.png){kind=icon}
返回
Developing Problem-Solving Competency in Data Science: Exploring A Case-Based Approach
.png){kind=icon}
PRE
AI
DOI：10.1145/3770762.3772656.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据科学问题解决（DSPS）能力指的是在应对现实世界数据挑战时做出关键决策的能力。随着生成式AI越来越能够自动化低级常规任务，重点培养学生的更高阶推理和问题解决技能变得至关重要。尽管此类能力需求很高，但在典型的数据科学课程中有效训练这些能力仍然是一个挑战。为了帮助学生培养强大的问题解决能力，有必要让他们接触广泛的问题解决场景。同时，让学生及时获得反馈以促进反思并增强学习也是可取的。本文介绍了我们在研究生级数据科学课程中试点“案例片段”（Caselets，即小型案例研究）的经验，旨在为学生在数据科学问题解决过程中提供支架。我们阐述了Caselets工具的原理、设计与实施，分析了学生使用该工具作为课程一部分时的表现和体验，并反思了教学设计的启示。基于教师的观察与反思，我们讨论了经验教训，并提出了改进和扩大基于案例片段实践的建议，以更好地满足学生和教师的需求。
Keyword:
data science education
case-based learning
problem-solving
期刊
机构
引用论文
.png){kind=icon}
分享收藏The Role of ChatGPT in Data Science: How AI-Assisted Conversational Interfaces Are Revolutionizing the FieldChatGPT在数据科学中的作用: 人工智能辅助的会话界面如何彻底改变这一领域
OAAI
OAAI分享收藏
查看更多内容