WikiDer > Статистическое образование

Statistics education

Статистическое образование это практика преподавания и изучения статистика, наряду с соответствующими научными исследованиями.

Статистика это оба формальная наука и практическая теория Научное исследование, и оба аспекта рассматриваются в статистическом образовании. Образование в области статистики вызывает те же проблемы, что и образование в других странах. математические науки, подобно логика, математика, и Информатика. В то же время статистика занимается аргументацией, основанной на фактах, особенно анализом данных. Таким образом, образование в области статистики во многом похоже на обучение в области эмпирических дисциплин, таких как психология и химия, в котором образование тесно связано с "практическим" экспериментированием.

Математики и статистики часто работают на факультете математических наук (особенно в колледжах и небольших университетах). Статистические курсы иногда читают не статистики, вопреки рекомендациям некоторых профессиональных организаций статистиков и математиков.

Статистические исследования в области образования - это новая область, которая выросла из различных дисциплин и в настоящее время зарекомендовала себя как уникальная область, посвященная совершенствованию статистики преподавания и обучения на всех уровнях образования.

Цели статистического образования

Педагоги по статистике ставят перед учащимися когнитивные и некогнитивные цели. Например, бывший Американская статистическая ассоциация (ASA) Президент Кэтрин Уоллман определила статистическую грамотность как включающую когнитивные способности понимания и критической оценки статистических результатов, а также понимание того вклада, который может внести статистическое мышление.[1][2]

Познавательные цели

В тексте, взятом из совместной конференции 2008 г. Международная комиссия по математическому обучению и Международная ассоциация преподавателей статистики, редакторы Кармен Батанеро, Гейл Беррилли Крис Ридинг (Университет Гранады, Испания, Университет штата Мичиган, США и Университет Новой Англии, Австралия, соответственно) отмечают мировые тенденции в учебных программах, которые отражают цели, ориентированные на данные. В частности, преподаватели в настоящее время стремятся, чтобы учащиеся: «разрабатывали исследования; формулировали вопросы исследования; собирали данные с помощью наблюдений, опросов и экспериментов; описывали и сравнивали наборы данных; а также предлагали и обосновывали выводы и прогнозы, основанные на данных».[3] Авторы отмечают важность развития статистического мышления и рассуждений в дополнение к статистическим знаниям.

Несмотря на то, что когнитивные цели статистического образования все больше сосредотачиваются на статистической грамотности, статистических рассуждениях и статистическом мышлении, а не только на навыках, вычислениях и процедурах, нет единого мнения о том, что означают эти термины или как оценивать эти результаты. Первая попытка определить и различить эти три термина появляется на веб-сайте ARTIST.[4] который был создан Гарфилд, delMas и Шанс и с тех пор был включен в несколько публикаций.[5][6]Краткие определения этих терминов следующие:

  1. Статистическая грамотность - это способность читать и использовать базовый статистический язык и графические представления для понимания статистической информации в средствах массовой информации и в повседневной жизни.
  2. Статистическое рассуждение - это способность рассуждать и связывать различные статистические концепции и идеи, например, знать, как и почему выбросы влияют на статистические показатели центра и изменчивости.
  3. Статистическое мышление - это тип мышления, используемый статистиками, когда они сталкиваются со статистической проблемой. Это включает в себя размышление о природе и качестве данных и, в зависимости от происхождения данных, выбор соответствующих анализов и моделей, а также интерпретацию результатов в контексте проблемы и с учетом ограничений данных.

Дальнейшие познавательные цели статистического образования различаются в зависимости от образовательного уровня учащихся и контекстов, в которых они ожидают столкнуться со статистикой.

Статистики предложили то, что они считают наиболее важными статистическими концепциями для образованных граждан. Например, Utts (2003) опубликовал семь областей того, что должен знать каждый образованный гражданин, включая понимание того, что «изменчивость - это нормально» и что «совпадения… не редкость, потому что существует так много возможностей».[7] Гал (2002) предполагает, что взрослые в индустриальных обществах должны проявлять статистическую грамотность, «способность интерпретировать и критически оценивать статистическую информацию… в различных контекстах, а также способность… выражать понимание и опасения относительно… выводов».[8]

Некогнитивные цели

Некогнитивные результаты включают аффективные конструкции, такие как отношения, убеждения, эмоции, предрасположенности и мотивацию.[9] По мнению известных исследователей Галь и Гинзбург,[10] Преподаватели статистики должны уделять первоочередное внимание идеям, реакциям и чувствам учащихся по отношению к статистике и тому, как они влияют на их обучение.

Верования

Убеждения определяются как индивидуальные представления о статистике, о себе как о человеке, изучающем статистику, и о социальном контексте изучения статистики.[11] Убеждения отличаются от установок в том смысле, что установки представляют собой относительно стабильные и сильные чувства, которые развиваются со временем в контексте опыта изучения статистики. Сеть убеждений студентов обеспечивает контекст для их подхода к занятиям статистикой. Многие студенты поступают на курс статистики с опасениями по поводу изучения предмета, что противоречит среде обучения, которую пытается создать преподаватель. Поэтому преподавателям важно иметь доступ к инструментам оценки, которые могут дать первоначальный диагноз убеждениям учащихся и контролировать их во время курса.[10] Часто инструменты оценки отслеживают убеждения и отношения вместе. Примеры таких инструментов см. В разделе отношения ниже.

Диспозиции

Диспозиция связана с тем, как учащиеся подвергают сомнению данные и подходят к статистической проблеме. Диспозиции - одно из четырех измерений в Wild и Пфаннкуха[12] основа статистического мышления и содержит следующие элементы:

  • Любопытство и осведомленность: эти качества являются частью процесса генерации вопросов и идей для исследования и анализа данных.
  • Вовлеченность: студенты будут наиболее наблюдательны и осведомлены в тех областях, которые им интересны.
  • Воображение: эта черта важна для рассмотрения проблемы с разных точек зрения и придумывания возможных объяснений.
  • Скептицизм: критическое мышление важно для получения новых идей и информации и оценки уместности дизайна и анализа исследования.
  • Быть логичным: способность определять, когда одна идея вытекает из другой, важна для получения обоснованных выводов.
  • Склонность искать более глубокий смысл: это означает не принимать все за чистую монету и быть открытым для рассмотрения новых идей и более глубокого поиска информации.

Шеаффер заявляет, что цель статистического образования состоит в том, чтобы студенты видели статистику в целом. Он разработал список представлений статистики, которые могут привести к такому общему мнению, и описывает их следующим образом:[13]

  • Статистика как чувство числа: я понимаю, что означают числа? (просмотр данных в виде чисел в контексте, чтение диаграмм, графиков и таблиц, понимание числовых и графических сводок данных и т. д.)
  • Статистика как способ познания мира: могу ли я использовать существующие данные для принятия решений? (с использованием данных переписи, показателей рождаемости и смертности, показателей заболеваемости, ИПЦ, рейтингов, рейтингов и т. д. для описания, принятия решения и защиты)
  • Статистика как организованное решение проблем: Могу ли я разработать и провести исследование, чтобы ответить на конкретные вопросы? (ставить задачу, собирать данные по плану, анализировать данные и делать выводы из данных)

Отношение

Поскольку студенты часто испытывают беспокойство по поводу математики и негативные мнения о курсах по статистике, различные исследователи обращались к вопросам отношения и беспокойства по отношению к статистике. Некоторые инструменты были разработаны для измерения отношения студентов колледжей к статистике, и было показано, что они обладают соответствующими психометрическими свойствами. Примеры таких инструментов включают:

  • Обзор отношения к статистике (SATS), разработанный Шау, Стивенс, Дофини и Дель Веккио[14]
  • Отношение к статистической шкале, разработанной Wise[15]
  • Статистический обзор отношения (SAS), разработанный Робертсом и Бильдербеком[16]

Осторожное использование таких инструментов, как эти, может помочь преподавателям статистики узнать о восприятии учащимися статистики, включая их беспокойство по поводу статистики обучения, воспринимаемую сложность статистики обучения и их предполагаемую полезность предмета.[17] Некоторые исследования показали умеренный успех в улучшении отношения студентов к отдельным курсам,[18][19] но никаких обобщающих исследований, показывающих улучшение отношения студентов, не наблюдалось.

Тем не менее, одна из целей статистического образования - сделать изучение статистики положительным опытом для студентов и предоставить интересные и увлекательные примеры и данные, которые будут мотивировать студентов. Согласно недавнему обзору литературы,[17] улучшение отношения студентов к статистике может привести к повышению мотивации и вовлеченности, что также улучшает когнитивные результаты обучения.

Уровень начального – среднего образования

Новая Зеландия

В Новая ЗеландияКрис Уайлд и его коллеги из Оклендского университета разработали новую учебную программу по статистике. Отказ от надуманного, а теперь и ненужного из-за мощности компьютера подхода к рассуждениям под ноль и ограничения нормальной теории, они используют сравнительные ящички и бутстрап представить концепции изменчивости выборки и вывода.[20] Развивающая программа также содержит аспекты статистическая грамотность.

объединенное Королевство

в объединенное Королевство, по крайней мере, некоторая статистика преподавалась в школах с 1930-х годов.[21][22] В настоящий момент, Уровень квалификации (обычно сдают 17-18-летние) разрабатываются по направлениям «Статистика» и «Дополнительная статистика». Охват первого включает: вероятность; Сбор информации; Описательная статистика; Дискретные распределения вероятностей; Биномиальное распределение; Распределения Пуассона; Непрерывные распределения вероятностей; Нормальное распределение; Оценка; Проверка гипотезы; Хи-квадрат; Корреляция и регрессия. Охват «Дополнительная статистика» включает: Непрерывное распределение вероятностей; Оценка; Проверка гипотезы; Один образец тестов; Проверка гипотезы; Два образца теста; Тесты на пригодность; Экспериментальная конструкция; Дисперсионный анализ (Anova); Статистическое управление процессами; Приемочный отбор. Центр инноваций в преподавании математики (CIMT)[23] есть онлайн-заметки по этим группам тем.[24] Примечания к редакции существующей квалификации[25] указывают на аналогичное покрытие. В более раннем возрасте (обычно 15–16 лет) GCSE квалификация по математике включает темы «Статистика и вероятность» по следующим темам: Вероятность; Средние; Стандартное отклонение; Отбор проб; Кумулятивные графики частот (включая медианы и квантили); Представление данных; Гистограммы.[26] Великобритании Управление национальной статистики есть веб-страница[27] приводя к материалу, подходящему как для учителей, так и для учеников школьного уровня. В 2004 году расследование Смита сделало следующее заявление:

«Существует много опасений и споров о позиционировании статистики и обработки данных в рамках нынешней математической программы GCSE, где она занимает около 25% от расписания. С одной стороны, широко распространено мнение, что учебная программа Key Stage 4 завершена - переполнены и что внедрение статистики и обработки данных, возможно, произошло за счет времени, необходимого для практики и приобретения свободного владения основными математическими манипуляциями. Многие на математических и инженерных факультетах высших учебных заведений придерживаются этой точки зрения. С другой стороны, существует подавляющее большинство признание, разделяемое исследователями, жизненно важной важности навыков статистики и обработки данных как для ряда других академических дисциплин, так и на рабочем месте. Исследование рекомендует радикально переосмыслить этот вопрос и что большую часть преподавания и изучения статистики и обработки данных лучше вынести из расписания математики и интегрировать с преподаванием и изучением других дисциплин (например, биологии или географии). ). Время, восстановленное в расписании математики, следует использовать для более глубокого освоения основных математических концепций и операций.."[28]

Соединенные Штаты

в Соединенные Штатышкольное образование расширило использование вероятностей и статистики, особенно с 1990-х годов.[29] Сводные статистические данные а во многих штатах графики преподаются в начальной школе. Темы вероятности и статистического мышления преподаются в курсах алгебры (или математики) в старших классах; статистические рассуждения были рассмотрены в СИДЕЛ тест с 1994. В Совет колледжа разработал Расширенное размещение курс статистики, в рамках которого сотни тысяч старшеклассников прошли курс статистики на уровне колледжа, причем первый экзамен состоялся в мае 1997 года.[30] В 2007 году ASA одобрила Руководство по оценке и обучению статистическому образованию (GAISE), двухмерная структура для концептуального понимания статистики учащимися Pre-K-12. Структура содержит учебные цели для студентов на каждом концептуальном уровне и предоставляет педагогические примеры, которые согласуются с концептуальными уровнями.

Эстония

Эстония пилотирует новую учебную программу по статистике, разработанную Компьютерная математика фонд основан на его принципах использования компьютеров в качестве основного инструмента обучения.[31][32][33] в сотрудничестве с Тартуский университет.[34]

Университетский уровень

Общий

Статистику часто преподают на факультетах математики или математических наук. На уровне бакалавриата статистику часто преподают как служебный курс.

объединенное Королевство

По традиции в Великобритании большинство профессиональных статистиков проходят подготовку на уровне магистра.[нужна цитата] Отмечалась трудность набора сильных студентов: «Очень немногие студенты положительно выбирают изучение степеней статистики; большинство выбирают некоторые варианты статистики в рамках программы математики, часто чтобы избежать продвинутых курсов чистой и прикладной математики. Я считаю, что статистика как теоретическая дисциплину лучше преподавать поздно, чем раньше, тогда как статистику как часть научной методологии следует преподавать как часть науки ".[35]

в объединенное Королевство, преподавание статистики на университетском уровне первоначально проводилось на научных факультетах, которым требовалась тема для сопровождения преподавания их собственных предметов, а до 1930-х годов математические факультеты имели ограниченный охват.[21] В течение следующих двадцати лет, когда математические факультеты начали преподавать статистику, мало кто понимал, что, по сути, одна и та же базовая статистическая методология применяется во множестве наук.[21] Статистические отделы столкнулись с трудностями, когда их отделили от математических.[35]

Психолог Энди Филд (Британское психологическое общество Teaching and Book Award) создали новую концепцию статистического обучения и учебников, выходящую за рамки печатной страницы.[36]

Соединенные Штаты

Число зачисленных в статистику увеличилось в общественные колледжи, в четырехлетних колледжах и университетах США. В муниципальных колледжах США с 1990 года число студентов математики увеличилось. В местных колледжах соотношение студентов, обучающихся статистике, к числу студентов, обучающихся математике, выросло с 56% в 1990 году до 82% в 1995 году.[37] Один из отчетов GAISE, одобренный ASA, был посвящен статистическому образованию в вводный уровень колледжа. Отчет включает краткую историю вводного курса статистики и рекомендации по его преподаванию.

Во многих колледжах для прохождения базового курса «Статистика для нестатистиков» требуется только алгебра (а не исчисление); напротив, для будущих статистиков знакомство студентов со статистикой является в высшей степени математическим.[nb 1] Будучи студентами, будущие статистики должны пройти курсы по многомерному исчислению, линейной алгебре, компьютерному программированию и год обучения теории вероятностей и статистики на основе вычислений. Студенты, желающие получить докторскую степень по статистике по «любой из лучших программ аспирантуры по статистике», также должны принять »реальный анализ".[38] Лабораторные курсы по физике, химии и психологии также предоставляют полезный опыт планирования и проведения экспериментов и анализа данных. ASA рекомендует студентам бакалавриата рассматривать получение степени бакалавра в области прикладной математики как подготовку к поступлению в магистратуру по статистике.[nb 2]

Исторически профессиональные степени в области статистики были на уровне магистра, хотя некоторые студенты могут иметь право работать со степенью бакалавра и опытом работы или дальнейшего самостоятельного обучения.[№ 3] Профессиональная компетентность требует знания математики, включая как минимум многомерное исчисление, линейную алгебру и год изучения вероятностей и статистики на основе исчислений.[39] В Соединенных Штатах для получения магистерской программы по статистике требуются курсы вероятности, математической статистики и прикладная статистика (например, план экспериментов, выборка для обследования и т. д.).

Для получения докторской степени по статистике традиционно студенты заканчивали курс теоретико-мерный вероятность а также курсы в математическая статистика. Такие курсы требуют хорошего курса реальный анализ, охватывающий доказательства теории исчисления и таких темах, как равномерное схождение функций.[38][40] В последние десятилетия на некоторых факультетах обсуждалось разрешение докторантам отказываться от курса теоретико-мерной вероятности путем демонстрации передовых навыков в компьютерное программирование или же научные вычисления.[№ 4]

Кого следует учить статистике?

Вопрос о том, какие качества необходимы для преподавания статистики, много обсуждался, и иногда это обсуждение концентрируется на квалификации, необходимой тем, кто занимается таким преподаванием. Вопрос возникает отдельно для преподавания как на школьном, так и на университетском уровнях, отчасти из-за потребности в численном количестве таких учителей на школьном уровне, а отчасти из-за того, что такие учителя должны охватывать широкий круг других тем в рамках своих общих обязанностей. Учитывая, что «статистике» часто преподают не ученых, мнения могут варьироваться от «статистике должны учить статистики» до «обучение статистике слишком математическое» до крайности, что «статистику не должны преподавать статистики. ".[41]

Обучение на университетском уровне

В частности, в Соединенных Штатах статистики давно жаловались на то, что многие математические факультеты поручают математикам (не обладающим статистической компетенцией) преподавать статистика курсы, эффективно дающие "двойной слепой"курсы. принцип что преподаватели колледжей должны иметь квалификацию и участвовать в Академическая дисциплина долгое время нарушалась в колледжах и университетах США, по мнению поколений статистиков. Например, журнал Статистическая наука перепечатал "классические" статьи о преподавании статистики нестатистами Гарольд Хотеллинг;[42][43][44] За статьями Хотеллинга следуют комментарии Кеннет Дж. Эрроу, У. Эдвардс Деминг, Инграм Олкин, Дэвид С. Мур, Джеймс В. Сидек, Шанти С. Гупта, Роберт В. Хогг, Ральф А. Брэдли и Гарольд Хотеллинг-младший (экономист и сын Гарольда Хотеллинга).

Данные об обучении статистике в Соединенных Штатах были собраны от имени Конференц-совет математических наук (CBMS). Изучая данные 2000 года, Шеффер и Стасный[45] сообщил

Подавляющее большинство преподавателей статистических факультетов имеют как минимум степень магистра статистики или биостатистики (около 89% для докторских кафедр и около 79% для магистерских). Однако на кафедрах докторантуры математики только около 58% преподавателей курсов статистики имели как минимум степень магистра статистики или биостатистики в качестве наивысшей полученной степени. На математических факультетах магистратуры соответствующий процент составлял около 44%, а на факультетах бакалавриата только 19% преподавателей статистических курсов имели как минимум степень магистра статистики или биостатистики в качестве наивысшей полученной степени. Как мы и ожидали, подавляющее большинство преподавателей статистических факультетов (83% на докторских факультетах и ​​62% на магистерских факультетах) имеют докторские степени в области статистики или биостатистики. Сопоставимые проценты для преподавателей статистики на математических факультетах составляли около 52% и 38%.

В принцип что инструкторы по статистике должны обладать статистической компетенцией, было подтверждено руководящие указания из Математическая ассоциация Америки, который был одобренный от ASA. В непрофессионально обучение статистика математиками (не имеющими квалификации в области статистики) рассматривалась во многих статьях.[46][47]

Методы обучения

Литература по методам преподавания статистики тесно связана с литературой по преподаванию математики по двум причинам. Во-первых, статистику часто преподают в рамках учебной программы по математике преподаватели, прошедшие подготовку по математике и работающие на математическом факультете. Второй, статистическая теория часто преподается как математическая теория а не как практический логика из наука --- как наука, которая, по выражению Рао, "дает шанс на работу" --- и это повлекло за собой акцент на формальном и манипулятивном обучении, таком как решение комбинаторных задач с использованием красных и зеленых мармеладов. Статистики жаловались, что математики склонны переоценивать математические манипуляции и теорию вероятностей и недооценивать вопросы экспериментирование, методология обследования, разведочный анализ данных, и статистические выводы.[48][требуется разъяснение]

В последние десятилетия все большее внимание уделялось анализ данных и Научное исследование в статистическом образовании. В Соединенном Королевстве Смит расследование Математика в счет предлагает обучение основные статистические концепции как часть учебной программы по естествознанию, а не как часть математика.[49] В Соединенных Штатах в руководящих принципах ASA по статистике бакалавриата указано, что вводная статистика должна подчеркивать научные методы из сбор информации, особенно рандомизированные эксперименты и случайные выборки:[39][50] далее, первый курс должен рассмотреть эти темы, когда теория "статистические выводы"изучается.[50] Аналогичные рекомендации встречаются для Расширенное размещение (AP) курс в Статистика. Руководящим принципам ASA и AP следуют современные учебники в США, например, Вольноотпущенник, Первис и Пизани (Статистика)[51] и по Дэвид С. Мур (Введение в статистическую практику с МакКейбом[52] и Статистика: концепции и противоречия с Notz[53]) и Уоткинсом, Шеффером и Коббом (Статистика: от данных к решениям[54] и Статистика в действии[55]).

Помимо акцента на научном исследовании в содержании начала статистики, также увеличилось активное изучение в ведении статистического кабинета.[56][требуется разъяснение]

Профессиональное сообщество

Ассоциации

В Международный Статистический Институт (ISI) теперь есть один раздел, посвященный образованию, Международная ассоциация статистического образования (IASE), который проводит Международную конференцию по статистике преподавания каждые четыре года, а также вспомогательные конференции IASE, посвященные собраниям ISI и ICMI. В Соединенном Королевстве создан Центр статистического образования Королевского статистического общества, а в ASA теперь также есть Секция статистического образования, сосредоточенная в основном на преподавании статистики на начальном и среднем уровнях.

Конференции

В дополнение к международным собраниям преподавателей статистики в ICOTS каждые четыре года, в США каждые два года проводится конференция по статистике преподавания (USCOTS), а недавно была открыта электронная конференция по статистике преподавания (eCOTS), которая будет чередоваться с USCOTS. Сессии по статистическому образованию также предлагаются на многих конференциях по математическому образованию, таких как Международный конгресс по математическому образованию, то Национальный совет учителей математики, Конференция Международной группы по психологии математического образования и Исследовательской группы по математическому образованию Австралазии. Ежегодный Совместные статистические встречи (предлагается ASA и Статистическое управление Канады) предлагает множество сессий и круглых столов по статистическому образованию. Международные исследовательские форумы по статистическому мышлению, мышлению и грамотности предлагает научные собрания каждые два года и соответствующие публикации в журналах, компакт-дисках и книгах по исследованиям в области статистического образования.

Курсовые работы и программы для выпускников

В настоящее время только три университета предлагают программы последипломного образования в области статистического образования: Университет Гранады,[57] в Университет Миннесоты,[58][59] и Университет Флориды.[60] Однако аспиранты по различным дисциплинам (например, математическое образование, психология, педагогическая психология) находили способы завершить диссертации по темам, связанным со статистикой преподавания и обучения. Эти диссертации хранятся на веб-сайте IASE.[61]

Два основных курса статистического образования, которые преподавались в различных учреждениях и на различных факультетах, - это курс обучения статистике.[62] и курс по статистическим исследованиям в области образования.[63] Семинар, спонсируемый ASA, разработал рекомендации для дополнительных программ и курсов для выпускников.[64]

Программное обеспечение для обучения

Тенденции в статистике образования

Учителей статистики поощряют к изучению новых направлений содержания учебных программ, педагогики и оценивания. В важном выступлении на USCOTS исследователь Джордж Кобб представил инновационный подход к обучению статистике, который симуляция, рандомизация, и самонастройка методы, лежащие в основе вводного курса на уровне колледжа, вместо традиционного содержания, такого как вероятность теория и т-тест.[65] Несколько учителей и разработчиков учебных программ изучали способы внедрения моделирования, рандомизации и самонастройки в качестве учебных инструментов для среднего и послесреднего уровней. Такие курсы, как CATALST Университета Миннесоты,[66] Натан Тинтл и соавторы Введение в статистические исследования,[67] и команда Lock Раскрытие возможностей данных,[68] являются учебными проектами, основанными на идеях Кобба. Другие исследователи изучали развитие неформальных выводов как способ использования этих методов для лучшего понимания статистических выводов.[69][70][71]

Еще одно недавнее направление - решение проблемы большое количество данных наборы, которые все больше влияют на нашу повседневную жизнь или вносят в нее свой вклад. Статист Роб Гулд, создатель Цикл данных, Мюзикл обед и представление в театральном представлении описывает многие из этих типов данных и поощряет учителей находить способы их использования и решения проблем, связанных с большими данными.[72] По словам Гулда, учебные программы, ориентированные на большие данные, будут решать вопросы выборки, прогнозирования, визуализации, очистки данных и лежащих в основе процессов, которые генерируют данные, а не традиционно акцентируемых методов создания статистических выводов, таких как проверка гипотезы.

Причиной обоих этих изменений является возросшая роль вычислений в статистике преподавания и обучения.[73] Некоторые исследователи утверждают, что по мере расширения использования моделирования и имитации и увеличения объемов и усложнения наборов данных студентам потребуется все больше и больше технических компьютерных навыков.[74] Такие проекты, как MOSAIC, создают курсы, сочетающие информатику, моделирование и статистику.[75][76]

Смотрите также

Сноски

  1. ^ «Основные программы бакалавриата должны включать в себя изучение теории вероятностей и статистической теории, а также предварительные требования к математике, особенно по исчислению и линейной алгебре. Программы для неосновных могут требовать меньшего изучения математики. Программы подготовки к выпускной работе могут потребовать дополнительной математики». Американская статистическая ассоциация. «Учебные планы для программ бакалавриата по статистике». Получено 14 мая 2010.
  2. ^ ASA дает следующие рекомендации для студентов, желающих стать статистиками: «Специалист в области прикладной математики или в смежной области. Если вы изучаете нестатистическую область, второстепенную - в области математики или статистики. Получите образование в области математики, естественных наук и компьютеров. и получить знания в конкретной области интересов. Степень магистра или доктора наук очень полезна и часто рекомендуется или требуется для работы на более высоких должностях ". Американская статистическая ассоциация. "Как мне стать статистиком?". Получено 14 мая 2010.
  3. ^ «Степень магистра или доктора философии очень полезна и часто рекомендуется или требуется для работы на более высоких должностях». Американская статистическая ассоциация. "Как мне стать статистиком?". Получено 14 мая 2010.
  4. ^ Статистик Стэнфордского университета Перси Диаконис написал, что «Я вижу сильную тенденцию против теории меры в современных статистических департаментах: мне пришлось бороться, чтобы сохранить требование теории меры в стэнфордской статистической программе. Борьба была проиграна в Беркли». Диаконис, Перси (Март 2004 г.). "Частквентист делает это, байесианец - что (Обзор Теория вероятностей: логика науки автор E.T. Джейнс) ". Новости SIAM. Архивировано из оригинал 7 октября 2007 г.. Получено 14 мая 2010.

Рекомендации

  1. ^ Валлман, К. (1993). «Повышение статистической грамотности: обогащение нашего общества». Журнал Американской статистической ассоциации. 88 (421): 1–8. Дои:10.1080/01621459.1993.10594283. JSTOR 2290686.
  2. ^ Bond, M.E .; Perkins, S.M .; Рамирес, К. (2012). «Восприятие статистики студентами: исследование взглядов, концептуальных представлений и знаний о статистике» (PDF). Статистический журнал исследований в области образования. 11 (2): 6–25.
  3. ^ Батанеро, Кармен; Burrill, Gail F .; Чтение, Крис, ред. (2011). Статистика преподавания в школьной математике - Проблемы преподавания и педагогического образования: совместное исследование ICMI / IASE: 18-е исследование ICMI. Springer. ISBN 978-94-007-1131-0.CS1 maint: ref = harv (связь)
  4. ^ «Ресурсные инструменты оценки для улучшения статистического мышления - домашняя страница». Получено 28 февраля 2013.
  5. ^ Гарфилд, Дж., И Бен-Цви, Д. (2008). Развитие статистического мышления студентов: соединение исследований и педагогической практики. Springer.
  6. ^ Гарфилд, Дж., И Бен-Цви, Д. (2008). Подготовка школьных учителей к развитию статистического мышления учащихся. В К. Батанеро, Г. Беррилл, К. Рединг и А. Россман. Статистика преподавания в школе. Проблемы математики для преподавателей и учителей: совместное исследование ICMI / IASE: 18-е исследование ICMI. 299–310. Дордрехт: Спрингер.
  7. ^ Уттс, Дж. (2003). «Что образованные граждане должны знать о статистике и вероятности». Американский статистик. 57 (2): 74–79. CiteSeerX 10.1.1.193.2420. Дои:10.1198/0003130031630.
  8. ^ Гал, И. (2002). «Статистическая грамотность взрослых: значения, составляющие, обязанности». Международный статистический обзор. 70 (1): 1–25. Дои:10.1111 / j.1751-5823.2002.tb00336.x.
  9. ^ Блум, Бенджамин Сэмюэл (1956). Таксономия образовательных целей: классификация образовательных целей. Справочник I, Когнитивная сфера. Дэвид Маккей. OCLC 220283628.
  10. ^ а б Gal, I .; Гинзбург, Л. (ноябрь 1994 г.). «Роль убеждений и взглядов в статистике обучения: к системе оценки». Журнал статистики образования. 2 (2). Дои:10.1080/10691898.1994.11910471.
  11. ^ Гал, Иддо; Гарфилд, Джоан Б.; Гал, Ю., ред. (1997). «Мониторинг отношения и убеждений в статистическом образовании». Проблема оценки в статистическом образовании. IOS Press. С. 37–51. ISBN 978-90-5199-333-2.
  12. ^ Wild, C.J .; Пфаннкух, М. (1999). «Статистическое мышление в эмпирическом исследовании». Международный статистический обзор. 67 (3): 223–265. Дои:10.1111 / j.1751-5823.1999.tb00442.x.
  13. ^ Шеффер, Р. (2001). «Статистическое образование: изучение прошлого, понимание настоящего и построение графиков будущего». Информационный бюллетень Секции статистического образования. 7 (1).
  14. ^ Schau, C .; Стивенс, Дж .; Dauphinee, T .; Дель Веккьо, А. (1995). «Разработка и проверка отношения к статистике». Образовательные и психологические измерения. 55 (5): 868–876. Дои:10.1177/0013164495055005022.
  15. ^ Мудрый, С. (1985). «Разработка и проверка шкалы, измеряющей отношение к статистике». Образовательные и психологические измерения. 45 (2): 401–5. Дои:10.1177/001316448504500226.
  16. ^ Робертс, Д .; Бильдербэк, W. (апрель 1980 г.). «Надежность и достоверность статистического исследования отношения». Образовательные и психологические измерения. 40 (1): 235–8. Дои:10.1177/001316448004000138.
  17. ^ а б Zieffler, A .; Гарфилд, Дж.; Alt, S .; Dupuis, D .; Holleque, K .; Чанг, Б. (2008). «Что предлагает исследование относительно преподавания и изучения вводной статистики на уровне колледжа? Обзор литературы» (PDF). Журнал статистики образования. 16 (2). Дои:10.1080/10691898.2008.11889566.
  18. ^ Harlow, L.L .; Burkholder, G.J .; Морроу, Дж. (2002). «Оценка отношения, навыков и производительности в рамках курса количественных методов с расширенными возможностями обучения: подход структурного моделирования». Структурное моделирование уравнение. 9 (3): 413–430. Дои:10.1207 / S15328007SEM0903_6.
  19. ^ Карлсон, К.А .; Винквист, Дж. Р. (2011). «Оценка активного учебного подхода к преподаванию вводной статистики: подход классной рабочей тетради» (PDF). Журнал статистики образования. 19 (1). Дои:10.1080/10691898.2011.11889596.
  20. ^ Wild, C.J .; Pfannkuch, M .; Regan, M .; Хортон, Нью-Джерси (2011). «К более доступным концепциям статистического вывода». Журнал Королевского статистического общества, серия A. 174 (2): 247–295. Дои:10.1111 / j.1467-985X.2010.00678.x.
  21. ^ а б c Конвей, Ф. (1986). «Статистика в школах». Журнал Королевского статистического общества, серия A. 149 (1): 60–64. Дои:10.2307/2981885. JSTOR 2981885.
  22. ^ Холмс, П. (2003). «50 лет преподавания статистики в английских школах: некоторые вехи (с обсуждением)». Журнал Королевского статистического общества, серия D. 52 (4): 439–474. Дои:10.1046 / j.1467-9884.2003.372_1.x.
  23. ^ «CIMT - страница больше не доступна на серверах Плимутского университета».
  24. ^ Заметки о курсе CIMT A-level
  25. ^ mathsrevision.net Заметки для уровня A
  26. ^ matherevision.net Заметки по математике для GCSE
  27. ^ Ресурсы для учителей / учеников ONS stats4schools
  28. ^ Смит, Адриан (2004). Математика в счет: отчет профессора Адриана Смита о математическом образовании после 14 лет. Лондон, Англия: канцелярские товары.
  29. ^ В Соединенных Штатах наблюдался «широкий рост статистической подготовки в классах K-12, во главе с внедрением курса Advanced Placement (AP) по статистике». п. 403 дюйм Линдси, Брюс Дж .; Кеттенринг, Джон; Зигмунд, Дэвид О. (август 2004 г.). "A Report on the Future of Statistics". Статистическая наука. 19 (3): 387–407. Дои:10.1214/088342304000000404. JSTOR 4144386. МИСТЕР 2185624.
  30. ^ Page 403 in Lindsay, Bruce G.; Kettenring, Jon; Siegmund, David O. (August 2004). "A Report on the Future of Statistics". Статистическая наука. 19 (3): 387–407. Дои:10.1214/088342304000000404. JSTOR 4144386. МИСТЕР 2185624.
  31. ^ Estonian Schools to Teach Computer-Based Math Wall Street Journal, 11 February 2013
  32. ^ Math Rebels Invade Estonia With Computerized Education Wired, 12 February 2013
  33. ^ Estonia Chosen as Testing Ground for Math Education Experiment Estonian Public Broadcasting News
  34. ^ Estonian, British experts team up to develop computer-based math education Postimees, 13 February 2013.
  35. ^ а б Смит, Т. М. Ф.; Стаецкий, Л. (2007). «Преподавание статистики в университетах Великобритании». Журнал Королевского статистического общества, серия A. 170 (3): 581–622. Дои:10.1111 / j.1467-985X.2007.00482.x. МИСТЕР 2380589.
  36. ^ SAGE Strikes Gold with Andy Field’s New Statistics Textbook/Ebook – Nancy K. Herther 2013
  37. ^ Page 616 in Moore, David S.; Cobb, George W. (August 2000). "Statistics and Mathematics: Tension and Cooperation". Американский математический ежемесячник. 107 (7–September): 615–630. CiteSeerX 10.1.1.422.4356. Дои:10.2307/2589117. JSTOR 2589117. МИСТЕР 1543690.
  38. ^ а б Page 622 in Moore, David S.; Cobb, George W. (August 2000). "Statistics and Mathematics: Tension and Cooperation". Американский математический ежемесячник. 107 (7): 615–630. CiteSeerX 10.1.1.422.4356. Дои:10.2307/2589117. JSTOR 2589117. МИСТЕР 1543690.
  39. ^ а б Американская статистическая ассоциация. "Curriculum Guidelines for Undergraduate Programs in Statistical Science". Получено 14 мая 2010.
  40. ^ Speed, Terry (Ноябрь 2009 г.). "A Dialogue (Terence's Stuff)". Бюллетень IMS. 38 (9): 14. ISSN 1544-1881.
  41. ^ Tanur 1988
  42. ^ Гарольд Хотеллинг (Декабрь 1940 г.). "The Teaching of Statistics". Анналы математической статистики. 11 (4): 457–470. Дои:10.1214/aoms/1177731833. JSTOR 2235726.
  43. ^ Гарольд Хотеллинг (1988). "Golden Oldies: Classic Articles from the World of Statistics and Probability: 'The Teaching of Statistics'". Статистическая наука. 3 (1): 63–71. Дои:10.1214/ss/1177013001.
  44. ^ Гарольд Хотеллинг (1988). "Golden Oldies: Classic Articles from the World of Statistics and Probability: 'The Place of Statistics in the University'". Статистическая наука. 3 (1): 72–83. Дои:10.1214/ss/1177013002.
  45. ^ Scheaffer, Richard L. Scheaffer & Stasny, Elizabeth A (November 2004). "The State of Undergraduate Education in Statistics: A Report from the CBMS". Американский статистик. 58 (4): 265–271. Дои:10.1198/000313004X5770.
  46. ^ Moore, David S (January 1988). "Should Mathematicians Teach Statistics?". Математический журнал колледжа. 19 (1): 3–7. Дои:10.2307/2686686. JSTOR 2686686.
  47. ^ Cobb, George W.; Moore, David S. (Ноябрь 1997 г.). "Mathematics, Statistics, and Teaching". Американский математический ежемесячник. 104 (9): 801–823. Дои:10.2307/2975286. JSTOR 2975286.
  48. ^ Hotelling. Cobb and Moore.[требуется полная цитата]
  49. ^ Адриан Смит (primary source). T.M.F. Смит et alia.[требуется полная цитата]
  50. ^ а б Джоан Гарфилд and Bob Hogg and Candace Schau and Dex Whittinghill (9 June 2000). Первая рабочая группа по статистическим наукам (ред.). Передовой опыт вводной статистики (проект 2000.06.09) (PDF). Документ с изложением позиции Инициативы по статистике в области образования. Американская статистическая ассоциация.
  51. ^ Freedman, David; Robert Pisani; Roger Purves (1998). Статистика (4-е изд.). Нью-Йорк: W.W. Нортон. ISBN 978-0393929720.
  52. ^ Moore, David; George P. McCabe; Bruce Craig (2012). Introduction to the practice of statistics (7-е изд.). Нью-Йорк: W.H. Фримен. ISBN 978-1429240321.
  53. ^ Moore, David; Notz, William I. (2014). Statistics : concepts and controversies (8-е изд.). Нью-Йорк: W.H. Фримен и компания. ISBN 978-1464125669.
  54. ^ Watkins, A. E.; Richard L. Scheaffer; George W. Cobb (2011). Statistics from data to decision (2-е изд.). Хобокен, штат Нью-Джерси: Wiley. ISBN 978-0470458518.
  55. ^ Watkins, A. E.; Richard L. Scheaffer; George W. Cobb (2008). Statistics in action : understanding a world of data (2-е изд.). Emeryville, CA: Key Curriculum Press. ISBN 978-1559539098.
  56. ^ Moore and Cobb.[требуется полная цитата]
  57. ^ Batanero, Carmen (2002). "Training future researchers in statistics education. Reflections from the Spanish experience" (PDF). Statistics Education Research Journal. 1 (1): 16–18.
  58. ^ Cynkar, Amy (July 2007). "Honoring innovation". Монитор по психологии. 38 (7): 48.
  59. ^ "Curriculum for PhD Statistics Education Concentration – Univ. of Minn". Получено 12 апреля 2013.
  60. ^ "Statistics Education » College of Education, University of Florida". Получено 12 апреля 2013.
  61. ^ Гарфилд, Джоан. "IASE – Publications: Dissertations". Получено 12 апреля 2013.
  62. ^ Гарфилд, Джоан; Michelle Everson (2009). "Preparing teachers of statistics: A graduate course for future teachers". Journal of Statistics Education. 17 (2): 223–237. Дои:10.1080/10691898.2009.11889516.
  63. ^ "Educational Psychology courses at University of Minnesota—Twin Cities". Получено 12 апреля 2013. Видеть EPSY 8271.
  64. ^ Гарфилд, Джоан; Pantula, Sastry; Pearl, Dennis; Utts, Jessica (March 2009). "Statistics Education Graduate Programs: Report on a Workshop Funded by an ASA Member Initiative Grant" (PDF). Американская статистическая ассоциация. Получено 12 апреля 2013.
  65. ^ Cobb, George W (2007). "The Introductory Statistics Course: A Ptolemaic Curriculum?" (PDF). Технологические инновации в статистическом образовании. 1 (1). ISSN 1933-4214.
  66. ^ Гарфилд, Джоан; delMas, Robert; Zieffler, Andrew (1 November 2012). "Developing statistical modelers and thinkers in an introductory, tertiary-level statistics course". ZDM. 44 (7): 883–898. Дои:10.1007/s11858-012-0447-5. ISSN 1863-9690.
  67. ^ Tintle, Nathan; VanderStoep, Jill; Holmes, Vicki-Lynn; Quisenberry, Brooke; Swanson, Todd (2011). "Development and assessment of a preliminary randomization-based introductory statistics curriculum" (PDF). Journal of Statistics Education. 19 (1): n1. Дои:10.1080/10691898.2011.11889599.
  68. ^ Lock, R. H.; Lock, P. F.; Lock Morgan, K.; Lock, E. F.; Lock, D. F. (2012). Statistics: Unlocking the power of data. Хобокен, Нью-Джерси: Джон Уайли и сыновья.
  69. ^ Nikoletseas, Michael (2010). Statistics for College Students and Researchers: Grasping the Concepts. ISBN 978-1453604533.
  70. ^ Arnold, P.; C. Education; N. Zealand; M. Pfannkuch; C.J. Wild; M. Regan; S. Budgett (2011). "Enhancing Students' Inferential Reasoning: From Hands-On To "Movies"". Journal of Statistics Education. 19 (2). Дои:10.1080/10691898.2011.11889609.
  71. ^ Rossman, A. (2008). "Reasoning about informal statistical inference: One statistician's view" (PDF). Statistics Education Research Journal. 7 (2): 5–19. (8–22 in PDF.)
  72. ^ Gould, Robert (2010). "Statistics and the Modern Student" (PDF). Международный статистический обзор. 78 (2): 297–315. Дои:10.1111/j.1751-5823.2010.00117.x. ISSN 1751-5823.
  73. ^ Chance, Beth; Dani Ben-Zvi; Джоан Гарфилд; Elsa Medina (12 October 2007). "The Role of Technology in Improving Student Learning of Statistics". Технологические инновации в статистическом образовании. 1 (1). Получено 15 октября 2012.
  74. ^ Nolan, Deborah; Temple Lang, Duncan (1 May 2010). "Computing in the Statistics Curricula" (PDF). Американский статистик. 64 (2): 97–107. CiteSeerX 10.1.1.724.797. Дои:10.1198/tast.2010.09132. ISSN 0003-1305.
  75. ^ Pruim, Randall (2011). Foundations and Applications of Statistics: An Introduction Using R. Американское математическое общество. ISBN 978-0-8218-5233-0.
  76. ^ Kaplan, Danny (2012). Statistical Modeling: A Fresh Approach (2-е изд.). Project MOSAIC. ISBN 978-0-9839658-7-9.

дальнейшее чтение

внешняя ссылка

Журналы

Associations and Centers

Прочие ссылки