[論文レビュー] Learning Vis Tools: Teaching Data Visualization Tutorials

Leo Yu‐Ho Lo, Yao Ming+1 more|arXiv (Cornell University)|Jul 20, 2019

Data Visualization and Analytics参考文献 19被引用数 4

ひとこと要約

本論文は、プログラミング経験の異なる学生を対象に、GUIベースのツール、Pythonライブラリ（例：Altair、Vega-Lite）、およびインタラクティブノートブック（JupyterおよびObservable）を統合した教育的フレームワークを提示する。段階的に低コードツールからD3ベースのプログラミングへと段階的に進めるアプローチにより、CSEでない学生も高品質な可視化を実現でき、結果としてツールの広範な採用とプロジェクトにおける学生の関与度の向上が達成された。

ABSTRACT

Teaching and advocating data visualization are among the most important activities in the visualization community. With growing interest in data analysis from business and science professionals, data visualization courses attract students across different disciplines. However, comprehensive visualization training requires students to have a certain level of proficiency in programming, a requirement that imposes challenges on both teachers and students. With recent developments in visualization tools, we have managed to overcome these obstacles by teaching a wide range of visualization and supporting tools. Starting with GUI-based visualization tools and data analysis with Python, students put visualization knowledge into practice with increasing amounts of programming. At the end of the course, students can design and implement visualizations with D3 and other programming-based visualization tools. Throughout the course, we continuously collect student feedback and refine the teaching materials. This paper documents our teaching methods and considerations when designing the teaching materials.

研究の動機と目的

• プログラミング経験の異なる学生、特にCSEでない専攻の学生を対象としたデータ可視化教育の課題に対処すること。
• Tableau、Excel、Pythonライブラリなどのアクセスしやすいツールを統合することで、可視化コースにおける学習のハードルを低減すること。
• 可視化の概念を早期かつ実践的に応用できるようにすることで、学生の関与度とプロジェクトの質を向上させること。
• GUIツールからプログラミングベースの可視化ライブラリへと段階的に学習を進められる、スケーラブルで柔軟なカリキュラムを設計すること。
• 教育的再利用を促進するため、教具をオープンライセンスで文書化・共有すること。

提案手法

• 本コースは段階的な手法を採用しており、GUIベースのツール（例：Tableau、Excel）から始め、Pythonベースのライブラリ（例：Altair、Vega-Lite）に段階的に進み、最終的にはD3.jsによる高度なプログラミングに至る。
• すべてのチュートリアル資料は、Python用のJupyterおよびJavaScript用のObservableといったインタラクティブノートブックを通じて提供され、ライブコーディングと即時のフィードバックが可能になっている。
• Spotify や ポケモン といったデータセットを活用し、実習中に学生の探求心を刺激し、ペアやグループ間での共有を促進している。
• 学生のフィードバックは継続的に収集され、スキルレベルに応じた使いやすさとアクセシビリティを重視して教材が改善されている。
• 理論的講義よりも実践的実装を重視し、グループプロジェクトを最終課題として位置づけている。
• 教材はGitHub上でクリエイティブ・コモンズ・ライセンスのもとで公開されており、他の教育者が自由に再利用・改変できるようになっている。

実験結果

リサーチクエスチョン

• RQ1 プログラミング経験が限られた学生に対しても、どのようにしてデータ可視化教育をアクセス可能にすることができるか？
• RQ2 低コードからコードベースの可視化開発へスムーズに移行できるツールスタックは何か？
• RQ3 インタラクティブノートブックの使用が、可視化コースにおける学生の関与度と学習成果にどのように影響するか？
• RQ4 スケーリングされたツールカリキュラムの支援を受ける非CSEの学生が、どれほど高品質な可視化を生み出せるか？
• RQ5 興味を引く現実世界のデータセットは、学生の探求心やプロジェクト開発をどの程度促進するか？

主な発見

• 学生はD3をはるかに超えて、Jupyter経由のPython、Tableau、Webベースのノートブックの使用を顕著に拡大した。
• JupyterおよびObservableノートブックの使用は好評であり、学生たちは安全かつ反復的に実験できる点を高く評価していた。
• 非CSEの学生も、ドメイン固有の高品質な可視化を成功裏に実現しており、プログラミングの熟練度がインパクトのある可視化作成の前提条件ではないことを示している。
• 学生たちはチュートリアルの範囲を超えて、Matplotlib、Plotly.js、Power BIといったツールを積極的に探求しており、強い内発的動機と学習の転移が見られた。
• Spotifyおよびポケモンのデータセットは特に学生の関与を高める効果があり、学生たちは自発的に発見を共有し、トレンドを分析する活動を行った。
• コース設計のおかげで、複数のグループがアイデア段階でTableauやJupyterノートブックを用いたデータ可視化を発表するなど、早期のプロジェクト開始が可能になった。