在算法时代，用数据描绘年轻人的真实画像
注：项目贯穿一学期（第 3–17 周），分四个递进阶段推进
勾选你想借鉴的做法，填上自己课程的目标与情景，S-PBL 智能体一次性生成符合 3R 的项目设计。
案例概述
本案例面向统计与数据科学专业大一新生，以《统计与数据科学导论》为载体，让刚从应试学习转入大学的新生扮演“青年数据观察者”，用一学期时间围绕恋爱、消费、社交媒体、心理健康、就业预期等贴近自身生活的议题，自主选题并走通“问题界定—数据获取—描述与可视化—简单模型分析—结论表达”的完整数据科学工作流程。项目以“用数据检验关于大学生生活的流行叙事、区分情绪化表达与可验证事实”为真实问题，最终每组产出一份面向同学与教师公开展示的大学生生活主题研究报告，并通过全班匿名投票模拟真实受众检验。案例的亮点在于：用学生“与我有关”的真实生活场景破解低年级专业认知迷茫，以“高自由度选题 + 强支架支持”和“项目工作室 + 展示 + 追问”机制，引导新生第一次从直觉走向证据，同时将数据伦理、人机协同与价值观培养融入导论课。
顶层设计
学生能够理解统计与数据科学的基本思想与工作范式，掌握从问题界定、数据获取、描述与可视化，到初步模型分析与结论解释的完整流程，初步建立“数据如何支持决策与认知”的整体框架，并对本专业的学习内容与方法形成真实而具体的感知。
学生能够将零散的生活经验转化为可分析的问题，运用对比、分群、关联与趋势等统计思维分析数据，并用图表与文字表达发现；同时在小组项目与多轮课堂展示中系统训练信息搜集、逻辑组织、表达沟通与项目协作等综合能力。
学生能够在分析同龄群体的过程中建立对数据与证据的尊重，形成理性、审慎且具批判意识的数据思维；在理解不同选择与差异中增强同理心，促进责任意识与正确价值观的成长，并在使用 AI 工具时坚持人机协同与学术伦理。
本课程基于西南财经大学“3R”场景化项目式教学设计模型，围绕导论课在一年级阶段“建立学科认知与数据思维”的核心任务整体设计。在真实问题（Real Problem）上，不选取距离新生较远的宏观经济或行业议题，而以“在算法时代用数据描绘年轻人真实画像”为切入口，把学生自身的困惑与统计方法连接，使问题既高度真实、富有情感与认知张力，又天然依赖数据与统计才能回答。在真实过程（Real Process）上，将学生置于开放探究情境，自主选择议题、经历完整探究过程，并在关键节点提供问题拆解框架、示例数据、展示模板与阶段性反馈等“脚手架”，使其既保有自主决策空间又不在复杂任务中迷失。在真实成果（Real Product）上，引导每组形成可向他人解释和讨论的研究报告并公开展示，使成果不再只是交给老师的作业，而成为面向真实受众的表达与检验，并构成对“当代大学生生活”的数据化描述，体现公共性与现实价值。
驱动性问题（GRASPPS）
用统计方法从真实数据出发，检验关于大学生生活的流行叙事，区分情绪化表达与可验证事实
尝试用数据与统计方法观察和解释青年群体现象的“青年数据观察者”
同班同学与授课教师（项目收官时以全班匿名投票模拟真实受众）
短视频、社交媒体与推荐算法高度塑造认知、关于年轻人生活的判断真假难辨的算法与平台时代
自主选题 → 问题界定 → 问卷设计与数据搜集 → 描述性统计与可视化 → 简单模型（相关/回归）分析 → 多轮展示与追问反馈下的结论修正
一份面向同学与教师公开展示的大学生生活主题研究报告与展示材料，用数据和图表清晰呈现一个关于年轻人的事实与洞察
问题清晰、数据来源合理、图表准确、分析恰当、逻辑流畅、结论可信且能恰当回应质疑
项目选题
本主题契合《统计与数据科学导论》在一年级“建立学科认知与数据思维”的核心任务，要求学生完整体验从问题界定、数据获取、描述与可视化到初步模型分析与结论解释的数据科学工作流程，在“做中学”中习得讲授难以替代的统计思维与表达能力。
新生刚从应试学习转入大学，普遍对“统计与数据科学学什么、能做什么、将来从事什么”认知模糊。以学生自身的恋爱、消费、心理、就业等生活议题为切入口，让“与我有关”的真实问题成为理解专业意义的钥匙，缓解低年级专业认知迷茫，激发学习内驱力。
在短视频、社交媒体与推荐算法高度渗透的环境中，关于年轻人恋爱观、消费观、心理健康、学习压力、就业预期的判断充斥网络，却多建立在个体经验与情绪表达之上、缺乏数据支撑。学生身处其中却缺乏验证工具，这种“高度关切但难以判断”的张力构成项目的真实起点。
- 赛道一：情感与亲密关系（恋爱状态、择偶观与情感行为模式，如择偶条件权重、恋爱满意度、自评幸福感等）
- 赛道二：消费与价格感知（月度生活费、奶茶与外卖支出、价格敏感度、品牌偏好、促销响应等）
- 赛道三：数字平台与社交媒体使用（短视频使用时长、社交媒体活跃度、关注账号类型、隐私设置、推荐满意度等）
- 赛道四：心理健康与压力状态（焦虑与压力自评、睡眠与学习时长、情绪波动频率、自我效能感等）
- 赛道五：教育路径与职业预期（专业匹配度与满意度、转专业意愿、就业期望、收入预期等）
- 赛道六：校园经济与共享资源（共享单车使用、二手书交易、校园消费结构、出行方式选择等）
实施过程
- 1问题认知我们要研究的大学生生活议题是什么？这个问题为什么重要？（问题认知与议题建构）
小组组建；选择议题赛道；查阅背景资料；拆解问题；第一次课堂展示（学科与议题认知）。
阶段成果：研究主题说明与问题框架；第一次课堂展示。知识 / 工具支架：信息检索方法；统计与数据科学应用场景；问题拆解方法。教学内容：建立统计与数据科学工作流程认知，培养数据思维与表达能力；专业培养方案与课程地图导读。方法 / 资源：提供培养方案与课程地图、学科培养方案、示例选题、问题拆解模板、展示评分标准。 - 2数据化表达我们如何把这个生活问题转化为可以被数据回答的问题？（数据化表达与初步分析）
设计调查或获取公开数据；整理数据；描述性统计；数据可视化；制作图表；第二次课堂展示（项目探讨）。
阶段成果：数据表与可视化结果；第二次课堂展示。知识 / 工具支架：数据来源与问卷设计；描述性统计；数据可视化。教学内容：如何把生活现象转化为可操作的变量、如何设计问卷与获取数据、如何制作有解释力的图表。方法 / 资源：示例数据集、变量设计示例、图表模板；课堂讲解与即时反馈。 - 3综合表达数据背后的关系与机制是什么？我们能得出什么结论？（模型分析与综合表达）
选择简单模型；解释模型含义；撰写分析文本；整合成果。
阶段成果：一份完整的小组研究报告（小论文）。知识 / 工具支架：相关分析、回归等基础模型；报告写作结构。教学内容：理解简单模型的含义；用数据讲故事；报告写作框架。方法 / 资源：模型示例、写作框架、评分量规、示范报告。 - 4复盘反思从这个项目中我们学到了什么？如何有效进行团队协作与项目管理？如何利用 AI 工具提升研究效率？（复盘反思）
小组复盘；个人学习反思；展示项目经验与不足；整理过程材料；整理 AI 使用记录与反思。
阶段成果：小组项目复盘要点；个人反思；AI 使用记录与说明。知识 / 工具支架：协作与时间管理；AI 使用规范与伦理；人机协同原则。教学内容：项目复盘方法论；AI 使用规范与人机协同原则。方法 / 资源：项目复盘指南。
课程第一周，教学团队不急于讲知识，而是建立学习情境与课堂文化：明确场景化项目式学习主线，说明课堂不再是“老师讲、学生记”的单向传递，而是以探究、合作与创造为核心的学习共同体，教师是引导者、支持者与合作者，学生是问题探索者与项目推动者；学生被鼓励提问、表达不同看法、参与讨论与互评。随后引入“算法与平台时代的年轻人生活”这一核心场景，借展示成果形式、评价方式与往届示例，帮助学生建立对项目目标与工作方式的预期，并完成小组组建与初步选题。
项目按四个递进阶段持续推进，教学团队将每周课堂设计为“项目工作室”：每次课前半部分围绕学生当前最迫切的项目需求做针对性讲授与示范（如何把生活现象转化为变量、如何设计问卷获取数据、如何制作有解释力的图表、如何理解简单模型），知识输入与项目进展动态对齐、边用边学；课堂中后段用于小组推进，教师与助教巡回，对数据来源不清、变量定义模糊、图表误导、结论过度外推等问题即时干预，并通过共享文档提交中间成果、课后在线批注，形成“课上指导 + 课后追踪”。最终成果发布会上设置高强度课堂展示，教师以“数据教练”身份追问数据来源、变量含义、模型假设与结论是否由证据支撑，迫使学生从“讲故事”转向“讲数据”；过程中鼓励学生用 AI 工具做文献检索、问卷设计、文本整理与代码辅助，并要求保留 AI 使用记录与说明。
项目收官阶段将反思与评价作为重要学习环节：学生先在小组内复盘研究路径、团队协作与方法选择的得失，并在个人反思中总结自身在数据思维、合作与表达方面的成长。课程组织一次“最佳项目”学生投票，以模拟真实受众对成果的选择，将项目成果置于真实公共评价之中，强化学生对研究质量与表达效果的责任意识；并为前三名小组准备分级奖励、为全体同学准备新年巧克力，使项目以积极温暖的方式收官。
课程要求学生系统保存项目过程材料，包括选题说明、数据文件、分析结果、展示稿件、小组分工记录以及 AI 使用说明等，既作为过程性评价依据，也构成学习轨迹的可视化记录。课程结束后，优秀项目成果与展示材料被汇集整理，作为后续教学与学生学习的参考资源，实现项目经验的沉淀与传承。
项目成果
- 一份面向同学与教师公开展示的大学生生活主题研究报告与展示材料（用数据与图表呈现事实与洞察）
课堂成果发布会：各组汇报并接受「数据教练」式追问与同学提问；「最佳项目」全班匿名投票
优秀项目成果与展示材料汇集，作为后续教学与学习的参考资源
项目图集
图片来自课程案例原始材料（成果展、课堂现场、学生作品等），点击在本页放大查看。
评价设计
- 学科与问题认知（第一次课堂展示）：学科与问题认知课堂展示（教师 + 组间评价）
- 项目中期成果（第二次课堂展示）：项目中期成果课堂展示（教师 + 组间评价）
- 项目过程材料：每周小组任务分工表、小组会议纪要、每周总结与反思（教师 + 组间评价 + 组内互评）
- 研究报告30% —— 问题清晰、图表表达、语言流畅、逻辑流畅、数据质量、分析合理、结论可信
- 最终成果课堂展示30% —— 展示清晰流畅，能恰当解答疑问和回应质疑
3R 解读
- 问题源于算法与平台时代“关于年轻人生活的流行叙事真假难辨”的真实现实痛点，且高度场景化：情境具体（短视频/社媒/推荐算法塑造认知）、角色清晰（青年数据观察者）、回应对象明确（同学与教师），并以“区分情绪化表达与可验证事实”为判断标准。
- 问题开放、无标准答案：学生需自主把模糊的生活现象转化为可被数据回答的问题，综合描述统计、可视化与简单模型做出判断，具备一定挑战度（受限于大一新生与导论定位，难度被刻意控制在“跳一跳够得着”的范围）。
- 锚定课程核心：项目直指《统计与数据科学导论》最难讲授的部分——完整数据科学工作流程与“用证据而非直觉判断”的数据思维，这类能力必须在做中学、靠讲授难以替代。
- 自主决策：学生以小组为单位自主选择议题赛道与具体选题、自主规划分工与研究路径，决策空间较大（同时配有问题拆解框架、模板与示例数据等强支架）。
- 调研探究：学生需自主设计问卷或获取公开数据、采集并处理真实数据，经历真实的数据搜集与处理过程。
- 反复验证与迭代：成果经两次课堂展示、教师“数据教练”式追问与同伴反馈，多轮修正研究思路与成果，体现真实迭代。
- 受众较为具体但属课堂内：成果面向同班同学与教师，并以全班匿名投票模拟真实受众的选择；尚未触达课堂外的真实社会受众或真实用户。
- 公开产品·课堂内：成果在课堂成果发布会公开展示、接受全班投票与追问，公开范围以校内/课堂内为主。
- 真实反馈来自师生：反馈主要来自教师与同班同学（组间评价、投票、追问），属师生范围内的评价，而非课堂外真实用户的实质反馈。
- 【改进建议·真成果】本案真问题与场景已足够具体，短板在真成果——受众与反馈均在课堂内（同学与教师）。若让成果真正触达课堂外真实受众（如面向全校公开展出、推送给学工/心理中心等真实使用方、或在校媒/社区发布获取真实反馈），O1/O2/O3 将明显提升；真问题无需改动。
- 【改进建议·真成果】可邀请高年级学生、校友或相关业务方（如学生事务、心理健康中心）作为真实受众参与终期展示并给出反馈，使“真实反馈”从师生模拟走向真实用户。
- 【改进建议·真过程】可在数据搜集阶段补充更系统的抽样与问卷质量把关支架，提升新生采集的数据质量，使迭代依据更可靠（教师反思中亦提及数据质量与变量定义易出偏差）。
教师反思
项目式学习显著增加了教学支持的复杂度，学生在选题、数据质量、变量定义与模型理解上易出偏差，教师需在保持自主性的同时提供足够支架与干预；小组合作中的分工不均与参与度差异也对课堂管理与评价提出更高要求，导论阶段的 S-PBL 必须在“开放性”与“可控性”间精细平衡。建议从学生真实处境与认知起点出发（而非从学科完整体系出发），尽早建立鼓励表达、允许试错、重视证据的课堂文化，采用“高自由度选题 + 强支架支持”的组合，并以展示与追问机制把学生从“做完任务”推向“为结论负责”
完善导论阶段学习支撑体系（推荐必读与选读书目）、适度引入游戏化与互动以维持轻松氛围、加强与学业与职业发展的衔接（邀请高年级学生或校友分享）、引入更明确的小组分工记录与同伴互评机制以改善协作公平性并提升全员展示参与度