基于R 語言的生物統(tǒng)計學課程考核改革研究

符 輝 陳法霖 袁桂香

（湖南農(nóng)業(yè)大學資源環(huán)境學院 湖南 長沙 410128）

近年來，針對生物及環(huán)境的監(jiān)測技術手段與能力得到快速發(fā)展和不斷更新完善，如高分辨率遙感對地觀測技術、無人機遙感技術、飛速增長的無線傳感器網(wǎng)絡、全基因組測序的遺傳學研究及數(shù)據(jù)的自動采集、存儲與傳輸技術的發(fā)展等。[1-2]，大數(shù)據(jù)時代不僅促進了理論進步如生物信息學、生物多樣性信息學、生態(tài)信息學等新學科的誕生，也使科學家們逐漸認識到提高數(shù)據(jù)處理分析能力的重要性。[3-7]生態(tài)環(huán)境學科快速發(fā)得益于技術進步、大數(shù)據(jù)可用性、統(tǒng)計方法（如貝葉斯建模、機器學習）發(fā)展，進而提升對人與自然系統(tǒng)的新認識。因此，如何基于高通量數(shù)據(jù)流將多學科知識用于解決現(xiàn)實問題、并提高學生發(fā)現(xiàn)和解決問題的能力，是生物統(tǒng)計學課程在新時代面臨的巨大挑戰(zhàn)。

一、生物統(tǒng)計學課程教學考核現(xiàn)狀

生物統(tǒng)計學課程是農(nóng)業(yè)院校生命科學及生態(tài)學領域相關專業(yè)的核心基礎課程，但其教學本身存在較多問題。[8-13]例如，理論教學與軟件分析難以高度融合，傳統(tǒng)的考試和課后千篇一律的作業(yè)報告考核方式難以避免學生之間互相借鑒參考，不能有效提高每個學生的數(shù)據(jù)分析能力，更無法使教師掌握每個學生對教學知識的理解程度。為適應大數(shù)據(jù)時代對數(shù)據(jù)分析人才的需求，促使學生熟練掌握R軟件操作技能和提高數(shù)據(jù)分析能力，筆者結合R語言軟件教學，對生物統(tǒng)計學課程的考核方式提出改革建議，以期為改善該課程的教學效果、提高本科生的培養(yǎng)質(zhì)量提供參考。

二、R 語言應用于生物統(tǒng)計學課程教學的優(yōu)勢與必要性

R語言是一款優(yōu)秀的數(shù)據(jù)分析和數(shù)據(jù)可視化軟件工具，主要用于統(tǒng)計分析、繪圖、數(shù)據(jù)挖掘、機器學習等。[14]4-7R語言擁有一套完整的數(shù)據(jù)清洗、處理、分析、建模和可視化的系統(tǒng)，可以完成數(shù)據(jù)科學中幾乎所有的工作任務。相較于眾多傳統(tǒng)統(tǒng)計工具如SPSS、Statistics、SAS等軟件，R語言有以下優(yōu)點[14]3-4：第一，完全開源免費。它的代碼是公開的，用戶既可以查看函數(shù)的源代碼學習統(tǒng)計編程，也可以通過修改源代碼實現(xiàn)新的功能；第二，可跨平臺使用。可運行于多種操作系統(tǒng)，如UNIX、Windows、MacOS等；第三，編程簡單。它是一種解釋性和交互式高級語言，在掌握一些基礎函數(shù)和語法后即可使用；第四，數(shù)據(jù)分析功能強。它是專門為統(tǒng)計和數(shù)據(jù)分析開放的語言，目前平臺上已開放了數(shù)以萬計的功能強大的程序包，涵蓋了從基礎統(tǒng)計到機器學習再到深度學習最前沿的分析方法，用戶均可免費下載使用。

近年來，R語言已普遍應用于國外大學的統(tǒng)計學相關課程的教學。如賓夕法尼亞大學、杜克大學、加利福尼亞大學、劍橋大學、牛津大學、康奈爾大學等高校的生命科學相關專業(yè)均開設了R語言與生物統(tǒng)計課程，還出版了一系列書籍，如Biostatistics with R、A Primer in Biological Data Analysis and Visualization Using R、Bioinformatics with R Cookbook、Introduction to Data Analysis and Graphical Presentation in Biostatistics with R等。目前，國內(nèi)已出版R語言在生命科學領域應用的專著，如《數(shù)量生態(tài)學——R語言的應用》《試驗設計與數(shù)據(jù)分析——基于R語言應用》《R語言與生物統(tǒng)計學實習指導書》《環(huán)境與生態(tài)統(tǒng)計——R語言的應用》，然而將R語言貫穿于生物統(tǒng)計學課程教學過程的仍不多見。

事實上，R語言社區(qū)已經(jīng)有大量專門為生物科學、生態(tài)學、環(huán)境學領域的學者開發(fā)出來的應用程序包，如基礎統(tǒng)計程序包“stat”、農(nóng)林類程序包“agricolae”、混合模型程序包“l(fā)me4”、廣義模型程序包“mgcv”、數(shù)量生態(tài)學程序包“vegan”、結構方程模型程序包“piecewiseSEM”、數(shù)據(jù)可視化程序包“ggplot2”等。這些程序包不僅含有大量簡單易學的函數(shù)，且每個函數(shù)都有詳細的參數(shù)使用說明、實戰(zhàn)數(shù)據(jù)及案例解析，為上機操作提供了極大便利；因此，將R語言與生物統(tǒng)計學課程教學相結合，對于推動生物統(tǒng)計學課程教學改革具有重要的積極意義。

三、基于R 語言的生物統(tǒng)計學課程考核改革研究

為避免學生之間互相借鑒參考課后作業(yè)的問題，同時旨在提高學生應用R語言進行數(shù)據(jù)處理分析的能力，文章應用R語言數(shù)據(jù)操作技能，給每位學生隨機產(chǎn)生包含課程主要知識點的作業(yè)組合，以保證每位學生所使用的數(shù)據(jù)資料和作業(yè)的獨立性。具體操作步驟如下：

Step 1：將學生學號或名字編輯成一個向量；

Step 2：將所有要考核的知識點分成兩大類：第一大類為基礎知識點（如求均值、最大值、最小值、方差等）；第二大類為進階知識點（如t檢驗、方差分析、相關分析、回歸分析等）;

Step 3：將每大類知識點按章節(jié)分成不同的組，然后給每組知識點編成一個向量;

Step 4：根據(jù)學生人數(shù)n準備n個數(shù)據(jù)集，并將數(shù)據(jù)集的名字編成一個向量；

Step 5：根據(jù)完全隨機原則，應用R語言中的隨機抽樣方法（sample函數(shù)），針對每組知識點隨機抽取一個知識點按序號分配給一個學生，總計抽取n次，并用同樣的方法分配數(shù)據(jù)集。

Step 6：將所有向量組成一個數(shù)據(jù)矩陣，命名為考核作業(yè)。

R語言代碼如下：

##選修名單（Step 1）

list＜-read.csv(‘選修學生名單統(tǒng)計.csv',header=T)

ID＜-list$學號

##基礎知識點1（Step 2,3）

descriptive_stat＜-c(‘mean_value,standardized_deviation,minimum_vaule,maximum_value,coefficient_variation')

Descriptive＜-c(rep(descriptive_stat,length(ID)))

##基礎知識點2，數(shù)據(jù)探索性分析（Step 2,3）

data.exploration＜-c('正態(tài)分布檢驗,方差齊性檢驗,對數(shù)轉換,平方根轉換')

data.exploration0＜-c(rep(data.exploration,length(ID)))

##進階知識點1，基礎統(tǒng)計（Step 2,3）

model1＜-c(‘t.test',‘a(chǎn)nova',‘correlati on',‘manova',‘pca')

##進階知識點2，線性模型（Step 2,3）

model2＜-c(‘可加模型',‘廣義線性模型',‘廣義可加模型',‘線性模型',‘廣義最小二乘法模型')

##進階知識點3，混合模型（Step 2,3）

model3＜-c(‘線性混合模型',‘可加混合模型',‘廣義線性混合模型',‘廣義可加混合模型')

##進階知識點4，模型檢驗（Step 2,3）

model.test＜-c(‘殘差正態(tài)性檢驗,殘差圖,殘差方差齊性檢驗')

##進階知識點5，非參數(shù)統(tǒng)計（Step2,3）

nps＜-c(‘wilcox.test',‘kruskal.test',‘friedman.test')

##進階知識點6，繪圖

ggplot＜-c(‘bar_plot,point_plot,box_plot,histogram_plot,scatter_plot').

plot＜-c(rep(ggplot,length(ID)))

## 數(shù)據(jù)集（Step 4）

data＜-paste(‘data',1:length(ID),sep=‘_')

##隨機抽樣（Step 5）

Model1＜-sample(model1,length(ID),replac e=TRUE)

Model2＜-sample(model2,length(ID),replac e=TRUE)

Model3＜-sample(model3,length(ID),replac e=TRUE)

Model4＜-sample(model.test,length(ID),replace=TRUE)

Model5＜-sample(nps,length(ID),replace=T RUE)

##作業(yè)（Step 6）

Assignment＜-data.frame(ID,data,Descriptive,data.exp0,Model1,Model2,Model3,Model4,Model5,plot)

write.csv(Assignment',考核作業(yè)2021.csv')

四、結語

R語言統(tǒng)計分析是一門工具性課程，只有不斷地操作、練習，才能促進數(shù)據(jù)分析能力的提升，故而生物統(tǒng)計學課程考核方式的改進應有助于學生具備獨立自主的操作實踐技能及掌握解決實際問題的統(tǒng)計思維與分析思路。經(jīng)過三年的教學改革實踐，本方法能有效杜絕學生之間借鑒抄襲考核作業(yè)的情況，使學生主動探索學習R語言數(shù)據(jù)，不斷進行試錯操作，大大提高了應用R語言解決實際問題與獨立思考能力。

相較于 C語言、C++、VB等計算機編程語言，R語言學習難度低、操作容易，且對于生物科學及生態(tài)學專業(yè)學生而言，進行生物與環(huán)境相關數(shù)據(jù)分析是未來從事相關工作的必備技能；因此，在生物統(tǒng)計學課程引入R語言教學與考核是值得我們嘗試的實踐工作。這不僅能夠提高教師的數(shù)據(jù)分析能力與科研水平，也能培養(yǎng)從事生命科學、生態(tài)學、環(huán)境學等方面的專業(yè)人才。