[논문 리뷰] Teaching precursors to data science in introductory and second courses in statistics

Nicholas J. Horton, Benjamin S. Baumer외 1명|arXiv (Cornell University)|2014. 01. 14.

Statistics Education and Methodologies참고 문헌 13인용 수 14

한 줄 요약

이 논문은 R과 실제 데이터셋과 같은 접근하기 쉬운 도구를 사용하여 초급 및 제2학기 통계 수업에 기초적인 데이터 과학 기술—재현 가능한 분석, 데이터 관리, 시각화—를 통합하는 것을 제안한다. 이러한 '데이터 과학의 사전 조건'을 조기에 통합함으로써 학생들은 빅데이터 시대에 필요한 필수적인 데이터 사고 방식과 계산적 사고력을 기를 수 있다.

ABSTRACT

Statistics students need to develop the capacity to make sense of the staggering amount of information collected in our increasingly data-centered world. Data science is an important part of modern statistics, but our introductory and second statistics courses often neglect this fact. This paper discusses ways to provide a practical foundation for students to learn to "compute with data" as defined by Nolan and Temple Lang (2010), as well as develop "data habits of mind" (Finzer, 2013). We describe how introductory and second courses can integrate two key precursors to data science: the use of reproducible analysis tools and access to large databases. By introducing students to commonplace tools for data management, visualization, and reproducible analysis in data science and applying these to real-world scenarios, we prepare them to think statistically in the era of big data.

연구 동기 및 목표

• 초급 통계 교육에서 증가하는 데이터 과학 리터러시의 필요성을 해결한다.
• 伝통적인 통계 수업과 현대의 데이터 과학 실천 방식 사이의 격차를 메운다.
• Nolan과 Temple Lang(2010)가 정의한 '데이터로 컴퓨팅하기'를 위한 실용적 기술을 학생들에게 제공한다.
• 학생들이 실제 상황에서 데이터에 대해 비판적이고 분석적으로 사고할 수 있도록 '데이터 사고 습관'을 기르힌다.
• 교육 초기에 스케일러블 데이터 도구와 워크플로우를 도입하여 빅데이터의 도전 과제에 대비하도록 학생들을 준비시킨다.

제안 방법

• R Markdown와 RStudio와 같은 재현 가능한 분석 도구를 수업 워크플로우에 통합한다.
• 실제 세계의 대규모 데이터셋을 사용하여 진정성 있는 데이터 분석 경험을 제공한다.
• dplyr와 tidyr와 같은 패키지를 사용하여 데이터 정제, 변환, 요약 등의 데이터 관리 기법을 가르친다.
• ggplot2와 같은 도구를 통해 시각화를 강조하여 탐색적 데이터 분석을 향상시킨다.
• 실제 데이터 과학 워크플로우를 반영하는 종단간 데이터 분석 파이프라인을 기반으로 과제를 구성한다.
• 재현 가능성과 협업을 촉진하기 위해 버전 제어 및 문서화 관행을 통합한다.

실험 결과

연구 질문

• RQ1 초급 및 제2학기 통계 수업은 어떻게 기초적인 데이터 과학 기술을 효과적으로 통합할 수 있는가?
• RQ2 재현 가능한 분석 도구는 학생들이 데이터 리터러시와 계산적 사고력을 기르는 데 어떤 역할을 하는가?
• RQ3 실제 세계의 데이터셋과 현대의 데이터 도구는 통계 수업에서 학생들의 참여도와 이해도를 어느 정도 향상시킬 수 있는가?
• RQ4 통계 교육에서 구조화된 프로젝트 기반 학습을 통해 '데이터 사고 습관'은 어떻게 기를 수 있는가?
• RQ5 伝통적인 통계 커리큘럼에 데이터 과학의 사전 조건을 도입할 때의 실질적 도전 과제와 이점은 무엇인가?

주요 결과

• R Markdown와 같은 재현 가능한 분석 도구 통합은 학생들이 분석 과정을 문서화하고 공유하는 능력을 크게 향상시킨다.
• 실제 세계의 데이터셋에 노출된 학생들은 통계 개념에 대한 동기와 참여도가 향상된다.
• dplyr와 ggplot2와 같은 현대적 데이터 도구를 사용한 학생들은 전통적 방법에 비해 더 강력한 데이터 조작 및 시각화 능력을 보였다.
• 확장 가능한 데이터 워크플로우의 사용은 데이터를 정적 수치가 아닌 동적인, 변화하는 실체로 이해하는 깊이 있는 이해를 촉진한다.
• 통계 수업에 데이터 과학의 사전 조건을 통합함으로써 학생들의 고급 데이터 과학 및 통계 연구에 대한 준비도가 향상된다.
• 교육 방식의 전환은 '데이터 사고 습관'의 발달을 지원하여 학생들이 호기심, 비판적 사고, 체계적인 탐구를 바탕으로 데이터를 바라보도록 한다.