Sia accademicamente che professionalmente, vengono offerti e sviluppati più corsi per rendere più confortevoli le persone con dati, analisi e valutazione del rischio. Ciò richiede un certo uso di statistiche, e il software è praticamente uno strumento del mestiere. Il software - alcuni nuovi, alcuni potenziati, alcuni commerciali e alcuni open source - è sempre più disponibile per un pubblico più ampio ed è in continua evoluzione.
Per i corsi quantitativi che ho frequentato all'università, ho dovuto imparare alcuni linguaggi di programmazione per usare SAS, SPSS e SHAZAM. Non ero un fan dell'apprendimento iniziale di JCL e di altri linguaggi di programmazione e ho scoperto che imparare la sintassi delle lingue era un ostacolo alla comprensione dei concetti statistici.
Sul lato positivo, anche le mie capacità limitate di codifica si sono poi rivelate utili per la mia carriera, ma l'esposizione alla codifica di molti dei miei compagni di classe ha smorzato il loro entusiasmo, sia per la programmazione che per le statistiche. Una volta sono stato esposto all'esperienza altamente visiva e interattiva che JMP fornisce esplorazione e analisi dei dati, mi chiedevo se avrei capito i concetti statistici più rapidamente e se i compagni di classe avrebbero avuto maggiore entusiasmo per le statistiche se avessimo usato JMP.
Ulteriori corsi di introduzione alle statistiche vengono offerti come MOOC. Molte università stanno evolvendo i propri curricula per includere analisi di business e altri corsi per fare appello in modo più ampio a coinvolgere più persone nel pensiero statistico. Professionalmente, vengono offerti anche corsi di analisi dei dati di base. Alla luce di tutto ciò, è interessante vedere quale software viene utilizzato: fogli di calcolo, software visivi interattivi come JMP, alcune interfacce SAS, interfacce per R, Minitab, ecc., Nonché approcci basati sulla lingua come R, SAS, Python e altri.
Quali fattori influenzano il software utilizzato nei corsi?
Mi chiedo se avrei capito concetti statistici più rapidamente se avessi avuto accesso a JMP al college.
Dopo aver scritto un post sul blog insegnare statistiche con JMP e continuando a impegnarsi con gli accademici su come insegnano i concetti statistici, sono curioso dei fattori motivanti nella scelta del software da utilizzare da parte degli studenti con vari livelli di numeracy. Spesso, il costo è il fattore trainante. Il software open source è disponibile gratuitamente. Excel è così onnipresente che è essenzialmente percepito come libero (ma molti riconoscono i limiti dei fogli di calcolo).
Un altro fattore motivante di alcuni corsi introduttivi può essere quello di lasciare agli studenti competenze più negoziabili, e conoscere un linguaggio di programmazione popolare è certamente una tale abilità (oltre a conoscere l'analisi dei dati, ovviamente).
Un'altra considerazione potrebbe essere che il software è già lì, cosa c'è stato e cosa sa già l'istruttore.
Insegnare a pensare statisticamente
Ma al di là di questi fattori, molti istruttori vogliono veramente coinvolgere più studenti per vedere e sentire il potere dei dati, per sperimentare cosa significa "pensare statisticamente". Riconoscono che molte persone apprezzeranno e trarranno beneficio dalla comprensione dei concetti statistici, ma potrebbero non andare avanti per imparare tutti i linguaggi di programmazione. Possono essere capaci di un pensiero statistico senza sapere come programmare. Esempi ovvi sarebbero medici e giudici, le cui raccomandazioni e decisioni possono influire in modo potente sulla vita delle persone.
Ho appena finito di leggere Risk Savvy: come prendere buone decisioni di Gerd Gigerenzer . Per molte decisioni importanti riguardanti la nostra salute, le finanze e altro, condivide una ricerca ben fondata su come possiamo valutare meglio i rischi per prendere decisioni migliori. Ad esempio, ha lavorato molto con i medici per comunicare meglio le probabilità ai loro pazienti (in breve, consiglia di tradurre le probabilità in frequenze naturali). Per più lungo queste linee, David Spiegelhalter , che ha fatto molto per educare le masse in merito Comprensione dell'incertezza e le molte cose da considerare nel presentare il rischio per i responsabili delle decisioni, ha scritto un ottimo post sul blog con la grafica interattiva su 2845 modi per far girare il rischio .
Comprendere il rischio è parte del pensiero statisticamente, un'abilità importante in questa era ricca di dati. Per attrarre il pubblico più vasto e dare a più persone una comprensione fondamentale di importanti concetti statistici, vi è una considerevole evidenza che interattivo dati visualizzazione gioca un ruolo importante. Attraverso grafici dinamici e interattivi, l'apprendimento diventa gioco.
Osservazioni di professori di statistica
Molti professori / istruttori offrono validi motivi per intraprendere un percorso visivo (e scegliere JMP) come mezzo per introdurre più persone nel pensiero statistico. Ad esempio, ecco alcuni estratti da un colloquio l'anno scorso con Christian Hildebrand , Assistente Professore di Marketing Analytics presso la Scuola di Economia e Management di Ginevra:
- "[Gli studenti] hanno detto 'Wow, non ho mai saputo che le statistiche potrebbero essere anche divertenti!' Questo è quando ho capito che il software statistico non è solo un mezzo, è un ambiente che può effettivamente aiutare a capire meglio i concetti statistici. JMP era un grande amplificatore per questo ".
- "Con il software che si concentra così tanto sulla visualizzazione, è molto più facile per te capire veramente quale sia il problema nei dati. È fondamentale per gli studenti comprendere meglio i propri dati interagendo con i dati in un ambiente software come JMP. "
- "Quello che gli studenti hanno veramente amato del software era che avevano un modo di apprendimento molto intuitivo. Questa intuizione è molto importante perché le statistiche sono molto cognitive e devi imparare le basi. Allo stesso tempo, è molto importante essere ancora creativi e pensare a nuove ipotesi, e molto spesso lo si apprende dai dati. Le capacità che hai con JMP - con le ricche capacità di visualizzazione - sono le chiavi per capire meglio i concetti statistici. "
Peter Goos , Professore ordinario all'Università di Anversa, Dipartimento di Ambiente, Tecnologia e Gestione, e David Meintrup , Professore di Matematica e Statistica presso l'Università di Scienze Applicate di Ingolstadt co-autore, Statistiche con JMP: grafici, statistiche descrittive e probabilità . Nella loro prefazione, dicono:
"Abbiamo scelto JMP come software di supporto perché è potente ma facile da usare .... Riteniamo che i corsi introduttivi in statistica e probabilità dovrebbero utilizzare tale software in modo che l'entusiasmo degli studenti non venga stroncato sul nascere. In effetti, scopriamo che, a causa del modo in cui gli studenti possono facilmente interagire con JMP, può effettivamente suscitare entusiasmo per le statistiche e le probabilità in classe. "
David Meintrup anche recentemente ha condiviso questa storia: "Termino sempre la prima sessione su JMP con Graph Builder. La prima volta che i miei studenti vedono come creare in modo interattivo una mappa del tasso di disoccupazione in Europa negli anni 2000-2015, vengono spazzati via. Posso vedere come cambia la loro espressione facciale e da quel momento in poi non devo più preoccuparmi della motivazione. "
Iddo Gal , Professore incaricato e past presidente, dipartimento dei servizi umani presso l'Università di Haifa e ex presidente dell'Associazione internazionale di educazione statistica:
"Nel 2015, ho partecipato al workshop di JMP (tre ore) nel nostro satellite IASE a Rio, e ricordo di essere rimasto particolarmente colpito da questi strumenti, che superano di gran lunga le opzioni di altri pacchetti, e per me può aiutare i nostri partecipanti a vedere ciò che è unico al riguardo e inoltre non richiede forti capacità formali / procedurali. Ricordo anche come gli statistici locali (brasiliani) furono colti di sorpresa - dissero che lavoravano così duramente per impartire le basi tecniche [formali, statiche] delle cose multivariate e le analisi tradizionali, ei loro studenti lottavano con le produzioni tradizionali - eppure entro 15 I minuti trascorsi nella sezione di visualizzazione del workshop di JMP, improvvisamente, hanno realizzato come i loro studenti possano vedere le cose molto più facilmente e capire e vedere cosa sta uscendo ".
All'inizio di quest'anno in un'intervista con Jason Brinkley , biostatista e metodologo di ricerca senior presso gli American Institutes for Research, ha discusso alcune delle sue esperienze di insegnamento con JMP dal suo summit del Discovery del 2014, Utilizzo di JMP come catalizzatore per insegnare il processo decisionale guidato dai dati agli studenti delle scuole superiori . Sebbene il corso fosse rivolto a studenti delle scuole superiori dotati di matematica e scienze, Jason ha spiegato che questo approccio pratico è stato ben accolto, specialmente da parte degli studenti che non avevano ancora completato l'Advanced Placement Statistics. Potevano vedere e sentire il potere dei dati, e questo ha suscitato il loro interesse. Jason ha detto: "Potresti vedere la passione che inizia a venire dagli studenti, non necessariamente sulla ricerca ma sui dati".
E tu?
Per quelli di voi nella nobile professione dell'insegnamento, come insegnate concetti statistici a un vasto pubblico? Un certo livello di programmazione è coinvolto sin dall'inizio, usi un approccio più visivo o offri agli studenti opzioni per scegliere gli strumenti che usano?
Per quelli di voi che erano / sono studenti, come siete stati introdotti alle statistiche? Hai dovuto imparare prima un linguaggio di programmazione o hai imparato tramite uno strumento interattivo come JMP? Se il primo, pensi che avresti capito i concetti più velocemente se avessi avuto una presentazione più visiva? Se quest'ultimo, in seguito, hai investito nell'apprendimento di una lingua (forse JSL?) Perché ti ha aiutato a fare di più con i tuoi dati?
Grazie per l'interesse e non vedo l'ora di sentirti!
Michael Clayton ha scritto:
MA per rispondere alla domanda "programmazione in classe":
Molti dei miei clienti hanno trovato il linguaggio R open source alimentato con dati strutturati da Python, per essere un importante set di strumenti abilitanti nell'insegnamento di corsi statistici più complessi e corsi di simulazione ingegneristica con competenze di base in Algebra lineare (non insegnato nell'ingegneria degli anni 1950 eccetto EE come Io ricordo). Edx.org e Coursera.org hanno classi analitiche basate su R e Python che presuppongono che gli studenti possano caricare R e Python sui loro PC e lentamente diventare produttivi mentre imparano l'analisi allo stesso tempo. Un decennio prima, a JSL è stato insegnato a circa 1 o 10 utenti JMP di supportare gli altri 9 di ciascun team, principalmente per il data mining dei numerosi MES e DB di Eng. E nei siti con un grande gruppo di utenti JMP, troviamo alcuni R-augmentors e Python-SQL data mining e structuring folk. Quindi SÌ, quei team traggono vantaggio dall'introduzione a JSL che possono quindi consigliare ai loro compagni di "data mining" e farli aderire al gruppo di utenti JMP.
Michael Clayton ha scritto:
All'età di 80 anni si può essere sicuri che la programmazione è stata un incubo per noi al college negli anni '50 e anche negli anni '60. Inoltre, i calcoli ingegneristici sono stati eseguiti con una regola di scorrimento e si sono concentrati su come ottenere le unità corrette e stimare la risposta, quindi ottenere le LOG e TRIG TABLES per ottenere la precisione necessaria per alcuni test, in particolare i test scientifici. Ma a quel tempo, i primi metodi statistici, in particolare qualsiasi tipo di test di ipotesi, erano basati su campioni di dimensioni ridotte. Quindi i famigerati valori p e alla fine i 18 o più test di ipotesi unici richiesti in classi di statistiche basate su tipi di dati, dipendenza, annuncio fino alla nausea. Quindi SÌ ... quando comparvero i fogli di calcolo e prima che comparissero i calcolatori economici che si ottenevano quando l'IC fu sviluppato, e alla fine apparve JMP, quelli di noi che odiavano le statistiche amarono improvvisamente la visualizzazione statistica, ma non apprezzavano mai complesse prove di ipotesi mentre lavoravamo industrie che ora erano "ricche di dati".
Quelli che nacquero pochi anni dopo arrivarono all'università quando i calcolatori programmabili Dec Vax e HP fecero imparare a programmare un piacere, così quelli di noi della vecchia scuola si unirono ai team che includevano quei giovani studenti di computer-literal (non quelli in MIS .. .o IT come in seguito si chiamava, ma i tipi CIM o "programmatore tascabile" che comprendevano il contesto ingegneristico dei problemi. JMP ha cambiato tutto, come John Sall ha immaginato, l'eliminazione della programmazione da riga di comando per il nuovo mondo della GUI ha catturato gli ingegneri del mondo che erano troppo occupati a scrivere codice solo per studiare un problema, e sono stati "illuminati" il più delle volte da il grafico Variable Plot o Distribution Plot o SPC e se ne andò per risolvere i problemi senza nemmeno eseguire un test statistico fino a quando non li spinse a farlo, e ovviamente fu anche reso più facile. GRAZIE. JMP ha esteso la mia utile vita lavorativa di almeno 20 anni e ha reso divertente il "big data" anche se non l'avessimo chiamato così.
