[논문 리뷰] 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)|2020. 12. 22.

Statistics Education and Methodologies참고 문헌 23인용 수 23

한 줄 요약

이 논문은 통계 및 데이터 과학 교육에 컴퓨팅을 깊이 통합할 것을 주장하며, 창의적인 커리큘럼 구조, 재현 가능한 워크플로우와 웹 스크래핑과 같은 새로운 기술 스킬, 그리고 컴퓨팅 사고 방식을 홍보한다. 학생들이 디버깅, 반복, 알고리즘적 추론을 통해 컴퓨팅적으로 사고하도록 가르치는 것이 전통적인 '크래시 코스' 방식보다 실질적인 데이터 문제를 더 효과적이고 지속 가능하게 해결하는 데 도움이 된다고 주장한다.

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.

연구 동기 및 목표

• 통계 및 데이터 과학 커리큘럼 내에서 컴퓨팅 교육의 의도와 실천 간 지속적인 격차를 해소하기 위해.
• Nolan과 Temple Lang(2010)이 제기한 표면적이고 일시적인 프로그래밍 교육에 대한 비판에 대응하여 더 강력하고 통합적인 모델을 제안하기 위해.
• 현대화된 통계 교육을 위해 혁신적인 수업 구조, 기술 스킬 및 컴퓨팅 사고 프레임워크를 부각시키기 위해.
• 복잡한 컴퓨팅 과제를 데이터 분석에서 다룰 수 있는 학생들의 자신감과 능력을 키우기 위해.
• 통계적 사고와 컴퓨팅 사고가 원활하게 융합된 사고 방식을 조성하여 효과적인 통계 탐구를 가능하게 하기 위해.

제안 방법

• 다양한 교육적 혁신을 담은 '통계 및 데이터 과학 교육 저널'의 특별호를 선별하고 분석하기 위해.
• 기여 사항을 세 부문으로 분류하기 위해: 창의적인 커리큘럼 구조, 새로운 기술 스킬, 컴퓨팅 사고 교육.
• 앰허스트 칼리지, 포모나 칼리지 등 여러 기관의 사례 연구를 활용하여 확장 가능하고 실제 적용 가능한 사례를 설명하기 위해.
• 버전 제어(Git 등), 재현 가능한 워크플로우, 반복적 프로젝트 사이클을 핵심 교육 구성 요소로 강조하기 위해.
• 학생들이 어떻게 컴퓨팅 사고와 디버깅을 학습하는지에 대한 인지 과학 및 교육 연구의 통찰을 통합하기 위해.
• Nolan과 Temple Lang(2021)의 회고적 논평을 활용하여 지난 10년간 통계 교육 내 컴퓨팅의 발전을 프레임워크화하기 위해.

실험 결과

연구 질문

• RQ1 프로그래밍 문법 교육을 넘어서, 컴퓨팅을 통계 및 데이터 과학 커리큘럼에 의미 있고 지속 가능한 방식으로 통합할 수 있는 방법은 무엇인가?
• RQ2 현대적 데이터 과학 실천에 필수적인 새로운 기술 스킬과 습관(예: 재현 가능한 워크플로우, 웹 스크래핑, 버전 제어)은 무엇인가?
• RQ3 학생들이 통계적 사고와 알고리즘적 사고를 동시에 수행할 수 있도록 컴퓨팅 사고를 효과적으로 가르치는 방법은 무엇인가?
• RQ4 컴퓨팅을 통계 교육에 통합하기 위한 가장 효과적인 수업 구조와 교육 모델은 무엇인가?
• RQ5 컴퓨팅 사고 프레임워크로 교육을 받을 경우, 학생들의 인지 과정과 문제 해결 행동은 어떻게 변화하는가?

주요 결과

• 통계 수업에서 프로그래밍을 가르치는 전통적인 '크래시 코스' 방식은 부족하며, 종종 악성 습관과 오해를 야기한다.
• 구조적이고 반복적이며 재현 가능한 워크플로우를 통해 컴퓨팅 사고를 배운 학생들은 데이터 분석 과제에서 더 큰 자신감과 신뢰성을 보인다.
• 버전 제어(Git 등)와 재현 가능한 연구 관행의 통합은 학생들이 복잡한 데이터 프로젝트를 관리하고 문서화하는 능력을 크게 향상시킨다.
• 디버깅과 반복을 교육 과정의 핵심 구성 요소로 포함하면 학생들의 컴퓨팅 과제에서의 내구성과 문제 해결 능력이 향상된다.
• 통계 추론과 컴퓨팅 기술을 융합한 커리큘럼(예: Çetinkaya-Rundel과 Ellison, 2021; Donoghue 등, 2021)은 더 몰입도 있고 능력 있는 학습자를 만들어낸다.
• 컴퓨팅 사고는 단순한 기술 스킬이 아니라 통계학자가 데이터 문제를 접근하는 데 있어 기초가 되는 사고 방식임에 대한 공감대가 점점 커지고 있다.