[论文解读] Teaching the Foundations of Data Science: An Interdisciplinary Approach
本文介绍了在伍德沃德州立大学由管理信息系统（MIS）与计算机科学（CS）系共同授课的一门跨学科数据科学课程，整合了两大学科的视角，以教授基础数据科学概念。该课程成功促进了跨专业合作，学生报告了高度的满意度以及在多样化背景下的可衡量学习成果。
The astronomical growth of data has necessitated the need for educating well-qualified data scientists to derive deep insights from large and complex data sets generated by organizations. In this paper, we present our interdisciplinary approach and experiences in teaching a Data Science course, the first of its kind offered at the Wright State University. Two faculty members from the Management Information Systems (MIS) and Computer Science (CS) departments designed and co-taught the course with perspectives from their previous research and teaching experiences. Students in the class had mix backgrounds with mainly MIS and CS majors. Students' learning outcomes and post course survey responses suggested that the course delivered a broad overview of data science as desired, and that students worked synergistically with those of different majors in collaborative lab assignments and in a semester long project. The interdisciplinary pedagogy helped build collaboration and create satisfaction among learners.
研究动机与目标
- 为应对对熟练数据科学家日益增长的需求，开发基础数据科学课程。
- 在单一课程中整合管理信息系统与计算机科学的视角。
- 评估在混合专业背景的课堂环境中学生的学习成果与协作有效性。
- 评估跨学科教学法对学生满意度与项目表现的影响。
提出的方法
- 课程由MIS与CS系的教师共同授课，结合了他们在研究与教学方面的专长。
- MIS与CS背景的学生共同参与课程，促进跨学科协作。
- 课程内容包括协作实验作业与一个学期的团队项目，以模拟真实世界的数据科学工作流程。
- 通过课程结束后的调查与项目评估来衡量学习成果。
- 课程结构强调动手实践与团队合作学习，以培养实际的数据科学技能。
- 通过调查收集学生反馈，以评估满意度与感知到的学习收获。
实验结果
研究问题
- RQ1在学生学术背景混合的情况下，跨学科方法在教授基础数据科学方面的有效性如何？
- RQ2来自不同专业的学生在基于团队的数据科学项目中协作的有效程度如何？
- RQ3在跨部门的数据科学课程中，学生的感知学习成果与满意度水平如何？
- RQ4整合MIS与CS的视角在多大程度上提升了学生对数据科学基础的理解？
主要发现
- 学生报告对数据科学概念有广泛理解，表明课程达到了其教育目标。
- 协作实验作业与学期项目有效促进了MIS与CS专业学生之间的团队合作。
- 课程结束后的调查反馈显示，学生对跨学科教学方法的满意度很高。
- 该课程成功培养了协作能力，并提升了具有多样化学术背景学生的学业成果。
- 学生认为MIS与CS视角的整合对理解现实世界的数据科学应用具有重要价值。
- 跨学科教学法促进了积极的学习体验，并提高了学生对数据科学主题的参与度。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。