[论文解读] On the State of Computing in Statistics Education: Tools for Learning and for Doing

Amelia McNamara|arXiv (Cornell University)|Oct 1, 2016

Statistics Education and Methodologies被引用 7

一句话总结

本文分析了教育领域中统计计算工具的现状，区分了‘用于学习的工具’与‘用于实际操作的工具’。文章提出通过将用户友好的界面与可重现、可编程的功能相结合，弥合两者之间的鸿沟，强调 Data Wrangler、Open Refine、Tableau 和 Lyra 等定制化工具可作为未来同时支持初学者学习与专业分析的工具的范例。

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.

研究动机与目标

• 考察当前统计教育中使用的统计计算工具的现状。
• 识别专为学习设计的工具与用于专业数据分析的工具之间持续存在的差距。
• 基于 10 项现代统计计算工具的关键属性（包括可访问性、交互性与可重现性）评估现有工具。
• 探讨定制化工具（例如 Data Wrangler、Lyra）如何为设计一个统一工具提供灵感，以同时服务于初学者与专家。
• 为教育工作者提供最佳实践建议，特别是在使用 R 与 RStudio 及 RMarkdown 的情境下，或在非编程环境中使用 Fathom。

提出的方法

• 将统计工具分类为‘路径型’（结构化学习路径）与‘景观型’（探索性、开放式）工具。
• 采用 McNamara（2016）提出的 10 项属性框架对工具进行评估，包括可访问性、数据持久性、交互性与可重现性。
• 基于其与 10 项属性的契合度，分析特定工具（TinkerPlots、Fathom、R、RStudio、Shiny、RMarkdown、Data Wrangler、Open Refine、Tableau、Lyra 等）的表现。
• 研究定制化工具如何利用视觉隐喻与代码生成，同时支持初学者的交互操作与可重现的分析。
• 提出一种未来工具的愿景：结合基于区块的界面与底层领域特定及目标编程语言。
• 推荐教学实践，如在 R 中使用单一语法（例如 tidyverse）、使用 RMarkdown 实现可重现性，并避免使用 Applet 或计算器，转而采用更稳健的工具。

实验结果

研究问题

• RQ1 当前用于学习统计的工具与用于专业数据分析的工具在可用性与功能上存在哪些差异？
• RQ2 现有工具在多大程度上满足了 McNamara（2016）所定义的现代统计计算工具的 10 项关键属性？
• RQ3 定制化工具如 Data Wrangler、Open Refine 和 Lyra 是否可作为弥合统计教育中‘学习’与‘操作’之间差距的范例？
• RQ4 在确保可重现性与概念理解的前提下，将计算工具整合到统计教育中的最有效当前实践是什么？
• RQ5 一种能够支持从初学者到专家在整个数据分析生命周期中使用的统一工具，其理想形态应是什么样的？

主要发现

• 用于学习的工具（如 TinkerPlots、Fathom）提供了强大的视觉与交互支持，但缺乏可重现性与可扩展性。
• 专业工具（如 R、SAS、Stata）功能强大且可编程，但学习曲线陡峭，且开箱即用的交互性较差。
• 定制化工具如 Data Wrangler 和 Lyra 成功地将视觉交互与代码生成相结合，同时支持易用性与可重现性。
• Tableau 和 Open Refine 展现出对数据清洗与可视化的强大支持，界面直观，但在完整可重现性与可扩展性方面仍有不足。
• 将 R 与 RStudio 及 RMarkdown 结合使用，能够实现可访问性、交互性与可重现性的良好平衡，因此成为教育工作者的首选。
• Fathom 在非编程环境中仍是强有力的替代方案，提供视觉学习支持，但其缺乏可重现性限制了其长期实用性。