Statistik utbildning

Ej att förväxla med "utbildningsstatistik", användningen av statistik i utbildningsforskning .

Statistikutbildning är praktiken av undervisning och lärande av statistik , tillsammans med tillhörande vetenskaplig forskning.

Statistik är både en formell vetenskap och en praktisk teori för vetenskaplig undersökning , och båda aspekterna beaktas i statistikundervisningen. Utbildning i statistik har liknande problem som utbildning i andra matematiska vetenskaper , som logik , matematik och datavetenskap . Samtidigt handlar statistik om evidensbaserade resonemang, särskilt med analys av data. Därför har utbildning i statistik starka likheter med utbildning i empiriska discipliner som psykologi och kemi , där utbildning är nära knuten till "hands-on" experiment.

Matematiker och statistiker arbetar ofta på en avdelning för matematiska vetenskaper (särskilt på högskolor och små universitet). Statistikkurser har ibland undervisats av icke-statistiker, mot rekommendationerna från vissa professionella organisationer av statistiker och matematiker.

Statistikutbildningsforskning är ett framväxande fält som växte fram ur olika discipliner och håller för närvarande på att etablera sig som ett unikt fält som ägnas åt att förbättra undervisnings- och lärandestatistik på alla utbildningsnivåer.

Mål för statistikutbildningen

Statistikpedagoger har kognitiva och icke-kognitiva mål för eleverna. Till exempel definierade den tidigare för American Statistical Association (ASA) Katherine Wallman statistisk läskunnighet som att inkludera de kognitiva förmågorna att förstå och kritiskt utvärdera statistiska resultat samt att uppskatta de bidrag som statistiskt tänkande kan ge.

Kognitiva mål

I texten som kommer från 2008 års gemensamma konferens för International Commission on Mathematical Instruction och International Association of Statistics Educators, redaktörerna Carmen Batanero, Gail Burrill och Chris Reading (Universidad de Granada, Spanien, Michigan State University, USA och University of New England, Australien, respektive) noterar världsomspännande trender i läroplaner som återspeglar dataorienterade mål. Särskilt söker pedagoger för närvarande att eleverna: "designa undersökningar; formulera forskningsfrågor; samla in data med hjälp av observationer, undersökningar och experiment; beskriva och jämföra datamängder; och föreslå och motivera slutsatser och förutsägelser baserat på data." Författarna noterar vikten av att utveckla statistiskt tänkande och resonemang utöver statistisk kunskap.

Trots det faktum att kognitiva mål för statistikundervisning i allt högre grad fokuserar på statistisk läskunnighet, statistiskt resonemang och statistiskt tänkande snarare än på färdigheter, beräkningar och procedurer enbart, finns det ingen enighet om vad dessa termer betyder eller hur man ska bedöma dessa resultat. Ett första försök att definiera och skilja mellan dessa tre termer visas på ARTIST-webbplatsen som skapades av Garfield , delMas och Chance och har sedan dess inkluderats i flera publikationer. Korta definitioner av dessa termer är följande:

  1. Statistisk läskunnighet är att kunna läsa och använda grundläggande statistiskt språk och grafiska representationer för att förstå statistisk information i media och i det dagliga livet.
  2. Statistiska resonemang är att kunna resonera kring och koppla samman olika statistiska begrepp och idéer, som att veta hur och varför extremvärden påverkar statistiska mått på centrum och variabilitet.
  3. Statistiskt tänkande är den typ av tänkande som används av statistiker när de stöter på ett statistiskt problem. Detta innebär att man tänker på uppgifternas natur och kvalitet och, varifrån data kommer, att välja lämpliga analyser och modeller, och att tolka resultaten i sammanhanget av problemet och med tanke på datans begränsningar.

Ytterligare kognitiva mål för statistikundervisningen varierar mellan elevernas utbildningsnivå och de sammanhang där de förväntar sig att möta statistik.

Statistiker har föreslagit vad de anser vara de viktigaste statistiska begreppen för utbildade medborgare. Till exempel publicerade Utts (2003) sju områden om vad varje utbildad medborgare borde veta, inklusive förståelse för att "variabilitet är normalt" och hur "tillfälligheter ... inte är ovanliga eftersom det finns så många möjligheter." Gal (2002) föreslår att vuxna i industrialiserade samhällen förväntas utöva statistisk läskunnighet, "förmågan att tolka och kritiskt utvärdera statistisk information ... i olika sammanhang, och förmågan att ... kommunicera förståelse och oro angående ... slutsatser."

Icke-kognitiva mål

Icke-kognitiva utfall inkluderar affektiva konstruktioner som attityder, övertygelser, känslor, dispositioner och motivation. Enligt framstående forskare Gal & Ginsburg bör statistiklärare göra det till en prioritet att vara medvetna om elevernas idéer, reaktioner och känslor inför statistik och hur dessa påverkar deras lärande.

Tro

Övertygelser definieras som ens individuella idéer om statistik, om sig själv som inlärare av statistik och om det sociala sammanhanget för att lära sig statistik. Övertygelser skiljer sig från attityder i den meningen att attityder är relativt stabila och intensiva känslor som utvecklas över tid i samband med erfarenheter som lär sig statistik. Elevernas nät av övertygelser ger ett sammanhang för deras inställning till sina klassrumsupplevelser i statistik. Många elever går in i en statistikkurs med oro för att lära sig ämnet, vilket motverkar den lärmiljö som instruktören försöker åstadkomma. Därför är det viktigt för instruktörer att ha tillgång till bedömningsinstrument som kan ge en initial diagnos av elevernas tro och övervaka trosuppfattningar under en kurs. Ofta har bedömningsinstrument övervakat föreställningar och attityder tillsammans. För exempel på sådana instrument, se avsnittet attityder nedan.

Dispositioner

Disposition har att göra med hur eleverna ifrågasätter data och närmar sig ett statistiskt problem. Dispositioner är en av de fyra dimensionerna i Wild och Pfannkuchs ramverk för statistiskt tänkande, och innehåller följande element:

  • Nyfikenhet och medvetenhet: Dessa egenskaper är en del av processen att generera frågor och generera idéer för att utforska och analysera data.
  • Engagemang: Eleverna kommer att vara mest observanta och medvetna inom de områden de tycker är mest intressanta.
  • Fantasi: Denna egenskap är viktig för att se ett problem ur olika perspektiv och komma på möjliga förklaringar.
  • Skepsis: Kritiskt tänkande är viktigt för att ta emot nya idéer och information och för att utvärdera lämpligheten av studiedesign och analys.
  • Att vara logisk: Förmågan att upptäcka när en idé följer av en annan är viktig för att komma fram till giltiga slutsatser.
  • En benägenhet att söka djupare mening: Detta innebär att inte ta allt till nominellt värde och vara öppen för att överväga nya idéer och gräva djupare efter information.

Scheaffer konstaterar att ett mål med statistikutbildningen är att eleverna ska se statistik brett. Han tog fram en lista över synpunkter på statistik som kan leda till denna breda syn, och beskriver dem på följande sätt:

  • Statistik som talkänsla: Förstår jag vad siffrorna betyder? (se data som siffror i sitt sammanhang, läsa diagram, grafer och tabeller, förstå numeriska och grafiska sammanfattningar av data, etc.)
  • Statistik som ett sätt att förstå världen: Kan jag använda befintlig data för att fatta beslut? (med hjälp av folkräkningsdata, födelse- och dödstal, sjukdomsfrekvens, KPI, betyg, rankningar, etc., för att beskriva, bestämma och försvara)
  • Statistik som organiserad problemlösning: Kan jag utforma och genomföra en studie för att svara på specifika frågor? (ställ problem, samla in data enligt en plan, analysera data och dra slutsatser från data)

Attityder

Eftersom elever ofta upplever matteångest och negativa åsikter om statistikkurser har olika forskare tagit upp attityder och oro mot statistik. Vissa instrument har utvecklats för att mäta högskolestudenters attityder till statistik och har visat sig ha lämpliga psykometriska egenskaper. Exempel på sådana instrument inkluderar:

  • Survey of Attitudes Towards Statistics (SATS), utvecklad av Schau, Stevens, Dauphinee och Del Vecchio
  • Attityd Toward Statistics Scale, utvecklad av Wise
  • Statistics Attitude Survey (SAS), utvecklad av Roberts och Bilderback

Noggrann användning av instrument som dessa kan hjälpa statistikinstruktörer att lära sig om elevernas uppfattning om statistik, inklusive deras oro för att lära sig statistik, den upplevda svårigheten att lära sig statistik och deras upplevda användbarhet av ämnet. Vissa studier har visat blygsamma framgångar med att förbättra elevernas attityder i enskilda kurser, men inga generaliserbara studier som visar förbättringar i studenternas attityder har setts.

Ändå är ett av målen med statistikundervisningen att göra studier av statistik till en positiv upplevelse för studenter och att få in intressanta och engagerande exempel och data som motiverar eleverna. Enligt en ganska färsk litteraturgenomgång kan förbättrade elevers attityder till statistik leda till bättre motivation och engagemang, vilket också förbättrar kognitiva inlärningsresultat.

Primär–gymnasial utbildningsnivå

Nya Zeeland

I Nya Zeeland har en ny läroplan för statistik tagits fram av Chris Wild och kollegor vid Auckland University. De förkastar det konstruerade, och nu onödiga på grund av datorkraft, tillvägagångssätt för resonemang under noll och restriktioner för normal teori, och använder jämförande boxplots och bootstrap för att introducera begrepp om samplingsvariabilitet och slutledning. Den utvecklande läroplanen innehåller också aspekter av statistisk läskunnighet .

Storbritannien

I Storbritannien har åtminstone en del statistik lärts ut i skolor sedan 1930-talet. För närvarande utvecklas kvalifikationer på A-nivå (som vanligtvis tas av 17- till 18-åringar) i "Statistik" och "Ytterligare statistik". Täckningen av den förra inkluderar: Sannolikhet; Datainsamling; Beskrivande statistik; Diskreta sannolikhetsfördelningar; Binomial distribution; Poisson distributioner; Kontinuerliga sannolikhetsfördelningar; Normalfördelningen; Uppskattning; Hypotestestning; Chi-kvadrat; Korrelation och regression. Täckningen av "Ytterligare statistik" inkluderar: Kontinuerliga sannolikhetsfördelningar; Uppskattning; Hypotestestning; Ett provtest; Hypotestestning; Två provprov; Goodness of Fit Tests; Experimentell design; Variansanalys (Anova); Statistisk processtyrning; Acceptanssampling. Center for Innovation in Mathematics Teaching (CIMT) har onlinekursanteckningar för dessa uppsättningar av ämnen. Revisionsnoteringar för en befintlig kvalifikation indikerar en liknande täckning. Vid en tidigare ålder (vanligtvis 15–16 år) innehåller GCSE- kvalifikationer i matematik "Statistik och sannolikhet"-ämnen om: Sannolikhet; Genomsnitt; Standardavvikelse; Provtagning; Kumulativa frekvensgrafer (inklusive median och kvantiler); Representerar data; Histogram. Storbritanniens Office for National Statistics har en webbsida som leder till material som passar både lärare och elever på skolnivå. 2004 gjorde Smith-utredningen följande uttalande:

"Det finns mycket oro och debatt om placeringen av statistik och datahantering inom nuvarande matematik GCSE, där den upptar cirka 25 procent av schematilldelningen. Å ena sidan finns det bred enighet om att Key Stage 4 läroplanen är över -trångt och att införandet av statistik och datahantering kan ha skett på bekostnad av den tid som behövs för att öva och skaffa sig flyt i grundläggande matematiska manipulationer. Många inom högre utbildnings matematik och ingenjörsavdelningar har denna uppfattning. Å andra sidan finns det överväldigande ett erkännande, som delas av utredningen, av den avgörande betydelsen av kunskaper om statistik och datahantering både för ett antal andra akademiska discipliner och på arbetsplatsen.Utredningen rekommenderar att det görs en radikal omprövning av denna fråga och att mycket av undervisningen och lärande av statistik och datahantering skulle bättre avlägsnas från matematikschemat och integreras med undervisning och lärande inom andra discipliner (t.ex. biologi eller geografi). Den tid som återställs till matematikschemat bör användas för att få större behärskning av grundläggande matematiska begrepp och operationer. "

Förenta staterna

I USA har skolgång ökat användningen av sannolikhet och statistik, särskilt sedan 1990-talet. Sammanfattande statistik och grafer lärs ut i grundskolan i många stater. Ämnen i sannolikhet och statistiskt resonemang lärs ut i gymnasiekurser i algebra (eller matematisk vetenskap); statistiska resonemang har undersökts i SAT -testet sedan 1994 . College Board har utvecklat en avancerad placeringskurs i statistik , som har tillhandahållit en kurs i statistik på högskolenivå till hundratusentals gymnasieelever, med den första undersökningen i maj 1997. 2007 godkände ASA riktlinjerna för bedömning och Instruction in Statistics Education (GAISE), ett tvådimensionellt ramverk för den begreppsmässiga förståelsen av statistik hos elever i pre-K-12. Ramverket innehåller lärandemål för elever på varje konceptuell nivå och ger pedagogiska exempel som överensstämmer med de konceptuella nivåerna.

Estland

Estland driver en ny statistikkurs som utvecklats av stiftelsen Computer-Based Math baserat på dess principer att använda datorer som det primära utbildningsverktyget. i samarbete med universitetet i Tartu .

Universitetsnivå

Allmän

Statistik lärs ofta ut vid institutioner för matematik eller vid institutioner för matematiska vetenskaper. På grundnivå undervisas statistik ofta som en servicekurs.

Storbritannien

Av tradition i Storbritannien är de flesta professionella statistiker utbildade på masternivå. [ citat behövs ] En svårighet att rekrytera starka studenter har noterats: "Mycket få studenter väljer positivt att studera statistikexamina; de flesta väljer vissa statistikalternativ inom ett matematikprogram, ofta för att undvika de avancerade rena och tillämpade matematikkurserna. Min uppfattning är att statistik som en teoretisk disciplin lärs ut bättre sent än tidigt, medan statistik som en del av vetenskaplig metod bör läras ut som en del av vetenskap."

I Storbritannien gjordes undervisningen i statistik på universitetsnivå ursprungligen inom naturvetenskapliga institutioner som behövde ämnet för att följa med undervisningen i sina egna ämnen, och institutionerna för matematik hade begränsad täckning före 1930-talet. Under de tjugo åren efter detta, medan institutionerna för matematik hade börjat undervisa i statistik, var det liten insikt om att i huvudsak samma grundläggande statistiska metodik tillämpades inom en mängd olika vetenskaper. Statistiska institutioner har haft svårt när de har separerats från matematiska institutioner.

Psykolog Andy Field ( British Psychological Society Teaching and Book Award) skapade ett nytt koncept för statistisk undervisning och läroböcker som går utöver den tryckta sidan.

Förenta staterna

Inskrivningar i statistik har ökat i community colleges , i fyraåriga colleges och universitet i USA. Vid community colleges i USA har matematiken upplevt en ökad inskrivning sedan 1990. På community colleges ökade andelen studenter som var inskrivna i statistik och de som var inskrivna i calculus från 56 % 1990 till 82 % 1995. En av ASA- godkände GAISE-rapporter inriktade på statistikutbildning på introduktionsnivå . Rapporten innehåller en kort historik över den inledande statistikkursen och rekommendationer för hur den bör undervisas.

På många högskolor har en grundkurs i "statistik för icke-statistiker" endast krävt algebra (och inte kalkyl); för framtida statistiker är exponeringen för statistik i hög grad matematisk. Som studenter bör framtida statistiker ha genomgått kurser i multivariat kalkyl, linjär algebra, datorprogrammering och ett år med kalkylbaserad sannolikhet och statistik. Studenter som vill doktorera i statistik från "något av de bättre forskarprogrammen i statistik" bör också ta " riktig analys ". Laboratoriekurser i fysik, kemi och psykologi ger också användbara erfarenheter av att planera och genomföra experiment och med att analysera data. ASA rekommenderar att studenter överväger att ta en kandidatexamen i tillämpad matematik som förberedelse för att gå in på ett masterprogram i statistik.

Historiskt har yrkesexamina i statistik varit på masternivå, även om vissa studenter kan kvalificera sig för att arbeta med en kandidatexamen och arbetsrelaterad erfarenhet eller vidare självstudier. Yrkeskompetens kräver en bakgrund i matematik – inklusive minst multivariat kalkyl, linjär algebra och ett år med kalkylbaserad sannolikhet och statistik. I USA kräver ett masterprogram i statistik kurser i sannolikhet, matematisk statistik och tillämpad statistik (t.ex. design av experiment, undersökningsurval, etc.).

För en doktorsexamen i statistik har det varit traditionellt att studenter genomför en kurs i måttteoretisk sannolikhet samt kurser i matematisk statistik . Sådana kurser kräver en bra kurs i verklig analys , som täcker bevisen för teorin om kalkyl och ämnen som enhetlig konvergens av funktioner. Under de senaste decennierna har vissa institutioner diskuterat att tillåta doktorander att avstå från kursen i måttteoretisk sannolikhet genom att visa avancerade färdigheter i datorprogrammering eller vetenskaplig beräkning .

Vem ska undervisa i statistik?

Frågan om vilka egenskaper som behövs för att undervisa i statistik har diskuterats mycket och ibland koncentreras denna diskussion på de kvalifikationer som krävs för dem som bedriver sådan undervisning. Frågan uppkommer separat för undervisningen på såväl skol- som universitetsnivå, dels på grund av behovet av numerärt fler sådana lärare på skolnivå, dels på grund av behovet av att sådana lärare täcker ett brett spektrum av andra ämnen inom sina övergripande arbetsuppgifter. Med tanke på att "statistik" ofta lärs ut till icke-vetenskapsmän, kan åsikterna sträcka sig hela vägen från "statistik bör läras ut av statistiker", genom "undervisning i statistik är för matematisk" till det extrema att "statistik inte bör läras ut av statistiker ".

Undervisning på universitetsnivå

Speciellt i USA har statistiker länge klagat på att många matematikavdelningar har gett matematiker (utan statistisk kompetens) i uppdrag att undervisa i statistikkurser , vilket faktiskt ger " dubbelblinda " kurser. Principen att högskoleinstruktörer ska ha kvalifikationer och engagemang i sin akademiska disciplin har länge kränkts i USA:s högskolor och universitet, enligt generationer av statistiker . Till exempel, tidskriften Statistical Science tryckte om "klassiska" artiklar om undervisning i statistik av icke-statistiker av Harold Hotelling ; Hotellings artiklar följs av kommentarer från Kenneth J. Arrow , W. Edwards Deming , Ingram Olkin , David S. Moore , James V. Sidek, Shanti S. Gupta, Robert V. Hogg , Ralph A. Bradley och av Harold Hotelling , Jr. (ekonom och son till Harold Hotelling).

Data om undervisning i statistik i USA har samlats in på uppdrag av Conference Board of the Mathematical Sciences ( CBMS ) . Undersöka data från 2000, rapporterade Schaeffer och Stasny

Överlägset flertalet instruktörer inom statistikavdelningar har minst en magisterexamen i statistik eller biostatistik (ca 89 % för doktorandavdelningar och ca 79 % för magisteravdelningar). Inom de matematiska doktorandavdelningarna hade dock endast cirka 58 % av statistikkurslärarna minst en magisterexamen i statistik eller biostatistik som högsta examen. På matematiska institutioner på magisternivå var motsvarande andel nära 44 %, och på institutioner på kandidatnivå hade endast 19 procent av statistikkurslärarna minst en magisterexamen i statistik eller biostatistik som högsta examen. Som vi förväntade oss hade en stor majoritet av instruktörerna vid statistikavdelningarna (83 % för doktorandavdelningar och 62 % för magisteravdelningar) doktorsexamen i antingen statistik eller biostatistik. De jämförbara procenttalen för lärare i statistik vid matematikavdelningar var ca 52 % och 38 %.

Principen att statistikinstruktörer ska ha statistisk kompetens har bekräftats av riktlinjerna från Mathematical Association of America, som har godkänts av ASA. Den oprofessionella undervisningen i statistik av matematiker (utan kvalifikationer i statistik) har tagits upp i många artiklar.

Lär ut metoder

Se även: Matematikutbildning , Pedagogik och didaktik

Litteraturen om metoder för att undervisa i statistik är nära besläktad med litteraturen om undervisning i matematik av två skäl. För det första lärs statistik ofta ut som en del av matematikläroplanen, av lärare som är utbildade i matematik och arbetar på en matematikavdelning. För det andra statistisk teori ofta lärts ut som en matematisk teori snarare än som vetenskapens praktiska logik --- som vetenskapen som "sätter chansen att fungera" i Raos fras --- och detta har inneburit en betoning på formell och manipulativ träning , såsom att lösa kombinatoriska problem som involverar röda och gröna gelébönor. Statistiker har klagat på att matematiker är benägna att överbetona matematiska manipulationer och sannolikhetsteori och underbetona frågor om experiment , undersökningsmetodik , explorativ dataanalys och statistisk slutledning . [ förtydligande behövs ]

Under de senaste decennierna har det funnits en ökad tonvikt på dataanalys och vetenskaplig undersökning i statistikundervisningen. I Storbritannien föreslår Smith- utredningen Making Mathematics Count att man lär ut grundläggande statistiska begrepp som en del av den naturvetenskapliga läroplanen, snarare än som en del av matematiken . I USA specificerar ASA:s riktlinjer för grundutbildningsstatistik att inledande statistik bör betona de vetenskapliga metoderna för datainsamling , särskilt randomiserade experiment och slumpmässiga prover : vidare bör den första kursen granska dessa ämnen när teorin om " statistisk slutledning " studeras . Liknande rekommendationer finns för Advanced Placement (AP) i statistik . ASA- och AP-riktlinjerna följs av samtida läroböcker i USA, såsom de av Freedman , Purvis & Pisani ( Statistics ) och av David S. Moore ( Introduction to the Practice of Statistics with McCabe and Statistics: Concepts and Controversies with Notz) och av Watkins, Schaeffer & Cobb ( Statistics: From Data to Decisions and Statistics in Action ).

Förutom en betoning på den vetenskapliga undersökningen i innehållet i början av statistik, har det också skett en ökning av aktivt lärande i genomförandet av statistikklassrummet. [ förtydligande behövs ]

Professionell gemenskap

Föreningar

International Statistical Institute (ISI) har nu en sektion ägnad åt utbildning, International Association for Statistical Education (IASE), som driver den internationella konferensen om undervisning i statistik vart fjärde år samt IASE-satellitkonferenser kring ISI- och ICMI-möten. Storbritannien etablerade Royal Statistical Society Centre for Statistics Education och ASA har nu också en sektion för statistisk utbildning, som mest fokuserar på statistikundervisning på grund- och gymnasienivå.

Konferenser

Förutom de internationella sammankomsterna av statistikutbildare vid ICOTS vart fjärde år, är USA värd för en amerikansk konferens om undervisningsstatistik (USCOTS) vartannat år och har nyligen startat en elektronisk konferens om undervisningsstatistik (eCOTS) för att alternera med USCOTS. Sessioner om statistikutbildningsområdet erbjuds också vid många konferenser inom matematikutbildningar såsom International Congress on Mathematical Education , National Council of Teachers of Mathematics , Conference of the International Group for the Psychology of Mathematics Education, och Mathematics Education Research Group of Australasien. De årliga gemensamma statistiska mötena (som erbjuds av ASA och Statistics Canada ) erbjuder många sessioner och rundabordssamtal om statistikutbildning. De internationella forskningsforumen för statistiskt resonemang, tänkande och läskunnighet erbjuder vetenskapliga sammankomster vartannat år och relaterade publikationer i tidskrifter, cd-romskivor och böcker om forskning inom statistikundervisning.

Graduate kurser och program

Endast tre universitet erbjuder för närvarande forskarutbildning i statistikutbildning: University of Granada , University of Minnesota och University of Florida . Doktorander i en mängd olika discipliner (t.ex. matematikundervisning, psykologi, pedagogisk psykologi) har dock hittat sätt att slutföra avhandlingar om ämnen relaterade till undervisnings- och lärandestatistik. Dessa avhandlingar finns arkiverade på IASEs webbplats.

Två huvudkurser i statistikutbildning som har undervisats i en mängd olika miljöer och institutioner är en kurs i undervisning i statistik och en kurs i statistikutbildningsforskning. En ASA-sponsrad workshop har fastställt rekommendationer för ytterligare forskarutbildningsprogram och kurser.

Programvara för lärande

Trender inom statistikutbildningen

Lärare i statistik har uppmuntrats att utforska nya riktningar i läroplanens innehåll, pedagogik och bedömning. I ett inflytelserik föredrag på USCOTS presenterade forskaren George Cobb ett innovativt tillvägagångssätt för undervisning i statistik som sätter simulering , randomisering och bootstrapping -tekniker till kärnan i introduktionskursen på högskolenivå, istället för traditionellt innehåll som sannolikhetsteori och t- testa . Flera lärare och läroplansutvecklare har undersökt sätt att introducera simulering, randomisering och bootstrapping som undervisningsverktyg för sekundär- och eftergymnasial nivå. Kurser som University of Minnesotas CATALST, Nathan Tintle och medarbetares introduktion till statistiska undersökningar , och Lock-teamets Unlocking the Power of Data , är läroplansprojekt baserade på Cobbs idéer. Andra forskare har undersökt utvecklingen av informella slutledningsresonemang som ett sätt att använda dessa metoder för att bygga en bättre förståelse av statistisk slutledning.

En annan ny riktning är att ta itu med de stora datamängder som alltmer påverkar eller bidrar till i våra dagliga liv. Statistikern Rob Gould, skapare av Data Cycle, The Musical dinner and the theater spectacular, beskriver många av dessa typer av data och uppmuntrar lärare att hitta sätt att använda data och ta itu med problem kring big data. Enligt Gould kommer läroplaner fokuserade på big data att ta upp frågor om sampling, förutsägelse, visualisering, datarensning och de underliggande processerna som genererar data, snarare än traditionellt betonade metoder för att göra statistiska slutsatser som hypotestestning .

Drivkraften för båda dessa förändringar är datorernas ökade roll i undervisnings- och lärandestatistik. Vissa forskare hävdar att när användningen av modellering och simulering ökar, och eftersom datamängder blir större och mer komplexa, kommer eleverna att behöva bättre och mer tekniska datorkunskaper. Projekt som MOSAIC har skapat kurser som blandar datavetenskap, modellering och statistik.

Se även

Fotnoter

Vidare läsning

externa länkar

Tidskrifter

Föreningar och centra

  • IASE : nyhetsbrev, konferenshandlingar, senaste avhandlingar och länkar till statistikutbildningskonferenser
  • CAUSEweb : många resurser som syftar till att undervisa i statistikkurser för grundutbildning, inklusive aktiviteter, webbseminarier och en litteraturdatabas
  • SRTL : forum och publikationer för The International Statistical Reasoning, Thinking, and Literacy Research Forums
  • Webbsidor för Royal Statistical Society Center for Statistical Education
  • Maths, Stats & OR Network : stödjer föreläsare i matematik, statistik och operationell forskning i Storbritannien

Andra länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=Statistics_education&oldid=1136215627 "