Megan Tengan è una studentessa 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 sta lavorando come stagista del Congresso presso l'ufficio del senatore americano Mazie K. Hirono a Washington, DCDurante il semestre autunnale del 2021, Megan ha lavorato come assistente didattico per il corso di scienze politiche di 300 livelli del Dr. Lawrence Nitz, Inchiesta e analisi politica. Insieme, hanno sviluppato una serie di programmi di lezioni 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 in che misura i tweet relativi a Covid alle Hawaii sono guidati dalle fluttuazioni del tasso di nuove infezioni e dalle notizie e dalle opinioni locali.Ho parlato con Megan per chiederle della sua esperienza di apprendimento e di lavoro con JMP in un contesto di scienze sociali.
Megan Tengan, undergraduate student at the University of Hawaiʻi at MānoaMegan Tengan, undergraduate student at the University of Hawaiʻi at MānoaMegan Tengan, undergraduate student at the University of Hawaiʻi at MānoaMegan Tengan, undergraduate student at the University of Hawaiʻi at MānoaMegan Tengan, studentessa universitaria presso l'Università delle Hawai'i a Mānoa
Meg: Allora dimmi, Megan, come hai iniziato a interessarti alle statistiche? Gli approcci quantitativi sono sempre stati un ramo importante dei metodi di ricerca nelle scienze politiche, ma molti si specializzano in scienze politiche, me compreso! – non ho molta esposizione alle statistiche da parte degli studenti universitari.
Megan: Non avevo mai lavorato con i numeri in scienze politiche [prima di AT 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 esaminando anche Covid.[Avere esperienza con le statistiche] è un ottimo strumento per la creazione di curriculum perché penso che il futuro sia l'analisi dei dati. Ci sarà sempre la necessità di un’indagine quantitativa.
Meg: C’è stato un punto di svolta per te, in cui hai realizzato quanto sarebbero state importanti le competenze di analisi dei dati? O quando hai visto l’importanza dei dati in un caso d’uso delle scienze sociali?
Megan: In classe, abbiamo esaminato i tweet sulla teoria critica della razza e utilizzato l’analisi del testo per esaminare l’opinione popolare. Ovviamente, i movimenti moderni per i diritti civili hanno guadagnato slancio di recente e, come Gen Z-er, questo è qualcosa che ho spesso nella timeline dei social media.Non sapevo che si potesse 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 realizzato che esistesse una tecnologia in grado di farlo, in grado di cercare tra i dati dei social media.
Meg: 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 questi dati per la ricerca. Come hai realizzato una raccolta di compiti del corso basati sui dati di Twitter e che tipo di competenze volevi che gli studenti acquisissero?
Megan: Il professor Nitz ha compilato tweet relativi allo stato delle Hawaii e ad argomenti attuali come Covid o la teoria critica della razza. Quindi offriremo agli studenti alcuni articoli sull'argomento: di cosa si tratta e di cosa si tratta [la controversia]. Quindi forniremmo loro il set di dati.Il compito era usare tabelle e grafici in JMP per analizzare e comprendere [le tendenze dei dati] e quindi applicare ciò che vedi al mondo reale. Noi facemmo analisi del testo e ho cambiato alcune impostazioni per eliminare [il rumore]. Ad esempio, su Twitter vedi molto "http", che è solo un collegamento ipertestuale e non ti serve. Abbiamo imparato molto sull'eliminazione di dati che sono semplicemente irrilevanti e offuscano la tua analisi.Una volta estratto tutto il testo di cui non avevamo bisogno, ponevamo domande del tipo: "Il gruppo delle parole più importanti è simile?" o "I due corpi di testo si uniscono allo stesso modo?" Gli studenti esaminerebbero due serie separate di tweet e li 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 nei confronti della teoria critica della razza – mentre l’altro usasse parole positive ma in tono ironico o sarcastico.
Volevamo disorientare un po' gli studenti perché JMP poteva 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 sentiment positivo e negativo?Abbiamo sottolineato l'importanza di ripulire i termini designati come parole chiave e abbiamo chiesto agli studenti di spiegare le differenze tra i cluster che stavano osservando. JMP raggrupperebbe temi diversi: uno riguarderebbe l’istruzione, un altro i politici, un altro il razzismo, un altro la 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 ciascun cluster.
Meg: Twitter è un vero campo minato per il sarcasmo! Come fa uno strumento statistico a individuare le intenzioni?
Megan: Giusto. Quindi qualcuno potrebbe twittare qualcosa del tipo: "Il fatto che il razzismo sia ancora prevalente in America è semplicemente sorprendente", anche se non significa 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 raccolto. Ad esempio, potresti pensare che le persone affermino che la teoria critica della razza sia sorprendente o sorprendente, anche se non è questo ciò che in realtà intendono le persone che twittano. Abbiamo quindi chiesto agli studenti di utilizzare JMP per osservare come veniva disperso il sentimento e separare il tono ironico da quello letterale.
Meg: Nessuno potrebbe sostenere che non sia interessante... ma qual è l'applicazione? Cosa stai imparando?
Megan: Bene, due cose. Per gli studenti, indagine e analisi politica è un corso obbligatorio e penso che, in definitiva, l'analisi dei dati sia una buona abilità da apprendere. Infatti, uno dei nostri relatori ospiti ha offerto ad alcune persone un lavoro come stagisti di analisi statistica alla fine del semestre! Più eri esperto in JMP – e più tempo ci dedicavi – più alta era la retribuzione. Quindi abbiamo chiesto a un paio di studenti di provarlo e spero che abbiano tratto qualcosa dall'esperienza. In secondo luogo, io e il mio professore stiamo valutando di presentare la nostra ricerca sui tweet sul Covid alla conferenza JMP di quest'anno.
Meg: Spero che tu lo faccia! Questo argomento sarebbe fantastico Vertice della scoperta parlare! Allora dimmi, quali sono alcune delle maggiori sfide legate ai dati che devi affrontare quando si tratta di utilizzare gli open data per esplorare l’opinione pubblica?
Megan: Per prima cosa, JMP stesso è molto facile da usare. Mi piace l'interfaccia utente. Ma da ciò deriva la responsabilità di leggere correttamente i dati. Penso che trovare quello che vuoi sia un tentativo ed errore, e devi avere una buona conoscenza di ciò che stai imparando in modo da poter vedere schemi quando pensi che non ce ne siano. Anche se lo schema è che non esiste uno schema, quello è uno schema! All'inizio può essere difficile da capire.JMP ti fornisce 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 progetto attuale 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 Hawai'i, Covid e il nostro governatore, David Ige.
Meg: Cosa ci si aspettava di trovare?
Megan: Le nostre domande principali erano: questi tweet su Covid alle Hawaii sono guidati dai recenti tassi di infezione? In altre parole, una volta che lo Stato segnala che abbiamo 700 nuovi casi, ciò spinge più persone a twittare su Covid?E in secondo luogo, qual è il contenuto dei loro tweet? Il contenuto di un tweet è correlato alle notizie trasmesse su Covid alle Hawaii? All’inizio era come “questa malattia mortale”, poi si è trasformato in “Dovremmo fare il vaccino?” E poi "Dovremmo prendere il booster?" Ora si tratta di mandati, non mandati, revoca mandati, ecc. Le notizie possono decidere cosa riferire e noi vogliamo sapere se ciò influisce su ciò su cui il cittadino medio sceglie di twittare.Ancora una volta, dobbiamo evidenziare il sarcasmo. La gente potrebbe dire qualcosa del tipo: “Fantastico, questo turista ha preso il Covid” o “È incredibile quando coloro che fanno rispettare le regole si rifiutano di seguirle”. Naturalmente, in realtà non intendono queste affermazioni alla lettera.
Meg: 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 del pubblico – questo è davvero ciò che stiamo facendo con questi incarichi. Vogliamo capire come cambia l’opinione pubblica.La novità di una pandemia in questo secolo moderno è, penso, ciò che ha reso la ricerca così interessante perché questo non accadeva da cento anni. All'epoca non avevamo JMP o qualcosa di simile, giusto? E soprattutto ora con i social media – e Twitter in particolare – disponiamo di una piattaforma senza precedenti in cui il pubblico può esprimere le proprie preoccupazioni e opinioni. Abbiamo più materiale che mai da analizzare in JMP!
Meg: In qualità di assistente didattico, quali approcci pedagogici hai osservato funzionano meglio quando si tratta di insegnare statistica a studenti universitari non specializzati in statistica?
Megan: Penso che la cosa importante sia riuscire a tracciare relazioni all'interno dei set di dati che scegliamo di fornire agli studenti. Abbiamo trascorso un paio di settimane a coprire la probabilità delle relazioni - la gamma o qualcosa del genere - e forse è stato un po' difficile da comprendere per tutti, soprattutto se avessimo scelto fattori diversi rispetto a quelli utilizzati nelle demo.Ma penso che la vera parte matematica sia stata la cosa più interessante, perché hai ragione: questi studenti non studiano matematica. I miei calcoli più alti erano come pre-calcolo e lo odiavo!
Una volta che ci rendiamo conto che ovviamente non tutti sono interessati o particolarmente dotati dal punto di vista matematico, possiamo concentrarci maggiormente sull’elaborazione delle relazioni. Ad esempio, abbiamo condotto un sondaggio sulla misura in cui i cittadini di uno stato si fidano dei politici del loro stato d’origine rispetto al presidente, e abbiamo esplorato se il locale guida il nazionale o viceversa. Oppure potremmo chiederci: avere un titolo di studio più alto – o il fatto che i tuoi genitori abbiano un titolo di studio più alto – ha qualcosa a che fare con il tuo debito?
Meg: Comprendere l'applicazione e le relazioni tra i fattori ha aiutato le persone a rimanere impegnate nell'apprendimento dei metodi statistici.
Megan: Decisamente. E soprattutto come laureati in scienze sociali! Vogliamo sempre scoprire il perché, anche nella politica quotidiana. Perché questa politica non viene attuata? Perché queste persone sono contrarie? Si tratta sempre di ciò che si nasconde dietro un 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 poi anche guardare i numeri – anche se non lo volevano – e quindi vedere se c'era una relazione tra i fattori che stavamo osservando.
Meg: Quindi nel tuo futuro avrai la facoltà di giurisprudenza, Megan? Pensi che sarai in grado di mettere a frutto queste competenze 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 osservo le emissioni di gas serra che causano il riscaldamento globale o cose del genere. Ma anche se la scienza dei dati non è al centro della mia carriera, era, ed è tuttora, un progetto interessante da portare avanti. E come ho detto prima, sono i dati a guidare la conversazione. Ovviamente mi piace avere un'opinione basata sull'evidenza, ed è ciò che JMP è in grado di fornirmi.
Meg: Quindi la mia ultima domanda è: che consiglio daresti agli studenti o agli utenti alle prime armi di JMP in generale?
Megan: Sicuramente usa il risorse che JMP ha da offrire ai principianti . Anche se arrivi con competenze avanzate, puoi comunque imparare anche attraverso i video. Ho imparato molto di quello 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 . 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, esplora. 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 mi sono reso conto un po’ meglio di quello che stavo facendo!
