398693_ja-JP

liliconcom

JMP を使用した分析的問題解決: 実世界のケースベースの学習体験 (2021-US-EPO-860)

レベル: 初心者

 

Anita Lee-Post、ケンタッキー大学教授
Ram Pakath、ケンタッキー大学教授

 

私たちは、分析的な問題解決のために JMP を使用してケースベースの学習体験を学生に提供するために、実際のアプリケーションの使用事例を作成しました。ユースケースは、COVID ワクチン接種関連データの取得、クレンジング、分析に関係しており、学生が米国での COVID ワクチンの受け入れに関する分析ベースの洞察を生成するのに役立ち、分析ベースのセンスメイキング、洞察生成、そして意思決定の申し出。具体的には、学生はクラスター分析、相関ルール分析、テキスト マイニングを相互に連携して実行します。 クラスター分析の結果は、ワクチン接種に対する態度に地理的な違いがあるかどうか、ワクチンの躊躇を克服するためにどの場所で努力を増やす必要があるかなどの質問に答えるのに役立ちます。アソシエーション ルール分析の結果は、予防接種に対するどのレベルの態度が、場所全体でのワクチンの摂取と最も強く関連しているか、および関連に時間的な違いがあるかどうかを明らかにするのに役立ちます。テキスト マイニングの結果は、ワクチン接種の経験を説明するために頻繁に使用される単語を特定し、経験に対する肯定的な認識と否定的な認識を区別するのに役立ちます。学生の学習成果の評価から得られた経験的証拠は、JMP を使用した分析的問題解決教育法で実際の使用事例を使用することの有効性に信憑性を与えます。

 

 

自動生成されたトランスクリプト...

 

スピーカー	成績証明書
ジャニス・ルボー、JMP	録音とは、これを録音するつもりであることと、あなたの許可を得ていることをお知らせしたかっただけです。
アニタ・リーポスト	わかりました。
ジャニス・ルボー、JMP	もしそれでよろしければ、私があなたに必要なものをいくつか持っていると思われます。それで、質問があれば、ここに私のチェックリストがあります。
	私。
	あなたの会社名とアブストラクトタイトルを確認できます。
	はい、わかりました。簡単に参加できます。共同プレゼンターはいません。ここであなたを見てみましょう。
	あなたのマイクはいい音です。
	よかった、携帯電話とコンピューターの音を消してください。
	ええ、ええ。
アニタ・リーポスト	ああ、このコンピューターですが、あなたのアドバイスはサイモンが言います。
	ふーむ。
	オフにしないだけで、どうなるかわかりません。
	自分のようなノイズ。
	Eメール。
ジャニス・ルボー、JMP	ええ、彼らがここにいる間あなたのものであるなら、ええええ、あなたは気が散らないことがわかるかもしれません。そして、あなたがヒーターを持っているかどうか、または今ヒーターを持っていないかどうかはわかりません。
	わかった。
	ここでは、プレゼンターのディスプレイを 1920 x 1080 に設定してくださいと書かれています。
	そうですね。
	私。
アニタ・リーポスト	そう願っています。
ジャニス・ルボー、JMP	では、プレゼンターが Outlook Skype を他のアプリケーションで閉じる方法を見てみましょう。
	プレゼンテーションをライブで行うときはいつでも、自己紹介をお願いします。
アニタ・リーポスト	そうそう、それは取引の一部なので、これも音声をオフにしようとしています。
ジャニス・ルボー、JMP	わかりました。
	プレゼンテーションを開始する準備が整ったら、私は自分自身をミュートにしてビデオを停止します。
	だから私はあなたの気をそらしません。
アニタ・リーポスト	ええと、私はただ行くつもりです。
	画面を共有するか、それがどうなるか。
	はい、私のパワーポイントです。
ジャニス・ルボー、JMP	画面を共有します。
アニタ・リーポスト	わかった。
ジャニス・ルボー、JMP	そして、あなたが私に会わないように、私はすべてを記録するつもりです.
	あなたは今私に会う必要はありません、あなたはただ先に進んであなたの画面を共有することができます私がそれを見ることができない場合はあなたに知らせます、そして私は自分自身をミュートするつもりですそして、いつ、まさに最後に、それで今日は終わります、またはこれで私のプレゼンテーションを終わりますと言うときは、次に戻ります。
	あなたのために働くものは何でも。
アニタ・リーポスト	そして、私はしなければならないかもしれないと思います。
	カップルは面倒です。
	長すぎて、今日ここに来ようとしたことを知りません。
	私。
アニタ・リーポスト	私にはわからないので、ビデオをより良くするためにいくつかのトリックを行うことができるかもしれません.
ジャニス・ルボー、JMP	そうですね。
	それを編集して、私があなたと同じように緊張していることを知っているので、何かが起こった場合にそれをやり直すことができることについて緊張する必要はありません。
	だからしないでください。
	準備ができたら、いつでも準備ができています。画面を共有したいだけです。
アニタ・リーポスト	私たちが見るように。
ジャニス・ルボー、JMP	パーフェクト私はそれを見ることができます。
	それは本当に良いです。
	おっと。
アニタ・リーポスト	少しええと見えますか。
	あなたがズームキャストをよく呼んだのは、基本的には対処することです。
	そこにあなたがいて、これは隅にいる私でした。
ジャニス・ルボー、JMP	私はあなたが何を言っているのかわかりません。つまり、あなたの画面が今表示されているということです。そこにはディスカバリー サミット オンラインと表示されており、反対側で英国に賭けていますが、そうでした。
アニタ・リーポスト	つまり、画面に表示されているものが見えないということです。画面では、私が小さすぎると想定しているためです。
	の画像。
	参加している人々。
ジャニス・ルボー、JMP	また。
アニタ・リーポスト	私たちのビデオ。
ジャニス・ルボー、JMP	正しいので、あなたはなるつもりです 私は今私のビデオを止めるつもりです。
アニタ・リーポスト	だから基本的に私はうらやましいです。
	愚かなことに、すべての聴衆は基本的に私の顔を見ることはありません。
ジャニス・ルボー、JMP	彼らは今あなたの顔を見るでしょう。
アニタ・リーポスト	ああ、できます。
ジャニス・ルボー、JMP	はい、彼らはあなたの顔になるので、あなたは話すつもりです、そしてあなたは私の写真を見てください.
アニタ・リーポスト	はい、できます。
ジャニス・ルボー、JMP	ええ、でも話している間、誰かを見ているような気分になります。
	私の写真を見て、実際にカメラを見てプレゼンテーションを見てください。
アニタ・リーポスト	よし、やってみよう。
	ありがとうございます。もう一度試してみます。
ジャニス・ルボー、JMP	彼らが入って編集するので、あなたのためにそれを編集するだけです。
	私は先に進み、ミュートします。その後、快適なときにいつでも始めてください。
	いい仕事をさせてもらいます。
	ミュートします。
	わかった。
アニタ・リーポスト	こんにちは、ようこそ
	2021 JMP ディスカバリー
	サミット。 私の名前はアニタ・リー・ポストです。 今日の私のプレゼンテーションの題名は
	使用する
	私の同僚である Ron Pakath 博士と共著した、実世界のケースベースの学習経験。
	まず、分析教育に JMP を使用した経験について、背景を説明します。
	さかのぼること 2019 年の秋、私たちはケンタッキー大学で Business Analytics...Business Analytics Minor Program を開始しました。
	そのプログラムの最初のコースは、ビジネス分析入門と呼ばれ、分析の概念とソフトウェア スキルの開発に焦点を当てています。
	JMP がソフトウェアの最初の選択肢になりました。
	データクレンジング、ビジュアライゼーション、データマイニングなど、私たちが必要とする分析スキルセットの開発に適した機能を備えています。
	実際のケースベースの学習は、ソフトウェア スキルの教育と学習に効果的であることが実証されているため、COVID-19 パンデミックをアプリケーション コンテキストとして使用して、学生が JMP を使用して分析的な問題を解決できるようにする多くのケースを作成します。
	本日ご紹介する事例は、COVID ワクチン接種関連データの取得、クレンジング、変更、分析に関するものです。
	学生はクラスター分析、相関ルール分析、テキストマイニングを実行します。
	洞察を得るために
	さまざまなCOVIDワクチン関連の問題に。
	だから、私たちとして
	あなたに少し味を与える
	何
	JMP 分析には、クラスター分析から、
	Facebook ユーザーを回答者として使用したカーネギー メロン大学の COVID 症状調査。
	彼らの調査から私たちが特に興味を持っているデータは、集計によって測定されるワクチンの受け入れです。
	COVID ワクチンが適切である場合、COVID ワクチンを確実に、またはおそらく選択すると回答した回答者の割合を毎日カウントします。
	その日彼らに提供されました。
	そこで、K 平均法クラスタリングを使用して、2020 年 12 月から 2021 年 2 月までのワクチン受け入れデータを分析します。
	この地理的地図に示されているように、50 州とコロンビア特別区は、
	3 つのクラスターにグループ化されました。
	受け入れ率が高い 78% は青色で示されています。
	より低い受け入れ、それは
	66%、
	は赤で示され、緑は中程度の受け入れであり、受け入れのレベルは 73% です。
	この非常に単純なクラスター分析から
	合格率向上に注力するよう勧告を受けた
	ワクチンの受け入れが低い赤い州、ここで赤い色の州をターゲットにすることによって。
	次に、受け入れデータと結合します。

データ アクセスと操作データ探索電子ポスター