Megan Tengan es estudiante de último año en la Universidad de Hawái en Manoa en Honolulu, donde está cursando una doble especialización en ciencias políticas y filosofía. Como tesorera y secretaria de la Asociación Pre-Derecho de Manoa, Megan planea asistir a la facultad de derecho después de graduarse en diciembre de 2022.
Actualmente trabaja como pasante del Congreso en la oficina de la senadora estadounidense Mazie K. Hirono en Washington, DC.Durante el semestre de otoño de 2021, Megan se desempeñó como asistente de enseñanza en el curso de ciencias políticas de 300 niveles del Dr. Lawrence Nitz, Investigación y análisis políticos. Juntos, desarrollaron una serie de planes de lecciones y asignaciones basadas en preguntas de investigación que podrían explorarse utilizando conjuntos de datos abiertos.
Megan también apoya la investigación independiente realizada por Nitz, que investiga hasta qué punto los tweets relacionados con Covid en Hawái están impulsados por las fluctuaciones en la tasa de nuevas infecciones y las noticias locales y los informes de opinión.Hablé con Megan para preguntarle sobre su experiencia aprendiendo y trabajando con JMP en un entorno de ciencias sociales.
Megan Tengan, undergraduate student at the University of Hawaiʻi at MānoaMegan Tengan, estudiante de pregrado en la Universidad de Hawái en Manoa
Mega: Dime, Megan, ¿cómo te interesaste en las estadísticas? Los enfoques cuantitativos siempre han sido una rama importante de los métodos de investigación en ciencias políticas, pero muchos estudiantes de ciencias políticas, ¡incluido yo mismo! – no obtenga mucha exposición de pregrado a las estadísticas.
megan: Nunca había trabajado con números en ciencias políticas [antes de TA-ing para Profesor Nitz ], ¡así que las estadísticas eran nuevas para mí! Aprendí junto a mis alumnos. Dicho esto, fue una experiencia realmente genial jugar con los números y el análisis de texto, porque observamos muchas estadísticas sociales, como datos de raza y salud, y, por supuesto, también estábamos analizando a Covid.[Tener experiencia con estadísticas] es un gran generador de currículum porque creo que el futuro es el análisis de datos. Siempre existirá esa necesidad de indagación cuantitativa.
Mega: ¿Hubo un punto de inflexión para usted, en el que se dio cuenta de lo importantes que serían las habilidades de análisis de datos? ¿O cuando vio la importancia de los datos en un caso de uso de las ciencias sociales?
megan: En clase, miramos tweets sobre la teoría crítica de la raza y usamos el análisis de texto para ver la opinión popular. Obviamente, los movimientos modernos de derechos civiles han estado ganando impulso recientemente, y como miembro de la Generación Z, eso es algo que tengo mucho en mi línea de tiempo en las redes sociales.No sabía que podías analizar el texto de la forma en que lo hicimos en clase, y JMP nos dio los medios para analizar no solo palabras y frases comunes, sino también el tono del texto. Supongo que simplemente no me di cuenta de que había tecnología que podía hacer eso, que podía buscar a través de los datos de las redes sociales.
Mega: Ahora que las personas viven sus vidas en línea, hay una cantidad increíble de datos abiertos a los que cualquiera puede acceder libremente. Y me imagino que los científicos sociales están solo en la punta del iceberg cuando se trata de usar esos datos para la investigación. ¿Cómo hizo para crear una biblioteca de tareas del curso en torno a los datos de Twitter y qué tipo de habilidades quería que aprendieran los estudiantes?
megan: El profesor Nitz recopiló tuits relacionados con el estado de Hawái y temas de actualidad como el covid o la teoría crítica de la raza. Luego les presentábamos a los estudiantes algunos artículos sobre el tema: qué es y cuál es [la controversia]. Entonces les daríamos el conjunto de datos.La tarea era usar tablas y gráficos en JMP para analizar y comprender [las tendencias de los datos], y luego aplicar lo que ve al mundo real. Lo hicimos análisis de texto y cambió algunas de las configuraciones para eliminar [el ruido]. Por ejemplo, en Twitter, se ve mucho "http", que es solo un hipervínculo, y no lo necesita. Aprendimos mucho sobre descartar datos que son irrelevantes y nublan su análisis.Una vez que habíamos sacado todo el texto que no necesitábamos, hacíamos preguntas como: "¿Son similares el grupo de palabras principales?" o "¿Los dos cuerpos de texto caen juntos de la misma manera?" Los estudiantes mirarían dos conjuntos separados de tweets y compararían. [Al preparar los conjuntos de datos] intentamos que uno fuera un poco más apasionado, por ejemplo, claramente indignado con la teoría crítica de la raza, mientras que el otro usaba palabras positivas pero en un tono irónico o sarcástico.
Queríamos desconcertar un poco a los estudiantes porque JMP podría tomar la ironía como un sentimiento positivo cuando en realidad no lo es. Tuvieron que aprender a leer el gráfico de una manera diferente... y ejecutar un análisis de los sentimientos : ¿Son los [dos conjuntos de datos] similares en contenido de sentimiento positivo y negativo?Hicimos hincapié en la importancia de limpiar los términos designados como palabras vacías y les pedimos a los estudiantes que explicaran las diferencias entre los grupos que estaban observando. JMP agruparía diferentes temas: uno sería sobre educación, otro sobre políticos, otro sobre racismo, otro sobre discriminación, etc. JMP clasificó los datos de esta manera, y mis alumnos pudieron decirme lo que vieron en cada grupo.
Mega: ¡Twitter es un verdadero campo minado para el sarcasmo! ¿Cómo determina una herramienta estadística la intención?
megan: Derecha. Así que alguien podría twittear algo como, “El hecho de que el racismo siga prevaleciendo en Estados Unidos es simplemente increíble”, aunque no quiera decir que sea fantástico; quieren decir que es asombroso o chocante que el racismo siga siendo un problema.Y tienes que considerar el contexto alrededor de una palabra, aunque obviamente no vas a leer cada palabra de los miles de tweets que sacamos. Por ejemplo, podrías pensar que la gente dice que la teoría crítica de la raza es increíble o asombrosa, aunque eso no es lo que la gente que tuitea realmente quiere decir. Así que les pedimos a los estudiantes que usaran JMP para ver cómo se dispersaba el sentimiento y separar el tono irónico del literal.
Mega: Nadie podría argumentar que esto no es interesante... pero ¿cuál es la aplicación? ¿Que estas aprendiendo?
megan: Bueno, dos cosas. Para los estudiantes, Investigación y análisis político es una clase obligatoria y, en última instancia, creo que el análisis de datos es una buena habilidad para aprender. De hecho, uno de nuestros oradores invitados ofreció a algunas personas trabajos como pasantes de análisis estadístico al final del semestre. Cuanto más versado estaba en JMP, y cuanto más tiempo le dedicaba, mayor era la paga. Así que hicimos que un par de estudiantes lo probaran, y espero que hayan sacado algo de la experiencia. Y segundo, mi profesor y yo estamos considerando presentar nuestra investigación de tweets de Covid en la conferencia JMP de este año.
Mega: ¡Espero que lo hagas! Este tema sería un gran Cumbre de descubrimiento ¡hablar! Dígame, ¿cuáles son algunos de los mayores desafíos de datos que enfrenta cuando se trata de usar datos abiertos para explorar la opinión pública?
megan: Por un lado, JMP en sí mismo es muy fácil de usar. Me gusta la interfaz de usuario. Pero con eso viene la responsabilidad de leer los datos correctamente. Creo que es prueba y error encontrar lo que quieres, y necesitas tener una buena comprensión de lo que estás aprendiendo para que puedas ver patrones cuando crees que no hay ninguno. Incluso si el patrón es que no hay un patrón, ¡eso es un patrón! Eso puede ser difícil de entender al principio.JMP te brinda tanta información, que puede ser como un arma de doble filo porque es genial [poder acceder a tantos datos], pero también tienes que distinguir lo que estás buscando. Por ejemplo, puedo aplicar ese acertijo a nuestro proyecto actual porque hasta ahora no hemos encontrado la relación causal que esperábamos entre el aumento de las infecciones de Covid y los tweets relacionados, es decir, tweets relacionados con los temas de Hawai'i, Covid y nuestro gobernador, David Ige.
Mega: ¿Qué esperas encontrar?
megan: Nuestras preguntas principales fueron: ¿Estos tweets sobre Covid en Hawái están motivados por las tasas de infección recientes? En otras palabras, una vez que el estado informa que tenemos 700 casos nuevos, ¿eso hace que más personas tuiteen sobre Covid?Y segundo, ¿cuál es el contenido de sus tuits? ¿El contenido de un tweet está relacionado con las noticias que se transmiten sobre Covid en Hawai'i? Al principio, era como "esta enfermedad mortal", y luego se convirtió en "¿Deberíamos vacunarnos?" Y luego "¿Deberíamos obtener el refuerzo?" Ahora son mandatos, no mandatos, levantamiento de mandatos, etc. Las noticias pueden decidir sobre qué informan, y queremos saber si eso afecta lo que los ciudadanos promedio eligen twittear.Nuevamente, tenemos que resaltar el sarcasmo. La gente podría decir algo como: "Brillante, este turista se contagió de covid" o "Es increíble cuando los que hacen cumplir las reglas se niegan a seguirlas". Por supuesto, en realidad no significan esas declaraciones literalmente.
Mega: Puede sonar como una pregunta simple, pero ¿cuál es el valor de establecer estas correlaciones y relaciones? ¿Para medir el sentimiento público? ¿Para informar la política?
megan: Creo que lo dijo perfectamente: evaluar el sentimiento público; eso es realmente lo que estamos haciendo con estas asignaciones. Queremos entender cómo cambia la opinión pública.Creo que la novedad de una pandemia en este siglo moderno es lo que hizo que la investigación fuera tan interesante porque esto no ha sucedido en cien años. Entonces no teníamos JMP ni nada parecido, ¿verdad? Y especialmente ahora con las redes sociales, y Twitter en particular, tenemos una plataforma sin precedentes donde el público puede expresar sus preocupaciones y opiniones. ¡Tenemos más material que nunca para analizar en JMP!
Mega: Como asistente de enseñanza, ¿qué enfoques pedagógicos ha observado que funcionan mejor cuando se trata de enseñar estadística a estudiantes universitarios que no se especializan en estadística?
megan: Creo que lo importante es poder establecer relaciones dentro de los conjuntos de datos que elegimos dar a los estudiantes. Pasamos un par de semanas cubriendo la probabilidad de las relaciones, la gamma o lo que sea, y eso fue un poco difícil, tal vez, para que todos lo entendieran, especialmente si elegimos factores diferentes a los que elegimos en las demostraciones.Pero creo que la verdadera parte matemática fue el truco, porque tienes razón: estos estudiantes no están estudiando matemáticas. Mi matemática más alta era como pre-cálculo, ¡y lo odiaba!
Una vez que nos damos cuenta de que, obviamente, no todo el mundo está interesado o particularmente dotado en el lado matemático de las cosas, podemos centrarnos más en sacar las relaciones. Por ejemplo, hicimos una encuesta sobre la medida en que los ciudadanos de un estado confían en los políticos de su estado de origen frente al presidente, y exploramos si lo local impulsa a lo nacional, o viceversa. O podríamos preguntar: ¿Tener un título superior, o que sus padres tengan un título superior, tiene algo que ver con la cantidad de deuda que tiene?
Mega: Al comprender la aplicación y las relaciones entre los factores, eso ayudó a las personas a mantenerse comprometidas con el aprendizaje de métodos estadísticos.
megan: Definitivamente. ¡Y especialmente como estudiantes de ciencias sociales! Siempre queremos averiguar el por qué, incluso en la política cotidiana. ¿Por qué no se cumple esta política? ¿Por qué esta gente está en contra? Siempre se trata de lo que se esconde detrás del argumento, por lo que fue casi intuitivo para mis alumnos averiguar si había un por qué.Y JMP realmente ayudó a visualizar eso para ellos, porque podían ver tendencias y luego incluso mirar los números, incluso si no querían, y luego ver si había una relación entre los factores que estábamos viendo.
Mega: ¿Así que tienes la facultad de derecho en tu futuro, Megan? ¿Crees que podrás poner en práctica estas habilidades cuantitativas?
megan: Creo que, según el campo del derecho en el que me involucre, podría usar y aplicar estas habilidades cuantitativas que aprendí a través de JMP. Por ejemplo, tal vez si me convierto en un abogado ambiental y estoy analizando las emisiones de GEI que impulsan el calentamiento global o lo que sea. Pero incluso si la ciencia de datos no está en el centro de mi carrera, fue, y sigue siendo, un proyecto interesante para tener al margen. Y como dije antes, los datos impulsan la conversación. Obviamente me gusta tener una opinión basada en evidencia, y eso es lo que JMP puede brindarme.
Mega: Entonces, mi última pregunta es: ¿Qué consejo le daría a los estudiantes o usuarios novatos de JMP en general?
megan: Definitivamente usa el recursos que JMP tiene para ofrecer a los principiantes . Incluso si ingresa con habilidades avanzadas, también puede aprender a través de los videos. Aprendí mucho de lo que sabía a través de esas guías para principiantes. Si desea hacer algo específico, lo más probable es que JMP tenga una forma de hacerlo.Y recomiendo usar el conjuntos de muestra que JMP tiene . Esos fueron realmente útiles porque no siempre se puede encontrar una hoja de cálculo con el formato perfecto para usar en JMP. Esa ofrenda fue realmente genial.Y por último, explorar. Haga clic en todos los botones y descubra lo que hace cada cosa. Haz clic en todos los menús desplegables. ¡Así fue definitivamente como me volví un poco más versado en lo que estaba haciendo!
