新文科視域下心理學本科高級數據分析課程建設

關鍵詞：新文科；高級數據分析；心理學；拔尖創新人才；課程建設

中圖分類號：G640" " " 文獻標志碼：A" " " " " 文章編號：2096-000X（2025）17-0056-05

Abstract： Under the context of the new liberal arts construction， Advanced Data Analysis course is an important psychological methodology course in outstanding innovative talents training. This course responds to the demands of the new liberal arts construction and reflects the practical needs of cultivating outstanding innovative talents. In this paper， we combined quantitative and qualitative survey to investigate the teaching effect of this course offered by outstanding innovative talents base class from School of Psychology at Northeast Normal University. Basing on the results， we revealed and analyzed the deficiencies and shortcomings in the course construction process. In response to these shortcomings， comprehensive improvement measures were proposed in three aspects： course arrangement， lecturers， and elective students， aiming to improve the course construction and enhance teaching quality.

Keywords： new liberal arts; Advanced Data Analysis; psychology; outstanding innovative talents; curriculum construction

2019年教育部全面啟動“六卓越一拔尖”計劃2.0，新文科建設隨之全面啟動[1]。在“六卓越一拔尖”計劃2.0中，心理學與哲學、歷史學等多門學科以人文學科的屬性被教育部設定為基礎學科。從學科屬性的視角，心理學兼顧自然科學和社會科學的雙重屬性，越來越多的心理學家用自然科學的研究手段和研究邏輯揭示人類社會的發展規律，解決社會運行中的問題。工欲善其事，必先利其器。掌握新興研究方法，提升分析復雜數據的能力，成為新文科建設背景下心理學本科卓越人才培養中的重要環節。高級數據分析旨在培養心理學專業本科生利用多因素方差分析、多元方差分析、因素分析、中介與調節作用和結構方程模型等方法，分析復雜數據，提升學科素養。在心理學拔尖創新人才培養環節中建設高級數據分析課程，是對國家新文科建設的呼應，亦是新時代心理學創新型人才培養的訴求。

一" 課程建設的必要性

（一）" 新文科建設的大勢所趨

新文科是黨和國家在新時代面對復雜形勢和學科融合趨勢提出的重要戰略，是新時代文科發展的必然趨勢[2]。新文科建設旨在加快中國話語體系建設并為中國式現代化進程中科技的發展提供思想指引和價值選擇[2]。新文科具有創新性、發展性、融合性和問題導向性的特征[2-3]。創新性要求完善學科內涵，改革培養目標，革新培養模式[3]。高級數據分析課程的開設是對心理學本科人才培養模式的創新探索，也是對本科培養模式的革新和完善。發展性要求在人才培養過程中接受不確定性，在探索和挑戰中實施人才培養[3]。高級數據分析課程的內容就是培養學生利用復雜數據分析方法探索人的心理與行為中的復雜機制，揭示心理與行為運行中的復雜原理。融合性是多學科交叉融合的體現，要求人才培養過程中關注相關學科間的交叉、滲透與融合[3]。高級數據分析課程既需要學生掌握心理學專業相關學科的基礎知識，也需要掌握統計學、計算機科學等相關學科的理論與技術。問題導向性意味著在人才培養的過程中要理論與實踐相結合。學生不能僅學會書本知識，更要有問題意識，把所學應用于解決社會發展過程中的實際問題。高級數據分析課程中，學生可以通過學習復雜數據分析方法，嘗試分析和解決社會發展運行中各種問題和現象發生發展的機制；想要真正學會高級數據分析，更需要學生的問題意識，將現實問題轉化為科學問題，進而通過量化實證研究進行驗證。通過理論與實際相結合的方法，將高級數據分析的技術恰當運用于科學研究之中。綜上，在心理學拔尖創新人才培養過程中開設高級數據分析課程，體現了新文科建設的四個特點，是對國家新文科戰略的有力回應。

（二）" 拔尖創新人才培養的現實所需

心理學是教育部“六卓越一拔尖”計劃2.0中拔尖創新人才培養的基礎學科之一。關于什么是拔尖創新人才目前學術界尚無定論。戴耘[4]認為拔尖創新人才需要具備五種特征：①獨特的感知能力和邏輯思考能力；②擁有廣泛的興趣和開闊的眼界；③很強的自學能力；④強烈的探索熱情和不懈的鉆研精神；⑤具有冒險精神和抗挫折能力。從人才培養特征的角度，高級數據分析課程的開設有利于培養學生上述五種特質。首先，獨特的感知能力和強大的邏輯思考能力是學習高級數據分析課程必須具備的能力，同時在處理復雜數據的時候，學生的邏輯思維能力也得到強化和訓練。其次，通過學習高級數據分析，學生可以掌握分析和處理復雜數據的能力，這種能力可以幫助學生建立和提升科研興趣并拓寬學生的視野。再次，高級數據分析作為一門實踐應用型的課程，光靠課堂講述是不充分的。學好這門課程，離不開課后的練習鞏固，在這一過程中自學能力得到提升。最后，高級數據分析課程具有高階性、挑戰性和復雜性三種特點，學生在學習過程中經常會遇到困難與失敗，甚至一些困難在課堂講述的過程中也無法全面覆蓋。因此，在解決這些困難的過程中，學生的鉆研精神和抗挫折能力得到有效鍛煉。從實際應用的角度，不論在“互聯網+”“挑戰杯”等國家級學科競賽之中，還是在研究生推免的面試環節中，多元化的研究方法和處理復雜數據的能力都是考核的重點內容。此外，高年級本科生利用復雜數據分析技術在國內外學術期刊發表學術論文已非罕見。綜上，開設高級數據分析課程是心理學拔尖創新人才培養的現實之需，這對培養心理學本科生的批判性思維[5]，提升創造力起著尤為重要的作用。

（三）" 課程體系完善的內在要求

新文科建設是對傳統課程體系的挑戰，目前包括心理學在內的許多傳統文科學科的課程體系并不適合新文科建設的要求[6]，傳統課程體系有待進一步優化完善。新文科具有創新性、發展性、融合性、問題導向性四大特征[2-3]，要求在培養拔尖創新人才的過程中注重開設高階方法類課程。這些高階方法課程一方面包括認知神經科學相關研究技術，另一方面包括處理和分析復雜數據的技術。高級數據分析課程是方法類課程中的一類。高階方法類課程的學習是心理學專業本科生深入領會和理解心理學學科屬性的關鍵，也是提升專業核心素養的要求[7]。從知識內容的角度，高級數據分析課程的內容是對心理統計學、心理測量學、實驗心理學和初級數據分析等傳統心理學方法類課程的銜接、延展和深化。從課程知識體系關聯的角度，掌握分析復雜數據的能力是聯結理論和實踐的重要環節。諸如普通心理學、認知心理學、發展心理學、教育心理學和社會心理學等理論性較強的課程，一方面不太關注心理學的研究方法尤其是數據分析方法；另一方面，這些課程的講述內容又隨著心理學科學研究的深化，不斷涌現新知識，理解這些新知識通常需要學生具備復雜研究方法的能力。學習高級數據分析課程可以幫助學生深入理解理論性課程中的新興知識，打破傳統心理學教學中理論與實際脫鉤、學科間相互獨立[8]的痼疾。綜上，開設高級數據分析課程在完善心理學拔尖創新人才培養課程體系方面有著舉足輕重的作用。

二" 課程建設現狀與問題

（一）" 課程建設現狀

作者所在單位于2021年秋季學期開始針對大三年級心理學拔尖創新人才基地班（以下簡稱“基地班”）開設高級數據分析課程。課程為2學分，每周上課1次，每次90分鐘，開設學期為秋季學期。課程目前開設3個學期——2021秋季學期、2022秋季學期、2023秋季學期，三個學期選課人數分別是16人、23人、25人。課程的先修課包括心理統計學、實驗心理學、初級數據分析。課程內容主要包括多因素方差分析（三因素及以上水平）、多元方差分析、因素分析（包括探索性因素分析和驗證性因素分析）、中介效應檢驗、調節效應檢驗、有調節的中介模型、Mplus入門與結構方程模型初步。課程目標包括三點：①掌握多因素方差分析、多元方差分析、多元回歸、中介、調節、有調節中介模型、驗證性因素分析、路徑分析、結構方程模型的基本特點；②學會使用SPSS處理多因素方差分析、多元方差分析、多元回歸、中介、調節、有調節中介模型，并正確解讀結果；③學會利用Mplus進行數據預處理，驗證性因素分析，路徑分析，簡單結構方程建模。上述三點課程目標，對應三點本科畢業要求——研究能力、終身學習、交流合作。課程性質為實操類課程，講授方法以教師講授和學生實操相結合的方法。

（二）" 課程建設中存在的問題

為揭示高級數據分析課程教學過程中存在的問題，作者在2022年秋季學期和2023年秋季學期課程結束后，對當年選修該課程的同學進行了課程教學質量調查。調查主要分為兩個部分：第一部分為量化調查，采用李克特5點量表（1=完全未掌握，2=較多未掌握，3=不確定，4=較好掌握，5=完全掌握）對課堂講授過程中主要的五種數據分析技術（多因素方差分析、多元方差分析、因素分析、中介與調節效應分析、結構方程模型）的學生自我感知的掌握程度進行調查。第二部分為質性調查，主要是讓選修該課程的同學對課程教學提出建設性意見和建議，以期改善下一年度的教學。2022年秋季學期共有22人參與調查，占選修課程人數的95.65%，2023年秋季學期共有25人參與調查，占選修課程人數的100%。

1" 量化調研結果分析

對兩個學期學生自我報告知識掌握程度的量化調查結果見表1。選修高級數據分析課程的基地班學生在五種主要的數據分析技術上自我報告的掌握程度均高于3分，說明學生對于課堂講述的內容具有一定程度的掌握。對于五種方法而言，多因素方差分析平均掌握程度最高，結構方程模型平均掌握程度最低。本研究以4分（較好掌握）為參考點，對五種方法的掌握程度分別做單樣本t檢驗，結果見表1。基地班學生在多因素方差分析和多元方差分析兩種技術上自我報告的掌握程度與參考點不存在統計學差異。這說明，對于這兩種方差分析技術，基地班學生已達到較好掌握的程度。然而，對于因素分析、中介與調節效應分析、結構方程模型三種方法，學生自我感知的掌握程度與參考點存在顯著的統計學差異。換言之，對于這三種數據分析的方法，學生自我感知并沒有達到較好掌握的程度。

為比較2022秋季學期和2023秋季學期課堂教學質量的改進情況，作者對兩個年級學生自我報告的知識掌握程度進行了獨立樣本t檢驗，結果見表2。通過表2可知，兩個學期選修高級數據分析課程的基地班學生在多因素方差分析和多元方差分析兩種方法上并沒有顯著差異，盡管2023年秋季學期選課學生在兩種方法上報告的平均值對2022年秋季學期選課學生報告的平均值略有上升。由此說明，對于這兩種方法，兩年的教學質量沒有顯著提升。對于因素分析的方法，2023年秋季學期選課學生報告的平均分與2022年秋季學期選課學生報告的平均分存在邊緣顯著。即2023年秋季學期選課學生的自我報告的平均掌握程度比2022年秋季學期選課學生自我報告的平均掌握程度略高，但差異不大。這說明，對于因素分析這種方法，兩年的教學質量略有提升但不明顯。對于中介與調節效應分析和結構方程模型，2023年秋季學期選課的學生自我報告的掌握程度顯著高于2022年秋季學期選課學生自我報告的掌握程度。由此說明，對于這兩種數據分析方法，兩個學期的教學質量有明顯提升。

2" 質性調研結果分析

在2022年秋季學期的調研中共有15名學生提出了實質性意見和建議。對同學們的建議進行歸納得出五條建議（按提出人數排序）：首先是增加實操性和練習過程，增加課后作業。共有6名同學提出了類似的建議，如有同學提到“布置平時作業，鞏固練習”“適當布置一些課后作業，幫助課下練習”“希望多一點實操的講解”。其次是夯實基礎，共有4名同學提及類似建議，如有同學提到“希望能多一點基礎教學”“學生的基礎知識可能較為薄弱即使是基地班學生也會存在這些問題……，需要更扎實地鞏固前置知識”“有一些數學統計知識比較匱乏，所以有的原理聽起來比較費勁”。再次是提供研究實例和背景知識，共有2名同學提到類似建議，如有同學提到“在引入新知識時需要補充更詳細的實驗背景比如接下來為了探究什么問題，為什么我們用舊方法是無法解決的或者是有較大偏差時我們需要引入哪些新方法，新方法相比舊方法有哪些好處”；講述如何在寫作中呈現數據分析結果，共有2名同學提及類似建議，如有同學提到“希望多一點實操的講解，以及文獻中怎么寫數據分析的結果”；也有個別同學建議增加課時、放慢速度。

在2023秋季學期的調研中共有18名同學提出了實質性意見和建議。歸納起來主要包括兩方面的意見，首先是增加演示、練習和操作的時間，共有10名同學提及類似建議，如有同學提到“增加更多練習環節，增加課后作業環節”“希望老師可以提供更多詳細的課后練習”“多結合案例進行講解，并演示過程”。其次是課堂內容信息量大，希望放慢節奏。共有5名同學提出類似建議。如有同學提到“部分地方講的有點快，有的難理解”“希望老師講課速度變慢一些，給同學們充分吸收的時間”。此外，也有個別同學提出希望教師錄課并建議結合具體案例講解的建議。

3" 課程建設中問題的梳理與分析

對2022年秋季學期和2023年秋季學期選修高級數據分析課程的基地班學生的調研結果，可以歸納出目前高級數據分析課程建設過程中存在以下三點問題。

第一，課堂內容掌握程度參差不齊。具體表現為，學生對兩類方差分析的掌握程度優于對因子分析、中介與調節效應分析和結構方程建模的掌握程度。作者認為這種現狀出現原因主要有兩點，首先是不同方法間的難易程度不同。盡管上述五種分析均屬于多變量分析范疇，但是多因素方程分析和多元方差分析均在觀測變量層面，未涉及潛變量層面，而后三種分析技術不僅涉及觀測變量也涉及潛變量。由于潛變量本身較為抽象，因此學生在學習過程中掌握較難。其次是先修課程的講授程度。對于多因素方差分析和多元方差分析，在心理統計學、初級數據分析和實驗心理學等先修課中，均對單因素和兩因素方差分析有較多的講授，因此，學生對于多因素方差分析和多元方差分析的學習具有較多的先驗知識。相比之下，對于因素分析、中介與調節效應分析以及結構方程模型，僅有心理測量學課程對因素分析有一些概念性的講授，除此之外，學生對于這三種方法沒有任何先驗知識，尤其是對于潛變量概念沒有先驗知識。

第二，課堂講授未能充分顧及學生的專業基礎。這一問題主要表現為，課堂講授過程中，不少同學反映課堂內容較難，自身專業基礎，尤其是統計學基礎薄弱。出現這一問題的原因包括兩個方面，一方面，對于心理學基地班的課程設置，高階性和挑戰性是題中之義。因此，課程難度高是一種必然。另一方面，高級數據分析課程是一門實踐操作類課程，統計學原理并不是本門課程的主要講授內容。高級數據分析課堂中所涉及的各種方法，多數已經超過了心理統計學講授的范圍，而東北師范大學目前沒有開始與之相比配的高級心理統計課程。因此，學生會在學習的過程中感受到統計學基礎不足。

第三，授課時間不足，學生練習時間不足。多數學生反映高級數據分析課程中練習和實操的時間不足，學生無法熟練掌握課堂講授中所涉及的各種技術。此外，也有一些學生反映，教師在實操演練方面的時間不足，尤其對一些編程類相關內容的講解，沒有做到深入細致的講解。這一問題出現的原因包括客觀和主觀兩方面的原因。客觀原因方面表現為課時少無法對復雜問題進行充分講解。教師講解過多導致學生練習時間被壓縮，反之，則體現在教師講授內容不充分、不細致。主觀原因方面體現為，教師在課堂教學的過程中出現了“事后聰明式知識偏差”。所謂“事后聰明式知識偏差”指的是在個體學會某一知識后就會不自覺地高估自己和他人能夠正確掌握該知識的能力[9]。作為授課教師，對于課堂講授的各種方法有著非常充分的理解和熟練的操作，因此在課堂講授的過程中就會誤認為自己所講的內容學生“一聽就會”。這種偏差出現的原因是教師在備課過程中沒有充分了解聽課學生的基礎。高級數據分析作為程序性知識為主的實操類課程，熟練度會讓教師在授課過程中更容易出現“事后聰明式知識偏差”。出現這種偏差的后果體現在教師在課堂講授的過程中語速過快，對于某些操作上的細節沒有充分講解，進而導致學生不能很好地掌握相關知識點。

三" 課程建設的改進建議

綜合上述問題，本文就心理學拔尖創新人才培養中提升高級數據分析課程的教學質量，從課程設置、教師教學、學生學習三個方面提出如下建議。

（一）" 課程設置方面建議

高級數據分析課程屬于程序性知識占主體的實操類課程。練習是學習程序性知識的必備環節，只有在得到充分聯系的前提下，學生才能對程序性知識達到熟練的程度[10]。在調研中發現，多數學生認為課程設置中沒有提供他們足夠多的練習時間。因此，基于程序性知識學習的原理，適當增加課時量是保證學生充分練習的關鍵。程序性知識的學習，也是將陳述性知識轉化為操作的過程[10]，即掌握必要的先驗知識可以幫助學生更好地掌握各種數據分析的技巧。由于高級數據分析所涉及的理論性知識部分已經超過心理學專業本科生所學的心理統計學范疇，不少知識屬于高級心理統計學[11]的范疇。因此，可以在拔尖創新人才基地班中開設高級心理統計學課程作為高級數據分析的先修課。

（二）" 教師教學方面建議

在教師教學方面，本文提出三點建議。一是克服“事后聰明式知識偏差”[9]。盡管對所教方法的熟練掌握是高級數據分析課教師必備的能力，但教師在課堂講授的過程中應提升觀點采擇的能力，學會換位思考，盡量想象學生是如何進行理解的，用學生能聽得懂的語言向學生講述。二是突出重點，“做減法”。傾囊相授是為人師者的普遍想法。然而，對于高級數據分析這種內容難度大的課程，教師在授課過程中更應該突出重點，而非面面俱到的講述。對于個別復雜繁瑣且不常用的知識點，教師可在課堂講授的過程中酌情刪減，進而將更多的時間留給更為關鍵的知識點。三是多用具體案例，化抽象為具象。高級數據分析是一門抽象性程度高的課程。多數心理學專業的本科生并不具備十分扎實的統計學基礎。因此，在講述的過程中教師應充分了解學生的專業基礎，用心理學研究的具體事例幫助學生理解復雜抽象的數據分析方法。

（三）" 學生學習方面建議

不論是變革課程設置還是改善教學方法，這些都是影響教學質量提升的外部因素。學生自身的改善學習方法則是提升教學質量的內部因素。針對目前高級數據分析課程中出現的問題。本文針對學生學習提出三方面建議。一是課后勤學苦練。有限的課堂時間是阻礙學習客觀條件，因此學生只有在課后針對教師所講方法勤加練習才能做到熟能生巧，運用自如。二是補齊短板。針對一些統計基礎薄弱的學生，可以旁聽一些統計學相關的理論性課程，加強對于所學方法的理論基礎。三是開發網絡資源，拓展應用渠道。網絡教育尤其是“人工智能+教育”的蓬勃發展為學生獲取資源提供了豐富的渠道。互聯網上不僅有大量的數據分析類課程視頻，也有許多開源數據庫。學生可以充分利用網絡資源和人工智能技術，進行課后學習和練習，解決課堂練習時間不足問題。

四" 結束語

新文科戰略的實施和拔尖創新人才培養的需求，給心理學本科專業人才培養提出更高要求。掌握分析復雜數據的技能已然成為當今心理學本科人才的必備能力之一。高級數據分析課程正是在上述培養目標下為提升心理學本科學生數據分析能力所開設的新課程。處于課程建設階段的高級數據分析課程需要在課程設置、教學理念、教學方法、評價和考核機制以及學生學習方法等多方面進行改革、逐步完善。本課程的建設和完善，有利于培養學生的邏輯思維能力和動手能力，提高學生的主動性和創新性，實現國家和社會對心理學專業本科人才的需求和期望。

參考文獻：

[1] 葛曉冬，王曉東.新文科應用型人才培養總體目標的構建與實現[J].高教學刊，2021（15）：140-143.

[2] 陳周旺，段懷清，嚴峰，等.新文科：學術體系、學科體系、話語體系——復旦大學教授談新文科[J].復旦教育論壇，2021，19（3）：5-23.

[3] 張銀花，尚艷春，其力木格.新文科背景下人才培養方案的創新實踐[J].高教學刊，2022（29）：168-171.

[4] 戴耘.拔尖創新人才培養的理論基礎和實踐思路[J].華東師范大學學報（教育科學版），2024（1）：1-23.

[5] 孫巖，徐真真，劉文，等.基于實踐教學的心理學研究方法課程的改革探索[J].教育教學論壇，2016（45）：84-85.

[6] 陳琳，張希雅，樊莎莎.多維度打造新文科人才培養模式探索[J].高教學刊，2023，9（11）：30-34.

[7] 劉亞.方法類課程在心理學專業學習中的價值與目標探析[J].新疆廣播電視大學學報，2017，21（2）：29-33.

[8] 畢泰勇，寇慧，謝琴紅.心理學專業課程教學內容整合優化模式研究——基于“心理學研究方法”的教學改革探索[J].科教導刊，2023（1）：123-126.

[9] 龐愛蓮.研究方法類課程教學模式探索——以“心理學研究方法”課程為例[J].黑龍江教育（高教研究與評估），2015（6）：58-59.

[10] 陳琦，劉儒德.當代教育心理學[M].北京：北京師范大學出版社，2019.

[11] 劉紅云.高級心理統計學[M].北京：中國人民大學出版社，2019.