[논문 리뷰] Interleaving Computational and Inferential Thinking: Data Science for Undergraduates at Berkeley

Ani Adhikari, John DeNero외 1명|arXiv (Cornell University)|2021. 02. 13.

Statistics Education and Methodologies참고 문헌 13인용 수 9

한 줄 요약

이 논문은 UC 버클리에서 학부생을 대상으로 한 혁신적인 데이터 과학 커리큘럼을 제안하며, 다섯 개의 핵심 과정을 통해 계산적 사고와 추론적 사고를 융합함으로써 실제 문제 해결 능력을 강조한다. 이 접근 방식은 높은 학생 등록률, 데이터 과학 전공/전공자 프로그램의 급격한 증가를 이끌었으며, 21세기의 새로운 자유예술표준 교육 모델을 제시한다.

ABSTRACT

The undergraduate data science curriculum at the University of California, Berkeley is anchored in five new courses that emphasize computational thinking, inferential thinking, and working on real-world problems. We believe that interleaving these elements within our core courses is essential to preparing students to engage in data-driven inquiry at the scale that contemporary scientific and industrial applications demand. This new curriculum is already reshaping the undergraduate experience at Berkeley, where these courses have become some of the most popular on campus and have led to a surging interest in a new undergraduate major and minor program in data science.

연구 동기 및 목표

• 학부생을 대상으로 계산적 사고와 추론적 사고를 통합하는 통합적이고 다학제적인 데이터 과학 커리큘럼을 개발하기 위해.
• 실제 세계의 맥락에서 컴퓨터 과학과 통계학의 핵심 개념을 통합함으로써 커리큘럼의 분열 문제를 해결하기 위해.
• 모델링, 불확실성, 피드백, 윤리적 함의를 강조함으로써 대규모 데이터 기반 탐구에 대비한 학생들을 준비시키기 위해.
• 프로젝트 기반 학습과 다학제 문제 영역에의 노출을 통해 학문적 성숙도를 키우기 위해.
• 20세기 계산과 추론 분야의 선구자들의 기초적 업적에 뿌리를 두고, 데이터 과학을 현대적 자유예술표준 교육으로 위치시키기 위해.

제안 방법

• 계산적 사고(추상화, 모ularity, 효율성)와 추론적 사고(표본 추출, 인과관계, 베이즈 정리, 강건성)를 유기적으로 융합한 다섯 개의 핵심 과정 설계.
• 과학, 공학, 사회과학, 산업 분야의 실제 데이터 문제를 학습의 중심 맥락으로 삼음.
• 컴퓨터 과학의 '빌더 정신'과 통계학의 '협업 정신'을 융합하여 학생들의 문제 해결 방식을 형성함.
• 데이터 분석에서의 시각화, 해석 가능성, 비판적 사고, 윤리적 고려사항에 중점을 두어 실제 세계의 영향을 통합함.
• 튜키, 그레이, 블랙웰, 샤논과 같은 인물들의 역사적 기초를 바탕으로 교육 설계와 커리큘럼 구조를 안내함.
• 기초적이면서도 유연한 커리큘럼을 구축하여 핵심 개념을 바탕으로 한 학습을 가능하게 하되, 전통적인 컴퓨터 과학과 통계학을 초월한 새로운 도전 과제에 대응할 수 있도록 함.

실험 결과

연구 질문

• RQ1 학부생 데이터 과학 커리큘럼에서 계산적 사고와 추론적 사고를 효과적으로 융합하는 방법은 무엇이며, 이는 학습과 문제 해결 능력 향상에 어떻게 기여하는가?
• RQ2 실제 세계 문제 맥락이 학생들의 참여도와 이해도 향상에 있어 계산적 사고와 추론적 사고 개념을 통합하는 데 어떤 역할을 하는가?
• RQ3 20세기 계산과 통계 분야의 기초적 업적에 뿌리를 둔 데이터 과학 커리큘럼이 21세기 자유예술표준 교육으로서 실현 가능할 수 있는가?
• RQ4 기존의 분리된 컴퓨터 과학 및 통계 커리큘럼과 비교해 볼 때, 이러한 사고 방식의 융합은 학생들의 학업 성과와 관심도에 어떤 영향을 미치는가?
• RQ5 데이터 과학 커리큘럼은 고전적 분야(예: 암호학, ANOVA 등)에 덜 노출된 학생들에게도 산업계와 대학원 연구에 모두 대비시킬 수 있는가?

주요 결과

• UC 버클리의 새로운 데이터 과학 커리큘럼은 캠퍼스 내에서 가장 인기 있는 프로그램 중 하나가 되었으며, 강한 학생 수요와 참여도를 보여준다.
• 이 커리큘럼은 새로운 학부 전공 및 전공자 프로그램의 등록 증가를 이끌었으며, 기관 차원과 학생 차원의 수용을 반영한다.
• 이 프로그램에 참여하는 학생들은 불확실성과 실제 세계의 결과를 고려한 코드 작성 능력을 갖춘 이중 사고 방식을 기르며, 확률적이고 데이터 기반 환경에서 효과적으로 활동할 수 있다.
• 커리큘럼는 추상화, 표본 추출, 모델링 등의 핵심 수학적 및 개념적 아이디어를 통합된 응용 프레임워크 내에 성공적으로 통합하였다.
• 일부 고전적 분야(예: CS의 논리 기반 추상화, 통계학의 ANOVA 등)에 대한 노출이 감소했음에도 불구하고, 데이터 과학 전공 학생들은 전통적인 교육을 받은 동료들과 경쟁할 수 있는 역량을 갖추고 있다.
• 이 커리큘럼는 향후 학습을 위한 견고한 기초를 제공하며, 박사 과정을 포함한 고급 연구에 필요한 정신적 씨앗을 학생들에게 제공한다.