引言

随着数智时代的加速演进，数字经济已成为重塑产业结构与经济运行方式的重要力量。平台经济、数据要素配置以及算法驱动决策等新型经济形态，对经管类人才的能力结构提出了明显不同于传统经济学教育的新要求。学生不仅需要理解数字经济运行的基本理论逻辑，还需具备利用数据和工具开展实证分析、解释现实问题的综合能力。在此背景下，高校纷纷开设“数字经济学”课程，期望通过系统讲授数字经济相关理论，引导学生理解数字技术对经济活动的深刻影响。然而，从实际教学效果来看，部分课程仍停留在对经典理论与概念的系统讲解层面，教学目标、教学手段与评价方式在一定程度上延续了传统经济学课程的设计范式，难以充分回应数智时代对实践能力与工具协作能力的现实需求。近年来，OBE理念在高等教育领域得到广泛应用。该理念强调以学习产出为核心，对课程目标、教学内容与考核方式进行反向设计，为经管类课程的教学改革提供了重要的方法论支持。在新文科建设不断推进、生成式人工智能技术深度介入教学活动的背景下，如何在“数字经济学”课程中有效融合理论教学、实证训练与价值引导，已成为亟待回应的现实问题。基于此，文章立足于数智时代和新文科建设的共同背景，结合数字经济学课程的教学实践，系统分析传统教学模式在目标定位、教学手段和评价方式等方面存在的局限，在OBE理念指导下重构课程教学目标，并探索以真实数据和“AI+实证”工具协作为支撑的教学实施路径，以期为数字经济领域复合型人才的培养提供可借鉴的教学改革思路。

一、传统教学模式的局限性分析

（一）教学目标定位偏狭，高阶科研素养培养缺位

从教学目标设置来看，传统数字经济学课程在一定程度上仍以知识体系的完整性为主要导向，强调对网络效应、双边市场、平台定价等经典理论模型的系统讲解。这种以“理论掌握”为核心的目标设定，有助于学生建立对数字经济基本运行逻辑的认知框架，但在培养其高阶实证能力和科研素养方面仍显不足。在实际教学中，课程目标往往更多关注学生是否理解理论假设与模型推导过程，而对学生能否基于真实数据开展研究设计、进行规范的数据处理和因果识别训练关注不足。由于缺乏明确的产出导向，教学活动容易停留在知识讲授层面，学生在面对数字经济相关的现实问题（如企业数字化转型、平台治理或数据要素配置等）时，往往难以将所学理论有效转化为可操作的分析框架和实证方案。此外，数智时代对经管类人才提出的要求已不再局限于单一的理论理解能力，还包括对数据伦理、科研规范以及跨工具协作的综合素养。传统教学目标在这些方面的覆盖不足，客观上制约了课程对复合型、高层次人才培养功能的发挥。

（二）教学手段与工具脱节，情境化互动性严重不足

在教学实施层面，数字经济学课程仍以课堂讲授为主要形式，教学互动多集中于概念理解与理论问答，学生的学习方式相对被动。尽管部分课程引入了案例分析或上机操作环节，但相关任务多为验证性练习，缺乏基于真实数据和现实问题的综合性项目设计，难以形成持续的学习投入。随着生成式人工智能和统计分析工具在教学中的广泛应用，学生获取代码和分析结果的门槛显著降低。然而，在缺乏系统引导的情况下，工具使用容易流于结果导向，学生倾向于直接调用现成代码或智能生成内容，而未能深入理解其背后的实证逻辑与方法假设。这种“工具先行、理解滞后”的学习模式，不仅削弱了实证训练的教学效果，也容易导致学生形成对技术工具的依赖。总体来看，传统教学手段尚未有效构建起以真实问题为导向、以工具协作为支撑的情境化学习环境，教学过程在“技术使用”与“逻辑建构”之间存在明显割裂，制约了学生综合分析能力的提升。

（三）考核评价方式固化，难以评估知识内化与创新产出

在课程评价方面，现行考核方式仍以期末考试或总结性论文为主，评价重点集中于对理论知识和基本方法的结果性考查。这种评价方式在检验学生知识掌握程度方面具有一定优势，但对其学习过程、实践能力和创新表现的反映相对有限。由于过程性考核权重偏低，学生在课程中的持续投入和阶段性进展难以被有效识别，实践环节在整体评价体系中的激励作用不足。例如，数据清洗规范性、模型设定合理性以及团队协作表现等关键能力，往往难以在最终成绩中得到充分体现。这在一定程度上削弱了考核机制对学生深度学习和能力提升的引导作用。同时，单一的评价维度也不利于教师系统获取教学反馈，难以根据学生在不同环节的表现对教学内容和方式进行动态调整，从而限制了课程持续改进机制的有效运行。

二、基于OBE理念的课程目标重构

（一）基础能力目标：夯实数字经济理论认知与工具协作基础

基础能力目标侧重于引导学生形成对数字经济运行逻辑的系统理解，并具备开展初步实证分析所需的基本工具素养。在理论层面，课程要求学生掌握数字产品边际成本特征、网络效应、双边市场与平台定价等核心理论，能够从经济学视角解释数字技术对市场结构和资源配置方式的影响。在技能层面，课程不再将统计软件和智能工具视为独立的技术模块，而是将其作为理解和应用理论的重要支撑。学生需能够在教师引导下，使用统计分析软件和生成式人工智能工具完成基础数据整理、描述性统计和简单模型设定，并对工具生成结果进行必要的核查与修正。通过将理论学习与工具协作相结合，帮助学生建立“理论理解—工具辅助—结果解释”相互联结的学习路径，为后续开展实证分析奠定基础。

（二）高阶实践目标：提升实证建模与复杂经济问题分析能力

新文科建设要求经济学人才具备解决复杂工程问题与社会科学研究的高阶能力。为此，课程要求学生围绕数字经济领域的现实问题，能够独立完成从研究问题界定、数据获取与处理，到模型设定和结果解释的完整分析流程。在教学实践中，学生需接触真实的上市公司数据和权威数据库资源，学习使用面板数据方法、双重差分法、工具变量法等常见计量经济学工具，对数字经济相关议题开展实证研究。课程不以模型复杂度为主要目标，而是强调研究设计的逻辑完整性与因果推断的合理性，引导学生理解不同方法的适用条件及其局限性。通过项目式实证训练，逐步培养学生以证据为导向的问题分析能力，使其能够将抽象理论转化为可操作、可检验的实证方案。

（三）价值素养目标：内化科技伦理、学术规范与家国情怀

课程目标的终极指向在于实现知识传递与价值引领的深度融合。在数字经济的复杂语境下，学生需深刻理解数据隐私保护、算法公平性以及数字平台垄断治理中的伦理困境，确立科技向善的职业道德观。在科研训练过程中，课程强调学术规范的刚性约束，培养学生诚实守信的科研品格，严防数据造假与剽窃行为。同时，通过引入华为鸿蒙系统生态建设、国产大模型突破以及我国数字化转型战略等本土化案例，引导学生从全球竞争视野审视中国数字经济的发展脉络。这一目标旨在将专业学习上升到服务国家战略的高度，培养兼具深厚学术素养、敏锐时代洞察力以及强烈社会责任感的高素质复合型经济人才。

三、“数字经济学”教学手段与创新路径

（一）模块化教学内容设计：实现理论学习与实证能力的梯度衔接

在教学内容组织上，课程采用模块化设计思路，对数字经济学的知识体系进行结构化重组，形成由浅入深、逐级递进的教学内容安排。课程内容按照“理论基础—方法工具—实证专题—综合应用”的逻辑划分为若干教学模块，各模块在教学目标和能力要求上逐步提升，避免知识点碎片化或技能训练脱节的问题。在理论基础模块中，重点围绕网络效应、平台经济、数字产品成本结构等核心内容展开，帮助学生构建理解数字经济运行机制的基本分析框架。在方法工具模块中，结合课程所需的统计基础，系统引入数据整理、描述性统计和基础回归分析方法，引导学生将抽象理论与具体数据分析任务相结合。实证专题模块则聚焦数字经济领域的典型研究议题，通过分专题讲解与操作演示，使学生逐步熟悉规范实证研究的基本流程。最终，在综合应用模块中，学生需整合前序模块所学内容，完成相对完整的实证分析任务，实现知识与能力的系统输出。

（二）情境化项目驱动教学：强化真实问题导向的学习体验

在教学方式上，课程引入情境化项目驱动模式，以真实问题和真实数据作为教学载体，替代单一的讲授式教学。教学过程中，以数字经济领域中具有现实意义的研究或分析问题为起点，引导学生在限定情境下开展小组协作学习。具体实施中，教师围绕既定主题设计任务框架，明确研究背景、分析目标与基本要求，学生以小组形式完成数据获取、变量构建、模型设定与结果分析等环节。项目推进过程中，教学活动不以最终结论是否“显著”为评价重点，而是更加关注研究思路的合理性、分析过程的规范性以及结果解释的逻辑性。通过将课程任务嵌入完整的问题解决过程，学生能够更直观地理解数字经济理论在现实分析中的应用方式，增强学习的参与感和责任感。

（三）数智工具协同应用：构建“AI+实证”的教学支持机制

在数智时代背景下，课程将生成式人工智能与统计分析软件纳入教学支持体系，构建以“辅助理解、促进实践”为目标的工具协同机制。教学设计中，人工智能工具被明确定位为学习辅助工具，而非替代性分析主体，强调其在提高分析效率和拓展研究思路方面的支持作用。在课前阶段，引导学生借助智能工具对研究背景和相关概念进行初步梳理，形成对实证任务的整体认知；在课堂教学中，通过示范性操作展示分析思路和基本代码框架，引导学生理解模型设定与数据处理的逻辑依据，并对智能工具生成的结果进行讨论和修正；在课后阶段，学生需对工具使用过程进行记录和反思，明确工具辅助与自主分析的边界。通过将人工智能工具嵌入教学全过程，并辅以明确的使用规范，课程在一定程度上避免了学生对技术工具的过度依赖，引导其在“借助工具”与“独立思考”之间形成合理平衡，从而提升实证分析的深度与质量。

四、考核方式优化：多元评价与过程性评估

（一）过程性考核的动态化设计与多维评价

为更准确反映学生在课程学习过程中的能力发展状况，课程在考核设计中显著提高过程性评价的比重，将评价重心由单一结果考查转向对学习过程与阶段性产出的综合评估。过程性考核主要围绕模块学习完成情况、项目推进质量以及课堂与小组协作表现三个方面展开。在模块学习层面，结合模块化教学内容安排，在每个教学单元结束后设置针对性的达标任务，如理论要点的应用分析、基础数据处理或简单模型设定等，以检验学生对核心知识与方法的掌握情况。该类任务强调独立完成，重点考察学生对理论逻辑和操作规范的理解程度，而非结果的复杂性。在项目推进层面，过程性评价贯穿情境化实证项目的各个阶段，对研究问题界定、数据清洗规范性、模型设定合理性及阶段性结果解释进行分阶段考核。评价标准侧重研究思路的清晰性和分析过程的规范性，引导学生在持续修正和反思中逐步完善实证方案。在协作表现方面，通过教师观察与小组互评相结合的方式，对学生在团队任务中的分工参与、沟通协调与责任承担情况进行记录，使过程性评价能够覆盖个体能力与团队协作能力两个维度。

（二）期末考核的产出导向设计与综合能力检验

在期末考核设计中，课程突破以理论记忆为主的传统闭卷考试模式，围绕课程目标设定综合性产出任务，重点检验学生运用所学知识和方法解决实际问题的能力。期末考核强调“能否完成规范分析”，而非“是否得出标准答案”。具体而言，期末考核内容围绕数字经济相关情境设计综合任务，要求学生在限定条件下完成数据处理、模型设定与结果解释等核心环节。考核过程中允许查阅必要的技术资料和软件手册，但需学生独立完成分析思路构建和关键判断，以避免单纯依赖工具生成结果。在评价标准上，重点考察研究设计的逻辑完整性、分析过程的规范性以及结论解释的合理性，对模型复杂度和结果显著性不作刚性要求。通过这种以产出为导向的考核方式，引导学生将分散的理论知识和操作技能整合为系统性的分析能力，实现从“学过”向“学会”的转变。

（三）评价反馈与持续改进机制的构建

为发挥考核评价在教学改进中的反馈功能，课程在评价体系中同步设计了结果反馈与持续改进机制。在每轮课程实施结束后，教师对学生在过程性考核和期末考核中的共性问题进行归纳分析，重点梳理理论理解偏差、实证操作薄弱环节以及工具使用中存在的典型问题，并据此对后续教学内容和教学节奏进行调整。同时，通过课程平台或问卷形式收集学生对教学安排、项目设计与考核方式的反馈意见，作为优化课程设计的重要参考。评价结果不仅用于学生成绩认定，更用于检验课程目标与教学实施之间的匹配程度，推动教学目标、教学手段与考核方式的动态对齐。在评价标准中，适度融入对学术规范意识和数据伦理认知的考查，引导学生在完成分析任务的同时关注研究过程的合规性和责任边界，进一步强化能力培养与价值引导的协同效应。

五、结语

在数智时代和新文科建设背景下，“数字经济学”课程已不再仅承担知识传授功能，而逐步转向对学生综合分析能力与实践素养的系统培养。围绕这一转变，文章基于OBE理念，对数字经济学课程的教学目标、教学手段与考核方式进行了整体重构，形成了以“基础能力—高阶实践—价值素养”为主线的课程教学改革路径。从教学实践来看，通过模块化内容组织与情境化项目驱动相结合的方式，课程有效强化了理论学习与实证训练之间的衔接关系；将生成式人工智能与统计分析工具纳入教学支持体系，有助于提升学生在处理真实数据和复杂问题时的工具协作能力与分析效率。同时，通过提高过程性考核比重并优化产出导向评价方式，课程评价体系能够更加全面地反映学生在学习过程中的能力发展状况，增强了考核对教学改进的反馈功能。需要指出的是，在引入智能工具辅助教学的过程中，部分学生仍可能出现对技术工具依赖度较高、实证逻辑理解不够深入等问题。这表明，在后续课程建设中，有必要进一步细化工具使用规范，强化对分析思路和方法选择的过程性引导，明确“工具辅助”与“自主判断”之间的边界，以防止技术便利性对深度学习产生挤出效应。

总体而言，文章所探讨的教学改革路径并非对具体教学模式的简单复制，而是一种基于课程目标、教学实施与评价方式协同优化的思路探索。未来，数字经济学课程建设仍需结合不同专业背景和学生基础进行灵活调整，在持续实践与反馈中不断完善教学设计，为数智时代背景下复合型经管人才的培养提供更加稳健、可持续的教学支持。

参考文献：

1. [1] 陈钰芬,苏为华,陈骥.数字经济时代经济统计人才培养模式的探索与实践[J].统计科学与实践,2021(11):46-48.
2. [2] 杨桂松,李燕婷,何杏宇,等.面向“教”与“学”的数据素养培养体系建设研究[J].教育导刊,2021(05):5-12.
3. [3] 王小平,单海鹏.新财经教育改革中数字经济跨学科专业课程体系研究[J].河北经贸大学学报(综合版),2023,23(03):83-89
4. [4] 徐慧丽,雷茂冲.“新商科”背景下经管类学生数据素养提升研究[J].科技经济市场,2024(03):139-141.
5. [5] 周世菊,赵海荣,潘丽芳.产教融合视域下地方高校应用型人才培养探究[J].科教导刊,2024(07):20-22.