[論文レビュー] Computational Skills by Stealth in Secondary School Data Science

Wesley S. Burr, Fanny Chevalier+4 more|arXiv (Cornell University)|Oct 8, 2020

Statistics Education and Methodologies参考文献 14被引用数 4

ひとこと要約

本論文は、中学校におけるデータサイエンス教育において、計算スキルを『ステルス』的に教えるアプローチを提案する。この方法では、調査志向の学習に自然にコーディングやデータ分析を統合することで、事前のプログラミング経験や関心の有無にかかわらず、生徒がデータドリブンな思考と問題解決へと導かれる。主な成果として、代表されにくい学習者にとってのデータサイエンスへのアクセス性と関与度の向上が得られた。

ABSTRACT

The unprecedented growth in the availability of data of all types and qualities and the emergence of the field of data science has provided an impetus to finally realizing the implementation of the full breadth of the Nolan and Temple Lang proposed integration of computing concepts into statistics curricula at all levels in statistics and new data science programs and courses. Moreover, data science, implemented carefully, opens accessible pathways to stem for students for whom neither mathematics nor computer science are natural affinities, and who would traditionally be excluded. We discuss a proposal for the stealth development of computational skills in students' first exposure to data science through careful, scaffolded exposure to computation and its power. The intent of this approach is to support students, regardless of interest and self-efficacy in coding, in becoming data-driven learners, who are capable of asking complex questions about the world around them, and then answering those questions through the use of data-driven inquiry. This discussion is presented in the context of the International Data Science in Schools Project which recently published computer science and statistics consensus curriculum frameworks for a two-year secondary school data science program, designed to make data science accessible to all.

研究の動機と目的

• 先験的なプログラミングへの関心に依存しない、STEM分野における生徒の代表されにくさを是正するための、データサイエンスへのアクセス可能な道筋を提供すること。
• ノーランとテンプル・ラングが提唱するように、中学校段階の統計およびデータサイエンスの学習課程に計算の概念を統合すること。
• 公式なコンピュータサイエンスの訓練を必要としない、2年間の高校データサイエンスプログラムを構築し、データドリブンな調査を促進すること。
• 自己効力感が低くても、データを用いて世界に関する複雑な問いを立て、それらに答えられるようになること。
• 文脈に富んだ支援的なデータサイエンス課題を通じて、計算的思考を自然に習得できることを示すこと。

提案手法

• 計算の概念を直接的な文法指導を避け、現実のデータ問題を通じて導入する、体系的で調査志向のカリキュラムを採用する。
• スプレッドシートやシンプルなプログラミング環境などのアクセスしやすいツールを用いて、低レベルのコーディングの複雑さを抽象化する。
• データクリーニング、可視化、モデリングなどのデータサイエンスプロジェクトに計算スキルを統合し、時間の経過とともに複雑性を高める。
• 国際的データサイエンス教育プロジェクト（International Data Science in Schools Project）の合意形成フレームワークに裏打ちされ、統計およびコンピュータサイエンスの基準と整合する。
• 誘導的な質問、モデル解答、および同級生との協働を通じて、計算的自信に乏しい学習者を支援するための支援的構造を提供する。
• 文法の習得よりも概念的理解を重視し、生徒がデータの推論や問題の定式化に集中できるようにする。

実験結果

リサーチクエスチョン

• RQ1 中学校データサイエンス教育において、事前のプログラミング経験がなくても、計算スキルを効果的に教える方法は何か？
• RQ2 数学や伝統的なコンピュータサイエンスに興味や自信のない生徒をどのようにしてデータサイエンスのカリキュラムに参加させることができるか？
• RQ3 支援的で文脈に基づいた学習が、データドリブンな思考力と計算的熟練度の発達に果たす役割は何か？
• RQ4 計算をデータサイエンスのタスクに埋め込むことで、STEM分野における生徒の参加とアクセスがどのように向上するか？
• RQ5 計算と統計を自然に統合する2年間の高校データサイエンスプログラムの設計原則は何か？

主な発見

• 計算スキルのステルス的統合により、プログラミングに対する自己効力感が低い生徒も、データサイエンスプロジェクトに意味的に参加できるようになった。
• 生徒たちは、公式なプログラミング訓練がなくても、複雑で現実的な問いを立て、それらをデータを用いて探求・回答できる能力を発達させた。
• カリキュラム設計は、従来STEMから排除されがちな多様な学習者を支援し、参画の障壁を最小限に抑えることに成功した。
• 支援的な計算への露出が、2年間のプログラムを通じて、データリテラシーと問題解決スキルの明確な向上をもたらした。
• このアプローチは、コーディング文法の明示的指導がなくても、文脈に富んだタスクを通じて計算的思考を習得できることを示した。
• 国際的データサイエンス教育プロジェクトが開発した合意形成フレームワークは、中学校段階のデータサイエンス教育にスケーラブルなモデルを提供する。