Sowohl in akademischer als auch in beruflicher Hinsicht werden mehr Kurse angeboten und entwickelt, um mehr Menschen mit Daten, Analysen und Risikobewertungen vertraut zu machen. Dies erfordert einen gewissen Einsatz von Statistiken, und Software ist praktisch ein Werkzeug des Handels. Software - einige neu, manche verbessert, einige kommerziell und einige Open Source - sind zunehmend für ein breiteres Publikum verfügbar und verändern sich ständig.
Für die quantitativen Kurse, die ich am College besuchte, musste ich einige Programmiersprachen lernen, um SAS, SPSS und SHAZAM zu verwenden. Ich war anfangs kein Fan von JCL und anderen Programmiersprachen und fand das Erlernen der Syntax der Sprachen ein Hindernis für das Verständnis statistischer Konzepte.
Auf der positiven Seite erwiesen sich sogar meine eingeschränkten Codierfähigkeiten später als nützlich für meine Karriere, aber viele meiner Klassenkameraden, die sich mit Codierung beschäftigten, dämpften ihren Enthusiasmus - sowohl für das Programmieren als auch für die Statistik. Einmal war ich der hoch visuellen und interaktiven Erfahrung ausgesetzt JMP Bei der Datenanalyse und -analyse fragte ich mich, ob ich statistische Konzepte schneller verstanden hätte und ob andere Klassenkameraden mehr Begeisterung für Statistiken gehabt hätten, wenn wir JMP verwendet hätten.
Weitere Einführungsstatistiken werden als MOOCs angeboten. Viele Universitäten entwickeln ihre Lehrpläne um Business Analytics und andere Kurse, um breiter zu appellieren, mehr Menschen für das statistische Denken zu interessieren. Professionell werden auch grundlegendere Datenanalysekurse angeboten. Angesichts dessen ist es interessant zu sehen, welche Software verwendet wird: Tabellenkalkulationen, interaktive visuelle Software wie JMP, einige SAS-Schnittstellen, Schnittstellen zu R, Minitab usw. sowie sprachbasierte Ansätze wie R, SAS, Python und Andere.
Welche Faktoren beeinflussen welche Software in Kursen verwendet wird?
Ich frage mich, ob ich statistische Konzepte schneller verstanden hätte, wenn ich im College Zugang zu JMP gehabt hätte.
Einen Blogpost über geschrieben haben Unterrichtsstatistik mit JMP und wenn ich mich weiterhin mit Akademikern darüber unterhalte, wie sie statistische Konzepte vermitteln, bin ich neugierig auf die motivierenden Faktoren bei der Auswahl von Software, die von Studenten mit so unterschiedlichen Rechenzahlen verwendet wird. Oft sind die Kosten der treibende Faktor. Open Source Software ist frei verfügbar. Excel ist so allgegenwärtig, dass es im Wesentlichen als frei wahrgenommen wird (aber viele erkennen die Einschränkungen von Tabellenkalkulationen an).
Ein weiterer Motivationsfaktor für einige Kurse auf Intro-Ebene kann darin bestehen, den Schülern mehr marktfähige Fähigkeiten zu geben, und die Kenntnis einer beliebten Programmiersprache ist sicherlich eine solche Fähigkeit (zusätzlich zu der Kenntnis der Datenanalyse natürlich).
Eine weitere Überlegung könnte sein, dass die Software bereits vorhanden ist, was dort war und was der Ausbilder bereits weiß.
Lehren, statistisch zu denken
Abgesehen von diesen Faktoren möchten viele Ausbilder wirklich mehr Schüler dazu bringen, die Macht der Daten zu sehen und zu fühlen, um zu erfahren, was es heißt, „statistisch zu denken“. Sie erkennen an, dass viele Menschen das Verständnis statistischer Konzepte schätzen und davon profitieren werden, aber niemals Lernen Sie alle Programmiersprachen. Sie können statistisch denken, ohne zu wissen, wie man programmiert. Offensichtliche Beispiele wären Ärzte und Richter, deren Empfehlungen und Entscheidungen das Leben der Menschen stark beeinflussen können.
Ich habe vor kurzem das Lesen beendet Risikobereitschaft: Wie man gute Entscheidungen trifft durch Gerd Gigerenzer . Für viele wichtige Entscheidungen in Bezug auf Gesundheit, Finanzen und mehr teilt er fundierte Forschungsergebnisse, wie wir Risiken besser einschätzen können, um bessere Entscheidungen treffen zu können. Zum Beispiel hat er viel mit Ärzten gearbeitet, um den Patienten die Wahrscheinlichkeiten besser zu vermitteln (kurz gesagt, er rät, Wahrscheinlichkeiten in Eigenfrequenzen zu übersetzen). Für mehr in dieser Richtung David Spiegelhalter , der viel dazu beigetragen hat, die Massen darüber aufzuklären Unsicherheit verstehen und die vielen Dinge, die bei der Darstellung von Risiken für Entscheidungsträger zu berücksichtigen sind, haben einen großartigen Blogeintrag mit interaktiven Grafiken geschrieben 2845 Möglichkeiten, das Risiko zu spinnen .
Risiko zu verstehen ist Teil des statistischen Denkens, eine wichtige Fähigkeit in dieser datenreichen Zeit. Um ein breites Publikum anzulocken und mehr Menschen ein grundlegendes Verständnis wichtiger statistischer Konzepte zu vermitteln, gibt es zahlreiche Belege, die interaktiv sind Daten Visualisierung spielt eine wichtige Rolle. Durch dynamische und interaktive Grafiken wird Lernen zum Spiel.
Beobachtungen von Statistikprofessoren
Viele Professoren / Dozenten bieten zwingende Gründe, einen visuellen Pfad zu wählen (und sich für JMP zu entscheiden), um mehr Menschen mit dem statistischen Denken vertraut zu machen. Zum Beispiel hier ein paar Auszüge aus Interview letztes Jahr mit Christian Hildebrand , Assistant Professor für Marketing Analytics an der Geneva School of Economics and Management:
- "[Studenten] sagten:" Wow, ich wusste nie, dass Statistiken sogar Spaß machen können! " Da wurde mir klar, dass die statistische Software ist nicht nur ein Medium, sondern eine Umgebung, die tatsächlich dazu beitragen kann, statistische Konzepte besser zu verstehen. JMP war dafür ein großer Verstärker. "
- "Da die Software sich so stark auf die Visualisierung konzentriert, ist es für Sie viel einfacher zu verstehen, um was es sich bei den Daten handelt. Es ist wichtig, dass Schüler ihre Daten besser verstehen, indem sie mit den Daten in einer Softwareumgebung wie JMP interagieren. "
- "Was die Schüler an der Software wirklich sehr liebte, war die sehr intuitive Art des Lernens. Diese Intuition ist sehr wichtig, da Statistiken sehr kognitiv sind und Sie die Grundlagen erlernen müssen. Gleichzeitig ist es sehr wichtig, immer noch kreativ zu sein und über neue Hypothesen nachzudenken. Sehr oft lernt man das aus den Daten. Die Funktionen, die Sie mit JMP haben - mit den umfangreichen Visualisierungsfunktionen - sind der Schlüssel, um statistische Konzepte besser zu verstehen. “
Peter Goos , Ordentlicher Professor an der Universität Antwerpen in der Abteilung für Umwelt, Technologie und Management und David Meintrup , Professor für Mathematik und Statistik an der Hochschule Ingolstadt, Co-Autor, Statistik mit JMP: Grafiken, beschreibende Statistiken und Wahrscheinlichkeit . In ihrem Vorwort sagen sie:
"Wir haben uns für JMP als unterstützende Software entschieden, weil sie leistungsstark und einfach zu bedienen ist ... Wir glauben, dass Einführungskurse in Statistik und Wahrscheinlichkeit eine solche Software verwenden sollten, damit die Begeisterung der Studenten nicht im Keim erstickt wird. Tatsächlich stellen wir fest, dass Schüler aufgrund der einfachen Art und Weise, wie sie mit JMP leicht interagieren können, tatsächlich Begeisterung für Statistik und Wahrscheinlichkeit im Unterricht auslösen können. "
David Meintrup Kürzlich erzählte diese Geschichte auch: "Ich beende die erste Sitzung mit JMP mit Graph Builder immer. Wenn meine Schüler zum ersten Mal sehen, wie sie interaktiv eine Karte der Arbeitslosenquote in Europa in den Jahren 2000-2015 erstellen, werden sie überwältigt. Ich kann sehen, wie sich ihr Gesichtsausdruck verändert, und von diesem Punkt an muss ich mir keine Sorgen mehr um die Motivation machen. "
Iddo Gal , Dozent und ehemaliger Lehrstuhl für Human Services an der Universität von Haifa und ehemaliger Präsident der International Association of Statistical Education:
"2015 habe ich an dem JMP-Workshop (drei Stunden) in unserem IASE Satellite in Rio teilgenommen und erinnere mich, dass ich besonders beeindruckt bin von diesen Tools, die weit über die Optionen in anderen Paketen hinausgehen, und für mich den Teilnehmern helfen kann, das Besondere daran zu sehen und erfordert auch keine starken formalen / verfahrenstechnischen Fähigkeiten. Ich erinnere mich auch daran, wie die lokalen (brasilianischen) Statistiker überrascht wurden - sie sagten, dass sie so hart arbeiten, um die technischen [formelistischen, statistischen] Grundlagen multivariaten Materials und die Durchführung traditioneller Analysen zu vermitteln, und ihre Schüler kämpfen mit traditionellen Ergebnissen - jedoch innerhalb von 15 Nach wenigen Minuten in den Visualisierungsabschnitt des JMP-Workshops erkannten sie plötzlich, wie ihre Schüler die Dinge so viel einfacher sehen und verstehen können, was herauskommt. “
Anfang dieses Jahres in einem Interview mit Jason Brinkley , Biostatistiker und leitender Research-Methodologe an den American Institutes for Research, erörterte einige seiner Erfahrungen mit JMP, die er in seinem 2014er Discovery Summit Paper gemacht hatte. Verwendung von JMP als Katalysator für das Unterrichten datengesteuerter Entscheidungsfindung für Schülerinnen und Schüler . Der Kurs richtete sich zwar an Gymnasiasten, die in Mathematik und Naturwissenschaften begabt waren, aber Jason erklärte, dass dieser praktische Ansatz gut angenommen wurde, insbesondere von den Schülern, die noch keine fortgeschrittenen Platzierungsstatistiken belegt hatten. Sie konnten die Macht der Daten sehen und fühlen, und das weckte ihr Interesse. Jason sagte: "Man konnte sehen, dass die Leidenschaft von den Studenten aufkam, nicht unbedingt über die Forschung, sondern über die Daten."
Was ist mit dir?
Wie unterrichten Sie statistische Konzepte einem breiten Publikum für diejenigen von Ihnen, die im noblen Lehrberuf tätig sind? Ist von Anfang an ein gewisser Grad an Programmierung erforderlich, verfolgen Sie einen eher visuellen Ansatz oder geben Sie den Schülern Optionen, um die Werkzeuge zu wählen, die sie verwenden?
Wie wurden Sie für diejenigen unter Ihnen, die Studenten waren / sind, in die Statistik eingeführt? Mussten Sie zuerst eine Programmiersprache lernen oder haben Sie über ein interaktives Tool wie JMP gelernt? Glauben Sie, dass Sie die Konzepte schneller verstanden hätten, wenn Sie eine visuellere Einführung hätten? Wenn letzteres, haben Sie später überhaupt in das Erlernen einer Sprache (vielleicht JSL?) Investiert, weil es Ihnen dabei geholfen hat, mehr mit Ihren Daten zu tun?
Vielen Dank für Ihr Interesse und ich freue mich von Ihnen zu hören!
Michael Clayton schrieb:
Mit 80 Jahren können Sie sicher sein, dass das Programmieren in den 50er und 60er Jahren ein Alptraum für uns war. Technische Berechnungen wurden mit einem Rechenschieber durchgeführt. Sie konzentrierten sich darauf, die Einheiten richtig einzustellen und die Antwort zu schätzen, dann die LOG- und TRIG-TABELLEN herauszuholen, um die für einige Tests, insbesondere für wissenschaftliche Tests, erforderliche Präzision zu erhalten. Zu diesem Zeitpunkt basierten die frühen statistischen Methoden, insbesondere jegliche Art von Hypothesentest, auf kleinen Stichprobengrößen. So wurden die berüchtigten p-Werte und schließlich die 18 oder mehr eindeutigen Hypothesentests, die in Statistikklassen gefordert wurden, basierend auf Datentypen, Abhängigkeit, Anzeige Nausum. Also JA… als Spreadsheets auftauchten und davor die erschwinglichen Rechner, die bei der Entwicklung des IC entstanden waren, und schließlich JMP erschienen, haben diejenigen, die Statistiken hassen, plötzlich statistische Visualisierung geliebt, aber komplexe Hypothesentests nie wirklich gemocht Branchen, die jetzt "reich an Daten" waren.
Diejenigen, die ein paar Jahre später geboren wurden, kamen ins College, als die programmierbaren Rechner von Dec Vax und HP das Programmieren mit Programmieren zu einem Vergnügen machten. Daher schlossen sich die Mitglieder der alten Schule zu Teams zusammen, zu denen junge Computer mit Computerkenntnissen gehörten (nicht die in MIS.) oder IT, wie es später genannt wurde, aber die CIM- oder "Pocket-Programmierer" -Typen, die den technischen Kontext der Probleme verstanden haben. Wie John Sall sich vorstellte, hat JMP alles geändert. Die Beseitigung der Befehlszeilenprogrammierung für die neue GUI-Welt eroberte die Ingenieure der Welt, die zu beschäftigt waren, Code zu schreiben, nur um ein Problem zu studieren, und waren meistens "aufgeklärt" das Variabilitätsdiagramm oder Verteilungsdiagramm oder SPC-Diagramme und ging los, um die Probleme zu beheben, ohne einen statistischen Test durchzuführen, bis dies veranlasst wurde, und dies wurde natürlich auch vereinfacht. VIELEN DANK. JMP verlängerte mein nützliches Arbeitsleben um mindestens 20 Jahre und machte "Big Data" zum Spaß, auch wenn wir es nicht so nennen.
