编者按:R语言教授科学有什么挑战?属于一个系列性文章,共有三篇。通过这3篇文章,回答挑战是什么以及如何面对这些挑战。
第一篇文章旨在总结教育工作者所面临的主要挑战,作为一种帮助他们思考他们对课程材料所做的决定的工具。第二篇文章解释了是什么造就了一个好的教育资源,可以解决这些共同的挑战。最后一篇文章概述了教育工作者在未来创造和分享教学材料的主要目的,更重要的是,用R建立一个围绕科学教学的实践社区。
教师面临的主要挑战是如何将注意力集中在他们的主题而不是R上。在大多数使用R的课程中,一些学科如生态学、统计学或历史学是要教的主要的学科,而教授R只是达到这个目的的一种手段。换句话说,我们并不是像在计算机科学中那样教授关于R编程或编程的课程。相反,我们正在教授R,以便我们可以 教授特定的技能,如建模、操作或可视化数据 。我们教授这些技能,这样我们就可以 教学生如何像生态学家、心理学家、统计学家或历史学家那样思考 。然而,教学和学习的大部分日常工作都必须集中在R上,因为在这些领域中,R不仅仅是一种编程语言,而是 一门学科内的思想和表达语言 。因此,教育工作者必须平衡教授R与教授他们学科主题的关系。
这一挑战引出了课程设计的基本问题: 范围和顺序 。应该教什么,用什么顺序?在用R教授一门学科的课程中,确定范围的问题必然涉及应该教授R的哪些部分。这门课主要关注的是 Tidyverse ,还是主要使用 base R ?如果我们教的是Tidyverse,那么什么时候我们教的是base R惯例,这样学生就可以进入整个R生态系统?这一决定在很大程度上取决于研究领域的数据结构的特点。例如,可以列表数据结构(例如:数据框)是否被使用?或者,学生们也必须学会如何处理矩阵、列表或其他不太适合Tidyverse的数据结构?
在R基础课程中,学生的大部分时间都花在学习R上: 建立开发环境,学习语法,理解基本的计算概念(文件路径是一个永恒的问题),以及不可避免地处理代码中的bug 。新学生很容易因看似无法理解的错误信息而气馁,这可能会阻碍他们学习科学概念的进程,而这门课程实际上是要教授科学概念。教师们必须决定如何最好地利用他们有限的时间来处理这些问题。教育工作者面临的一项特别挑战是 开发材料和技术,以帮助学生克服技术问题的噪音,并将其转化为当前主题的实际信号 。
教育工作者必须考虑评估:评估学生在学期中进行的工作,评估在学期结束前应用课程材料的整体能力,评估课程的整体有效性,以便在未来的反复中进行修改。评估代码可能很困难,并且通常需要大量的基础设施来确保指导员能够运行并评论学生的代码。
最后, 教育工作者必须找到一种方法让学生从基本技能(如数据处理和可视化)到概念问题(如统计建模、社会科学思维) 。但更重要的是,教育工作者必须找到一种方法,让学生从受控的课堂环境中独立应用材料。在课堂上,学生们通常会得到已定义的数据,指导他们使用哪些方法,并给出所需的结果。许多教程的格式使学生倾向于遵循步骤而不是理解概念。在现实生活中,学生们需要使用真实的(通常是混乱的)数据集,选择正确的方法来分析数据,并定义他们自己的结果。 我们课程的最终目标,也是我们教育学最紧迫的问题,是教学生如何灵活和独立地应用我们课程中所教的概念 。
在下一篇文章中,我们将展示一些开放教育材料的例子,它们成功地解决了这些共同的挑战,并提炼出我们认为对用R教授科学特别有用和鼓舞人心的材料的可取特性。
原文链接: https://ropensci.org/blog/2018/07/24/educollab-challenges/
版权声明:作者保留权利,严禁修改,转载请注明原文链接。
数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习到有用知识。 平台的理念:人人投稿,知识共享;人人分析,洞见驱动;智慧聚合,普惠人人。 您在数据人网平台,可以1)学习数据知识;2)创建数据博客;3)认识数据朋友;4)寻找数据工作;5)找到其它与数据相关的干货。 我们努力坚持做原创,聚合和分享优质的省时的数据知识! 我们都是数据人,数据是有价值的,坚定不移地实现从数据到商业价值的转换!
以上所述就是小编给大家介绍的《R语言教授科学有什么挑战?》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 周志华教授力作,豆瓣10分好评
- Python为何如此优秀?斯坦福教授告诉你!
- 流利说 AI 刘扬:从教授到「AI 虚拟老师」
- UIUC陈德铭教授:「万能芯片」FPGA与深度学习
- 哈佛教授研究发现:企业回馈开源软件能带来竞争优势
- 顾险峰教授:解读医学影像配准的基本算法
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。