Das Lehren und Lernen der statistischen Konzepte ist seit vielen Jahren eine Herausforderung für Lehrer und Lernende, insbesondere für diejenigen, die an einführenden serviceorientierten Statistikkursen teilnehmen. Ein großer Teil dieser Herausforderung wurzelt im allgemeinen Ansatz vieler Kurse, nämlich durch das Beherrschen der statistischen und mathematischen Techniken, was im Widerspruch zu den oft mathematisch-phobischen Studenten steht, die für diese Kurse erforderlich sind.
Das Unterrichten von Statistikkonzepten (im Gegensatz zur Analyse) wurde in den letzten Jahren durch die Verwendung von Animationen und Applets unterstützt, um die zugrunde liegende Dynamik und Geometrie dieser Konzepte zu vermitteln. Die Forschung hat jedoch auch gezeigt, dass Studenten häufig die Verbindung zwischen dem Konzept mit einem Werkzeug und der Analyse mit einem anderen verlieren.
JMP bietet eine überzeugende Lösung für dieses Problem durch einen aktualisierten und kürzlich veröffentlichten Satz von In JSL entwickelte Konzeptanimationen (JMP Scripting Language) für das Lehren und Lernen einführender Statistiken. Diese neun Skripts behandeln die anspruchsvollsten Konzepte, die die Schüler erlernen müssen, und bieten ausreichend Gelegenheit, Parameter zu manipulieren und mit ihnen zu interagieren und ihre Wirkung zu sehen. Der pädagogische Vorteil ist, dass man seine eigenen Daten zur Simulation von Konzepten verwenden kann, wodurch eine einzige Plattform für die Entdeckung und Analyse von Konzepten bereitgestellt wird.
Der Gewinner des begehrten Downie Award 2010 (zumindest bei JMP wird hier begehrt), der die am meisten heruntergeladene Ressource von jmp.com erkennt. Diese verbesserten Skripts enthalten viele interne Verbesserungen und Ressourcen, um diese im Unterricht optimal zu nutzen. Die Skripts sind vollständig mit JMP 9 kompatibel, und der Experten-Scripter Wayne Levin von Predictum hat das Distribution Calculator-Skript vollständig neu geschrieben und den internen Code in anderen Skripts optimiert, um die Geschwindigkeit und Robustheit zu verbessern. Neue Hilfevideos begleiten die Skripts, um ihre beabsichtigten Anwendungen zu veranschaulichen.
Wir bieten auch ein neues Regressionsskript an, das von Mark Bailey von SAS Education entwickelt wurde. Alle Skripts wurden von Amy Froelich (Iowa State) und Bill Duckworth (Creighton) entworfen und von Predictum, Mark Bailey und dem JMP Academic Team entwickelt.
