教授可复现性的主张性实践：动机、引导式教学与练习
计算机与社会
2022-07-26 v2 统计方法学
摘要
在不列颠哥伦比亚大学的数据科学课程中，我们将数据科学定义为对可复现且可审计的流程的研究、开发与实践，以从数据中获取洞见。尽管可复现性是我们定义的核心，但大多数数据科学学习者在进入该领域时心中想的是数据科学的其他方面，例如预测建模，这往往是新手最感兴趣的主题之一。这一事实，加上当前数据科学中行业标准的可复现性工具高度技术化的性质，给在数据科学课堂中教授可复现性带来了起步挑战。简言之，学生内在学习该主题的动机不足，且对他们而言这并非易学的内容。数据科学教育者能做些什么？在多次讲授聚焦于可复现数据科学工具与工作流的课程后，我们发现提供额外动机、引导式教学以及大量练习是有效教授这一具挑战性却重要的主题的关键。在此我们展示如何深度激励、有效引导并为数据科学学生提供充足练习机会，以使其有效投入该主题学习的实例。
引用
@article{arxiv.2109.13656,
title = {Opinionated practices for teaching reproducibility: motivation, guided instruction and practice},
author = {Joel Ostblom and Tiffany Timbers},
journal= {arXiv preprint arXiv:2109.13656},
year = {2022}
}