Xiaoning Wang

I am an Associate Professor in the School of Data Science and Media Intelligence at the Communication University of China, focused on cultivating data-driven media talent. I earned my Ph.D. from the School of Statistics, Renmin University of China in 2019 under the supervision of Prof. Yongjin Jin. My teaching centers on building rigorous courses, guiding students through hands-on projects, and using intelligent tools to support collaborative learning.

Our team is developing Scholar Hero, an intelligent teaching assistant (LLM + Agent) that provides classroom demonstrations, coding guidance, and personalized feedback. Teachers and students are welcome to explore and share suggestions: scholarhero.cn.

教师简介

王小宁，中国传媒大学数据科学与智能媒体学院副教授，博士生导师。2019年获得中国人民大学统计学院统计学博士学位（师从金勇进教授），同年进入中国传媒大学任教；2017年获中国人民大学统计学硕士学位，2013年获天津理工大学应用数学学士学位。

主要研究方向涵盖大语言模型与智能体（LLM 架构、微调、Prompt 工程、多智能体系统）、抽样调查方法（复杂抽样设计、调查方法学、数据质量评估）、机器学习（监督与无监督学习、深度学习、强化学习）、媒体数据分析（文本挖掘、社交网络分析、情感分析、内容推荐）以及数据融合与管理（数据融合、缺失数据填补、大数据处理）。近年来聚焦于将大模型技术与传媒场景深度结合，探索”统计学习 + 大模型 + 传媒应用”的跨学科路径。

教学方面，主讲”数据科学导论”“采样调查”“媒体数据分析”“计算广告学”“贝叶斯统计”“新闻与舆情数据学”“R 语言数据分析实战”等本科课程，并开设”TraeAI——现代软件开发与 AI 辅助编程”前沿课程，构建了从基础统计思维到 AI 驱动开发的渐进式课程链条。教学中强调实践驱动，在每门课程中融入数据采集、可视化、建模和真实应用案例，鼓励学生完成可复用的项目并展示优秀作业，搭建面向传媒领域的项目库。

此外，主导研发 Scholar Hero 智能助教系统（LLM + Agent），支持课堂演示、代码示例与即时问答反馈，致力于打造开放的”教、学、研”互动生态。公众号”抽样调查之家”持续分享数据科学、抽样调查方法与教学创新内容，B 站频道”抽样调查之家”和抖音/小红书”教统计的小宁老师”同步更新教学视频与学习资源。

教学特色与贡献

• 课程建设与更新：主讲数据科学导论、采样调查、媒体数据分析等课程，持续将统计学习、大模型与传媒场景结合，形成循序渐进的课程链条。
• 实践驱动：在每门课程中加入数据采集、可视化、建模和应用案例，鼓励学生完成真实项目和优秀作业展示，搭建面向传媒领域的项目库。
• 智能助教探索：依托 Scholar Hero 辅助课堂讲解、作业辅导和即时问答，打造开放的“教、学、研”互动生态。

代表课程与资源

• 数据科学导论（本科一年级下，2020—2026）：覆盖数据采集、数据处理与清洗、数据可视化、统计学习的基本框架与模型评估、回归分析、分类方法、决策树与集成学习、支持向量机与朴素贝叶斯、推荐算法、文本挖掘与社交网络分析、无监督学习与大数据计算方法，共 12 讲，提供教材化讲义与案例代码，帮助学生从零起步进入数据科学。详见第 1-12 讲课程讲稿汇总。
• TraeAI——现代软件开发与 AI 辅助编程（本科生课程，2025）：以 Trae（AI 原生 IDE）为核心实践平台，系统讲授现代软件开发流程、AI 辅助编程方法与人机协作开发模式，涵盖 Prompt 工程与 AI 编程方法、现代软件架构与模块化设计、Trae Builder 模式与系统构建、AI 调试重构与软件优化、软件测试安全与质量保障、人机协作开发与团队新范式等 8 个核心模块，共 32 学时、2 学分。详见TraeAI 课程页面。
• 计算广告学（传媒大数据专业，大四上）：掌握基本的计算广告技术和分析方法，结合传媒场景进行广告效果评估与精准投放分析。
• 贝叶斯统计（传媒大数据专业，大三上）：掌握基本的贝叶斯建模和分析方法，培养概率思维与推断能力。
• 传媒数据与统计分析（传媒大数据专业，大二上）：掌握基本的社会媒体挖掘技术和分析方法，涵盖社交网络分析与文本挖掘。
• 新闻与舆情数据学（传媒大数据专业，大三上，2026 秋季）：从新闻事实、公众表达与平台传播出发，系统学习舆情数据采集、文本分析、社会网络、可视化与证据核验。进入课程主页或阅读第 1 章：新闻与舆情问题定义。
• 大数据分析软件（本科，网络与新媒体 / 数据科学与大数据技术）：掌握大数据处理工具与分析方法，面向实际数据工程场景。
• R 语言数据分析实战（R 语言入门者）：了解基本的数理统计方法，通过实战案例快速上手 R 语言数据分析。
• 课程资料与优秀作业：整理 SVM、数据智慧原则、文本分析等幻灯片，并展示优秀报告，方便学生复习与二次创作。
• 更多课程信息可在教学页面与学习资料合集获取。

学生培养

• 指导学生参与数据分析比赛与项目实践，形成多篇优秀报告和课堂视频案例，为后续年级提供参考。
• 鼓励跨学科合作，帮助传媒、统计与计算机背景学生在真实数据上完成创新性探索。

教育背景

• 2019，统计学博士，中国人民大学统计学院
• 2017，统计学硕士，中国人民大学统计学院
• 2013，应用数学学士，天津理工大学数学学院

研究兴趣

GitHub

My open-source projects, course examples, and website updates are maintained on GitHub @xiaoningwang.

🌐 Connect with Me

• GitHub: @xiaoningwang
• Email: sdwangxiaoning@foxmail.com
• Scholar Hero: scholarhero.cn
• 小红书: 教统计的小宁老师
• 抖音: 教统计的小宁老师
• B站: 抽样调查之家

📱 关注公众号

扫描二维码关注我的公众号，获取最新的研究动态和技术分享

📱 公众号文章