Megan Tengan ist Seniorin an der University of Hawaiʻi at Mānoa in Honolulu, wo sie einen Doppelabschluss in Politikwissenschaft und Philosophie anstrebt. Als Schatzmeisterin und Sekretärin der Mānoa Pre-Law Association plant Megan, nach ihrem Abschluss im Dezember 2022 die juristische Fakultät zu besuchen.
Derzeit arbeitet sie als Kongresspraktikantin im Büro des US-Senators Mazie K. Hirono in Washington, DCWährend des Herbstsemesters 2021 war Megan Lehrassistentin für den 300-stufigen Politikwissenschaftskurs von Dr. Lawrence Nitz, Political Inquiry and Analysis. Gemeinsam entwickelten sie eine Reihe von Unterrichtsplänen und Aufgaben auf der Grundlage von Forschungsfragen, die mit offenen Datensätzen untersucht werden konnten.
Megan unterstützt auch unabhängige Forschungen von Nitz, die untersuchen, inwieweit Tweets im Zusammenhang mit Covid in Hawaii von Schwankungen in der Rate neuer Infektionen und lokalen Nachrichten- und Meinungsberichten angetrieben werden.Ich habe mit Megan gesprochen, um sie nach ihren Erfahrungen beim Lernen und Arbeiten mit JMP in einem sozialwissenschaftlichen Umfeld zu fragen.
Megan Tengan, undergraduate student at the University of Hawaiʻi at MānoaMegan Tengan, Studentin im Grundstudium an der Universität von Hawaii in Mānoa
Mega: Also sag mir, Megan, wie ist dein Interesse an Statistiken entstanden? Quantitative Ansätze waren schon immer ein wichtiger Zweig der Forschungsmethoden in der Politikwissenschaft, aber viele Politikwissenschaftler – mich eingeschlossen! – im Grundstudium nicht viel mit Statistik in Berührung kommen.
Megan: Ich hatte noch nie mit Zahlen in der Politikwissenschaft gearbeitet [vor TA-ing for Professor Nitz ], also war Statistik neu für mich! Ich habe zusammen mit meinen Schülern gelernt. Trotzdem war es eine wirklich coole Erfahrung, mit der Zahlen- und Textanalyse herumzuspielen, weil wir uns viele soziale Statistiken wie Rassen- und Gesundheitsdaten angesehen haben – und wir haben uns natürlich auch mit Covid befasst.[Erfahrung mit Statistiken zu haben] ist ein großartiger Lebenslaufersteller, weil ich denke, dass die Zukunft in der Datenanalyse liegt. Es wird immer die Notwendigkeit einer quantitativen Untersuchung geben.
Mega: Gab es für Sie einen Wendepunkt, an dem Ihnen klar wurde, wie wichtig Fähigkeiten in der Datenanalyse sein würden? Oder als Sie die Bedeutung von Daten in einem sozialwissenschaftlichen Anwendungsfall gesehen haben?
Megan: Im Unterricht haben wir uns Tweets über kritische Rassentheorie angesehen und Textanalysen verwendet, um die öffentliche Meinung zu untersuchen. Offensichtlich haben moderne Bürgerrechtsbewegungen in letzter Zeit an Dynamik gewonnen, und als Gen Z-ler steht das häufig auf meiner Social-Media-Timeline.Ich wusste nicht, dass man Text so analysieren kann, wie wir es im Unterricht getan haben, und JMP gab uns die Möglichkeit, nicht nur gebräuchliche Wörter und Phrasen zu analysieren, sondern auch den Ton des Textes. Ich glaube, ich wusste einfach nicht, dass es eine Technologie gibt, die das kann – die Social-Media-Daten durchsuchen kann.
Mega: Jetzt, wo Menschen ihr Leben online leben, gibt es eine unglaubliche Menge an offenen Daten, auf die jeder frei zugreifen kann. Und ich könnte mir vorstellen, dass Sozialwissenschaftler nur die Spitze des Eisbergs sind, wenn es darum geht, diese Daten für die Forschung zu nutzen. Wie sind Sie vorgegangen, um eine Bibliothek mit Kursaufgaben rund um Daten von Twitter aufzubauen, und welche Art von Fähigkeiten wollten Sie den Schülern beibringen?
Megan: Professor Nitz hat Tweets zum Bundesstaat Hawaii und zu aktuellen Themen wie Covid oder Critical Race Theory zusammengestellt. Dann würden wir die Schüler mit ein paar Artikeln über das Thema vorbereiten: was es ist und was [die Kontroverse ist]. Dann würden wir ihnen den Datensatz geben.Die Aufgabe war zu verwenden Diagramme und Grafiken in JMP um [Datentrends] zu analysieren und zu verstehen und dann das, was Sie sehen, auf die reale Welt anzuwenden. Wir machten Textanalyse und einige der Einstellungen geändert, um [das Rauschen] loszuwerden. Zum Beispiel sehen Sie auf Twitter viel „http“, was nur ein Hyperlink ist, und Sie brauchen das nicht. Wir haben viel über das Wegwerfen von Daten gelernt, die einfach irrelevant sind und Ihre Analyse trüben.Nachdem wir den gesamten Text, den wir nicht benötigten, herausgenommen hatten, stellten wir Fragen wie: „Sind die Cluster der Top-Wörter ähnlich?“ oder "Fällen die beiden Textkörper auf die gleiche Weise zusammen?" Die Schüler würden sich zwei separate Sätze von Tweets ansehen und vergleichen. [Bei der Erstellung der Datensätze] haben wir versucht, es so zu gestalten, dass der eine etwas leidenschaftlicher war – zum Beispiel deutlich empört über die kritische Rassentheorie – während der andere positive Worte verwendete, aber in einem ironischen oder sarkastischen Ton.
Wir wollten die Studenten ein wenig abschrecken, weil JMP Ironie als positives Gefühl auffassen konnte, obwohl dies in Wirklichkeit nicht der Fall ist. Sie mussten lernen, die Karte anders zu lesen … und a laufen Stimmungsanalyse : Sind die [beiden Datensätze] ähnlich in positiver und negativer Stimmung?Wir betonten die Wichtigkeit der Bereinigung von Begriffen, die als Stoppwörter gekennzeichnet sind, und baten die Schüler, die Unterschiede zwischen den von ihnen beobachteten Clustern zu erklären. JMP würde verschiedene Themen gruppieren – eines würde sich um Bildung drehen, ein anderes um Politiker, ein anderes um Rassismus, ein anderes um Diskriminierung und so weiter. JMP hat die Daten wie folgt kategorisiert, und meine Schüler konnten mir sagen, was sie in jedem Cluster gesehen haben.
Mega: Twitter ist ein wahres Minenfeld für Sarkasmus! Wie findet ein statistisches Tool die Absicht heraus?
Megan: Recht. Jemand könnte also etwas twittern wie: „Die Tatsache, dass Rassismus in Amerika immer noch weit verbreitet ist, ist einfach erstaunlich“, obwohl er nicht meint, dass es fantastisch ist; Sie meinen, es sei erstaunlich oder schockierend, dass Rassismus immer noch ein Problem sei.Und Sie müssen den Kontext um ein Wort herum berücksichtigen, obwohl Sie natürlich nicht jedes einzelne Wort der Tausenden von Tweets lesen werden, die wir gezogen haben. Sie könnten zum Beispiel denken, dass die Leute sagen, dass die kritische Rassentheorie erstaunlich oder erstaunlich ist, obwohl das nicht das ist, was die Leute, die twittern, eigentlich meinen. Also baten wir die Studenten, JMP zu verwenden, um zu sehen, wie Stimmungen verteilt wurden, und den ironischen Ton vom wörtlichen zu trennen.
Mega: Niemand könnte argumentieren, dass dies nicht interessant ist ... aber was ist die Anwendung? Was lernst du?
Megan: Nun, zwei Dinge. Für die Studenten ist Politische Untersuchung und Analyse ein Pflichtfach, und ich denke, letztendlich ist die Datenanalyse eine gute Fähigkeit, die man lernen kann. Tatsächlich hat einer unserer Gastredner am Ende des Semesters einigen Leuten Jobs als Praktikanten für statistische Analysen angeboten! Je besser Sie sich mit JMP auskannten – und je mehr Zeit Sie investierten – desto höher war die Bezahlung. Also haben wir ein paar Studenten dazu gebracht, es auszuprobieren, und ich hoffe, sie haben etwas aus der Erfahrung gemacht. Und zweitens erwägen mein Professor und ich, unsere Covid-Tweet-Forschung auf der diesjährigen JMP-Konferenz vorzustellen.
Mega: Ich hoffe du tust! Dieses Thema wäre großartig Entdeckungsgipfel sich unterhalten! Sagen Sie mir also, was sind einige der größten Datenherausforderungen, denen Sie gegenüberstehen, wenn es darum geht, offene Daten zur Erforschung der öffentlichen Meinung zu nutzen?
Megan: Zum einen ist JMP selbst sehr einfach zu bedienen. Ich mag die Benutzeroberfläche. Aber damit kommt die Verantwortung, die Daten richtig zu lesen. Ich denke, es ist Versuch und Irrtum, um zu finden, was Sie wollen, und Sie müssen ein gutes Verständnis dafür haben, was Sie lernen, damit Sie Muster erkennen können, wenn Sie glauben, dass es keine gibt. Auch wenn das Muster ist, dass es kein Muster gibt, das ist ein Muster! Das kann zunächst schwer zu verstehen sein.JMP bietet Ihnen so viele Informationen, die wie ein zweischneidiges Schwert sein können, weil es großartig ist, [auf so viele Daten zugreifen zu können], aber Sie müssen auch unterscheiden, wonach Sie suchen. Ich kann dieses Rätsel zum Beispiel auf unser aktuelles Projekt anwenden, weil wir bisher nicht den erwarteten kausalen Zusammenhang zwischen steigenden Covid-Infektionen und verwandten Tweets gefunden haben – also Tweets zu den Themen Hawaii, Covid und unser Gouverneur, David Ige.
Mega: Was hast du erwartet zu finden?
Megan: Unsere Hauptfragen waren: Sind diese Tweets über Covid in Hawaii von den jüngsten Infektionsraten getrieben? Mit anderen Worten, wenn der Staat meldet, dass wir 700 neue Fälle haben, führt das dann dazu, dass mehr Menschen über Covid twittern?Und zweitens, was ist der Inhalt ihrer Tweets? Bezieht sich der Inhalt eines Tweets auf die Nachrichten, die über Covid in Hawaii ausgestrahlt werden? Zuerst war es wie „diese tödliche Krankheit“, und dann wurde es zu „Sollen wir den Impfstoff bekommen?“ Und dann „Sollen wir den Booster holen?“ Jetzt heißt es Mandate, keine Mandate, Mandatsaufhebungen usw. Die Nachrichten können entscheiden, worüber sie berichten, und wir wollen wissen, ob dies Auswirkungen darauf hat, worüber Durchschnittsbürger twittern.Auch hier müssen wir den Sarkasmus hervorheben. Die Leute sagen vielleicht so etwas wie: „Genial, dieser Tourist hat Covid bekommen“ oder „Es ist erstaunlich, wenn diejenigen, die Regeln durchsetzen, sich weigern, sie zu befolgen.“ Natürlich meinen sie diese Aussagen nicht wörtlich.
Mega: Es mag wie eine einfache Frage klingen, aber welchen Wert hat es, diese Korrelationen und Beziehungen herzustellen? Um die öffentliche Stimmung zu messen? Politik informieren?
Megan: Ich denke, Sie haben es perfekt gesagt – die Bewertung der öffentlichen Meinung – das ist es, was wir mit diesen Aufträgen wirklich tun. Wir wollen verstehen, wie sich die öffentliche Meinung verändert.Die Neuheit einer Pandemie in diesem modernen Jahrhundert ist meiner Meinung nach das, was die Forschung so interessant gemacht hat, weil dies seit hundert Jahren nicht mehr passiert ist. Damals hatten wir noch kein JMP oder ähnliches, richtig? Und gerade jetzt haben wir mit Social Media – und insbesondere Twitter – eine beispiellose Plattform, auf der die Öffentlichkeit ihre Bedenken und Meinungen äußern kann. Wir haben mehr Material als je zuvor in JMP zu analysieren!
Mega: Welche pädagogischen Ansätze haben Sie als Lehrassistentin am besten beim Unterrichten von Statistik für Nicht-Statistik-Studenten im Grundstudium beobachtet?
Megan: Ich denke, das Wichtigste ist, in den Datensätzen, die wir den Schülern zur Verfügung stellen, Beziehungen herstellen zu können. Wir verbrachten ein paar Wochen damit, die Wahrscheinlichkeit der Beziehungen – das Gamma oder was nicht – abzudecken, und das war vielleicht ein bisschen schwer für alle zu verstehen, besonders wenn wir andere Faktoren gewählt hatten als in den Demos.Aber ich denke, der eigentliche mathematische Teil davon war der Kicker, denn Sie haben recht – diese Studenten studieren keine Mathematik. Meine höchste Mathematik war wie Vorkalkulation, und ich hasste es!
Sobald wir erkennen, dass offensichtlich nicht jeder mathematisch interessiert oder besonders begabt ist, können wir uns mehr darauf konzentrieren, Beziehungen aufzubauen. Zum Beispiel haben wir eine Umfrage darüber durchgeführt, inwieweit die Bürger eines Staates den Politikern ihres Heimatstaates gegenüber dem Präsidenten vertrauen, und untersucht, ob der Einheimische den Nationalen vorantreibt oder umgekehrt. Oder wir könnten fragen: Hat ein höherer Abschluss – oder ein höherer Abschluss Ihrer Eltern – etwas damit zu tun, wie viele Schulden Sie haben?
Mega: Durch das Verständnis der Anwendung und der Beziehungen zwischen Faktoren, die den Menschen geholfen haben, sich mit dem Erlernen statistischer Methoden zu beschäftigen.
Megan: Definitiv. Und erst recht als sozialwissenschaftliche Studiengänge! Wir wollen immer das Warum herausfinden – auch in der Alltagspolitik. Warum setzt sich diese Politik nicht durch? Warum sind diese Leute dagegen? Es geht immer darum, was sich hinter dem Argument verbirgt, daher war es für meine Schüler fast intuitiv herauszufinden, ob es ein Warum gibt.Und JMP half ihnen wirklich dabei, das zu visualisieren, weil sie Trends erkennen und sich dann sogar die Zahlen ansehen konnten – auch wenn sie das nicht wollten – und dann sehen konnten, ob es eine Beziehung zwischen den von uns betrachteten Faktoren gab.
Mega: Sie haben also in Zukunft Jurastudium, Megan? Glauben Sie, dass Sie diese quantitativen Fähigkeiten anwenden können?
Megan: Ich denke, je nachdem, in welches Rechtsgebiet ich mich begebe, könnte ich diese quantitativen Fähigkeiten, die ich mir bei JMP angeeignet habe, nutzen und anwenden. Zum Beispiel vielleicht, wenn ich Umweltanwalt werde und mich mit Treibhausgasemissionen befasse, die die globale Erwärmung antreiben oder so. Aber auch wenn Data Science nicht im Mittelpunkt meiner Karriere steht, war und ist es ein interessantes Nebenprojekt. Und wie ich bereits sagte, treiben Daten die Konversation voran. Natürlich möchte ich eine evidenzbasierte Meinung haben, und JMP kann mir diese liefern.
Mega: Meine letzte Frage lautet also: Welchen Rat würden Sie Studenten oder unerfahrenen JMP-Benutzern im Allgemeinen geben?
Megan: Verwenden Sie auf jeden Fall die Ressourcen, die JMP für Einsteiger zu bieten hat . Auch wenn Sie mit fortgeschrittenen Fähigkeiten einsteigen, können Sie auch durch die Videos lernen. Ich habe viel von dem gelernt, was ich durch diese Anfängerführer wusste. Wenn Sie etwas Bestimmtes tun möchten, hat JMP höchstwahrscheinlich eine Möglichkeit, dies zu tun.Und ich empfehle die Verwendung der Beispielsätze, die JMP hat . Diese waren wirklich hilfreich, da Sie in JMP nicht immer eine perfekt formatierte Tabelle finden können. Dieses Angebot war wirklich großartig.Und zu guter Letzt erkunden. Klicken Sie auf alle Schaltflächen und finden Sie heraus, was alles tut. Klicken Sie auf alle Dropdown-Menüs. Auf diese Weise habe ich mich definitiv ein bisschen besser mit dem vertraut gemacht, was ich tue!
