“醫學統計學學習平臺公眾號”在教學中的應用探索

張 琪 杜澤宇 陳逸敏 朱淑明 林卓琛 葛 琪 顧 菁 張晉昕

1 中山大學公共衛生學院, 510080 廣東 廣州； 2 廣東省婦幼保健院醫學遺傳中心，511442 廣東 廣州；3 中南大學湘雅公共衛生學院，410078 湖南 長沙

醫學統計學是以概率論和數理統計基本原理和方法為基礎，對醫學領域中數據的收集、整理、分析、結果呈現進行系統闡釋的一門應用型學科，統計學的應用在當今的科學研究中，已經成為不可或缺的一部分[1]，尤其是在醫學領域中，正確地學習、掌握與運用統計學方法及統計軟件是研究過程中至關重要的環節[2-3]。隨著醫學研究實踐的深入，新的、復雜的統計學方法不斷涌現，在統計學課堂上講授這些方法的軟件實現的具體過程，勢必干擾了學生對統計學思維邏輯的辨析、吸收。可見，關于統計計算的具體實現步驟，應該移到課堂外。

中山大學醫學統計學系在中山大學教務部、廣東省教育廳的支持下，2014年起開發面向醫學本科生的SPSS和SAS軟件自主學習平臺，將理論溫習、實操教學制作成可視化的文件，方便隨時隨地的自主學習。

1 公眾號的設計與運行

參與課程錄制的講解者均為高年級醫學統計學在讀研究生，經統一培訓，使錄制人員在授課目標、授課手段、講解風格、錄制流程、質量要求等方面達成一致。錄制前均需撰寫腳本，由項目負責人帶領項目組集體討論、審核后方可正式使用。確保所授內容達到理論上準確明了、提綱挈領，實踐上重點突出、清晰易懂。初學者能借助該學習平臺完成課外作業，讓學生學習統計軟件告別乏味、枯燥，自主完成學習。對于社會上的研究人員，也可以通過可視化的視頻資料快速復習所學過的統計學知識，正確使用統計學方法。

中山大學醫學統計學學習平臺得到國內外各界用戶的積極瀏覽使用，2019年底時已有2.4萬余人次訂閱該公眾號。

1.1 設計思路

中山大學醫學統計學學習平臺提供的學習資料，每一節均有理論知識的簡短回顧，以SPSS和SAS軟件學習為主要講授內容。為學生和科研工作者提供了學習統計學知識的便利。具體而言有如下初衷。

①學習者在實踐過程中，通過視頻的畫外音實時獲得授課者的輔導，加強了對理論知識的深入理解。可以隨時暫停正在播放的內容，利于學生逐步消化、吸收。

②學生可以借助智能手機隨時隨地瀏覽，方便碎片化學習。同時，還可以通過關注的微信公眾號隨時獲取推送資源，動態了解最新學習內容。

③由于微信本身提供了網頁版和PC版，所以該系統還能在臺式機、筆記本、ipad上使用，也可投屏狀態下用于集體培訓。

④微信公眾平臺所有用戶都是經過實名注冊的，因此，網絡環境的安全性要高于其他傳播渠道。

⑤微信公眾平臺還能群發消息，可快速方便地傳遞重要學術消息。為用戶了解醫學統計學學術動態增加了一個可靠渠道。

⑥用戶間交流學習心得，遠程提供數據分析的支持，均可基于該平臺提供的素材。直觀、迅捷地分享學習資源，探討學術問題。

1.2 模塊組成

具體內容分為以下3部分。

(1)SPSS模塊

將現本科教學大綱中要求的統計計算實現能力轉化為SPSS軟件環境中的實際例題。例如，教學大綱對簡單線性回歸的要求為：繪制散點圖，了解兩變量間是否有直線聯系；直線回歸方程式及其計算，回歸系數b和截距a的意義，以及最小二乘原則；回歸系數的假設檢驗；繪制回歸直線圖；回歸方程的應用(描述變量間關系、預測和控制)；Ⅰ型回歸、Ⅱ型回歸對資料的要求。在應用自主學習平臺上的第14講“簡單線性回歸”，采用身高與體重的實際例題，講解了簡單線性回歸的適用條件和如何使用SPSS軟件繪制散點圖、計算線性回歸方程、進行回歸系數的假設檢驗、計算回歸系數置信區間等內容。

平臺內容制作初期，于中山大學在校學生用戶中試用學習，收集修改意見。根據修改意見，增加了必要的大綱以外內容，例如數據管理(數據規則的介紹、變量定義)、正態性檢驗、方差齊性檢驗等相關內容，同時，拓展了秩和檢驗的教學內容。

最終形成的教學平臺中，錄制了實操例題的SPSS軟件操作與過程講解。具體內容：①SPSS軟件入門；②數據管理；③描述性統計分析；④統計圖表的制作；⑤正態性檢驗、方差齊性檢驗；⑥單樣本t檢驗、配對t檢驗；⑦秩和檢驗；⑧單因素方差分析；⑨隨機區組設計資料的方差分析；⑩定性資料的χ2檢驗；配對定性資料的χ2檢驗；R×C表資料的χ2檢驗；定量資料線性回歸分析。

教學視頻文件經后期制作、合成，2015年起在微信平臺(公眾號:yxjtx2015)上發布。用戶通過添加公眾號或掃描二維碼(見圖1)可以登錄學習平臺，像點菜單一樣就可以開始學習。例如，在系統中輸入“2”，則獲得SPSS環境下“第2節，數據管理”的課程內容，通過觀看視頻學習。

圖1 中山大學醫學統計學學習平臺二維碼

(2) SAS模塊

圍繞本科教學要求，提供SAS環境下統計分析的實操教學，每一節課的開頭仍包括簡略的理論回顧。選擇了教材中實用性強的例題，并包括一部分中山大學醫學統計學系所開展統計咨詢服務中的實際資料分析，以保證與授課內容具有良好適配性。

內容包括：① SAS軟件入門；② 定量變量的統計描述；③ 定性變量的統計描述；④ 多種類型的t檢驗；⑤ 多種類型的方差分析；⑥ 多種類型的檢驗；⑦ 秩和χ2檢驗；⑧ 簡單線性回歸分析；⑨ 多重線性回歸分析；⑩ logistic回歸；cox回歸；隨機化分組。

(3)拓展資料

在平臺內提供了專題學習資料，國家級教學名師方積乾教授的講座 “統計學與醫學聯姻”介紹了統計學與醫學的關系。數量化的觀點是人們認識世界的重要手段，生物現象的個體間普遍存在較大差異，造成差異的影響因素又多樣且復雜。統計學可幫助人們透過偶然現象來探究固有的規律性，因此統計學在醫學中具有不可或缺的地位。此專題講座可以讓學生們了解到統計學的學習目的，進而激發學習興趣。此視頻于2019年底時已播放1.7萬余次

這個模塊的內容擬繼續增加統計學學習中重點、難點問題的講解，也開放式歡迎全國醫學統計學教育工作者提供精彩授課資料。

2 用戶反映及教師評價

2.1 學習用戶的反映

該學習平臺在使用中得到來自用戶的建議，歸納如下。

①每一個單元只闡明了重點知識，時間偏短。如果用戶有深度學習的要求時，內容尚不充分，建議增加“詳盡版”。

②希望增設測試題目，便于學生自測，檢驗學習效果。

③除了可打開視頻課件外，建議提供另外2個下載選項：ppt課件及視頻中用到的數據文件。

④操作界面中出現小號字時，收看辨別困難，建議升級時提高分辨率。

2.2 教師的評價與建議

在校學生初次學習軟件操作，理論課的課前即可觀看視頻進行預習，課后不妨再次觀看視頻，同步使用電腦邊操作、邊學習，可高效理解所學知識。學生將手頭教材的例題予以重現，確保自己能獨立完成計算，然后，就可以用學習平臺上提供的方法做作業了。

與國家教育部“愛課程”網公布的國家精品資源共享課、慕課同步學習，能使理論課知識得到更為深入的理解。

對于醫學數據分析的科研人員，在每一節課的學習中，先獲得統計學方法應用條件的簡短回顧，明確自己面對的資料是否適用，然后再進一步學習詳盡的操作指引或代碼講解。平臺上的視頻授課中還有對結果的解讀，為完成科研分析報告提供了實用的指導。

實際的研究資料有時與本平臺提供的典型示例間有一定差距，在學習中需要舉一反三，必要時可查詢軟件配套的幫助系統，或軟件使用手冊。

在移動學習平臺教學活動設計的過程中，教師應設計豐富的活動形式幫助學習者展開學習。在教學組織上，教師需要結合課程內容以及學生心理對課程內容進行分類處理，針對其不同對象展開不同的教學設計，使受眾順利消化學習內容。將任務驅動教學法應用于移動平臺教學中，充分利用移動教學傳播面廣、用戶滾雪球式增加的特點，推動教學高效進行。通過后臺監控，教師可追蹤學生學習的整個過程，對學習者遇到的問題及時指導。為學習者營造一種輕松愉悅的學習環境和學習氛圍，為學生提供更廣闊的思辨空間[4]。

3 內容更新與展望

中山大學醫學統計學系創建的軟件學習平臺不僅適用于醫學領域的學生和研究人員，也適用于統計學得以應用的經濟、農業、工程等領域的在校生和科研工作者。2015年建成后，用戶增加迅速，也經常收到來自用戶的新要求。制作團隊根據廣大用戶的要求，該學習平臺的內容持續更新升級。

平臺研發團隊注重收集各方用戶的反饋，用戶既包括在校的本科生、研究生，也包括繼續教育學習班的廣大學員。在校生的實操課堂上，本平臺大大提升了課堂效率，學生得以在有限的課堂教學時間內更為深入地關注統計學方法的理解，而不再糾結于具體的運算細節。為了適應平臺用戶能力的逐步提高，公眾號涵蓋的統計學方法也應同步升級，解決用戶更高級的學習需求。

隨著5G技術的推廣，手機上傳輸更高像素的視頻文件也能具有良好的流暢性，原有視頻資料的清晰度也需要改善。不更新舊制式的視頻資料，將難以滿足用戶對優質學習體驗的需求。

4 討論

隨著云服務、新媒體等現代交流方式的涌現，微信公眾號碎片化學習方式更加符合新時期背景下人們隨時隨地學習的習慣[5]。隨著移動互聯網的廣泛普及與計算機技術的進一步發展，國內越來越多的高校通過微信公眾號傳遞信息[6]。

SPSS和SAS都是醫學科研工作者經常使用的統計軟件，它們的分析功能強大，嵌入的統計學方法素有全面、權威、先進的特點，在醫學研究領域發揮了巨大的作用。鑒于此，中山大學建立的“醫學統計學學習平臺公眾號”目前以介紹這2款主流軟件的統計分析實現為主體內容。

不少醫學研究者反映，在著手處理實際資料時，對既往所學統計學方法及統計軟件知識已淡忘，而初學者的基礎知識不甚扎實，導致醫學研究中誤用、濫用統計學方法的現象屢見不鮮，要改善這一現狀必須要從統計學教學的改革入手，為他們提供便捷的學習、溫習素材，為他們正確完成統計學分析提供引導[7]。隨著該學習平臺被更多學者、在校生關注，相信會對其進一步的升級完善提出更高要求，期待著更新后的平臺能為廣大醫學研究人員、專業知識的學習者提供卓有成效的統計計算支持。