[論文レビュー] Integrating computing in the statistics and data science curriculum: Creative structures, novel skills and habits, and ways to teach computational thinking

Nicholas J. Horton, Johanna Hardin|arXiv (Cornell University)|Dec 22, 2020

Statistics Education and Methodologies参考文献 23被引用数 23

ひとこと要約

この論文は、再現可能ワークフローとウェブスクリーピングなどの革新的な技術的スキル、および計算的思考を含む創造的なカリキュラム構造を提唱することで、統計学およびデータサイエンス教育におけるコンピューティングの深いつながりを主張している。計算的思考——デバッグ、反復、アルゴリズム的推論——を教えることで、学生が従来の「クラッシュコース」方式よりも、より効果的かつ持続可能に現実のデータ問題を解決できるようになると主張している。

ABSTRACT

Nolan and Temple Lang (2010) argued for the fundamental role of computing in the statistics curriculum. In the intervening decade the statistics education community has acknowledged that computational skills are as important to statistics and data science practice as mathematics. There remains a notable gap, however, between our intentions and our actions. In this special issue of the *Journal of Statistics and Data Science Education* we have assembled a collection of papers that (1) suggest creative structures to integrate computing, (2) describe novel data science skills and habits, and (3) propose ways to teach computational thinking. We believe that it is critical for the community to redouble our efforts to embrace sophisticated computing in the statistics and data science curriculum. We hope that these papers provide useful guidance for the community to move these efforts forward.

研究の動機と目的

• 統計およびデータサイエンスのカリキュラムにおける、教育の意図と実践の間の継続的なギャップを是正すること。
• ノーランとテンプル・ラング（2010）による、表面的で一時的なプログラミング教育の批判に応えるために、より強固で統合的なモデルを提唱すること。
• 現代の統計教育を刷新するために、革新的なコース構造、技術的スキル、および計算的思考のフレームワークを強調すること。
• 学生がデータ分析における複雑な計算的課題を扱う自信と能力を育成することを支援すること。
• 統計的思考と計算的思考が円滑に統合された姿勢を育成し、効果的な統計的探求を可能にすること。

提案手法

• 多様な教育的イノベーションを特集した『統計とデータサイエンス教育ジャーナル』特別号を収集・分析すること。
• 寄稿を3つのクラスタに分類する：創造的なカリキュラム構造、革新的な技術的スキル、計算的思考の指導。
• アムステル・カレッジ、ポモナ・カレッジ、その他の機関からの事例研究を活用し、スケーラブルで現実世界に即した実装を示すこと。
• バージョン管理（例：Git）、再現可能ワークフロー、反復的プロジェクトサイクルを教育の核となる要素として強調すること。
• 学生が計算的思考やデバッグをどのように学ぶかに関する認知科学および教育研究の知見を統合すること。
• ノーランとテンプル・ラング（2021）による回顧録的コメントを通じて、過去10年間における統計教育におけるコンピューティングの進化を枠組みづけること。

実験結果

リサーチクエスチョン

• RQ1 プログラミングの文法的訓練にとどまらない、意味的かつ持続可能な形でコンピューティングを統計およびデータサイエンスのカリキュラムに統合する方法は何か？
• RQ2 現代のデータサイエンス実務に不可欠な、再現可能ワークフロー、ウェブスクリーピング、バージョン管理などの新たな技術的スキルと習慣は何か？
• RQ3 学生が統計的およびアルゴリズム的に考えられるように、計算的思考を効果的に教える方法は何か？
• RQ4 コンピューティングを統計教育に統合するための、最も効果的なコース構造と教育的モデルは何か？
• RQ5 計算的思考フレームワークを用いて教育を受けると、学生の認知プロセスと問題解決行動はどのように変化するか？

主な発見

• 統計の授業でプログラミングを教える際の従来の「クラッシュコース」方式は不十分であり、しばしば悪い習慣や誤解を生じさせる。
• 構造的で反復的かつ再現可能なワークフローを通じて計算的思考を学ぶ学生は、データ分析のタスクにおいてより高い自信と信頼性を示す。
• バージョン管理（例：Git）と再現可能な研究実践の統合は、学生が複雑なデータプロジェクトを管理・文書化する能力を顕著に高める。
• デバッグと反復をカリキュラムの根幹に据える教育は、学生の計算タスクにおける耐性と問題解決能力を向上させる。
• Çetinkaya-Rundel と Ellison（2021）、Donoghue 他（2021）が述べたように、統計的推論と計算的スキルを融合させたカリキュラムは、より関与的で能力の高い学習者を生み出す。
• 計算的思考は技術的スキルを超えて、統計学者がデータ問題にアプローチする方法を変革する基盤的マインドセットであるという共通認識が高まっている。