投资学课程的教学实践范文

1因素挖掘法教学理论

通常情况下，学生的努力程度与兴趣均存在差异，对于同一门课程的理解和掌握程度也表现出差异性．因此，教学内容的广度和深度设计尤为重要．因素挖掘法教学将课程知识点的难易程度转化为授课时间分配比例，并将时间分配比例与学生素质的量化分布基本保持一致．基于因素挖掘法的教学理论具体实施步骤如下：由上述理论分析可知，因素挖掘法教学的本质上是一个优化模型．其目的是控制授课对象对知识点的接受程度，使其达到最佳的整体偏差水平，通过各知识点的授课时间合理分配比例实现．与传统的层次分析、模糊分类等方法相比较，其根本区别是，因素挖掘法将教学过程设计表达为一个优化模型，摆脱了传统教学过程设计的主观性．然而，此方法中的目标规划问题的解可能不是唯一的，可以在时间合理分布集中选取一个点，完成该课程的教学过程设计优化．

2投资学课程教学实践

选取授课班级中某一关联紧密的先修课程的成绩对学生素质进行量化．投资学课程的先修课程为概率论与数理统计，该课程能较好地反映学生进一步学习投资学课程的素质．笔者采用χ2方法对2012级金融学专业概率论与数理统计课程的成绩进行分析，获得其素质的近似分布为X～N（67，26）．现以投资学课程中“马可维茨理论”讲授为例．由于该知识点内容较多，不直接对各知识点构建接受程度函数，而是对所有知识点深度进行分类，再为各类知识点定义其相应的接受程度函数，从而减少分布时间的维度，使得课程设计简化但不失有效性．先分析其知识点深度．

采用评分法分析各知识点的难度v，然后根据各知识点难度分值对知识点聚类．共设为3层，第1层v＜7，第2层7≤v＜9，第3层9≤v．知识点具体分解见表1。第2层次包括模型的求解过程、数学解释、投资策略和约束条件的投资学意义（含卖空和买空条件）．此内容要求出均值和标准差之间的双曲线关系．因为在求解过程中必须用到矩阵方程的拉格朗日条件权值的分析求解过程，所以要求教师具备扎实的数学基础，而且教师必须详细分析双曲线中的有效解仅在第1象限的原因．第3层次包括启发学生是否可以将以标准差为目标的优化问题转化为以期望为目标的优化问题，这要求学生理解投资策略与数学解释之间的对应关系．投资学授课计划及目标见表2．从表2可知，讲完第3层次知识，学生的覆盖率达到98％，主要目的是留下难点或前沿知识点，激发优秀学生课后进一步查阅相关材料，培养其自学能力．

3课程教学实践案例分析

学生和听课专家对教师教学效果的评估方式通常是打分．学校督导人员通过对教师教学过程的分析与评价，更新并改进案例设计，建立信息反馈系统．教学法评估标准通常包括以下3个方面：（1）教学态度．包括5大授课材料（教案、教学大纲、教学日历、辅助课件、学生名册）、教学仪态、上课激情和责任心；（2）教学内容．包括主次分明、逻辑性强，教学手段多样，授课时间分配合理；（3）教学效果．包括引导学生和学生自觉反馈教学效果．笔者构建的2级指标体系的教学评价标准见表3．湖南涉外经济学院金融专业教学效果学生评分结果。

4结语

以投资学课程教学设计过程为例，提出的基于因素挖掘法的教学过程设计模式体现了单目标优化思想，提供了一个量化的教学过程，使得课程教学设计摆脱了传统教学方法的随意性．利用具有紧密联系的前修课程的成绩作为学生素质分布的方法，解决了因素挖掘法在应用时的基础分布问题．案例分析结果表明，此方法对于提高教学效果显著．

作者：黄梦桥 李杰 单位：湖南涉外经济学院商学院