[论文解读] Tools and Recommendations for Reproducible Teaching
本文提出了一套以计算可复现性、详尽文档化和教学材料开放共享为核心的可复现教学框架。它倡导数据科学与统计学教育者采用一致且可复现的工作流程——使用 R、RMarkdown、Git 和 GitHub 等工具——来创建、管理并共享课程材料，从而通过示范作用和开放获取，提升课程的可持续性、协作性以及学生的学习效果。
It is recommended that teacher-scholars of data science adopt reproducible workflows in their research as scholars and teach reproducible workflows to their students. In this paper, we propose a third dimension to reproducibility practices and recommend that regardless of whether they teach reproducibility in their courses or not, data science instructors adopt reproducible workflows for their own teaching. We consider computational reproducibility, documentation, and openness as three pillars of reproducible teaching framework. We share tools, examples, and recommendations for the three pillars.
研究动机与目标
- 解决数据科学与统计学教育中教学材料可复现性实践方面的空白。
- 提出一个三支柱框架——计算可复现性、文档化和开放性——以实现一致且可持续的教学工作流程。
- 为教育者提供实用工具与建议，使其无论是否明确教授可复现性，均可实施可复现教学。
- 通过减少处理多份文件、学生作业和协作教学团队时的混乱，支持大规模课程管理。
- 将可复现性的益处从研究和学生学习扩展至更广泛的教育协作与教师可见性。
提出的方法
- 采用三支柱框架：计算可复现性、全面文档化和教学材料开放共享。
- 使用 R 和 RMarkdown 编写课程内容，确保代码、数据和输出均实现版本控制并可重新运行。
- 通过 Git 和 GitHub 实现课程代码仓库的版本控制，支持变更追踪与协作。
- 应用一致的文件与文件夹命名规范（例如小写、短破折号分隔的名称），与 Tidyverse 风格指南保持一致。
- 在数据文件夹中使用 README 文件记录数据来源、结构和字典信息。
- 通过 GitHub Pages 或 RStudio Connect 部署课程网站，并使用 Canvas、Gradescope 和 Piazza 等平台进行课程交付与评分，所有环节均集成至可复现工作流程中。
实验结果
研究问题
- RQ1数据科学与统计学教育者如何确保其教学材料在不同时间与不同环境中均具备计算可复现性？
- RQ2哪些文档实践能够提升教学材料对教师与教学团队的可用性与可维护性？
- RQ3开放共享教学材料在统计学与数据科学教育中如何提升协作性与可及性？
- RQ4可复现教学工作流程如何改善大规模或远程教学环境中的课程管理？
- RQ5示范可复现实践在塑造学生行为及长期采纳最佳实践方面发挥何种作用？
主要发现
- 采用可复现教学框架能显著提升课程的可持续性与可管理性，尤其在拥有数百名学生和多名助教的大规模课程中效果显著。
- 使用 Git 和 GitHub 进行版本控制，使教师能够追踪变更、有效协作，并在不同学期或机构间复现教学材料。
- 一致的文件与文件夹命名方式，配合数据文件夹中的 README 文件进行文档记录，可显著提升教学材料的清晰度与可重用性。
- 在 GitHub、Open Math Notes 或 RStudio Education 的代码库等平台上公开共享的教学材料，可被其他教育者重复使用、改进与扩展，从而促进教育社区协作。
- 采用可复现教学工作流程的教师能获得更高的可见性与潜在合作机会，尤其对早期职业学者尤为有利。
- 即使在非以可复现性为核心的课程（如理论概率）中，采用可复现工作流程管理教学材料，也能提升教师效率，并支持课程的长期维护。
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。