[論文レビュー] Elements and Principles of Data Analysis

Stephanie C. Hicks, Roger D. Peng|arXiv (Cornell University)|Mar 18, 2019

Statistics Education and Methodologies参考文献 13被引用数 5

ひとこと要約

本論文は、学際的実践を統一し、分析的思考の客観的評価と構造的教育を可能にする、データ分析の要素と原則の基盤的枠組みを提案する。分析を共通の言語と分類体系で定義することで、科学の一般理論の形式的基盤を確立する。

ABSTRACT

The revolution has led to an increased interest in the practice of analysis. As a result, there has been a proliferation of data training programs. Because science has been previously defined as an intersection of already-established fields or union of emerging technologies, the following problems arise: (1) There is little agreement about what is science; (2) Data science becomes secondary to established fields in a university setting; and (3) It is difficult to have discussions on what it means to learn about science, to teach science courses and to be a scientist. To address these problems, we propose to define the field from first principles based on the activities of people who analyze with a language and taxonomy for describing a analysis in a manner spanning disciplines. Here, we describe the elements and principles of analysis. This leads to two insights: it suggests a formal mechanism to evaluate analyses based on objective characteristics, and it provides a framework to teach students how to build analyses. We argue that the elements and principles of analysis lay the foundational framework for a more general theory of science.

研究の動機と目的

• データ科学の文脈において、科学とは何かについての合意が欠如している問題に対処すること。
• 伝統的な大学の学術的構造においてデータ科学が疎外されている問題を解決すること。
• 学際的分野でデータを分析するための共通の言語と分類体系を構築すること。
• 再現可能性、妥当性、整合性などの客観的特徴に基づいた、分析の質を評価する形式的メカニズムを開発すること。
• 分析的思考の教育と強固な分析の構築を支援する教育的枠組みを提供すること。

提案手法

• アナリストが実施するコアな活動に焦点を当て、第一原理からデータ分析を定義すること。
• 科学的・非科学的分野の両方に適用可能な分析的要素と原則の分類体系を開発すること。
• 分野を越えて通信を可能にする分析を記述する言語を用いること。
• 再現可能性、妥当性、整合性などの客観的特徴に基づいて分析を評価する基準を確立すること。
• 教育現場における分析的推論の教育と評価を支援する枠組みを構築すること。
• 要素と原則を、データ科学に限定されない、より広範な科学の理論の基盤と位置づけること。

実験結果

リサーチクエスチョン

• RQ1 学際的分野のあらゆる形態のデータ分析の背後にある基本的要素と原則は何か？
• RQ2 分析の共通の言語と分類体系は、分析作業の客観的評価をどのように可能にするか？
• RQ3 提案された枠組みは、データ科学教育における制度的・概念的課題をどのように解決できるか？
• RQ4 この枠組みは、分析的思考の教育と強固な分析の構築をどのように支援するか？
• RQ5 分析の要素と原則は、一般の科学理論の基盤として機能できるか？

主な発見

• 提案された分析の要素と原則は、再現可能性、妥当性、整合性などの客観的・測定可能な特徴に基づいた、分析的作業の評価の形式的メカニズムを提供する。
• 共通の言語と分類体系を通じて、多様な分野における分析の一貫性あるコミュニケーションと比較を可能にする。
• 第一原理に根ざした分析の定義により、データ分析の教育的カリキュラムの構造的開発を支援する。
• この枠組みは、データ科学を二次的分野ではなく、科学的探求の基盤的要素と位置づける。
• 要素と原則は、データ科学にとどまらず、あらゆる形式の体系的分析にまで拡張可能な、より一般的な科学理論の基盤を築く。
• 分析の共通する活動に焦点を当てることで、科学の定義や科学的実践の教育における長年の問題を解決する。