[논문 리뷰] On the State of Computing in Statistics Education: Tools for Learning and for Doing

Amelia McNamara|arXiv (Cornell University)|2016. 10. 01.

Statistics Education and Methodologies인용 수 7

한 줄 요약

이 논문은 통계 교육 분야에서 사용되는 통계 계산 도구의 현재 상태를 분석하며, '학습을 위한 도구'와 '통계 분석을 위한 도구'를 구분한다. 이 둘 사이의 격차를 극복하기 위해 사용자 친화적인 인터페이스와 재현 가능하고 스크립트 기반의 功能을 통합하는 것을 제안한다. Data Wrangler, Open Refine, Tableau, Lyra와 같은 특화된 도구들이 초보자 학습과 전문가 분석을 둘 다 지원하는 미래의 도구 모델로 기능할 수 있음을 강조한다.

ABSTRACT

This paper lays out the current landscape of tools used in statistics education. In particular, it considers graphing calculators, spreadsheets, applets and microworlds, standalone educational software, statistical programming tools, tools for reproducible research and bespoke tools. The strengths and weaknesses of the tools are considered, particularly in the context of McNamara (2016)'s list of attributes for a statistical computing tool. Best practices for computing in introductory statistics are suggested.

연구 동기 및 목표

• 통계 교육에서 사용되는 통계 계산 도구의 현재 환경를 검토하기 위해.
• 학습을 위한 도구와 전문적 데이터 분석에 사용되는 도구 사이의 지속적인 격차를 규명하기 위해.
• 접근성, 상호작용, 재현 가능성 등을 포함한 현대 통계 계산 도구의 10가지 핵심 특성 기반으로 기존 도구를 평가하기 위해.
• 특화된 도구(예: Data Wrangler, Lyra)가 초보자와 전문가를 모두 위한 통합 도구의 설계에 어떻게 영감을 줄 수 있는지 탐색하기 위해.
• 특히 R와 RStudio, RMarkdown를 사용하는 교육자들을 위한 최선의 실천 방법을 제공하기 위해.

제안 방법

• 통계 도구를 '루트 유형'(구조화된 학습 경로)과 ' Landscape 유형'(탐색적이고 개방적인) 도구로 분류한다.
• McNamara(2016)의 10가지 특성 프레임워크(접근성, 데이터 지속성, 상호작용, 재현 가능성 등)를 사용해 도구를 평가한다.
• TinkerPlots, Fathom, R, RStudio, Shiny, RMarkdown, Data Wrangler, Open Refine, Tableau, Lyra 및 기타 도구들을 10가지 특성에 부합하는 정도에 따라 분석한다.
• 특화된 도구가 비주얼 메타포와 코드 생성을 통해 초보자 상호작용과 재현 가능한 분석을 둘 다 지원하는 방식을 분석한다.
• 블록 기반 인터페이스와 하위 도메인 및 목표 프로그래밍 언어를 기반으로 한 미래의 도구 비전을 제안한다.
• R의 단일 문법(예: tidyverse), RMarkdown를 통한 재현 가능성, 그리고 애플릿이나 계산기 대신 강력한 도구를 사용하는 등의 교육적 실천 방법을 권장한다.

실험 결과

연구 질문

• RQ1 현재 통계 학습을 위한 도구와 전문적 데이터 분석에 사용되는 도구는 사용성과 功能 측면에서 어떻게 다릅니까?
• RQ2 기존 도구들이 McNamara(2016)가 정의한 현대 통계 계산 도구의 10가지 핵심 특성(접근성, 데이터 지속성, 상호작용, 재현 가능성 등)을 어느 정도 충족합니까?
• RQ3 Data Wrangler, Open Refine, Lyra와 같은 특화된 도구들이 통계 교육에서 학습과 실천 사이의 격차를 메울 수 있는 모델이 될 수 있습니까?
• RQ4 재현 가능성과 개념적 이해를 확보하면서도 계산 도구를 통계 교육에 통합하는 데 가장 효과적인 현재의 실천 방법은 무엇입니까?
• RQ5 전체 데이터 분석 라이프사이클을 아우르며 초보자 학습자와 전문가 모두를 지원할 수 있는 통합 도구는 어떤 모습일까요?

주요 결과

• 학습을 위한 도구(예: TinkerPlots, Fathom)는 강력한 비주얼 및 상호작용 지원을 제공하지만 재현 가능성과 확장성에 빈도가 있다.
• 전문가 도구(예: R, SAS, Stata)는 강력하고 스크립트 기반이지만 학습 곡선이 높고 기본적으로 상호작용성이 떨어진다.
• Data Wrangler과 Lyra와 같은 특화된 도구는 비주얼 상호작용과 코드 생성을 성공적으로 융합하여 사용 용이성과 재현 가능성을 모두 지원한다.
• Tableau와 Open Refine는 직관적인 인터페이스를 통해 데이터 정제 및 시각화에 강력한 지원을 제공하지만, 완전한 재현 가능성과 확장성에 빈도가 있다.
• R와 RStudio, RMarkdown의 통합은 접근성, 상호작용성, 재현 가능성의 균형을 이룹니다. 이는 교육자들에게 가장 선호되는 선택입니다.
• Fathom은 프로그래밍이 없는 환경에서 강력한 대안이 되며, 비주얼 학습 지원을 제공하지만 재현 가능성 부족으로 장기적 유용성이 제한된다.