为主动适应数智化转型对会计人才培养提出的新要求，会计学院近年来持续推进数智化课程体系建设，面向各专业开设了一系列数智化专业提升课程。本学期，学院常态化开设《财务共享理论与实践》《大数据与智能审计》《商业智能与财务决策》《大数据智能财务决策》《RPA与智能会计》五门课程，共设21个教学班，选课学生达695人次。课程由15名教师承担，其中12名为青年教师，占比80%。

面对计算机技术与会计专业知识深度融合带来的教学挑战，青年教师们主动适应、积极探索、协同备课，在课程建设和课堂教学中不断破解难题，逐渐成长为学院数智化课程建设的重要力量。其中，青年教师武迪在《大数据与智能审计》课程教学中，立足专业基础，紧扣行业前沿，积极探索数智化教学新模式，取得了良好课堂效果。

对接真实场景，提升实践教学质效

武迪老师执教时间虽不足两年，但凭借管理学博士背景和持续的专业积累，已展现出较强的教学适应能力与发展潜力。出于专业兴趣，他长期关注数据工具应用和技术迭代，熟练掌握Python、Playwright、Claw CLI爬虫工具及多类行业数据源平台，具备较为扎实的数智化知识储备。本学期是他第二轮讲授《大数据与智能审计》课程，但已能够较好把握课程内容，紧跟行业发展趋势，展现出超越教龄的专业能力和教学潜力。

课堂教学中，武迪注重将理论知识与审计实务深度结合。在DataFrame相关内容教学中，他以数据创建为切入点，逐步引导学生学习缺失值填充、异常值识别与处理等关键方法，并依托A股前50家上市公司的真实数据开展课堂实训。学生在教师指导下，综合运用相关工具和数据源平台，完成数据采集、清洗、处理等操作流程，有效增强了课程教学与行业实践的契合度，推动数智化实践教学落到实处。

注重底层逻辑，实施分层教学设计

针对财经类专业学生计算机基础相对薄弱的实际情况，武迪在教学中主动调整策略，不简单追求复杂算法讲授，而是将重点放在数据处理底层逻辑和方法原理的阐释上，帮助学生跳出单纯工具操作的表层认知，逐步建立数智化思维框架。

在教学设计上，他注重分层分类、因材施教，将课程内容划分为基础必修内容和拓展提升内容，兼顾不同学生的学习基础和发展需求。以异常值处理教学为例，课堂重点讲授IQR法、3σ法等基础方法，同时适度介绍建模方法、KNN、K-means等高阶算法方向，供学有余力的学生进一步拓展学习，较好发挥了专业提升课程的拓展性和拔高性作用。

坚持问题驱动，培养学生独立思维

在课堂组织中，武迪注重通过问题驱动和启发式教学，引导学生比较不同数据处理方案的适用场景，培养学生独立分析问题和解决问题的能力。他不局限于“手把手”分步示范，而是鼓励学生自主探究、独立完成实训任务，并合理借助人工智能工具辅助学习。

实训过程中，课程采用随机数据集，鼓励学生根据不同处理思路形成差异化结果。教师评价重点不在于追求唯一标准答案，而在于引导学生梳理分析逻辑、理解问题本质、提升专业判断能力。这种教学方式有助于学生在真实复杂情境中形成数据思维、审计思维和智能化工具应用能力。

武迪的《大数据与智能审计》课堂主次分明、重点突出，始终围绕学生数智化专业素养提升展开教学设计与课堂实践，对推动学院数智化课程建设具有积极示范意义。以武迪为代表的会计学院青年教师，正在以扎实的教学投入和持续的教学探索，为学院数智化专业提升课程建设注入新活力，为培养适应数智时代需求的高素质会计人才贡献青春力量。