[논문 리뷰] Elements and Principles of Data Analysis

Stephanie C. Hicks, Roger D. Peng|arXiv (Cornell University)|2019. 03. 18.

Statistics Education and Methodologies참고 문헌 13인용 수 5

한 줄 요약

이 논문은 다분야적 실천을 통합하고 객관적 평가 및 분석적 사고의 체계적 교육을 가능하게 하기 위해 데이터 분석의 요소와 원칙에 대한 기초 프레임워크를 제안한다. 공통된 언어와 분류 체계를 통해 분석을 정의함으로써 과학의 일반 이론에 대한 형식적 기반을 마련한다.

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.

연구 동기 및 목표

• 데이터 과학의 맥락에서 과학이 무엇인지를 둘러싼 합의 부족을 해결하기 위해.
• 伝통적인 대학 학술 구조 내에서 데이터 과학의 소외 문제를 해결하기 위해.
• 다양한 분야 간 데이터 분석을 위한 공통된 언어와 분류 체계를 창출하기 위해.
• 객관적 기준에 기반한 분석 품질 평가를 위한 형식적 메커니즘을 개발하기 위해.
• 분석적 사고를 가르치고 탄탄한 분석을 구축하기 위한 교육적 프레임워크를 제공하기 위해.

제안 방법

• 분석자가 수행하는 핵심 활동에 초점을 맞춘, 제1원리에 기반한 데이터 분석 정의.
• 과학적 및 비과학적 영역 모두에 적용 가능한 분석 요소와 원칙의 분류 체계 개발.
• 다양한 분야를 아우르며 다분야 간 소통을 지원하는 분석 기술을 설명하기 위한 언어 사용.
• 재현 가능성, 타당성, 일관성과 같은 객관적 특성에 기반한 분석 평가 기준 수립.
• 교육 현장에서 분석적 사고의 평가 및 교육을 뒷받침하는 프레임워크 구성.
• 요소와 원칙을 데이터 과학에 국한되지 않는 과학 이론의 광범위한 기초로 위치지음.

실험 결과

연구 질문

• RQ1 다양한 분야의 모든 형태의 데이터 분석을 뒷받침하는 기본 요소와 원리는 무엇인가?
• RQ2 분석을 위한 공통된 언어와 분류 체계는 어떻게 분석 작업의 객관적 평가를 가능하게 하는가?
• RQ3 제안된 프레임워크는 데이터 과학 교육에서의 기관적 및 개념적 과제를 어떻게 해결할 수 있는가?
• RQ4 이 프레임워크는 분석적 사고 교육과 탄탄한 분석 개발을 어떻게 지원하는가?
• RQ5 분석의 요소와 원리는 일반 과학 이론의 기초로 기능할 수 있는가?

주요 결과

• 제안된 분석 요소와 원칙은 객관적이고 측정 가능한 특성에 기반한 분석 작업 평가를 위한 형식적 메커니즘을 제공한다.
• 공통된 언어와 분류 체계를 통해 다양한 분야 간 분석의 일관성 있는 소통과 비교를 가능하게 한다.
• 분석을 제1원리에 기반시킴으로써, 데이터 분석 교육을 위한 체계적인 커리큘럼 개발을 지원한다.
• 이 프레임워크는 데이터 과학을 보조 분야가 아니라 과학적 탐구의 기초적 구성 요소로 위치시킨다.
• 요소와 원칙은 데이터 과학을 초월해 체계적 분석의 모든 형태로 확장되는 더 일반적인 과학 이론의 기초를 마련한다.
• 분석의 공통 활동에 초점을 맞춤으로써 과학 정의와 과학적 실천 교육의 오랜 문제를 해결한다.