Υποστήριξη του συλλογισμού με πολυδιάστατα σύνολα δεδομένων – Concord Consortium

Με έναν κατακλυσμό δεδομένων – από δεδομένα σχετικά με την κλιματική αλλαγή και την πανδημία έως δεδομένα σχετικά με τα δημογραφικά στοιχεία των πόλεων και την τοπική χρήση ενέργειας – είναι ολοένα και πιο ζωτικής σημασίας το κοινό να μπορεί να κατανοήσει τα δεδομένα για να ενημερώσει τις αποφάσεις του. Αλλά τα σύνολα δεδομένων μπορεί να είναι συντριπτικά, τουλάχιστον με την πρώτη ματιά. Για παράδειγμα, τα δεδομένα απογραφής μπορεί να περιλαμβάνουν δεκάδες χαρακτηριστικά – ηλικία, εκπαίδευση, εισόδημα, μέγεθος οικογένειας, κατάσταση απασχόλησης και πολλά άλλα. Επιπλέον, οι μαθητές συνήθως αντιμετωπίζουν σύνολα δεδομένων μόνο ως «επίπεδες» εμφανίσεις απλών σειρών και στηλών σε ένα υπολογιστικό φύλλο. Ωστόσο, τέτοιες αναπαραστάσεις είναι ανεπαρκείς εάν οι μαθητές θέλουν να μάθουν πώς να συγκεντρώνουν το μέσο εισόδημα και την εκπαίδευση σε επίπεδο πολιτείας ή κομητείας. Ένα νέο έργο διερευνά τον τρόπο υποστήριξης των μαθητών στη χρήση πολυδιάστατων δομών δεδομένων.

Ο στόχος του Υποστηρικτικού συλλογισμού με πολυδιάστατα σύνολα δεδομένων είναι να παράγει αρχές σχεδιασμού για να καθοδηγήσει τους προγραμματιστές τεχνολογίας, τους προγραμματιστές προγραμμάτων σπουδών και τους ερευνητές στη δημιουργία περιβαλλόντων που ευνοούν την προώθηση της ευχέρειας δεδομένων για όλους τους μαθητές. «Θέλουμε όλοι οι μαθητές να βγαίνουν από το σχολείο με μια αίσθηση ικανότητας όταν χρησιμοποιούν δεδομένα για να ρωτούν και να απαντούν στις δικές τους ερωτήσεις», λέει η Lynn Stephens, ερευνήτρια στο Concord Consortium και κύριος ερευνητής του έργου Multidimensional Datasets.

Πολυδιάστατα δεδομένα που αναπαρίστανται ιεραρχικά στο CODAP. Χαρακτηριστικά με επαναλαμβανόμενες τιμές δεδομένων έχουν συρθεί προς τα αριστερά για να ομαδοποιηθούν τα δεδομένα.

Ως θεμελιώδες ερευνητικό έργο, που χρηματοδοτείται από το πρόγραμμα Core Research του Εθνικού Ιδρύματος Επιστημών, ξεκινάμε μελετώντας τον τρόπο με τον οποίο οι ειδικοί δεδομένων συνεργάζονται με πολύπλοκα και άγνωστα σύνολα δεδομένων, ζητώντας τους να «σκέφτονται δυνατά» και να εξηγούν τις ενέργειές τους καθώς αλληλεπιδρούν με τα δεδομένα . Αυτές οι συνεντεύξεις θα χρησιμεύσουν ως φόντο για να πλαισιώσει τη δουλειά μας με τους μαθητές. Μεμονωμένες και μικρές ομάδες μαθητών γυμνασίου θα κατασκευάσουν σύνολα δεδομένων παράγοντας πρώτα τα δικά τους δεδομένα και μετά ομαδοποιώντας τα δεδομένα τους με αυτά άλλων μαθητών για να δημιουργήσουν μεγαλύτερα, πιο περίπλοκα σύνολα δεδομένων. Θα διερευνήσουμε τους διαισθητικούς τρόπους αναπαράστασης πολυδιάστατων συνόλων δεδομένων και θα εξετάσουμε ποιες στρατηγικές και δραστηριότητες διδασκαλίας υποστηρίζουν την κατανόηση των δεδομένων των μαθητών.

Ο Stephens και ο συν-κύριος ερευνητής Dan Damelin είναι ενθουσιασμένοι που οι αρχές σχεδιασμού θα οδηγήσουν σε νέα χαρακτηριστικά για την Κοινή μας διαδικτυακή πλατφόρμα ανάλυσης δεδομένων (CODAP). Ο Damelin λέει, «Το CODAP διαθέτει ήδη μια σειρά από λειτουργίες για τη διευκόλυνση της εξερεύνησης δεδομένων. Η δημιουργία σκαλωσιάς στους μαθητές για τη δημιουργία και την κατανόηση ιεραρχικών δεδομένων θα προωθήσει την αποστολή του CODAP να κάνει την ανάλυση και την οπτικοποίηση δεδομένων εύκολη και ευχάριστη.»