基于大數(shù)據(jù)的信用風(fēng)險預(yù)測模型教學(xué)反饋機(jī)制構(gòu)建

一、前言

信用風(fēng)險預(yù)測作為金融活動的核心環(huán)節(jié)，其精準(zhǔn)度直接影響著金融市場的穩(wěn)定與安全。大數(shù)據(jù)技術(shù)憑借強(qiáng)大的數(shù)據(jù)處理能力，為信用風(fēng)險預(yù)測模型的優(yōu)化升級提供了有力支持。在教學(xué)中，培養(yǎng)學(xué)生運(yùn)用信用風(fēng)險預(yù)測模型解決實際問題的能力是教學(xué)重點(diǎn)。但傳統(tǒng)教學(xué)方式難以全面、準(zhǔn)確地了解學(xué)生對模型的掌握程度，導(dǎo)致教學(xué)與學(xué)生需求存在偏差。因此，基于大數(shù)據(jù)環(huán)境，圍繞信用風(fēng)險預(yù)測模型的教學(xué)融人與反饋機(jī)制構(gòu)建，系統(tǒng)設(shè)計了一套融合實訓(xùn)平臺、能力評估與智能反饋于一體的教學(xué)反饋機(jī)制。

二、大數(shù)據(jù)環(huán)境下的信用風(fēng)險預(yù)測模型設(shè)計

（一）信用風(fēng)險的基本定義與影響因素分析

信用風(fēng)險是指交易對手未履行合同義務(wù)，導(dǎo)致授信方遭受經(jīng)濟(jì)損失的可能性，是金融風(fēng)險的重要組成部分。其影響因素主要包括宏觀與微觀兩個層面。宏觀方面包括經(jīng)濟(jì)周期、貨幣政策和行業(yè)趨勢，經(jīng)濟(jì)下行或行業(yè)衰退易導(dǎo)致違約風(fēng)險上升。微觀方面涉及企業(yè)財務(wù)狀況、管理能力和市場競爭力等，資產(chǎn)負(fù)債率、流動比率可反映償債能力，管理水平和競爭力強(qiáng)有助于控制風(fēng)險，提升抗風(fēng)險能力。

（二）大數(shù)據(jù)在信用風(fēng)險預(yù)測中的應(yīng)用優(yōu)勢

大數(shù)據(jù)在信用風(fēng)險預(yù)測中的應(yīng)用具有明顯優(yōu)勢。大數(shù)據(jù)技術(shù)所處理的數(shù)據(jù)規(guī)模遠(yuǎn)超傳統(tǒng)手段，能夠涵蓋借貸行為、消費(fèi)記錄、還款習(xí)慣、社交網(wǎng)絡(luò)等多源異構(gòu)數(shù)據(jù)，可構(gòu)建全方位的信用畫像，為信用風(fēng)險評估提供堅實的數(shù)據(jù)基礎(chǔ)，顯著降低判斷偏差。借助分布式存儲與并行計算技術(shù)（Hadoop框架），大數(shù)據(jù)可以高效處理龐大的數(shù)據(jù)集，使金融機(jī)構(gòu)能夠?qū)崟r掌握借款人信用狀況，快速識別潛在違約風(fēng)險。大數(shù)據(jù)挖掘有助于發(fā)現(xiàn)傳統(tǒng)模型難以捕捉的隱性風(fēng)險特征和非線性關(guān)聯(lián)。例如，通過行為軌跡與社交數(shù)據(jù)分析，識別借款人信用變動的早期信號。隨著機(jī)器學(xué)習(xí)算法的不斷訓(xùn)練與優(yōu)化，風(fēng)險評估模型的準(zhǔn)確性與穩(wěn)定性持續(xù)提升，能夠輔助金融機(jī)構(gòu)提前部署信用風(fēng)險應(yīng)對措施，從源頭上防范信用風(fēng)險事件的發(fā)生。

（三）信用風(fēng)險預(yù)測模型框架

信用風(fēng)險預(yù)測模型框架旨在綜合利用大數(shù)據(jù)優(yōu)勢，主要分為數(shù)據(jù)層、特征工程層、模型層以及評估層，可精準(zhǔn)評估受信一方違約的可能性。數(shù)據(jù)層負(fù)責(zé)采集整合多源數(shù)據(jù)，涵蓋金融交易、社交網(wǎng)絡(luò)、電商消費(fèi)等多方面數(shù)據(jù)。特征工程層對原始數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和特征提取，挖掘與信用風(fēng)險相關(guān)的有效信息。模型層是核心，利用邏輯回歸、決策樹、神經(jīng)網(wǎng)絡(luò)等算法構(gòu)建預(yù)測模型，邏輯回歸模型的基本公式見式（1）。

其中，P（Y=IIX）是給定特征X下違約的概率， β_i 是待估計的系數(shù)。評估層則使用準(zhǔn)確度、召回率、F1值等指標(biāo)來評估模型性能，并根據(jù)結(jié)果進(jìn)行優(yōu)化和調(diào)整。整個框架形成一個閉環(huán)系統(tǒng)，不斷迭代，以適應(yīng)不斷變化的信用風(fēng)險環(huán)境。

圖1教學(xué)反饋機(jī)制框架

三、金融大數(shù)據(jù)技術(shù)教學(xué)中的信用風(fēng)險預(yù)測模型應(yīng)用

（一）信用風(fēng)險預(yù)測模型的基本概念與原理

在金融大數(shù)據(jù)技術(shù)教學(xué)中，教師需要幫助學(xué)生理解信用風(fēng)險預(yù)測模型的基本概念與原理。這一部分的教學(xué)重點(diǎn)是介紹不同類型的信用風(fēng)險預(yù)測模型，包括傳統(tǒng)的統(tǒng)計模型（如回歸分析、時間序列分析）和現(xiàn)代機(jī)器學(xué)習(xí)模型（如決策樹、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等）。通過理論講解和案例分析，教師可以幫助學(xué)生理解這些模型的構(gòu)建原理及適用場景，同時強(qiáng)調(diào)在實際應(yīng)用中的優(yōu)缺點(diǎn)和局限性。理論部分應(yīng)以簡單易懂的語言進(jìn)行闡述，結(jié)合實例和數(shù)據(jù)展示其計算過程和輸出結(jié)果，幫助學(xué)生掌握模型的使用方法。

（二）信用風(fēng)險預(yù)測模型在實際案例中的應(yīng)用

為了讓學(xué)生更好地將理論知識應(yīng)用到實際中，教學(xué)內(nèi)容應(yīng)包括信用風(fēng)險預(yù)測模型在金融行業(yè)中的具體應(yīng)用案例。教師可以通過分析實際的金融數(shù)據(jù)（如股票價格、市場波動、信用風(fēng)險等），引導(dǎo)學(xué)生實際使用信用風(fēng)險預(yù)測模型，進(jìn)行數(shù)據(jù)預(yù)處理、模型訓(xùn)練和結(jié)果評估等操作。這一部分的教學(xué)可以采取小組討論和實踐操作相結(jié)合的方式，讓學(xué)生深入?yún)⑴c到具體的信用風(fēng)險預(yù)測項目中，強(qiáng)化學(xué)生數(shù)據(jù)分析和模型應(yīng)用的能力[2。通過解決實際問題，學(xué)生能夠更好地理解模型的實際價值和實施中的挑戰(zhàn)。

（三）信用風(fēng)險預(yù)測模型的優(yōu)化與創(chuàng)新

隨著金融科技的發(fā)展，信用風(fēng)險預(yù)測模型的不斷優(yōu)化和創(chuàng)新也成為教學(xué)內(nèi)容的一部分。教師應(yīng)引導(dǎo)學(xué)生了解如何通過改進(jìn)算法、增加數(shù)據(jù)源或引入新興技術(shù)（如大數(shù)據(jù)分析、人工智能、區(qū)塊鏈等）來提高信用風(fēng)險預(yù)測的準(zhǔn)確性和可靠性。教學(xué)過程中，教師可以通過設(shè)計創(chuàng)新性的課題，鼓勵學(xué)生探索不同的技術(shù)手段和算法改進(jìn)方向，培養(yǎng)學(xué)生的創(chuàng)新思維和解決問題的能力[3。教師還應(yīng)強(qiáng)調(diào)信用風(fēng)險預(yù)測模型的倫理問題與監(jiān)管要求，確保學(xué)生在進(jìn)行模型優(yōu)化時，具備良好的職業(yè)道德和法律意識。

四、教學(xué)反饋機(jī)制的構(gòu)建與實施路徑

（一）教學(xué)反饋機(jī)制總體設(shè)計框架

教學(xué)反饋機(jī)制旨在構(gòu)建一個全方位、多層次的閉環(huán)系統(tǒng)，以精準(zhǔn)優(yōu)化信用風(fēng)險預(yù)測模型的教學(xué)過程。該機(jī)制主要由數(shù)據(jù)采集層、數(shù)據(jù)分析層、反饋決策層和教學(xué)調(diào)整層構(gòu)成，具體如圖1所示。

數(shù)據(jù)采集層負(fù)責(zé)收集各類有關(guān)學(xué)生學(xué)習(xí)的詳細(xì)數(shù)據(jù)，既包括結(jié)構(gòu)化數(shù)據(jù)，也包括非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)可以通過學(xué)習(xí)管理系統(tǒng)（LMS）收集，包括學(xué)生的作業(yè)成績、考試分?jǐn)?shù)、答題時間等。這些數(shù)據(jù)能夠幫助教師了解學(xué)生的基礎(chǔ)學(xué)科掌握情況，為后續(xù)的個性化輔導(dǎo)提供參考。非結(jié)構(gòu)化數(shù)據(jù)是獲取學(xué)生參與度和互動行為的關(guān)鍵。教師可以通過課堂互動軟件、在線討論平臺等工具，收集學(xué)生的提問、觀點(diǎn)表達(dá)等內(nèi)容，分析學(xué)生在課堂上和課外活動中的主動參與程度。這些非結(jié)構(gòu)化數(shù)據(jù)可以進(jìn)一步反映學(xué)生對課程內(nèi)容的理解深度、興趣點(diǎn)及疑惑。同時，實訓(xùn)平臺能夠記錄學(xué)生操作軌跡、模型構(gòu)建步驟等實踐數(shù)據(jù)，幫助教師了解學(xué)生的動手能力及對模型應(yīng)用的掌握情況。這些數(shù)據(jù)的收集能為學(xué)生的能力評估提供更全面的依據(jù)。

數(shù)據(jù)分析層運(yùn)用數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)技術(shù)對采集的數(shù)據(jù)進(jìn)行深度分析。通過聚類分析，將學(xué)生按學(xué)習(xí)表現(xiàn)和能力水平分類。利用關(guān)聯(lián)規(guī)則挖掘，教師能夠發(fā)現(xiàn)影響學(xué)生學(xué)習(xí)效果的關(guān)鍵因素。情感分析技術(shù)通過對學(xué)生的討論、反饋、作業(yè)等文本進(jìn)行情感傾向分析，幫助教師判斷學(xué)生對教學(xué)內(nèi)容和方式的態(tài)度。

反饋決策層是將數(shù)據(jù)分析結(jié)果轉(zhuǎn)化為教學(xué)決策的關(guān)鍵環(huán)節(jié)?；跀?shù)據(jù)分析層提供的信息，教師可以有針對性地對教學(xué)策略進(jìn)行調(diào)整。同時，教師可以根據(jù)數(shù)據(jù)反饋，及時調(diào)整教學(xué)重點(diǎn)和進(jìn)度，針對學(xué)生知識薄弱點(diǎn)進(jìn)行強(qiáng)化教學(xué)。教師還可以根據(jù)學(xué)生的反饋調(diào)整教學(xué)方式[4。

教學(xué)調(diào)整層是將反饋決策轉(zhuǎn)化為實際教學(xué)行動的執(zhí)行層面。教師根據(jù)反饋決策層的建議，優(yōu)化課程內(nèi)容、補(bǔ)充相關(guān)知識點(diǎn)或調(diào)整教學(xué)進(jìn)度。同時，教師還可以根據(jù)學(xué)生的需求，加人更多的實踐教學(xué)環(huán)節(jié)（如小組項目、案例分析等），提升學(xué)生在實際應(yīng)用中的能力。另外，教師還可以根據(jù)數(shù)據(jù)反饋優(yōu)化教學(xué)方法。與此同時，教師還可以通過增加和優(yōu)化實訓(xùn)項目，幫助學(xué)生更好地理解和應(yīng)用信用風(fēng)險預(yù)測模型，掌握數(shù)據(jù)分析和決策制定的技巧。

（二）智能化反饋機(jī)制設(shè)計

智能化反饋機(jī)制通過引入先進(jìn)的數(shù)據(jù)分析與機(jī)器學(xué)習(xí)技術(shù)，實現(xiàn)數(shù)據(jù)驅(qū)動的教學(xué)反饋與決策支持。在數(shù)據(jù)采集層，系統(tǒng)不僅收集學(xué)生的結(jié)構(gòu)化數(shù)據(jù)（如成績、作業(yè)提交情況），還包括非結(jié)構(gòu)化數(shù)據(jù)（如課堂互動、情感分析結(jié)果）。通過多元化的數(shù)據(jù)源，確保教學(xué)反饋更加全面和精確。在數(shù)據(jù)分析層，智能化反饋機(jī)制利用機(jī)器學(xué)習(xí)算法進(jìn)行深度學(xué)習(xí)與數(shù)據(jù)挖掘，識別學(xué)生的個性化學(xué)習(xí)特征和需求。通過實時分析學(xué)生的表現(xiàn)，系統(tǒng)能夠自動分類學(xué)生的學(xué)習(xí)水平、掌握的知識點(diǎn)、情感傾向等，從而提供量身定制的反饋。例如，系統(tǒng)可自動識別某一知識點(diǎn)是否普遍難以理解，并提出相應(yīng)的教學(xué)調(diào)整建議。這種精確的分析不僅為教師提供了更有效的決策依據(jù)，也能夠減少人為偏差，提升教學(xué)策略的精準(zhǔn)性和時效性。在反饋決策層，智能化機(jī)制根據(jù)分析結(jié)果生成具體的教學(xué)調(diào)整建議。這些建議可以針對性地幫助教師做出及時的教學(xué)調(diào)整。例如，系統(tǒng)可能會推薦針對學(xué)習(xí)進(jìn)度滯后的學(xué)生提供個性化輔導(dǎo)，或者建議增加特定難點(diǎn)知識的講解，甚至調(diào)整教學(xué)進(jìn)度以適應(yīng)學(xué)生的學(xué)習(xí)節(jié)奏。同時，智能化系統(tǒng)能夠根據(jù)學(xué)生的學(xué)習(xí)偏好和反饋，優(yōu)化課堂互動形式、教學(xué)工具和方法。系統(tǒng)自動跟蹤學(xué)生的情感態(tài)度與互動表現(xiàn)，實時調(diào)整教學(xué)策略，提高學(xué)生的學(xué)習(xí)積極性和參與度。在教學(xué)調(diào)整層，教師根據(jù)智能反饋調(diào)整教學(xué)內(nèi)容、方法與進(jìn)度[。例如，教師可以根據(jù)學(xué)生反饋調(diào)整教學(xué)案例或?qū)嶒灥膬?nèi)容，進(jìn)一步提高課堂的互動性和實踐性。智能化反饋機(jī)制的引入不僅使教師能夠依據(jù)數(shù)據(jù)做出更加科學(xué)的教學(xué)調(diào)整，也為學(xué)生提供了一個更加個性化和動態(tài)優(yōu)化的學(xué)習(xí)體驗，從而實現(xiàn)教學(xué)質(zhì)量的持續(xù)提升。

（三）教學(xué)改進(jìn)與策略調(diào)整

教學(xué)改進(jìn)與策略調(diào)整是教學(xué)反饋機(jī)制發(fā)揮實效的關(guān)鍵環(huán)節(jié)。教師對教學(xué)內(nèi)容進(jìn)行了深入剖析與重構(gòu)，針對學(xué)生普遍薄弱的復(fù)雜信用風(fēng)險預(yù)測模型算法原理等知識點(diǎn)，進(jìn)行了有針對性的講解與分析。引入實際金融案例，針對不同場景下模型的應(yīng)用邏輯進(jìn)行詳細(xì)講解，幫助學(xué)生理解抽象概念，同時關(guān)注行業(yè)前沿動態(tài)，并在教學(xué)中及時融人新的信用風(fēng)險預(yù)測方法和模型，保證學(xué)生學(xué)習(xí)的知識與行業(yè)發(fā)展同步。

教學(xué)方法上注重教學(xué)手段的多樣化和教學(xué)對象的針對性。對理論性較強(qiáng)的內(nèi)容，采用問題導(dǎo)向式教學(xué)，以真實金融問題驅(qū)動學(xué)生運(yùn)用所學(xué)的模型解決實際問題，充分調(diào)動學(xué)生主動探索的積極性。實踐教學(xué)上則運(yùn)用項目驅(qū)動教學(xué)法，組織學(xué)生分組完成信用風(fēng)險預(yù)測項目，學(xué)生從數(shù)據(jù)收集、模型構(gòu)建到結(jié)果評估全過程參與，培養(yǎng)實踐能力、協(xié)作能力。

在教學(xué)資源方面，根據(jù)學(xué)生需求合理配置。為學(xué)習(xí)困難的學(xué)生提供一對一輔導(dǎo)、發(fā)放學(xué)習(xí)資料、進(jìn)行專項練習(xí)；為學(xué)有余力的學(xué)生推薦前沿的學(xué)術(shù)文獻(xiàn)、組織參加學(xué)術(shù)講座和學(xué)術(shù)競賽；優(yōu)化線上學(xué)習(xí)平臺的功能，完善智能答疑系統(tǒng)，讓學(xué)生隨時解決自己在學(xué)習(xí)中遇到的問題[。通過不斷的教學(xué)改進(jìn)與教學(xué)策略調(diào)整，不斷提高信用風(fēng)險預(yù)測模型的教學(xué)質(zhì)量，培養(yǎng)出更符合行業(yè)需求的信用風(fēng)險預(yù)測模型專業(yè)人才。

教師團(tuán)隊還充分利用教學(xué)反饋數(shù)據(jù)進(jìn)行動態(tài)教學(xué)管理，實時掌握學(xué)生學(xué)習(xí)狀態(tài)，并據(jù)此及時調(diào)整授課節(jié)奏和重難點(diǎn)安排。例如，在階段性檢測中發(fā)現(xiàn)部分學(xué)生對特征選擇與模型評估方法掌握不牢，教師便在后續(xù)課程中增設(shè)針對性訓(xùn)練單元，通過案例分析和可視化工具演示相關(guān)算法的實際效果，提升學(xué)生對模型質(zhì)量的判斷能力。同時，鼓勵學(xué)生主動參與教學(xué)過程，如設(shè)立“學(xué)生問題墻”“每周一題”等機(jī)制，讓學(xué)生將遇到的難題提交討論，形成課堂內(nèi)外的良性互動。

在教學(xué)反饋機(jī)制推動下，教師角色也從單一的知識傳授者轉(zhuǎn)變?yōu)閷W(xué)習(xí)指導(dǎo)者與資源協(xié)調(diào)者。教學(xué)過程更加靈活、開放，注重學(xué)生的個性化成長路徑。整體來看，教學(xué)策略的不斷優(yōu)化不僅提升了學(xué)生的學(xué)習(xí)主動性和應(yīng)用能力，也有效推動了教學(xué)質(zhì)量的持續(xù)改進(jìn)與人才培養(yǎng)模式的轉(zhuǎn)型升級，為金融科技領(lǐng)域儲備更多高質(zhì)量、創(chuàng)新型應(yīng)用人才奠定了基礎(chǔ)。

表1教學(xué)反饋機(jī)制實施效果

五、系統(tǒng)應(yīng)用實驗研究

（一）實驗?zāi)康?/p>

為了評估智能化教學(xué)反饋機(jī)制對金融大數(shù)據(jù)技術(shù)課程教學(xué)效果的影響，重點(diǎn)考察該機(jī)制對學(xué)生成績提升、學(xué)習(xí)滿意度及課堂參與度的促進(jìn)作用。通過對比實驗組和對照組在實驗前后的測試成績、學(xué)生滿意度等方面的差異，驗證教學(xué)反饋機(jī)制在改善教學(xué)質(zhì)量、提升學(xué)生學(xué)習(xí)效果方面的有效性，并探索其在金融科技教育中的應(yīng)用前景。

（二）實驗設(shè)計

本實驗選擇金融科技專業(yè)的兩個平行班級作為研究對象，設(shè)定實驗組與對照組進(jìn)行對比研究。實驗組在整個學(xué)期中應(yīng)用基于智能化反饋機(jī)制的教學(xué)方法，通過實時收集學(xué)生學(xué)習(xí)數(shù)據(jù)（如課堂表現(xiàn)、作業(yè)成績、實訓(xùn)操作記錄等），并運(yùn)用數(shù)據(jù)分析技術(shù)為學(xué)生提供個性化反饋，調(diào)整教學(xué)內(nèi)容與方法。對照組則采用傳統(tǒng)的教學(xué)方式，僅通過期末考試成績進(jìn)行階段性反饋，不涉及數(shù)據(jù)驅(qū)動的個性化教學(xué)調(diào)整。實驗周期為一個學(xué)期，兩個班級均學(xué)習(xí)相同的課程內(nèi)容，考試內(nèi)容涵蓋理論知識和實踐應(yīng)用，實驗前后對兩個班級的學(xué)生進(jìn)行知識測試，并收集學(xué)生對教學(xué)過程的滿意度反饋。

在本實驗中，學(xué)生滿意度調(diào)查采用匿名問卷的形式進(jìn)行，確保問卷結(jié)果的真實性與客觀性。為了保證問卷的有效性，所有問卷均進(jìn)行了數(shù)據(jù)清理，剔除無效或不完整的問卷。問卷的有效回收率達(dá)到了 90% 以上，確保了樣本數(shù)據(jù)的可靠性與代表性。通過對比分析實驗組與對照組在成績、滿意度等方面的差異，評估智能化教學(xué)反饋機(jī)制的實施效果。

（三）實驗結(jié)果分析

教學(xué)反饋機(jī)制實施效果顯著，具體見表1。在成績方面，實驗組前測平均成績?yōu)?1.2分，后測達(dá)82.5分，提升幅度21.3分；對照組前測60.8分，后測73.1分，提升12.3分，且實驗組后測成績標(biāo)準(zhǔn)差更小，成績更集中穩(wěn)定。滿意度上，實驗組平均評分4.42分，滿意率 86.70% ，均高于對照組的3.76分和 64.20% ，標(biāo)準(zhǔn)差也更小。這一結(jié)果表明應(yīng)用教學(xué)反饋機(jī)制能有效提高學(xué)生成績，增強(qiáng)學(xué)生對教學(xué)的滿意度，教學(xué)反饋機(jī)制在金融大數(shù)據(jù)技術(shù)教學(xué)中成效明顯。

六、結(jié)語

綜上所述，本文結(jié)合信用風(fēng)險預(yù)測模型教學(xué)，建立了大數(shù)據(jù)智能反饋機(jī)制。通過設(shè)計反饋數(shù)據(jù)采集、分析與教學(xué)調(diào)整的閉環(huán)系統(tǒng)，為教學(xué)提供個性化、智能化的反饋，提高教學(xué)針對性，提升學(xué)生學(xué)習(xí)效果。大數(shù)據(jù)智能反饋機(jī)制有助于提升學(xué)生知識掌握度和教學(xué)滿意度。未來，應(yīng)進(jìn)一步完善反饋算法和平臺功能，推動大數(shù)據(jù)技術(shù)在金融大數(shù)據(jù)技術(shù)教學(xué)中的融合。

參考文獻(xiàn)

[1]吳應(yīng)寧.大數(shù)據(jù)背景下金融專業(yè)課程體系重構(gòu)及與課程思政融合研究[J].高教學(xué)刊，2024，10（31）：185-188.

[2]楊景景，姚茵，魯文亮.新時代背景下“金融大數(shù)據(jù)”教學(xué)思考[J].科技風(fēng)，2024（12）：109-111.

[3]陳張杭健，俞承曄.基于Python的“金融大數(shù)據(jù)分析”課程教學(xué)案例設(shè)計及其實現(xiàn)[J].安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報，2023.22（02）：34-39.

[4]周丹，趙莉娜.大數(shù)據(jù)分析在金融類專業(yè)課程中的案例教學(xué)研究[J].特區(qū)經(jīng)濟(jì)，2022（07）：118-121.

[5]邢.高職院校金融大數(shù)據(jù)應(yīng)用課程實踐教學(xué)改革探索[J].產(chǎn)業(yè)與科技論壇，2022，21（11）：131-132.

[6]蘇偉.大數(shù)據(jù)背景下金融實驗教學(xué)模式創(chuàng)新研究[J].中外企業(yè)家，2020（10）：187.

作者單位：哈爾濱金融學(xué)院

責(zé)任編輯：王穎振 楊惠娟