Megan Tengan è una senior presso l'Università delle Hawai'i a Mānoa a Honolulu, dove sta conseguendo una doppia specializzazione in scienze politiche e filosofia. In qualità di Tesoriere e Segretario della Mānoa Pre-Law Association, Megan prevede di frequentare la facoltà di giurisprudenza dopo la laurea nel dicembre 2022.
Attualmente lavora come stagista al Congresso presso l'ufficio della senatrice statunitense Mazie K. Hirono a Washington, DCDurante il semestre autunnale del 2021, Megan ha servito come assistente didattico per il corso di scienze politiche di 300 livelli del dottor Lawrence Nitz, Indagine e analisi politica. Insieme, hanno sviluppato una serie di piani di lezione e compiti basati su domande di ricerca che potrebbero essere esplorate utilizzando set di dati aperti.
Megan sostiene anche la ricerca indipendente intrapresa da Nitz, indagando fino a che punto i tweet relativi a Covid alle Hawaii sono guidati dalle fluttuazioni del tasso di nuove infezioni e dalle notizie locali e dai rapporti di opinione.Ho parlato con Megan per chiederle della sua esperienza di apprendimento e lavoro con JMP in un contesto di scienze sociali.
Megan Tengan, undergraduate student at the University of Hawaiʻi at MānoaMegan Tengan, studentessa universitaria presso l'Università delle Hawaii a Mānoa
Mega: Allora dimmi, Megan, come ti sei interessato alle statistiche? Gli approcci quantitativi sono sempre stati una branca importante dei metodi di ricerca nelle scienze politiche, ma molti laureati in scienze politiche – me compreso! – non ottenere molta esposizione universitaria alle statistiche.
Megan: Non avevo mai lavorato con i numeri nelle scienze politiche [prima di TA-ing per Professor Nitz ], quindi le statistiche erano nuove per me! Ho imparato insieme ai miei studenti. Detto questo, è stata un'esperienza davvero interessante giocare con i numeri e l'analisi del testo, perché abbiamo esaminato molte statistiche sociali come dati sulla razza e sulla salute e, ovviamente, stavamo anche guardando Covid.[Avere esperienza con le statistiche] è un ottimo generatore di curriculum perché penso che il futuro sia l'analisi dei dati. Ci sarà sempre la necessità di un'indagine quantitativa.
Mega: C'è stato un punto di svolta per te, in cui ti sei reso conto di quanto sarebbero state importanti le capacità di analisi dei dati? O quando hai visto l'importanza dei dati come si sono rivelati in un caso d'uso delle scienze sociali?
Megan: In classe, abbiamo esaminato i tweet sulla teoria critica della razza e abbiamo utilizzato l'analisi del testo per esaminare l'opinione popolare. Ovviamente, i moderni movimenti per i diritti civili hanno guadagnato slancio di recente e, come Gen Z-er, è qualcosa sulla mia cronologia dei social media molto.Non sapevo che potevi analizzare il testo nel modo in cui lo facevamo in classe, e JMP ci ha dato i mezzi per analizzare non solo parole e frasi comuni, ma anche il tono del testo. Immagino di non aver capito che esisteva una tecnologia in grado di farlo, in grado di cercare attraverso i dati dei social media.
Mega: Ora che le persone vivono la propria vita online, c'è un'incredibile quantità di dati aperti a cui chiunque può accedere liberamente. E immagino che gli scienziati sociali siano solo sulla punta dell'iceberg quando si tratta di utilizzare quei dati per la ricerca. Come hai costruito una libreria di compiti del corso sui dati di Twitter e che tipo di abilità volevi che gli studenti imparassero?
Megan: Il professor Nitz ha compilato tweet relativi allo stato delle Hawai'i e argomenti attuali come Covid o teoria critica della razza. Quindi impostiamo gli studenti con alcuni articoli sull'argomento: di cosa si tratta e di cosa si tratta [la controversia]. Quindi daremmo loro il set di dati.Il compito era di utilizzare grafici e grafici in JMP per analizzare e comprendere [tendenze dei dati], quindi applicare ciò che vedi al mondo reale. Noi facemmo analisi del testo e modificato alcune impostazioni per eliminare [il rumore]. Ad esempio su Twitter, vedi molti "http", che è solo un collegamento ipertestuale e non ne hai bisogno. Abbiamo imparato molto sull'eliminazione dei dati che sono semplicemente irrilevanti e offuscano la tua analisi.Una volta eliminato tutto il testo che non ci serviva, facevamo domande del tipo: "Il gruppo di parole principali è simile?" o "I due corpi di testo si uniscono allo stesso modo?" Gli studenti guarderebbero due serie separate di tweet e le confronterebbero. [Durante la preparazione dei set di dati] abbiamo cercato di fare in modo che uno fosse un po' più appassionato – ad esempio, chiaramente indignato per la teoria critica della razza – mentre l'altro usasse parole positive ma con un tono ironico o sarcastico.
Volevamo allontanare un po' gli studenti perché JMP potrebbe considerare l'ironia come un sentimento positivo quando in realtà non lo è. Hanno dovuto imparare a leggere il grafico in un modo diverso... ed eseguire a analisi del sentimento : I [due set di dati] sono simili nel contenuto del sentimento positivo e negativo?Abbiamo sottolineato l'importanza di ripulire i termini designati come stop word e chiesto agli studenti di spiegare le differenze tra i cluster che stavano osservando. JMP raggrupperebbe diversi temi: uno sull'istruzione, un altro sui politici, un altro sul razzismo, un altro sulla discriminazione e così via. JMP ha classificato i dati in questo modo e i miei studenti sono stati in grado di dirmi cosa hanno visto in ogni cluster.
Mega: Twitter è un vero campo minato per il sarcasmo! Come fa uno strumento statistico a capire l'intenzione?
Megan: Destra. Quindi qualcuno potrebbe twittare qualcosa del tipo: "Il fatto che il razzismo sia ancora diffuso in America è semplicemente fantastico", anche se non significano che sia fantastico; significano che è sorprendente o scioccante che il razzismo sia ancora un problema.E devi considerare il contesto attorno a una parola, anche se ovviamente non leggerai ogni singola parola delle migliaia di tweet che abbiamo estratto. Ad esempio, potresti pensare che le persone dicano che la teoria critica della razza è sorprendente o sorprendente, anche se non è questo che significano le persone che twittano. Quindi abbiamo chiesto agli studenti di usare JMP per vedere come si disperdeva il sentimento e separare il tono ironico dal letterale.
Mega: Nessuno potrebbe obiettare che questo non è interessante... ma qual è l'applicazione? Cosa stai imparando?
Megan: Bene, due cose. Per gli studenti, l'indagine e l'analisi politica sono una classe obbligatoria e penso che, in definitiva, l'analisi dei dati sia una buona abilità da imparare. In effetti, uno dei nostri relatori ospiti ha offerto ad alcune persone lavori come stagisti di analisi statistica alla fine del semestre! Più eri esperto in JMP, e più tempo ci dedichi, maggiore era la paga. Quindi abbiamo fatto provare un paio di studenti e spero che abbiano fatto qualcosa dell'esperienza. E in secondo luogo, io e il mio professore stiamo considerando di presentare la nostra ricerca sui tweet di Covid alla conferenza JMP di quest'anno.
Mega: Spero che tu lo faccia! Questo argomento sarebbe fantastico Vertice di scoperta parlare! Allora dimmi, quali sono alcune delle maggiori sfide relative ai dati che devi affrontare quando si tratta di utilizzare i dati aperti per esplorare l'opinione pubblica?
Megan: Per prima cosa, JMP stesso è molto facile da usare. Mi piace l'interfaccia utente. Ma con ciò deriva la responsabilità di leggere correttamente i dati. Penso che sia prova ed errore trovare quello che vuoi, e devi avere una buona comprensione di ciò che stai imparando in modo da poter vedere gli schemi quando pensi che non ce ne siano. Anche se lo schema è che non c'è uno schema, quello è uno schema! All'inizio può essere difficile da capire.JMP ti offre così tante informazioni, che possono essere come un'arma a doppio taglio perché è fantastico [poter accedere a così tanti dati], ma devi anche distinguere ciò che stai cercando. Ad esempio, posso applicare questo enigma al nostro attuale progetto perché finora non abbiamo trovato la relazione causale che ci aspettavamo tra l'aumento delle infezioni da Covid e i tweet correlati, ovvero i tweet relativi agli argomenti delle Hawaii, Covid e il nostro governatore, David Ige.
Mega: Cosa ci si aspettava di trovare?
Megan: Le nostre principali domande erano: questi tweet su Covid alle Hawaii sono guidati dai recenti tassi di infezione? In altre parole, una volta che lo stato ha riferito che abbiamo 700 nuovi casi, questo fa sì che più persone twittino su Covid?E in secondo luogo, qual è il contenuto dei loro tweet? Il contenuto di un tweet è legato alle notizie trasmesse sul Covid alle Hawaii? All'inizio era come "questa malattia mortale" e poi si è trasformata in "Dobbiamo fare il vaccino?" E poi "Dovremmo prendere il booster?" Ora ci sono mandati, nessun mandato, revoca dei mandati, ecc. Le notizie possono decidere su cosa riferire e vogliamo sapere se ciò influisce su ciò su cui i cittadini medi scelgono di twittare.Ancora una volta, dobbiamo evidenziare il sarcasmo. Le persone potrebbero dire qualcosa del tipo: "Fantastico, questo turista ha il Covid" o "È incredibile quando coloro che applicano le regole si rifiutano di seguirle". Naturalmente, in realtà non significano queste affermazioni alla lettera.
Mega: Può sembrare una domanda semplice, ma qual è il valore nello stabilire queste correlazioni e relazioni? Per misurare il sentimento pubblico? Per informare la politica?
Megan: Penso che tu l'abbia detto perfettamente – valutando il sentimento pubblico – questo è davvero ciò che stiamo facendo con questi incarichi. Vogliamo capire come cambia l'opinione pubblica.La novità di una pandemia all'interno di questo secolo moderno è, penso, ciò che ha reso così interessante la ricerca perché questo non accadeva da cento anni. All'epoca non avevamo JMP o qualcosa del genere, giusto? E soprattutto ora con i social media - e Twitter in particolare - abbiamo una piattaforma senza precedenti in cui il pubblico può esprimere le proprie preoccupazioni e opinioni. Abbiamo più materiale che mai da analizzare in JMP!
Mega: In qualità di assistente all'insegnamento, quali approcci pedagogici hai osservato funzionano meglio quando si tratta di insegnare statistica a laureandi, major non statistici?
Megan: Penso che la cosa importante sia essere in grado di tracciare relazioni all'interno dei set di dati che scegliamo di fornire agli studenti. Abbiamo trascorso un paio di settimane coprendo la probabilità delle relazioni – la gamma o altro – ed è stato un po' difficile, forse, da capire per tutti, specialmente se avessimo scelto fattori diversi da quelli che abbiamo fatto nelle demo.Ma penso che la vera parte matematica sia stata il kicker, perché hai ragione: questi studenti non stanno studiando matematica. La mia matematica più alta era come il pre-calcolo, e l'ho odiato!
Una volta che ci rendiamo conto che ovviamente non tutti sono interessati o particolarmente dotati dal lato della matematica, possiamo concentrarci maggiormente sul tirare fuori le relazioni. Ad esempio, abbiamo condotto un'indagine sulla misura in cui i cittadini di uno stato si fidano dei politici dello stato di origine rispetto al presidente e abbiamo esaminato se il locale guida il nazionale o viceversa. Oppure potremmo chiederci: avere una laurea più alta – o i tuoi genitori che hanno una laurea più alta – ha qualcosa a che fare con quanto debito hai?
Mega: Comprendendo l'applicazione e le relazioni tra i fattori, ciò ha aiutato le persone a rimanere impegnate nell'apprendimento di metodi statistici.
Megan: Decisamente. E soprattutto come laureati in scienze sociali! Vogliamo sempre scoprire il perché, anche nella politica di tutti i giorni. Perché questa politica non va a buon fine? Perché queste persone sono contrarie? Si tratta sempre di ciò che si nasconde dietro l'argomento, quindi è stato quasi intuitivo per i miei studenti scoprire se c'era un perché.E JMP ha davvero aiutato a visualizzarlo per loro, perché potevano vedere le tendenze e quindi anche guardare i numeri, anche se non volevano, e quindi vedere se c'era una relazione tra i fattori che stavamo guardando.
Mega: Quindi hai una scuola di legge nel tuo futuro, Megan? Pensi che sarai in grado di mettere a frutto queste abilità quantitative?
Megan: Penso che, a seconda del campo del diritto in cui mi occupo, potrei utilizzare e applicare queste competenze quantitative che ho appreso tramite JMP. Ad esempio, forse se divento un avvocato ambientale e guardo alle emissioni di gas serra che guidano il riscaldamento globale o cose del genere. Ma anche se la data science non è al centro della mia carriera, era, ed è tuttora, un progetto interessante da avere a fianco. E come ho detto prima, i dati guidano la conversazione. Ovviamente mi piace avere un'opinione basata sull'evidenza, ed è ciò che JMP è in grado di fornirmi.
Mega: Quindi la mia ultima domanda è: che consiglio daresti agli studenti o agli utenti principianti di JMP in generale?
Megan: Sicuramente usa il risorse che JMP ha da offrire ai principianti . Anche se stai arrivando con competenze avanzate, puoi comunque imparare anche attraverso i video. Ho imparato molto di ciò che sapevo attraverso quelle guide per principianti. Se vuoi fare qualcosa di specifico, molto probabilmente JMP ha un modo per farlo.E consiglio di usare il set di campioni di cui dispone JMP . Questi sono stati davvero utili perché non è sempre possibile trovare un foglio di calcolo perfettamente formattato da utilizzare in JMP. Quell'offerta è stata davvero fantastica.E, infine, esplorare. Fai clic su tutti i pulsanti e scopri cosa fa tutto. Fare clic su tutti i menu a discesa. Questo è stato sicuramente il modo in cui sono diventato un po' più esperto in quello che stavo facendo!
