작성자 : Jason Lee Morgan
Deisy는 2014 년 캘리포니아의 Compton에서 고등학교를 졸업했을 때 중앙 데이터가 어떻게 경력에 어떻게 될지 전혀 몰랐습니다. 오늘날 그녀는 공중 보건 데이터를 분석하기위한 코드를 작성하고 데이터를“자본 형태”로 설명합니다.이 도구는 자신의 작업에서 유연성과 힘을 제공합니다.
그러나 그녀는 또한 놓친 기회를 반영합니다. 그녀는 고등학교에서 데이터 과학에 소개되기를 바랍니다.
Deisy의 감정은 독특하지 않습니다. 미국인 5 명 중 1 명은 학교의 데이터 과학에 대해 더 많이 배웠기를 바라면서 Deisy의 경험은 의미있는 데이터 과학 교육에 대한 광범위한 접근의 필요성을 강조합니다.
데이터 과학 및 수학 교사, DoD STEM Ambassador 및 Compton의 커리큘럼 전문가로서 프로젝트 기반 데이터 과학이 서로 다른 관심사, 강점 및 열망을 가진 학생들과 어떻게 공명하는지 보았습니다. 모든 데이터 과학 과정이 동일하게 만들어지지는 않습니다. 일부는 계산 기술과 분석에 크게 의존합니다. 내가 사용하는 스탠포드 기반 커리큘럼은 정통 프로젝트 기반 학습을 포용합니다. 학생 주도의 문의를 장려하고 여러 과목을 결합하고 여러 주간 조사를 포함하며 학생들이 자신의 작업을 공개적으로 공유하는 것으로 끝납니다. 학생들은 코딩, 모델링 및 통계 분석의 “방법”을 다루기 전서 질문의 “누가”및 “왜”인간으로 시작합니다.
내 교실의 강력한 예 중 하나는 학생들이 도시 코미디에서 피부 톤 표현을 조사하는 유닛이었습니다. 이것은 원래 과제가 아니 었습니다. 학생들은 표현과 색상 문제에 관심이 있었기 때문에 추가 작업을 수행했습니다. 그들은 질문을 생성하고, 수집 및 코딩하고, 범주 및 수치 렌즈를 사용하여 분석했습니다. 학생들은 범주 형 데이터, 조건부 확률 또는 기능에 대한 표준을 충족시키는 것이 아니라 수학을 사용하여 중요한 문제를 탐색했습니다. 결국, 그들은 사회적 통찰력과 개인적인 목소리로 통계적 증거를 함께 짜는 분석 op-eds를 썼습니다.
데이터 과학은 또한 오늘날의 AI 중심 세계에서 필수적인 기술 및 비판적 사고 기술을 장려합니다. 더 많은 부문이 자동화되면서 학생들은 이러한 시스템에 힘을 실어주는 데이터를 이해하고 질문하고 평가하는 방법을 알면 유리합니다. AI는 데이터와 디자인에 포함 된 인간의 선택과 편견을 반영하고 AI 뒤에 데이터를 심문하고 개선 할 수있는 사람들이 더 많을수록 정확하고 공정하며 혁신적인 시스템을 구축 할 가능성이 높아집니다. 데이터 과학은 분석 이상의 것입니다. 옹호 및 체계적인 변화를위한 도구가됩니다.
그럼에도 불구하고 일부 사람들은 학생들이 미적분학 대신 데이터 과학을 섭취하면 STEM 분야에서 옵션을 제한 할 수 있다고 걱정합니다. 이것은 특정 전문 경로에서 사실 일 수 있지만, 현실은 데이터 과학이 오늘날 세계와 대학에서 필요한 분석 및 정량적 기술을 학생들에게 적용하는 엄격하고 관련성있는 수학 경로라는 것입니다. 저의 전 학생 중 한 명인 Rubicelia는 정량 분석을 다루는 능력에 자신감을 가지고 대학에 진학했습니다. 그녀의 실제 데이터 세트에 대한 그녀의 초기 노출은 그녀에게 헤드 스타트를 주었고, 그녀는 동료들을 지원할 수있게 해주었다. 캘리포니아 대학교 (University of California)의 응용 수학 전공 인 Andrea는 Merced가 고등학교 데이터 과학 수업에서 STEM에서 라티 나 여성을 대표하는 데이터를 탐색했습니다. 그 조사는 단지 그녀의 기술 능력을 가르치는 것이 아닙니다. 그것은 그녀가 그녀가 본 숫자를 바꾸도록 영감을주었습니다. 이 과정에서의 그녀의 경험은 성장 사고 방식과 까다로운 대학 수학 분야에서 성공하기위한 모래를 촉진했습니다. 이들은 데이터 과학이 문을 닫지 않는다는 것을 보여주는 많은 예 중 하나에 불과합니다. 학생들이 상상하지 못한 경로에 새로운 것을 엽니 다.
그렇기 때문에 저는 주 및 지역 교육 지도자들에게 수학에 대한 광범위한 비전을 받아들이도록 요구하는 이유입니다. 이는 우리가 삶과 경력에서 사용하는 다양한 방법을 반영합니다. 이는 모든 고등학생들이 고품질 데이터 과학 과정을 이용할 수 있고 인식 된 수학 경로로서의 정당성을 보호 할 수 있도록하는 것을 의미합니다. 또한 컨텐츠 지식뿐만 아니라 교육자들에게 매력, 고무적, 수학적으로 향상되는 방식으로 데이터 과학을 가르치는 기술을 갖춘 전문 학습에 투자하는 것을 의미합니다. 훌륭한 교사는 전통적인 수학 과정보다 데이터 과학으로 더 많은 일을 할 수 있으며,이 과정은 종종 제한적인 간격, 좁은 전제 조건 및 테스트에 대한 과잉 강조로 제한됩니다. 카운슬러들도 학생들이 떠오르는 수학 경로를 탐색하고“실제”수학으로 간주되는 것에 대한 지속적인 신화와 오해를 다루기 위해 대상 지원과 훈련이 필요합니다.
가장 중요한 것은 수학 경로에 대한 결정을 내릴 때 모든 이해 관계자, 특히 학생들의 말을 들어야합니다. 데이터 과학 교육에 대한 접근은 학생들에게 인력 성공을위한 도구를 준비하는 것이 아니라 기쁨, 영감 및 인간의 번영에 관한 것입니다. 그것은 우리 젊은이들에게 존재하는 영향에 대한 인간의 정신, 호기심, 그리고 굶주림을 불러 일으키는 것입니다. 너무 자주, 전통적인 수학 교육은 그 정신을 불러 일으 킵니다. 그러나 필요하지 않습니다. 호기심이 많고 열정적 인 영혼과 짝을 이룰 때 정량적 노하우는 강력한 혼합입니다. 학생들은 의미있는 데이터 과학 교육 이이 조합을 놀라운 방식으로 육성한다고 말합니다.
우리는 듣고 있습니까?
2025 년 DoD STEM 대사 인 Jason Lee Morgan은 19 년 동안 문화적으로 관련되고 매력적인 STEM 교육을 수학 및 데이터 과학 교육자, Compton Unified School District의 커리큘럼 전문가, Twigs Math Equity Project의 창립자로서 Compton, Long Beach 및 South Central LA의 컬러 학생들을위한 공정하고 즐거운 성과를 촉진했습니다. 또한 Stanford University의 YouCubed Initiative와 파트너십을 맺은 Compton Unified의 최초의 데이터 과학 과정을 개척했습니다.
