我国数字经济发展已经由早期的“互联网+”转型阶段到如今的“数据要素×”深入发展阶段。这一发展趋势使得国家对新文科和数字经济人才的需求日益迫切。数字经济下的《量化分析B》旨在面向国家产业，培养数字经济时代熟悉市场运作、具备科技背景的创新创业人才，促使传统文科融入前沿的人工智能技术。
在新文科之路的探索过程中，文经商类学生展现出了一系列学情：（1）易燃易弃，难越交叉难点之峰：学生对于新兴学科的兴趣被点燃，但往往忽视了学习过程中的挑战和难点，导致学习动力不足，容易放弃。（2）内倾多虑，难破自我设限之笼：学生常常在课前就对自己的能力产生怀疑，并在学习过程中表现出内向、不愿意主动发言的倾向，导致学习效果受限。（3）追果求快，难聚深耕细作之心：学生倾向于追求快速的学习结果，而忽视了深入思考和细致学习的重要性，导致学习浅尝辄止，难以掌握学科的精髓。以上学情不仅限制了学生个体的学习效果，也对培养新文科领域复合型人才提出了挑战。因此，本课程着力解决这些问题，从新文科学情出发，平滑知识交叉繁杂之山峰，持燃学子于初心之热情；引领学子释放其探究之欲，破茧而出自我限定之牢；优化评价回馈及层次递进，培育学子深耕精研之志。
本课程提出“自趋优”的教学创新理念，以“学生自趋优”、“教师自趋优”、“课程自趋优”贯穿始终实现了一些列内容、方法、活动、评价等方面的数字化方法与创新体系。
（1）学生自趋优： 课程以培养创新型商科人才为目标，通过真实市场案例激发学生兴趣，串联商科、计算机学科、思政等知识，培养科学精神、创新能力与批判性思维。提供可视化工具展示学生学习过程和效果，帮助学生直观认知成长轨迹，激发内在动机，追求卓越。
（2）教师自趋优： 教师以教育家精神为标尺，自趋奉献、自趋弘道，不断提升教学技能，选择产业案例关注国家与社会需求，构建师生相长的课堂氛围。利用多元数据深入剖析学生状况和需求，因材施教，使课堂教学生动有趣高效，与学生同频共振，共同成长为高素质综合型创新人才。
（3）课程自趋优： 课程注重科教深度融合，借助历史数据构建教学辅助模型，优化案例分组与知识点评估。利用全过程伴随式的数据采集手段，进行数据挖掘，建立更合理的学生画像，辅助教师理解学生。课程借助数字化手段驱动自趋优，不断自我完善，为培养高素质科技创新人才提供支持。
本课程以产业应用为强劲驱动力，精心策划并打造了一系列知识短视频，将文科的人文智慧与工科的技术精髓融会贯通，构建出了独具特色的新型跨学科知识图谱。课程依托知识图谱，通过场景孪生和角色扮演的生动形式，让学生能够在沉浸式的环境中深入学习，掌握知识的精髓，同时借助先进的学生画像技术和课程辅助决策模型，根据每个学生的个体差异，动态调整评价和考察内容，确保每个学生都能得到精准而个性化的教学指导。
（1）从实体产业到教学案例之间的映射（内容创新）
本课程通过知识短视频紧扣产业实际应用，深度融合商科与工科知识，突出产业需求导向。采用图像、动画等可视化手段，直观生动地呈现重点知识，助力学生快速吸收和记忆。这种教学方式不仅提升了学生的学习兴趣与自主性，更让他们深刻认识到知识的实际应用价值，激发了对知识探索的热情与兴趣。
（2）从教学案例到知识图谱之间的构建（方法创新）
本课程致力于解决跨学科融合中存在的知识复杂性和学科边界模糊化的问题。通过构建跨学科知识图谱，将文科与工科知识有机结合，形成系统化、层次化的知识体系。其中，重点实现了三方面创新：知识重组，通过深入剖析文科与工科知识的内在联系与交叉点，实现了质的飞跃；知识平滑衔接，通过设立阶段性的知识点教学，形成阶梯式学习路径，降低学习难度，确保学生顺利掌握核心知识；知识循环往复，重复关键知识点并引入新知识点，不断深化学生对知识的理解和应用。这种方法使学生能够清晰地理解知识脉络与关联，激发学习兴趣与热情，为未来学术研究和职业发展奠定坚实基础。
（3）从商业场景到课堂演练之间的模拟（活动创新）
本课程着眼于学生对学习实用性的需求以及对交流与合作的内倾趋势，设计了场景孪生的教学活动。该活动以产业数据为基础，将学生置于真实且具有挑战性的学习环境中。通过从产业案例到课堂案例、从商业谈判到课堂谈判的孪生设计，学生能够全方位地体验商业分析到决策制定的过程。在这一过程中，学生需要运用所学知识进行深入的分析和讨论，制定合理的谈判策略，而教师则扮演着指导者或参与者的角色，为学生提供支持、反馈与引导。这种互动式学习不仅有助于打破学生的内倾心理，还满足了他们对知识实用性与落地性的需求。学生能够从产业实践中获得经验，教师则紧跟产业动态，使课程理论与实践相结合，达到了自趋优的目标。
（4）从学习效果到学生画像之间的刻画（评价创新）
本课程为解决专业壁垒导致的学生自我设限问题和跨学科背景下文科生对工科思维与问题的畏难情绪，设计了动态学生画像评价方式。该评价方式依托学生画像，量化了学生的五个维度学科能力，包括自主探索与创新、数据分析与决策、商业敏感度与市场洞察、编程与技术实践、批判性学习与自主学习。通过引入机器模型的客观评价，构建全面、细致的学生能力特点画像，不仅考虑了学科能力，还包括学习习惯和兴趣爱好等因素。在互评过程中，通过动态生成每个学生最合适的互评伙伴，提高了互评的有效性和针对性。及时的正向反馈有效解决了学生在跨学科问题上的能力忧虑，促使学生自我认知与自我提升，同时使得课程和教师都能因材施教，达到自趋优的目标。
团队面向商科和文科类学生开设的数字量化B课程取得了显著的教学创新成果。每学期约31%的学生在数字建模比赛中获奖，学生在教师的指导下积极参与创新创业活动，并在竞赛和论文中取得了令人瞩目的成绩。他们还自主设计制作了可视化大屏，将课程知识与实际应用相结合，展现了解决实际问题的能力。
