[论文解读] Elements and Principles of Data Analysis

Stephanie C. Hicks, Roger D. Peng|arXiv (Cornell University)|Mar 18, 2019

Statistics Education and Methodologies参考文献 13被引用 5

一句话总结

本文提出了一套数据分析的基本要素与原则框架，旨在统一跨学科实践，实现对分析思维的客观评估与结构化教学。通过建立共享语言与分类体系，为科学的一般理论奠定形式化基础。

ABSTRACT

The revolution has led to an increased interest in the practice of analysis. As a result, there has been a proliferation of data training programs. Because science has been previously defined as an intersection of already-established fields or union of emerging technologies, the following problems arise: (1) There is little agreement about what is science; (2) Data science becomes secondary to established fields in a university setting; and (3) It is difficult to have discussions on what it means to learn about science, to teach science courses and to be a scientist. To address these problems, we propose to define the field from first principles based on the activities of people who analyze with a language and taxonomy for describing a analysis in a manner spanning disciplines. Here, we describe the elements and principles of analysis. This leads to two insights: it suggests a formal mechanism to evaluate analyses based on objective characteristics, and it provides a framework to teach students how to build analyses. We argue that the elements and principles of analysis lay the foundational framework for a more general theory of science.

研究动机与目标

• 解决在数据科学语境下对何为科学缺乏共识的问题。
• 解决数据科学在传统大学学术体系中被边缘化的问题。
• 为跨学科的数据分析建立共享语言与分类体系。
• 基于客观标准开发一种评估分析质量的正式机制。
• 为教学分析思维与构建稳健分析提供教学框架。

提出的方法

• 通过第一性原理定义数据分析，聚焦分析师执行的核心活动。
• 开发适用于科学与非科学领域的分析要素与原则分类体系。
• 使用一种跨越学科、支持跨领域沟通的分析描述语言。
• 基于可重现性、有效性与一致性等客观特征，建立分析评估标准。
• 构建一个支持教育环境中分析推理教学与评估的框架。
• 将要素与原则定位为更广泛科学理论的基础，而不仅限于数据科学。

实验结果

研究问题

• RQ1 在所有跨学科的数据分析形式中，其基本要素与原则是什么？
• RQ2 如何通过分析的共享语言与分类体系实现对分析工作的客观评估？
• RQ3 该框架在多大程度上能够解决数据科学教育中的制度性与概念性挑战？
• RQ4 该框架如何支持分析思维的教学与稳健分析的构建？
• RQ5 分析的要素与原则能否作为科学一般理论的基础？

主要发现

• 所提出的分析要素与原则提供了一种基于客观、可衡量特征的正式机制，用于评估分析工作。
• 该框架通过共享语言与分类体系，实现了在不同学科间对分析的一致性沟通与比较。
• 通过将分析建立在第一性原理之上，该方法支持了结构化课程的开发，以教授数据分析。
• 该框架将数据科学定位为并非次要学科，而是科学探究的基础组成部分。
• 这些要素与原则为更广泛的科学理论奠定了基础，其适用范围不仅限于数据科学，还涵盖所有系统性分析形式。
• 该方法通过聚焦分析的共享活动，解决了长期以来在定义科学与教授科学实践方面的问题。