[논문 리뷰] Computational Skills by Stealth in Secondary School Data Science

Wesley S. Burr, Fanny Chevalier외 4명|arXiv (Cornell University)|2020. 10. 08.

Statistics Education and Methodologies참고 문헌 14인용 수 4

한 줄 요약

이 논문은 중등학교 데이터 과학 수업에서 계산 기술을 '암묵적' 방식으로 지도하는 방법을 제안하며, 탐구 기반 학습 속에서 코딩과 데이터 분석을 자연스럽게 통합한다. 실제 세계의 데이터 프로젝트를 통해 계산 개념을 단계적으로 다루는 방식으로, 사전에 코딩에 관심이 있거나 기술이 없는 학생들이라도 데이터 중심 사고와 문제 해결 능력을 기를 수 있도록 한다. 주요 성과로는 소수자 학생들이 데이터 과학에 접근하고 참여하는 데 있어 접근성과 참여도 향상이 있다.

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.

연구 동기 및 목표

• 기존에 과학, 기술, 공학, 수학(STEM) 분야에서 소외된 학생들을 줄이기 위해, 사전에 코딩에 대한 애자성에 의존하지 않는 데이터 과학 진입로를 만드는 것.
• Nolan과 Temple Lang이 주장하는 linе과 같이, 중등 수준의 통계 및 데이터 과학 교육 과정에 계산 개념을 통합하는 것.
• 공식적인 컴퓨터 과학 교육 없이도 데이터 중심 탐구를 촉진할 수 있는 2년제 중등학교 데이터 과학 프로그램을 개발하는 것.
• 자신감이 없거나 코딩 능력이 떨어진 학생들도 데이터를 활용해 세계에 대한 복잡한 질문을 제기하고 해결할 수 있도록 하는 것.
• 문맥이 풍부하고 단계적으로 구성된 데이터 과학 과제를 통해 계산 사고 방식을 자연스럽게 습득할 수 있음을 보여주는 것.

제안 방법

• 코딩 문법에 직접적인 지도 없이 실제 세계의 데이터 문제를 통해 계산 개념을 소개하는 체계적이고 탐구 기반의 교육 과정을 사용한다.
• 스프레드시트, 간단한 프로그래밍 환경 등 접근성이 높은 도구를 통해 데이터 분석 과제를 안내함으로써 저수준의 코딩 복잡성을 추상화한다.
• 데이터 정제, 시각화, 모델링 등의 데이터 과학 프로젝트 내에서 계산 기술을 통합하며, 시간이 지남에 따라 복잡도를 점차 높인다.
• 국제 데이터 과학 학교 프로젝트에서 도출된 공감대 기반 프레임워크를 기반으로 하며, 통계 및 컴퓨터 과학 기준과 일치시킨다.
• 지침 질문, 모델 해답, 동료 협업 등을 통해 다양한 수준의 계산 자신감을 가진 학습자를 지원하는 단계적 지원 체계를 포함한다.
• 문법 숙련도보다 개념적 이해를 우선시하여, 학생들이 데이터 추론과 문제 정의에 집중할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 기존에 코딩 경험 없이도 중등학교 데이터 과학 수업에서 계산 기술을 효과적으로 가르칠 수 있는 방법은 무엇인가?
• RQ2 전통적인 컴퓨터 과학이나 수학에 관심이 없거나 자신감이 없는 학생들을 어떻게 끌어들이고 참여시키는 데이터 과학 교육 과정을 설계할 수 있는가?
• RQ3 단계적이고 맥락 기반의 학습이 데이터 중심 사고와 계산 유창성 발달에 어떤 역할을 하는가?
• RQ4 계산 기술을 데이터 과학 과제에 통합함으로써 학생들의 STEM 분야 진입과 참여가 어떻게 향상되는가?
• RQ5 컴퓨터 과학과 통계를 원활하게 통합하는 2년제 중등학교 데이터 과학 프로그램의 설계 원칙은 무엇인가?

주요 결과

• 암묵적인 계산 기술 통합은 코딩에 대한 자신감이 낮은 학생들이 데이터 과학 프로젝트에 의미 있게 참여할 수 있도록 한다.
• 학생들은 공식적인 프로그래밍 교육 없이도 현실적인 복잡한 질문을 제기하고, 데이터를 활용해 이를 탐색하고 해결할 수 있는 능력을 기르게 되었다.
• 교육 과정 설계는 기존에 STEM 분야에서 소외된 학생들까지 포함하여 다양한 학생들을 지원했으며, 진입 장벽을 최소화했다.
• 단계적이고 체계적인 계산 노출은 2년간의 프로그램 기간 동안 데이터 리터러시와 문제 해결 능력 향상에 명백한 성과를 거두었다.
• 이 방법은 코딩 문법에 대한 명시적 지도 없이도 맥락이 풍부한 과제를 통해 계산 사고 방식을 습득할 수 있음을 입증했다.
• 국제 데이터 과학 학교 프로젝트에서 개발한 공감대 기반 프레임워크는 중등학교 데이터 과학 교육에 확장 가능한 모델을 제공한다.