大模型时代经管“Python基础”课程教学路径提升

［摘 要］ 为应对大模型时代对经济与管理类人才的新需求，通过“Python基础”课程的教学改革，提升学生的跨学科应用能力和技术技能。研究设计了面向学生的学习基础、学习状态、学习效果、课程评价及授课建议的问卷调查，系统地分析了当前教学在激发学生兴趣和实践能力方面的不足。研究提出“T-S-T-T-F”培训教学模式（教师教授—学生自学—团队学习—教师指导—学生反馈），强调通过实践导向的教学设计，利用Python解决真实商业管理问题，增强编程与数据分析能力，促进Python与经管学科的深度融合，为该专业本科生的职业发展奠定坚实基础。

［关键词］ 经济与管理类；Python基础；培训式教学；教学改革路径

［基金项目］ 2024年度中央财政支持地方高校改革发展资金人文社会科学研究专项“大模型技术驱动的政府决策支持系统与智库建设优化研究”；2024年度教育部产学合作协同育人项目“面向经济与管理类专业的‘Python基础’课程教学改革研究——基于AI Studio人工智能学习与实训社区”（231002728212431）；2022年度全国应用型高校研究生教育发展联盟一般课题“专业学位研究生‘数智’能力评价及其提升路径研究”（AGED2022YB08）

［作者简介］ 彭玉芳（1987—），女，江苏宿迁人，博士，南京工程学院管理工程学院讲师，硕士生导师，主要从事智库服务及文本挖掘研究；李 燕（1975—），女，江苏南京人，硕士，南京工程学院管理工程学院经济管理实验教学中心高级实验师，实验中心主任，主要从事云计算和实验室建设研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2025）09-0072-04 ［收稿日期］ 2024-11-06

引言

大模型技术的兴起为教育领域带来了深刻变革，尤其在经济与管理类专业中，传统教学模式已难以满足快速发展的商业环境和技术需求。Python作为跨学科的重要工具，不再仅是一种编程语言，而已成为融入经济管理课程的关键因素，帮助学生应对复杂的商业数据和技术挑战［1］。

基于对大一新生的学习基础、学习状态、学习效果、课程评价及授课建议的调查发现，当前教学模式在激发学生学习兴趣和提升实践能力方面存在一定的局限。为此，本文提出了一种创新教学改革路径——“T-S-T-T-F”培训式教学模式（“教师教授—学生自学—团队学习—教师指导—学生反馈”培训式教学模式）。该模式突破了传统教学的限制，强化了学生的自主学习和团队合作能力。通过实际案例训练，培养了学生跨学科的问题解决能力和实践技能。此教学模式顺应大模型时代的需求，推动了教学改革与职业发展，探索了教育与技术深度融合的创新路径［2］。

一、经济与管理类学生“Python基础”学习状况分析

本次问卷调查涵盖了南京工程学院经济与管理学院“Python基础”课程的401名有效学生样本，包括财务管理专业30人、国际经济与贸易48人、会计学74人、劳动与社会保障85人、市场营销59人、物流管理58人，以及信息管理与信息系统47人，其中一年级本科生占比81.3%。样本中女生比例较高（66.08%），19～22岁的学生占比82.54%，具有较强的代表性。值得注意的是，46.38%的学生在16～18岁时购买了第一台电脑，反映出了学生的数字化基础情况。

（一）学前基础分析

调查结果显示，经济与管理类学生在进入“Python基础”课程前，计算机操作和编程基础普遍薄弱，尤其在Python语言方面，多数学生为初学者。具体而言，59.10%的学生仅具备计算机的基础操作技能，67.08%的学生仅听说过Python，能熟练使用者仅占0.75%。此外，59.60%的学生从未接触过任何编程语言，88.78%的学生是在大一期间首次学习Python。因此，课程设计应从零基础出发，实施分层教学，并通过实践项目提升学生解决经济管理问题的实际能力。

（二）学习状态分析

调查显示，经济与管理类学生在“Python基础”课程中的学习动机较弱，主动性不足。具体而言，46.38%的学生认为自己勤奋程度一般，课堂参与度较低，54.61%的学生上课注意力易分散，课外学习投入有限，44.89%的学生每周课外学习时间不足2小时。尽管有45.89%的学生对数据分析工作感兴趣，但这一兴趣尚未转化为有效的学习投入。大多数学生认为课程难度较大，62.84%的学生表示能理解理论内容，但在实践中遇到困难，反映出理论与实践的脱节问题。建议在课程设计中增强互动性和实践指导，采用案例教学激发学生兴趣，并提升其实际编程能力。

（三）学习效果分析

问卷调查结果显示，尽管“Python基础”课程具有一定难度，但学生在编程技能和数据处理方面取得了显著进步。具体而言，54.61%的学生表示掌握了基本的编程能力，47.38%的学生在数据处理方面有所突破。然而，学生在基础语法方面的掌握仍不够扎实，48.88%的学生对语法的理解仅为“一般”，精通者仅占3.49%。此外，22.44%的学生认为课程提升了问题解决能力，但仍有8.98%的学生未感受到显著进步，表明课程在包容性方面尚需改进。未来，教学应进一步加强对学生编程思维的培养，优化实践环节，提升学生的自主学习能力和跨学科应用能力，以更好地应对复杂的经济管理挑战。

（四）课程评价分析

调查结果显示，“Python基础”课程在教学方式上与学生需求存在一定脱节。具体而言，51.87%的学生希望增加电子化学习资源，表明学生对数字化资源的需求较为强烈；46.38%的学生认为课程与专业知识有所融合，但建议进一步结合实际业务场景；68.83%的学生期望教学能够在夯实基础的同时，融入跨学科知识。在上机实践中，学生更倾向于“引导—自主—反馈”的模式，且有55.36%的学生希望获得课后答疑支持。多媒体教学和现场演示被认为是最受学生认可的学习方式。课程优化应重点加强数字资源建设、专业知识融合以及实践性教学的提升。

（五）授课建议

问卷调查显示，在286名学生的有效反馈中，大多数学生认为“Python基础”课程对提升实际问题解决能力有帮助，并在学习过程中产生了兴趣。然而，部分学生提到对编程理解不够深入，可能由于课程难度或个人能力差异。未来可优化课程内容，增强学生自信心，并提供个性化支持，帮助学生更好应对挑战。

有280名学生反馈了其对课堂教学活动的印象和期望。学生更偏好实践操作，期望课堂内容生动有趣，且普遍希望通过实际操作巩固理论知识，而不仅仅依赖传统讲授方式。未来的教学设计可更多融入案例分析和项目制学习，并采用故事化教学，将复杂的编程知识转化为易于理解且富有趣味的学习体验。

问卷显示，有121名学生对教师授课提出了建议希望教师细化知识点讲解，增加课堂互动与实践环节，同时学生渴望获得更多鼓励与支持。总体来看，学生希望通过更加互动、灵活的教学方式提升学习效果，同时保持积极的师生互动。

二、基于“T-S-T-T-F”培训式教学模式的改革路径

近年来，“Python基础”课程的教学模式发生了显著变化，包括项目式教学、混合式教学和基于问题的教学方法（PBL）。项目式教学注重培养学生的编程实践能力，混合式教学通过线上线下结合，弥补了单一模式的不足，而PBL则提升了学生的自主探究与协作能力。然而，在经济与管理类专业的“Python基础”课程中，这些教学模式在理论与实践的平衡方面仍面临挑战。

鉴于“Python基础”课程兼具理论深度与实践要求，本文基于问卷调查分析，引入“T-S-T-T-F”培训式教学模式，即“教师教授—学生自学—团队学习—教师指导—学生反馈”的教学模式。该模式源自高职院校和培训机构，以学生为中心，具有主题鲜明、实践性强、互动性高的特点，兼具实用性和创新性，具体如图1所示。

（一）T培训式教学模式

“T培训模式”指的是教师以教授为基础，结合了传统教学与培训方法，旨在增强课堂互动、提升学生参与度和知识传授效果，尤其适用于编程等实践性强的学科。

1.结构化课堂设计：T培训模式强调结构化设计，以“龙头凤尾”方式展开。开场通过讲述故事、提出问题或展示现实应用（如Python在数据科学中的应用）吸引学生兴趣；结尾通过总结或开放问题延伸学生思考，鼓励课后探索。

2.多样化教学方法：模式采用案例分析、比较法、练习法等多样化手段，帮助学生理解和应用知识。通过灵活调整教学节奏，结合学生的学习风格，确保每名学生都能从中受益。

3.科技工具的运用：课堂中引入了AI工具（如ChatGPT、LLM等），增强互动性和科技感，帮助学生攻克难点，体验前沿技术。通过AI生成代码示例或程序框架，提升学生的学习兴趣和编程技能。

（二）S培训式教学模式

“S培训式教学模式”指的是以学生自学为核心的教学模式，旨在促进知识的内化，培养学生的自主学习和问题解决能力。该模式推动学生从被动接受转向主动探索，特别是在编程课程中，通过自学将理论转化为实际技能。

1.问题发现：学生从被动学习转为主动探索，通过独立思考发现并明确问题，如逻辑错误或语法问题，逐步培养主动探寻知识的能力。

2.自主探索：学生借助搜索引擎、编程社区和AI工具（如ChatGPT、CodeBERT、豆包、KiMi等）开展自主学习，快速获取答案并理解问题背后的逻辑，显著提升学习效率。

3.实践应用：通过反复调试和实验，学生能够验证解决方案并获得即时反馈，从而加深对编程的理解，缩短理论与实践的距离。

4.知识整合与迁移：学生在解决问题过程中积累经验，并将其迁移应用到新领域，提升学生创新和自主学习能力，实现知识的跨领域整合与应用。

（三）T培训式教学模式

“T培训式教学模式”以团队学习为辅助，是连接自主学习与教师指导的关键环节。尤其在编程课程中，团队合作能够有效提升学生的问题解决能力和理解深度。团队学习不仅限于校内，还可拓展至跨学科、跨校及校企合作，从而增强学生的协作能力和适应性。

1.校内团队学习：通过班级内外约5人的小组协作，促进知识共享与思维碰撞。跨专业合作使学生能够将编程与自身学科背景相结合，从而深化对Python的理解。

2.跨校合作：不同学校的学生组成学习小组，通过在线平台共享资源、讨论难点，拓展学习边界，培养跨文化沟通能力和多维度的思考能力。

3.校企合作：借助企业案例和行业专家指导，学生将理论应用于实际工作场景，提升实践技能，掌握解决真实问题的方法。

（四）T培训式教学模式

“T培训式教学模式”中的教师指导环节通过多个教学团队的协作，突破了传统的“一师一班”模式，有效提升了教学资源的利用率和教学质量，增强学生的学习动力。多元化的教师团队从不同角度为学生提供全方位指导，进一步丰富了课程的内容和深度。

1.多元化教师团队：由不同背景的教师组成团队，包括院系教师、计算机专业教师、兄弟院校教师、培训机构专家及企业程序员，为学生提供多层次的教学支持，扩宽学生知识视野并提升实际应用能力。

2.实践性与个性化支持：T培训模式注重实践环节，教师通过项目评审、代码调试等方式进行深入指导，帮助学生解决实际问题。同时，通过学习进展跟踪机制实现个性化支持，提供差异化教学，确保学生能够根据自身需求高效提升。

（五）S培训式教学模式

“S培训式教学模式”中的学生反馈环节是教学流程的闭环，也是提升教学质量的关键。通过持续的反馈机制，教学策略得以不断优化，使学生逐步从被动接受转变为主动构建知识体系。

1.动态循环反馈：反馈是“发现—解决—验证”的循环过程，学生通过自我探索与实践反馈不断修正思维，成为学习的驱动力，提升学习效果。