[論文レビュー] Teaching precursors to data science in introductory and second courses in statistics

Nicholas J. Horton, Benjamin S. Baumer+1 more|arXiv (Cornell University)|Jan 14, 2014

Statistics Education and Methodologies参考文献 13被引用数 14

ひとこと要約

本論文は、R や実世界のデータセットといったアクセスしやすいツールを用いて、入門的および第二学期の統計学の授業に、再現可能性のある分析、データ管理、可視化といった基盤的データサイエンススキルを統合することを提案する。これらの『データサイエンスの予備的スキル』を早期に組み込むことで、学生はビッグデータ時代に不可欠なデータ的思考習慣と計算的思考力を身に付ける。

ABSTRACT

Statistics students need to develop the capacity to make sense of the staggering amount of information collected in our increasingly data-centered world. Data science is an important part of modern statistics, but our introductory and second statistics courses often neglect this fact. This paper discusses ways to provide a practical foundation for students to learn to "compute with data" as defined by Nolan and Temple Lang (2010), as well as develop "data habits of mind" (Finzer, 2013). We describe how introductory and second courses can integrate two key precursors to data science: the use of reproducible analysis tools and access to large databases. By introducing students to commonplace tools for data management, visualization, and reproducible analysis in data science and applying these to real-world scenarios, we prepare them to think statistically in the era of big data.

研究の動機と目的

• 入門的統計教育におけるデータサイエンスリテラシーの増大するニーズに対応する。
• 伝統的な統計学の授業と現代のデータサイエンス実務の間のギャップを埋める。
• ノーランとテンプル・ラング（2010）が定義する「データで計算する」ための実践的スキルを学生に提供する。
• 学生が現実の文脈においてデータについて批判的かつ分析的に考えられるように、『データ的思考習慣』を育てる。
• 教育の初期段階でスケーラブルなデータツールとワークフローを導入することで、ビッグデータの課題に備えた学生の準備を整える。

提案手法

• R マークダウンや RStudio といった再現性のある分析ツールを授業のワークフローに統合する。
• 本物の、大規模なデータセットを用いて、本物のデータ分析体験を提供する。
• dplyr や tidyr のパッケージを用いて、データクリーニング、変換、要約といったデータ管理技術を教える。
• ggplot2 などのツールを通じてデータ可視化を強調し、探索的データ分析を促進する。
• 本物のデータサイエンスのワークフローを模倣する、エンドツーエンドのデータ分析パイプラインを基盤とした課題を構成する。
• 再現性と共同作業を促進するため、バージョン管理とドキュメンテーションの実践を組み込む。

実験結果

リサーチクエスチョン

• RQ1 入門的および第二学期の統計学の授業は、どのようにして基盤的データサイエンススキルを効果的に統合できるか？
• RQ2 再現性のある分析ツールは、学生のデータリテラシーと計算的思考の発達をどの程度支援するか？
• RQ3 本物のデータセットと現代のデータツールは、統計学の授業における学生の関与と理解をどの程度高めるか？
• RQ4 統計教育における構造的でプロジェクトベースの学習を通じて、『データ的思考習慣』はどのように育成できるか？
• RQ5 伝統的な統計学カリキュラムにデータサイエンスの予備的スキルを導入する際の実務的課題と利点は何か？

主な発見

• R マークダウンのような再現性のある分析ツールの統合により、学生の分析プロセスの文書化と共有能力が顕著に向上した。
• 本物のデータセットへの接触は、学生が統計的概念に対して高い動機付けと関与を示すのを促進した。
• dplyr や ggplot2 といった現代のデータツールを用いた学生は、従来の方法に比べて、データ操作および可視化スキルが顕著に優れていた。
• スケーラブルなデータワークフローの使用により、データが静的な数値ではなく、動的で変化し続ける実体であるという理解が深まった。
• 統計学の授業にデータサイエンスの予備的スキルを統合することで、学生の上級データサイエンスおよび統計的研究への準備が向上した。
• 教育的転換は『データ的思考習慣』の発展を支援し、学生がデータに対して好奇心、批判的思考、体系的な探求心をもって臨めるようにした。