[논문 리뷰] Ten simple rules for teaching data science

Tiffany Timbers, Mine Çetinkaya-Rundel|arXiv (Cornell University)|2026. 02. 02.

Statistics Education and Methodologies인용 수 0

한 줄 요약

ten 실용적인 규칙에 대한 합의 가이드로, 데이터 분석을 조기에 수행하고, 참여형 라이브 코딩, 피드백이 포함된 실습, 다루기 쉬운 데이터, 실제 데이터 세트, 맥락, 포용적 환경, 체크리스트, 협업 및 프로젝트 기반 학습에 초점을 둡니다.

ABSTRACT

Teaching data science presents unique challenges and opportunities that cannot be fully addressed by simply borrowing pedagogical strategies from its parent disciplines of statistics and computer science. Here, we present ten simple rules for teaching data science, developed and refined by leading educators in the community and successfully applied in our own data science classrooms.

연구 동기 및 목표

• 데이터 과학을 하나의 독립된 학문으로 가르치는 데 있어 독특한 도전과 기회를 동기 부여하고 정의한다.
• 데이터 분석 실습, 코딩 교육학, 피드백 메커니즘을 통합하는 실행 가능한 교수 규칙을 제안한다.
• 배움의 성과를 개선하기 위해 접근 가능하고 실제 세계의 데이터 맥락과 포용적 수업 관행을 촉진한다.

제안 방법

• 첫 수업에서 조기 hands-on 데이터 분석 경험을 옹호한다.
• 워크플로우와 디버깅 과정을 모델링하기 위해 참여형 라이브 코딩을 권장한다.
• 시기 적절한 자동 피드백과 함께 광범위한 실습을 장려한다.
• 직관 형성을 돕기 위해 실제 데이터 세트로 진행하기 전에 다루기 쉬운 토이 데이터를 사용하라고 제안한다.
• 개념적 기초를 다진 후 실제적이고 풍부하지만 접근 가능한 데이터 세트로 시작하도록 한다.
• 도구 및 방법의 맥락화된 역사적 맥락을 강조한다.
• 안전하고 포용적이며 환영하는 학습 커뮤니티를 구축하도록 한다.
• 피어 학습과 리뷰를 구조화하기 위해 체크리스트를 사용한다.
• SCaffolding과 함께 도구적 기술과 사회적 관행을 통해 협업을 가르친다.

Figure 1 : Example code from the first chapter of Data Science: A First Introduction [4] that gets students doing data analysis on day one.

실험 결과

연구 질문

• RQ1 데이터 과학을 독립적인 학문으로서 가르칠 때 어떤 실용적 규칙이 효과적인 교육을 가장 잘 지원하는가?
• RQ2 개념적 이해와hands-on 실습의 균형을 어떻게 맞추어 학습 효과를 높일 수 있는가?
• RQ3 포용적이고 협력적이며 참여를 유도하는 데이터 과학 학습 환경을 조성하는 수업 관행은 무엇인가?
• RQ4 실제 데이터 세트를 다루기 쉽고 다루기 쉬운 예제와 결합하여 복잡한 도구와 방법을 어떻게 가르칠 수 있는가?

주요 결과

• 열 가지 실용적이고 커뮤니티에서 검증된 규칙은 데이터 과학 교육에 체계적인 접근을 제공합니다.
• 초기 조기 데이터 분석과 참여형 라이브 코딩은 워크플로우의 참여도와 투명성을 높입니다.
• 시기적절한 피드백을 포함한 대량의 연습, 자동화된 테스트를 포함해 학습과 기술 숙련도를 향상시킵니다.
• 다루기 쉬운 토이 데이터를 사용하면 실제 데이터 세트로 넘어가기 전에 개념적 이해를 돕습니다.
• 실제적이고 풍부한 데이터 세트는 학습자의 배경과 맥락에 맞게 접근 가능해야 합니다.
• 도구와 설계 선택의 맥락화를 역사적 설명으로 제공하면 학습자 좌절감을 줄여줍니다.
• 안전하고 포용적인 교실은 심리적 안전과 명확한 행동 규정을 통해 학습을 향상시킵니다.
• 체크리스트는 집중된 피어 학습을 지원하고 동료 리뷰의 질을 향상시킵니다.
• 역할과 계약을 포함한 구조화된 협력 및 팀 관행은 그룹 작업의 결과를 개선합니다.
• -end-to-end 데이터 과학 워크플로를 모방한 프로젝트 기반 작업은 동기 부여와 실무 경험을 제공합니다.

Figure 2 : Example of automated software test feedback to students.