資源約束下的應用型大數據會計課程體系與實驗教學設計

應里孟（副教授） 修丕師（博士）（溫州商學院管理學院 浙江溫州 325035）

一、引言

當今的數據驅動環境的特征是大數據的存在，它涉及數據集的特征，如數據結構、數量、變化速度、多樣性和可變性。這些數據包括傳統數據（如銷售點數據和會計系統數據）和最新的、通常是非結構化的數據源（如社交媒體數據）。數據驅動的演進導致組織修改工作實踐，并需要關注創新數據獲取和分析實踐的額外技能，從而為組織在所有業務實踐中提供競爭優勢。同樣，會計作為企業決策的主要信息來源，其競爭優勢是能夠提供相關和可靠的信息來改進商業決策。對實時、預測性信息的日益增長的需求要求會計職業界具備執行大數據分析和使用大數據集來保持這種優勢的能力。

為滿足日益緊迫的大數據人才需求，2016年，教育部首次批準3所高校設立了“數據科學與大數據技術”本科專業。之后，該專業建設迅猛發展，截至2019年3月，國內共有497所高校獲準設立了“數據科學與大數據技術”專業。該專業學制為4年，側重于大數據技術教學，授予工學學位或理學學位。由于該專業適應面廣，北京大學、中國人民大學、上海財經大學等高校在多個院系開設了這一專業。2018年，教育部批準了5所高校新設“大數據管理與應用”本科專業，至2019年已達30所。該專業側重于對大數據的管理，以及將大數據運用在具體的實踐領域，授予管理學學士學位。

在會計專業領域，雖然沒有高校明確提出開設“大數據會計”專業，但還是開設了特色方向班。例如，南京理工大學的“大數據+會計”特色方向，西南財經大學的會計學（大數據方向）實驗班。但這些方向班的人才培養尚處于“摸著石頭過河”階段，在各種資源方面還存在較大的約束。具體表現為：缺乏目標明確的人才培養標準、成熟的大數據會計教學軟件平臺，沒有真正意義上的大數據實驗數據，沒有公認的大數據會計課程體系，沒有現成的教材和教學案例，“大數據+會計”復合型師資隊伍短缺，專業建設經費有限，是各高校開展大數據會計教學面臨的普遍障礙［1］。

國際商學院協會（AACSB）強調了將大數據和商業分析整合到會計課程中的重要性。AACSB的會計專業認證標準A 7指出，AACSB認證的會計學位課程應該包括學習目標，以發展與信息技術融入會計和商業相關的技能和知識。這包括數據的創建、共享和報告，以及數據挖掘和分析。從國際經驗來看，該要求給各高校帶來非常大的壓力，這種壓力主要來自于資源約束［2］。那么，在資源約束下，如何避免過度追求理想化的大數據環境，根據具體的人才培養目標設計出一套可用且有效的大數據會計課程體系，如何整合各種可用資源來開展大數據會計實驗教學，是當前亟待解答的問題。為解答該問題，本文在溫州商學院會計學省級特色專業建設項目——大數據會計特色教學模塊建設經驗基礎上進行研究。

二、應用型大數據會計人才培養目標

人才培養目標是進行課程體系設計的前提和導向，通過確立應用型大數據人才能力要求，導出應用型大數據人才培養目標。

（一）應用型大數據會計人才能力要求

至今為止，許多機構和研究探討了會計專業人才應該具備的能力，在這些能力中，就有與大數據相關的能力要求。

1.AACSB的人才培養要求。隨著大數據時代的到來，社會對商業領域的大數據復合型人才需求日益旺盛。為此，AACSB將數據分析納入了會計專業認證標準A 7（會計畢業生的信息技術技能和知識），要求會計畢業生：與使命、預期成果和支持戰略相一致，會計學位課程包括學習經驗，以發展與會計和業務中的信息技術集成相關的技能和知識。這些學習經驗包括與數據創建、數據共享、數據分析、數據挖掘、數據報告和存儲相關的技能和知識的開發。然而，AACSB的A 7認證標準僅是對要求擁有單獨會計認證的大學包括與數據分析和信息技術技能相關的內容和學習目標，至于到底什么是數據分析，如何將數據分析用于會計工作，應該在會計學專業課程體系中如何融入數據分析，學生應該掌握的具體數據分析技能和工具等問題并未給出一個詳細的指南［3］，這給高校進行大數據會計相關課程設計帶來了困惑。會計職業界的各行業協會、會計學專業教學指導委員會也未提供相應的建議方案［4］。

2.用于會計教育的勝任能力整合框架。考慮到會計專業學生對長期職業要求所需的能力缺乏定義，同時也缺乏對如何在會計課程中開發這些能力的理解。2010年，美國管理會計師協會（IMA）和美國會計協會（AAA）的管理會計組（MAS）成立了一個特別工作組來解決這些問題，并為所有會計專業的學生提供課程建議［5］。該工作組隨后提出了一個《用于會計教育的勝任能力整合框架》，該框架將會計專業畢業生應該具備的能力分為基礎能力、會計能力和廣義管理能力（見圖1）。

基礎能力中的“技術能力”包括軟件的使用（包括熟練開發和使用電子表格模型，以及使用技術來加強溝通）。同樣重要的是信息系統的目的和設計、系統架構、處理模式、網絡類型、硬件組件（包括移動設備）、操作和應用軟件（包括云計算）、系統安全性和信息系統連續性的知識。這些能力是所有會計人員必須具備的。會計能力中的“信息系統”包括收集、驗證和分析數據，以支持跨職能和全球的合作與溝通。這里包括數據、事務流、數據組織和訪問以及數據庫管理。戰略和運營決策需要集成的信息系統，如具有決策支持的專門軟件/報告系統、企業資源規劃（ERP）系統、商業智能、企業分析信息搜索和檢索、數據挖掘，以及熟悉XBRL等語言。會計人員還必須能夠設計和評估信息系統控制和管理信息系統風險和合規，包括監督舞弊預防、隱私保護和數據完整性。需要廣泛的技術知識和技能來評估系統需求、投資、采購和實施，包括對供應商和服務提供商的監督。密切關注新興的技術趨勢和風險是至關重要的。信息系統能力對于長期的職業成功至關重要，它為組織增加價值，支持戰略和運營決策，無論是在哪個會計專業領域。

和AACSB一樣，《用于會計教育的勝任能力整合框架》也未細化出各種能力應該對應的課程，沒有提供建議的課程體系方案。

3.其他文獻中的觀點。大量的專業文獻針對不同的會計專業領域，提出了會計人員應該具備的大數據相關技能要求（見下頁表1）［6］。從表1可以看出，雖然不同文獻對于各專業領域所需大數據分析技能存在差異，但還是貫穿了三個基本要求。首先，會計師需要能夠提出正確的問題（批判性思維技能）；其次，他們需要理解數據并執行適當的分析；第三，他們需要能夠交流分析的結果。這些文獻同樣未涉及到具體的大數據會計課程建設問題。

圖1 用于會計教育的勝任能力整合框架

（二）應用型大數據會計人才培養目標

從上面三大類文獻梳理我們可以發現，AACSB提出的“數據創建、數據共享、數據分析、數據挖掘、數據報告和存儲相關的技能和知識的開發”技能，涵蓋的范圍最廣，已經不再局限在會計專業領域了，這種要求與數據科學領域的人才培養目標幾乎等同。其他兩類文獻的要求所涵蓋的內容雖然各自有所側重，但總體上還是在AACSB的專業要求框架之內。

1.數據科學人才培養目標。在數據科學領域，主要培養三類人才：數據分析師，數據工程師，數據科學家（如下頁圖2所示）。其中，數據分析師要求能運用既有的算法、模型和工具進行分析并將分析結果報告給決策者，他們不要求進行算法和模型設計，但要求能夠根據具體情況選擇適當的算法、模型和工具；數據工程師對數據庫和數據結構有深刻的理解，主要工作是對數據進行清洗、整合和管理，他們為數據分析師和數據科學家提供分析所需的數據；數據科學家不僅要具備數據分析師和數據工程師所需的能力，更要求能構建算法和模型來進行數據分析。

從人才輸出渠道來看，數據分析師通常來自商科專業，主要是運用現成工具來為管理決策服務，相對“輕技術、重決策”；數據工程師主要來自于計算機或信息工程相關專業，相對“重技術、重數據、輕決策”；數據科學家主要來自于計算機相關專業，通常由計算機類和商科類專業進行聯合培養，相對“重技術、重數據、重編程、重決策”。由于數據科學家的綜合素養要求很高，僅在本科階段難以完成，需要有研究生階段深造過程。

表1 專業文獻中對會計人員能力的要求

目前大量高校開設的“數據科學與大數據技術”本科專業，其人才培養目標就是系統培養學生掌握計算機學科知識、統計學原理， 使其成為能夠運用大數據思維預測分析特定應用場景的決策控制方法的高層次工程人才［7］。如果放在商科類專業進行人才培養，則以培養數據分析師為導向。當然，放在計算機類專業培養，也會學習諸如財務分析等商科類課程，也可勝任數據分析師崗位，但相對商科類專業的培養而言，他們在專業領域知識方面，理解程度相對薄弱一些。

2.應用型大數據會計人才培養目標。2018年教育部首次批準開設的“大數據管理與應用”專業，授予的是管理學學士學位，其人才培養更具管理導向，與會計專業進行的大數據會計人才培養目標更加接近。相比“大數據管理與應用”專業而言，會計學專業的大數據會計人才培養，目的不僅僅只是為了進行純粹的大數據相關工作，而是為了讓會計學專業的學生能夠勝任大數據時代會計工作的新環境、新要求，也就是為了更好地開展會計工作，目的是培養會計專業人才。而數據分析師或大數據管理與應用專業人員，則更具通用性，他們著眼于彌補各個專業領域中對大數據專業人才的不足，目的是培養掌握大數據分析技術，能勝任廣泛專業工作崗位的復合型人才。

因此，應用型大數據會計人才的培養，并非是要新開設一個大數據會計專業或特定的專業方向，而是順應大數據時代新趨勢，會計學專業適應環境變化的內在需求，它并沒有改變會計學人才培養的應用型導向，但在實現應用型人才總體目標方面，所需的知識、能力和素質要求發生了變化。我們認為，應用型大數據會計方向旨在培養具有大數據思維和扎實的會計學專業基礎，掌握大數據處理技術和分析理論，能夠運用常見的大數據工具、技術和方法進行會計數據分析、報告和解釋，借以支持企業經營、管理、控制和決策的復合應用型人才。

當然，由于各高校辦學基礎存在差異，其人才培養目標也會存在差異。例如，理工科院校的大數據會計教學，可能大數據技術類課程比重會更多一些，從而更加體現技術性；而財經院校的大數據會計教學，更多的會重視常見數據分析工具、技術和方法的選擇和應用，技術類課程比重相對會低一些。但培養復合應用型人才的總體目標還是不會變的。

圖2 數據科學人才金字塔

三、應用型大數據會計課程體系設計

課程體系是實現人才培養目標的支撐。由于應用型大數據會計人才培養的落腳點是培養適應大數據時代需求的新型會計專業人才，而不是大數據技術人才，因此，現有會計專業人才培養方案中的會計學專業核心課程不應有太大的變動，而是將大數據相關課程融入現有課程體系，或將大數據相關內容與現有會計專業教學內容進行有機融合。具體存在如下三種會計課程體系設計思路。

（一）集中方法

集中方法指的是不打破現有會計專業課程體系和內容體系，在此基礎上增加一門或若干門大數據相關課程。這些課程著眼于發展通用技術能力，包括數據創建、數據挖掘、數據存儲和使用以及數據安全性。在課程體系建設的初步階段，可以考慮開設一門數據科學導論課程，該門課程內容不融入會計專業知識，由計算機類或信息管理類專業教師授課，目的是培養學生使用數據挖掘、分析和可視化分析工具進行數據分析的技能。會計專業教師則隨堂聽課，進行“大數據+會計”復合型教師隊伍培養。在解決師資隊伍短缺問題后，可以考慮進一步增加專業性的會計大數據分析課程，該門課程應該融合財務會計、財務管理、管理會計、成本會計和稅務會計等課程專業內容，目的是讓學生學會用大數據分析工具、技術和方法來解決專業領域的問題。這兩門課程建議在主要的專業課程學習完畢之后在高年級開設。建議的課程及對應的教學主題和技能如表2所示。

在集中方法下，需要克服的另一個資源約束就是學時的有限性。要在既有的人才培養方案中增加一門課程的難度是很大的，在總學時限制的條件下，增加一門新課就必然導致其他課程的淘汰或課時壓縮。集中方法并不要求對原會計專業課程體系進行較大的變動，但從應用型人才培養要求和大數據時代工作特點來看，現有會計專業人才培養方案中很多課程內容完全可以壓縮。例如，隨著財務機器人的日益普及，財務會計課程中大量會計分錄有些可從詳講變略講。高級財務會計和高級財務管理課程中有些內容對有興趣的學生來說，完全可以自學或選修學習。因此，在減持保留會計準則、審計準則和稅法相關課程及知識點的基礎上，完全可以壓縮手工會計時代延續下來的專業課程學時。

除此之外，還需考慮課程體系中支撐課程體系的建立。我們建議將數據科學導論課程作為公共基礎課程，在大學一年級開設，這樣有助于培養學生在整個大學學習階段的大數據意識。同時要將統計學作為會計專業的基礎課程開設。在此基礎上，大學三年級開設會計大數據分析課程，就水到渠成了，因為學生既建立了大數據及大數據分析意識，也在專業課學習過程中，或多或少運用大數據思維來考慮專業問題。

（二）集成方法

集成方法是不增加新課程，而是對現有培養方案中的會計專業核心課程進行大數據改造［8］。從理論上說，大數據時代的會計專業課程內容本身就應該是適應大數據時代會計工作特點的一套理論和知識體系，而不是像前面的集中方法下出現的“兩張皮”現象。采取綜合方法的會計課程可以考慮在現有的會計課程中增加數據分析元素和主題。會計課程往往是孤島式的，因此剝奪了學生跨職能應用能力的實踐機會。整合會計課程中的數據分析可以幫助解決這個問題。下頁表3提供了集成方法的建議。

然而，在我們社會還未完全過渡到大數據時代的情況下，這種改造的難度和風險是非常大的。因為它要求對每門專業課中的知識點與大數據相結合的可能性、與大數據融合后的新知識的產生及知識點應該如何講授、教師隊伍是否有能力編寫相應的教材并完成課程授課、改造后的教材是否被學生和同行認可等問題，都需要重點考慮。更重要的是，可用于具體課程大數據改造的教學資源非常有限的［8］。因此，目前使用綜合方法來建設大數據會計課程體系，時機尚不成熟。

表2 建議的主題和技能，按課程的重點方法

（三）混合方法

混合方法試圖融合集中方法和綜合方法的優勢，既開設獨立的大數據課程，也在部分課程中培養學生的大數據分析能力［6］。例如，在審計學和會計信息系統兩門課程中融合大數據知識和能力的培養，因為專業的服務公司已經可以為這些課程提供大數據教學資源。我們認為，采用混合方法來構建應用性大數據會計教學體系，是當前一種可行的選擇。由于如何界定數據本身是否屬于大數據，存在極大的爭議。我們認為，常用于定義大數據的“3V”（海量性、高頻性、多樣性）特征并不一定要同時滿足，其中任何一種特征只要體現出了與原有數據集不同，都可以視作大數據。

表3 綜合法下建議的課程主題和技能

以此為標準，在資源約束下，我們建議應用型高校還是盡可能采用“拿來主義”，引入其他專業教學領域現成的軟件、教材、教師隊伍來探索性地開展大數據會計教學建設。這主要是考慮在資源約束下的應用型高校，沒有足夠的資源作為先行先試者，這種嘗試的成本太高，失敗風險更高。雖然也有一些軟件服務廠商推出了獨具特色的大數據教學平臺，但我們試用后發現，這些平臺并未體現大數據工作的特點，很多軟件還是對原有模擬教學軟件的重新包裝。

溫州商學院作為一所民辦本科院校，其會計學為浙江省“十二五”和“十三五”兩期新興特色專業建設專業，在特色建設方面有著迫切的需求。立足專業建設過程中積累的大數據師資隊伍和教學科研成果優勢，開辟了“大數據會計”特色人才培養模塊，其基本思路如下：

1.開設兩門大數據基礎課程。會計數據庫基礎課程主要介紹數據庫的基本原理，重點講解面向結構化數據的SQL語言及其在會計工作中的應用。在人們的印象中，結構化數據是“小”數據，只有綜合了非結構化數據才是“大”數據。其實不然，隨著各行各業數字化程度越高，企業的結構化數據量呈幾何級增長，這種數據也可以看作大數據。更重要的是，現在的會計實務工作中，所使用的數據類型還是以結構化數據為主。另一門課程是會計大數據分析，該門課程引入了非結構化數據，介紹NoSQL數據庫技術、數據可視化等技術，培養學生利用Python進行程序設計、數據采集、數據處理、數據清洗和數據分析等技術實踐能力。

2.改造提升會計信息系統課程。原來的會計信息系統課程運用的是基于用友ERP軟件進行教學，只啟用了與會計工作密切相關的總賬、固定資產、應收應付款管理、UFO報表等模塊。這是一種與業務脫節的教學邏輯，與當前財務業務一體化要求并不相符。大型ERP系統本身就是一種大數據平臺，我們基于用友U 8和用友審易平臺，將會計工作端遷移，延伸到業務開展的全過程，開設了ERP財務與成本管理實訓、ERP供應鏈管理實訓、ERP生產制造實訓、ERP模擬運營實訓和計算機審計五門課程，用于替代原有的會計信息系統模塊。為解決課時大幅拓展帶來的可用學時不足問題，我們借助學校的“課程超市”，將這寫課程作為選修課程包供學生選擇。

這種設計有很強的針對性，充分考慮了學生應對結構化數據和非結構化數據進行分析的技能要求，也利用的是現有的成熟的教材和免費的教學軟件資源。兩門大數據基礎課程的教師是來自學校的信息工程學院的大數據專業教師，其他五門專業課程則是原會計信息系統教學團隊擔任，他們對軟件均非常熟悉，因而不存在教學方面的障礙。通過這種方式，改變了原來特色專業建設主要依靠產教融合實現的高成本投入，采用幾乎零成本的方式實現了“接地氣”的大數據人才培養，給學生培養的是實實在在能用的大數據能力，而不是停留在體驗教學層面，可以有效避免失敗的風險。

四、應用型大數據會計實驗教學設計

應用型大數據會計實驗教學應始終貫穿最優服務學生理念，以培養快速崗位適應型人才為核心，以促進學生知識、能力和素質協調發展為指導，以提高教學質量為目的，科學進行實驗平臺設計，競選實驗素材，合理安排實驗內容，優化實驗教學方法，科學進行實驗教學評價，提高實驗教學質量和管理水平。

（一）實驗平臺設計

大數據會計實驗教學涉及的內容包括了一系列收集、存儲、管理、處理、分析、共享和可視化技術的時間應用，具體服務四類大數據基礎課程教學內容和兩類用友平臺（用友U 8和用友審易）的實驗教學：（1）數據采集實驗：Python網絡爬蟲實驗。（2）數據分析與處理實驗：Python程序設計基礎、大數據技術原理、數據挖掘、數據清洗、數據分析。（3）數據存儲與管理 ：NoSQL 數據庫技術。（4）數據可視化：數據可視化技術。（5）用友U 8：財務業務一體化技術。（6）用友審易：大數據審計技術。以上實驗教學平臺均有免費的教學版本，在過去這些軟件是采用服務器/客戶端（C/S）結構。為適應新一代信息技術的要求，實驗平臺可以采用基于“云端-移動終端”的實驗室數字資源可視化線上線下共享模式，構建“智慧實驗室”，突破實驗室教學空間的現實，讓學生能夠充分利用課余時間進行實驗［9］。

1.在“云端”建立學科知識庫和教學資源庫。隨著高校信息化的推進，大部分高校都建立了云管理平臺，即“云端”。根據實驗、實踐教學需求，對學科知識體系進行劃分，將知識逐步細化和關聯，在“云端”建立學科知識庫；通過數據分析，匯聚有價值的教學資源，在“云端”建立教學資源庫，并實現學科資源與學科知識的映射。

2.構建知識地圖，實現線上可視化資源共享。以校園三維地圖加顏色標識的方式實現專業實驗室所在位置的可視化展示，真實模擬實驗室場景和設備。將“知識”與“地圖”位置進行關聯。線上實現可視化資源導航、模糊檢索、知識推送和資源二維碼導出功能。

3.通過“移動終端”實現線下資源共享。線下實驗室、實驗設備部署二維碼，師生可以隨時通過“移動終端”掃描二維碼，實現與“云端”的交互，快速獲取相關資源。

可視化資源線上線下共享系統使資源不再是單一凌亂的個體，而是放在知識框架中的有序實體，使無序凌亂的資源變成有序系統，強化了學生的學科知識結構。線上以可視化方式提供資源導航和檢索，幫助學生直觀、快速地檢索到所需知識進行學習，節約檢索時間，提高學習的積極性與連貫性。按需推送知識資源，每個學生可以根據自己的需要獲取知識點，有助于激活學生潛能，為學生創造獨立自主、自由發展的開放式學習環境，使學生在學習過程中，得到富有個性的發展。線下在實驗、實踐教學環節中，根據實際教學場景和設備結合線上知識，可以達到更理想的教學效果。

（二）實驗素材來源

大數據會計實驗教學，最缺乏的是真實的商業交易大數據。現在有許多的大數據分析網絡實驗教學平臺，更加接近真正意義上的大數據和大數據分析，但成本昂貴，在資源約束下成本難以負擔。如果購買“一次購買、永久使用”的大數據包，確實可以降低單位使用成本，但需要對現有的數據服務器進行升級，同樣也會帶來高成本。所以，我們在選擇實驗教學教材和平臺時，最好選擇教材本身自帶教學用數據，或系統本身內置模擬數據包。其實，無論是Python還是R語言，均提供了獲取外部數據包的功能，還有一些學習社區也提供了相關的數據資源。教師在備課時，完全可以自備案例，也可讓學生在課后自己尋找數據包，完成一篇案例分析課后作業。此外，現在政府開放數據力度越來越大，各主要部委及省、市政府部門均在其政務平臺開放了各類數據，這些數據也是可以免費獲取的。還有很多高校為了支持科研，購買了國泰安數據庫、同花順金融數據庫等，這些數據更加契合大數據分析教學所需。課堂資料和案例也可以通過會計師事務所為學術機構提供的網站獲得，例如安永的學術資源中心。這些數據的使用邊際成本趨近于0，且無需升級數據服務器，可用作大數據會計實驗教學素材。

（三）實驗教學組織

對應用型本科生而言，他們需要學會的是運用現成的數據分析工具、技術和方法來解決實際工作中的問題，培養學生的數據分析思維模式，培養學生有效溝通數據分析處理過程和結果的能力。教師在實驗教學中，應該多使用項目或案例進行教學，這種案例既可以是從網絡獲取（例如安永的學術資源中心）的模擬案例數據，也可以是通過合法渠道獲取的真實世界的實踐案例。

考慮到“大數據+會計”復合型師資極其短缺的現狀，大數據基礎課程還是應由計算機相關專業教師中有大數據專業背景的教師講授，會計專業教師采用隨堂聽課的方式培養，之后通過兩個專業教師之間的教學探討，用會計專業教師的專業視角引導大數據專業教師更精準地對接大數據會計人才培養需求，大數據專業教師提供的技術視角，則為會計專業教師提供了在專業課程中融入大數據教學的思路。經過較長時間的相互學習和思想碰撞，有助于打造一支“大數據+會計”復合型師資隊伍。

（四）實驗教學評價

實驗教學評價包括學生對教師的“學評教”和教師評價學生的“教評學”。“學評教”和“教評學”是促進教師提高教學質量的有效途徑。教與學是雙向互動的過程，教師和學生也是相互依存、共同成長的角色，不存在孤立學生的教師，也不存在脫離教師的學生。面向教師和學生的雙向反饋流，是洞察教學質量和判斷學習狀態的重要參考。“學習進步數字地圖”將課堂中的數據分析分為三個階段：用以分析學生的學習起點，用以監控學生的過程進步，用以評價學習干預的效果。數字地圖通過分析學習全過程中自然產生的數據來引導師生雙方的教與學，不僅可以讓教師根據數據反饋的結果優化教學，還能讓學生根據可視化結果來改善學習。基于有意義的大數據的分析與反饋，能建立起師生之間的雙向教學反饋流，使師生之間的互動趨向更為一致，雙方溝通更為順暢，教師讀懂學情，學生理解教學，事半功倍。

由于大數據會計實驗教學采用基于“云端-移動終端”的實驗室數字資源可視化線上線下共享模式架構模型，教師行為和學生行為并不局限于實驗室中面對面的交流，更多的時間是線上的學習和教學軌跡。通過“智慧實驗室”管理平臺，我們可以連續地、自然地采集學生過程中的行為表現、情感體驗、認知變化、學習情境適應等信息，也可采集教師教學的投入、情感、態度等信息。這些信息組成了教學大數據，可以支持我們從不同視角進行多維評價，從而增強“學評教”和“教評學”的科學性，為優化教學決策提供更加精準的支持，從而使“個性化學習”成為可能。

五、總結與建議

進入大數據時代，會計專業學生必須掌握大數據相關知識和技能，會計專業本身也需要根據大數據的特點進行自我調整，方能保持會計職業的競爭力。我們認為，應用型大數據會計方向旨在培養具有大數據思維和扎實的會計學專業基礎，掌握大數據處理技術和分析理論，能夠運用常見的大數據工具、技術和方法進行會計數據分析、報告和解釋，借以支持企業經營、管理、控制和決策的復合應用型人才。

由于大數據會計人才培養尚處于“摸著石頭過河”階段。對應用型高校而言，要探索大數據會計人才培養模式，面臨著諸多的資源約束，需要承擔巨大的試錯風險。比較務實的做法就是采用保守的做法，盡可能采用“拿來主義”，引入其他專業教學領域現成的軟件、教材、教師隊伍來探索性地開展大數據會計教學建設。通過建立基于“云端-移動終端”的實驗室數字資源可視化線上線下共享模式，利用免費的教學軟件和素材，多使用項目或案例進行教學，組建復合型教學團隊，利用教學大數據進行精準的“學評教”和“教評學”，為優化教學決策提供更加精準的支持，實現個性化學習目標。

根據溫州商學院在“大數據會計”特色人才培養模塊方面的經驗，我們建議推進幾個方面的工作：（1）建設智慧型大數據分析實驗室。該實驗室定位于公共實驗室，作為為全校的大數據相關課程實驗教學基地。該實驗室應該立足高標準、現代化和智慧化，不應是傳統機房的翻版。（2）在全校商科類專業開設數據科學導論必修課。由于現在的大學生在中學階段就已經具備了較強的計算機基礎能力，現有的大學計算機課程應取消，取而代之的是更精準、更有效的體現大數據時代特點的數據科學導論課程。（3）不斷優化會計學專業人才培養方案，進一步強化學生統計學基礎能力的培養，不斷剔除不適應時代需求的過時教學內容，在課程體系中不斷更新適應大數據時代需求的新興特色課程。（4）利用教學大數據持續優化“學評教”和“教評學”，為實現個性化學習打下基礎。