作为老师，她带领着学生共同进步，从未停歇；作为学者，她在科研道路上从未止步，砥砺前行。她就是王珊珊，北京航空航天大学经济管理学院副教授。2008年，王老师毕业于青岛大学数学与应用数学专业。同年9月，进入北京师范大学持续攻读硕、博研究生，并于2014年获统计学博士学位。之后，赴新加坡南洋理工大学进行博士后研究。2015年底，王老师选择回国来到北航经济管理学院成为一名高校教师。
作为学院数量经济与商务统计系的青年教师，王老师的研究领域主要在超高维复杂数据统计建模与分析、高维统计推断、生存数据分析、非/半参数统计、统计算法与应用等方面，这些研究均侧重大数据情形下新的统计理论方法与分析技术，相当于以统计理论为主，辅以数据分析实践相结合。王老师目前主持1项国家自然科学基金项目《基于惩罚似然和经验似然方法的高维数据假设检验问题研究》，该项目主要借用高维数据处理中的惩罚思想，对感兴趣的问题或猜想，利用惩罚似然或非参数惩罚经验似然方法进行统计推断，并建立其理论性质，属于高维数据统计理论方法方面的研究；另外还主持3项国家农产品质量安全数据中心委托课题，主要围绕食品安全大数据，构建全国蔬菜农药残留指数和指标体系、农产品品质鉴别技术、可视化平台等。
课堂教学上，王老师主讲统计学专业相关课程，包括经济统计专业本科生的《非参数统计》、《应用统计学》、《时间序列分析》、《数据分析与可视化》；研究生和博士生的《R软件建模实验》、《统计学学科综合科》、《高级计量经济学》和《非参数统计分析》（博）。由于这些课程大都是统计理论与方法相关课程，授课内容既要有理论深度又要结合实际问题。王老师表示，“我会结合我们学院学生特点，坚持理论讲授和实验教学相结合，将R软件实现贯穿教学过程，培养学生数据分析能力。我希望学生们通过这些课程的学习，不仅能够学会如何利用这些统计方法解决经济管理中的实际问题及其相应的软件操作，同时还要锻炼自己的统计思想、统计思维，一定要真正的学懂学会，知其所以然。在这样的学习之下，我相信学生的自主学习能力、实践能力、创新能力和研究能力都会得到很大的提升。”
而对于学生的培养，王老师认为，学生的兴趣是最主要的，其次才是老师的指导。“比如说我是教统计学的，那么我会通过提供一些有趣可行的研究问题，激发学生对数据统计的兴趣，这样在后续的学习中学生才能积极参与和及时反馈、沟通、讨论。”在王老师看来，处于不同学习阶段的学生，培养方式也是有很大差别的。对于本科生科研小助手，王老师主要侧重对他们数据实战方面的训练，通过参加项目、科技比赛，将所学的统计方法如何应用到实际问题解决中，培养科研能力；对于硕士、合作指导的博士生，则注重全过程、全方位、个性化指导，对于研究内容、技术路线、论文写作等方面会全程参与。除上课以外，王老师也会通过每周讨论班、微信、邮件、一对一讨论等方式随时掌握学生的学习和科研进展，针对发现的问题给予及时指导。凭借对学生的悉心指导，王老师在2018年和2019年连续获得北航学院“优秀导师”称号。
面对目前受疫情影响只能在家上网课的学生，这学期有三门线上课程的王老师，通过这两个月的线上授课和学生端的反馈，也给学生们提出了一点学习建议。首先，无论是直播还是录播，希望学生有条件的话一定要按照教学日历安排按时上课，完成布置作业，逐渐养成学习的习惯，要居家学习逐渐“有感觉”；其次，鉴于目前线上授课沟通的有限性，建议学生有问题一定及时反馈给授课教师，无论是讲课效果、还是作业疑问等，积极反馈才能进一步改进，提升学习效果；最后，对于研究生或想要做些科研工作的本科生，有任何问题或想法，建议积极联系指导教师，不要有任何思想负担，大胆“追着”老师走，及时反馈讨论。
由于本硕博都是统计学专业，王老师也从统计学学习的角度，结合自身的经验从日常学习和科研两方面为学生提供了一些方法。“我认为统计思维、各个统计方法的逻辑框架很重要，这需要学生自己思考冥想，学习过程中要不断小结，从一节课到一门课，从每天到日累月累，大家不妨合上书本，思考这节课或者这一天你都学到什么，逐渐养成习惯后，到学期末可以根据教材目录，自行对每门课程的框架、逻辑进行一个重新梳理，这个整体观很重要；第二，学习要坚持，每日确定一个小目标，不要“拖”，今日事今日毕；第三，还是前面提到的反馈、交流和沟通，一定要让老师知道你的学习状态，及时解决存在的问题。在科研方面，首先，一个好的研究方向和自己的兴趣同样重要，要多和老师沟通，在充分了解的基础上再根据兴趣进行选择；其次，研究生同学，尤其是博士生，一定要养成读文献的习惯，尤其是要读经典文献和跟踪Top期刊上发表的最新文献，了解学术前沿，拓宽知识面。在这个过程中你会逐渐认识到好文章是如何诞生的。最后，希望同学们做科研务必要耐得住辛苦，凡事贵在坚持，相信最终一定会取得好的成果。”
采访的最后，当被问到对想要报考王老师研究方向的学生有什么要求时，王老师表示，“首先，学生的学科背景最好能与统计、数学、数据分析相关，对统计学的基本理论背景、方法有一定的掌握；其次，要掌握一些编程工具，无论是Python、R或其他数据分析软件，这对后期的学习会有很大帮助；最后，也是最重要的，学生对数据分析感兴趣，喜欢我目前研究方向，比如，复杂数据统计建模、高维数据统计推断或生存分析等。”
