增強學生對現實金融現象的理解。教會學生使用R軟件、Hadoop等分析軟件也將成為金融學教學中的重要內容。

三、基于數據挖掘技術的金融學教學改革實踐

順應大數據時代對金融學教學提出的新要求，將數據挖掘技術應用于金融學課程教學中不僅能較好的實現精準教學、分類教學，而且在教學效果反饋、學生實踐能力培養等方面都具有較好效果。筆者所在教學團隊基于數據挖掘技術對現行教學模式改革進行了一定的探索，其主要做法包括以下幾方面：

第一，改革課程設置，增加數據挖掘教學內容。傳統的課程設置已不能滿足大數據時代對學生實踐能力、分析能力和綜合素質的要求。因此，在金融學課程教學內容上更加強調知識的針對性，重視學生動手能力的提高。首先，在課堂教學中引入數據挖掘專題，通過實際案例分析向學生介紹機器學習、統計分析等方法，教會學生如何使用分析軟件進行金融數據挖掘、整理和分析。從實踐效果看，大部分學生在學習中能夠較好掌握這些分析軟件，并進行獨立分析，同時通過增加學生動手機會較大的提高了學生的課堂參與度，反過來增加了學生對理論知識點的理解。此外，引導學生積極參與挑戰杯、建模大賽、社會實踐等活動，進一步增強學生自發尋找問題、分析問題、解決問題的能力。

第二，進行學習效果與學習行為的關聯分析。在教學中通過建立課程學習網絡平臺提取習題、提問、課堂表現等相關數據，利用相關性挖掘算法發現學生學習成績（效果）與日常行為的關聯性進行分析。例如，在筆者的通過教學過程中的數據關聯與聚類分析發現某一班級學生的學習行為模式至少可以分為“積極主動性”（約20%）、“消極拖延型”（約10%）和“順其自然型”（約70%）三類，“消極拖延型”學生在平均成績方面均低于其他兩類。通過對學生學習行為的分類，在教學過程中進行有針對性的引導。對“消極拖延型”的學生通常采取興趣引導的方式，在教學過程中注重對該類學生學習積極性的提高，增加檢查和提問的次數，同時針對性的設置一些簡單問題讓其回答，以增強該類學生的積極性。對“積極主動型”的學生鼓勵其積極探索課程外的知識，設置一些難度較高的任務，注重探索精神和科研興趣的培養。對“順其自然型”學生則注重增強其學習的積極性和主動性，增加課程學習的效用水平。

第三，教學方式與教學效果的文本挖掘。在教學過程中對線上和線下的教學留言、論壇、聊天室的評論的交流數據進行文本挖掘，結合課程內容對不同教學方式下的教學效果進行分析。在對連續兩年的分析中，我們發現在教師講解式教學方式下學生對理論概念和理論特征理解較為深刻，思辨性較強，但往往出現學習后一兩天記憶較為深刻、思辨性討論較多，但一段時間后出現記憶模糊想象。參與式教學中學生記憶較為持久，但對表面現象討論較多，無法實現對具有深度的理論知識的了解。以任務為導向的教學方式則能夠進一步強化學生的參與性，但由于不具備較好的理論基礎，往往使得分析的深度不夠，學生的討論中對方法應用類的興趣較大，而對較為枯燥的理論學習熱情較低。

在實踐中也發現了一些需要進一步改進的問題：第一，數據挖掘要達到理想效果需要進一步完善課程平臺的設計，綜合采集在線和離線數據，要求分析教師具備金融專業外的教育學、心理學等知識，同時也要精通數據挖掘工具和處理算法。第二，在教學數據挖掘的過程可能涉及到學生的私人數據，會對學生和教師產生一些不利影響，因此需要在進行數據挖掘的同時進行一些倫理限制，保護學生的隱私。