建立全球对数据素养的兴趣

建立全球利益 数据素养：对话 研讨会报告 版权所有©2016由EducationDevelopmentCenter,Inc.保留所有权利。打印在美利坚合众国。本出版物受版权保护，应在任何禁止之前获得作者的许可 复制、存储在检索系统中，或以任何形式或通过任何方式进行传输，电子、机械、光- tocopy,recording,orlikely.Forinformationregardingpermission(s),writetoOceansofDataInstitute,Education 发展中心有限公司，马萨诸塞州沃尔瑟姆铸造大道43号02453或联系oceansofdata@edc.org。 INTRODUCTION 数据驱动器发现、决策制造和创新 人类努力的各个方面。 数据使我们能够跟踪疾病的进展并确定治疗方法；预测和准备自然灾害和国家安全威胁； 并开发新产品 广泛的有用性和刺激新的途径经济发展。数据支持明智的去-关于日常挑战的思考-从 选择最好的汽车购买诊断如何 fix它。关于我们的行动，我们的动作的数据，我们的个人决定正在被收集 通过我们的平板电脑、电脑和手机手机，并可能以多种方式使用 目前还没有人想到。这些变化带他们来准备stu- 具有新知识和技能的学生- 不仅是为了让他们成为富有成效的成员劳动力，但也可以让他们参与 作为受过教育的公民，以证据为基础复杂世界中的决定 描述了他们在工作中所做的事情必要的知识、技能和行为 theymusthave.Thisprofilewasreviewedand 由150多位大数据专家验证- 来自几乎每个行业部门的原力。在 2015年10月，ODI和IBM召开了第二次会议研讨会，建立全球对数据的兴趣 识字：对话，带来教育专家进入对话。 在三天的时间里，大数据分析师小组和教育专家从事一个结构化的 对话产生了对 当今大数据社会中数据素养的本质-ety，设想有数据知识的人是什么做，并深入研究分析的含义- 我们的思维方式以及我们如何在 K-16教室 在 “大数据”的世界？我们应该是什么教学生更好地准备 参与当今的劳动力和社会？需要采取哪些步骤来开发关键 学校的数据素养技能？寻求答案对于这些问题，EDC的数据海洋 研究所（ODI）召集了两个专家小组研讨会。2014年底，大数据小组来自领先企业、政府的分析师 机构和大学产生了一个PROfile “支持大数据的专家”(BDES)， 1 关键研讨会成果 小组开发和认可以下内容 数据素养的defi定义： 有数据知识的人理解，解释，并记录实用程序和通过成为关键的数据限制 数据的消费者，控制他/她个人数据跟踪，fi在 数据，并根据数据采取行动。有数据知识的人可以识别- FY，收集，评估，分析，解释，目前，并保护数据。 小组还承认了 教授一系列重要的技能 数据素养的基础，特别是，强调鼓励的至关重要性- 衰老的好奇心、怀疑主义和坚持教室。 促进数据素养的行动呼吁，由所有小组成员在 研讨会结束时，呼吁“一场革命” 在教育中，将数据素养置于核心地位，整合到整个K-16教育国家- 世界各地。“。专家小组“看到了亲- 以下的全球数据素养运动原因: 我们的世界经济和我们的工作越来越多由数据和知识和技能塑造 需要有效地使用它。 •我们都是永久的，而且往往是在不知不觉中，生产- ING数据流，我们需要更多地意识到这一点的形状和管理，以确保我们的隐私和 个人安全。 最后提出的全球数据倡议 这个研讨会设定了雄心勃勃的目标 通过以下方式为1亿学生带来数据素养 2021年。为了实现这一目标，专家组明确表示- Ed实质性努力的重要性以下三个方面： •让利益相关者参与进来，建立一个全球性的数据素养社区 开发和传播教育资源 •将数据素养融入国际 用于define的标准和评估受过良好教育的学生 •数据的有效使用使我们能够客观， 基于证据的推论和基本决策 影响我们的生活，无论是作为个人还是社会。“ 完整报告 本报告的后续部分提供了更多完整介绍的关键成果 研讨会建立全球对数据素养的兴趣：对话 Section1 什么是数据素养？ Section2 与数据素养相关的关键技能 Section3 分析性思维 Section4 全球数据素养倡议-后续步骤 Section5 呼吁采取行动促进数据素养 Appendix 小组传记 Section1 什么是数据素养？ 当我们谈论数据时，我们是什么意思识字？谁是两个人都舒服 熟练，谨慎地使用数据工作场所以及个人生活? 我们如何知道某人是否具有数据素养？到底有数据素养的个人能够 这样做表明了他们的工作能力 与数据有效地？有什么相似之处具有数据素养的个人的活动对 由启用数据的专业人员执行的活动-als？像这些推进的问题 专家小组成员之间的对话 并产生了两个关键产品-definition 数据素养和活动描述 有数据知识的人能够做到。这两个产品如下所示，以及简短的 描述它们是如何发展的。 Defi对数据素养的认知 为了启动对话，ODI提供了小组 具有数据素养的个人的defi定义草案供他们考虑。当时小组是 挑战创建自己的defiNition，一个简洁而全面，最 重要的是，一个描述了一个数据-erate个人能够做到。小组工作 在来到之前通过几次迭代 就以下defiNition达成共识，锚定所有后续对话： 有数据知识的人理解，解释，并记录实用程序和通过成为关键的数据限制 数据的消费者，控制他/她个人数据跟踪，fi在 数据，并根据数据采取行动。有数据知识的人可以识别- FY，收集，评估，分析，解释，目前，并保护数据。 数据扫盲活动人是能够做到的 开发一个更全面的描述 了解数据的人能够做什么，小组在小组中工作，包括 教育和数据分析方面的专家。他们分析了ODI支持大数据的Profile 专家(BDES)，生产于2014年，旨在阻止- 挖掘中的活动在多大程度上 Profile对应于活动范围 一个有数据知识的人可能会参与其中。小组讨论了哪些任务应该 消除，以及是否需要添加- ed.Thefollowingsummarizedthekeyactivities 及其组成部分。(注：这些描述- 选项旨在完全捕获范围 与数据素养相关的任务；它不是期望任何一个人能够 执行所有这些活动。) Defi解决了问题 包括明确的问题，确定 问题的受众和背景，以及去-终止将观察到的内容和工具用于测量和评估 进行研究所涉及的风险和偏见。 Wrangles/Handles数据 包括探索可用的数据 和/或收集数据，将数据映射到异质来源，清洁/转换/ 合成和可视化数据，编写软件- 自动化数据分析任务的软件，文档- 调整数据处理过程，处理数据的理解是数据集 是一种不完美的结构，涉及决策-sions和假设。 自我管理数据资源在结果中，并将结果与其他 涉及对数据的了解的计划 生命周期，完全履行fi的道德和法律义务，表现出对隐私的风险意识- 自己和数据的cy和fi机密性其他，以及保护和记录数据保持再现性。 选择适当的方法和工具 包括选择对齐的方法和工具出于目的，展示了对 验证，并记录方法和工具。 fi编码，并记录fi编码。 交流调查结果 包括讲述“数据故事”-描述问题、方法和分析以及局限性的研究，并准备可视化 沟通结果和建议。 从事终身学习 涉及寻找导师和指导 其他，并保持最新的新数据源和分析工具。 分析数据 涉及制定分析计划和进行探索性分析(以确定 采样中的异常、异常值和偏差)，提取- 从结果中洞察，评估fi可信度 Section2 与数据素养相关的关键技能 识别具有数据知识的人所拥有的技能个人，专家小组再次转向 BDESProfile.TheBDESProfileincludesalist 被认为是启用所必需的技能 aBDEStoperformeffectively.Eachpanel 成员被要求审查此技能列表并确定他们认为的六种技能对数据素养至关重要。 技能和习惯识别为fi 小组最重要的包括 （按字母顺序）： •坚持道德和法律规则/含义/ 后果 •创建/进入数据结构 •Formulatesproductivequestions •了解数据安全 •能够胜任数据可视化设计 •熟悉软件 •了解研究方法 •熟悉统计思维/方法 •作出推论（从非随机抽样数据） •Makesprivacychoice •操纵数据 •解决问题 •Thinksanalytically •通过计算思考 •批判性地思考 •综合思考（大图）；创建上下文数据影响 •了解设计思维/数据生命周期 •使用电子表格 Section3 分析性思维 2014年，BDES专家小组列出了对其职业至关重要的技能。近 100名完成验证调查的大数据分析师在此列表中排名第一，给出了他们最强的认可分析思维的技能，如下面的顶部调查结果所示。 知识: 有效的大数据支持 专家有以下方面的知识： 技能: 有效的大数据支持专家拥有以下技能： 分析性思维 算法 分析性思维批判性思维 批判性思维数据结构数据建模 Statistics 最佳实践通信 Visualization 非结构化数据编程 科学方法领域/领域知识 数学 解决问题应用统计方法 数据操作数据管理 计算思维 研究方法综合思维统计方法 Writing 计算机编程 可视化设计 编程 数据库数据库编程 0%20%40%60%80%100%0%20%40%60%80%100% 检查此项目的受访者百分比(N=93) 鉴于这种强烈的认可，ODI的教育工作者们想知道“分析”的含义是什么思考“？分析思考者如何处理数据，以及如何分析 在K-16学生中培养思维能力？ 我们的专家小组在2015年的召开为教育领导者提供了一个独特的机会 观察从事数据分析工作的five小组成员，因为他们被要求描述他们是如何在他们的工作中应用分析思维。“fishbowl”对话是由关键问题提示的- 主持人提出的建议: •在你的工作背景下，什么是分析性思维？ •你能提供一个例子，说明你是如何在工作中使用分析思维的吗？ 在听完数据分析师的对话后，教育工作者被邀请要求澄清问题和对教育的影响。整个谈话被记录下来， 转录和分析，提供分析思维的三个关键要素： 分析型思考是... 明确定义你的目标以及它们如何成为用数据实现 采取（有时）困难 问题，把它分解成碎片，并重新建立它 获得有趣的见解 探索数据中的模式持怀疑但开放的心态 讨论提供了许多不同的 相关的观点，其中一些是反映在下面。 分析 数据和 将被应用。 有一个你必须建立基线，然后你可以寻找 除此之外的信号。 是警探工作-识别 正在发生的事情/ 保证的异常进一步调查。 寻求好奇心答案，质疑 这是一个组合寻找模式， 并使用推理来使这些意义 模式。 什么是分析性思考? （讨论） 它正在尝试不同的 方法。 它运行了很多受控实验 测试你的想法(其中大部分会失败)，并避免 确认偏见。专家有去学习一些东西和 保持“初学者的头脑”。 数据。我有好的数据吗？不好数据？获取信息和 能够讲述一个故事 非常具体，简洁，它承认 真实，道德的方式。 每种类型的数据 适合一些 使用，而不是为他人。没有数据集是完美的-所有有偏见，局限性。 非分析性思考=做一个 谷歌搜索，获取结果并发布。分析型思考者 给它更深 Thought. 数据分析专家 在与我们分享的面板上一些关于 他们如何应用分析 在他们的工作中思考实现重要的见解。 RyanKapaun，伊甸园犯罪分析师明尼苏达州草原，警察局，共享这个例子... 当我第一次为我的警察做分析师 部门，我没有接受过数据科学方面的培训或统计数据。我是first分析师，那里 没有导师来指导我。他们只是给了我访问10个不同的数据库与数百万一些数据，让我告诉他们 警车应该在哪里，为什么。我 在fiRst没有取得太多成就，但是我的好奇心- 我把所有这些数据都掌握在我手中我想理解它，并告诉一个 故事