数据科学标准：培养数据素养，赋能未来公民

一个多世纪以来，一直有呼吁要提高“统计素养”。近年来，随着大数据和快速计算的兴起，这种呼声甚至变得更加响亮。

然而，现实是，大量学生未能通过代数课程，这些课程侧重于过时的方法和手工计算。这些过时的课程设置劝退了许多学生继续在 STEM 领域深造，并加剧了美国普遍存在的不平等现象。

需要一种不同的数学教学方法——一种为所有学生培养数据素养的方法。这种方法不仅会更具相关性，提高学生的参与度，而且有可能减少对通过社交媒体分享的误导性信息的广泛脆弱性。

研究表明，学生没有为成为数据和在线资源的批判性消费者做好充分准备，这引发了人们对我们民主的威胁的担忧，而我们的民主依赖于选民辨别真假的能力。另一方面，新兴的数据科学领域，被定义为统计学、数学和计算机科学的综合，有望为学生提供强大的解决问题的策略，他们将在工作场所和日常生活中使用这些策略。而且，在几乎所有经济领域的所有工作中，都需要能够用数据进行推理的人才。

对于当今的 K-12 教育工作者来说，这代表着一个挑战：教师如何激发他们的年轻学生对新的数据科学学科的兴趣。

但长期以来一直缺少一块：缺乏数据科学的标准。即使美国各地的学校和学区都认识到数据素养的必要性，这种情况仍在继续；一些州框架要求关注数据素养（例如 2021 年加州数学框架）；以及各学科领域的教师开发他们自己的数据课程和课程。

尽管数据科学是跨学科的，但数据科学标准的一个可能归宿是在数学标准中，因为有重要的数学工具和方法支持数据科学。另一种可能性是一套独立于数学的标准——增加了发展一种真正跨学科的方法来培养学生的 数据理解力的可能性。在这两种情况下，似乎是时候在该领域树立一面旗帜，并提出通过各年级发展数据素养和数据科学的想法了。这些标准可以帮助学生为进入中学和高中做好准备，并由高中数据科学课程进行补充和深化，一些州和大学现在接受该课程作为代数 2 的替代方案。

在高中的水平上，教授构成数据科学的数学、统计和计算思维的综合，不仅可以引导学生获得重要且收入颇丰的职业，而且可以消除建立在微积分路径中的不平等。在美国的大多数学区，成绩优异的学生都在参与所谓的“微积分竞赛”，错过了中学课程，以达到微积分的顶峰。然而，研究表明，大多数在学校学习微积分的学生都会在大学里重修或参加较低水平的课程。

压缩课程以达到微积分的需求也意味着大多数学生在中学会被筛选出这条道路，而那些被选中继续前进的学生则不成比例地是白人和男性。数据科学提供了一种更公平的替代微积分的方法，它不需要中学的分班，并将与学生的日常生活和社区联系起来，提高对社会正义问题的认识，并吸引更广泛的学生群体。

这也不会是一条较低水平的路径，因为数据科学是一门严谨的学科，对 STEM 学科和人文科学中的许多不同大学专业来说都丰富而重要。美国国家教育研究院最近呼吁开设高中课程，让学生参与公民推理——重点关注当前可用的数据科学课程中规定的确切的数学内容和实践。一个例子是 Mobilize 导论数据科学课程，该课程由加州大学洛杉矶分校和洛杉矶联合学区以及斯坦福大学的 Youcubed：数据科学探索联合开发。

在相关的出版物中，我们列出了一套标准，这些标准源自美国统计协会的 PreK-12 统计教育评估和指导指南。这些标准的一个重要特点是，在每个年级，它们都融入到一个数据调查周期中。数据科学不应被教授为一组不相关的方法，而应被教授为一种使用数据解决问题的方法，突出数学内容和实践。随着学生的进步，他们将积极参与这个解决问题的调查周期，并具有越来越高的复杂程度。尽管每个年级都列出了重要的知识，但这些知识作为连贯整体的一部分被链接和发展。我们设想的数据周期如下：

我们在制定这些标准时的目标并不是声称它们是各年级发展数据素养的唯一途径，而是为了提高认识，并启动或丰富在美国各地正在进行的对话。我们提出的数据科学标准的一些亮点包括学生培养对他们生活中可以用数据考虑的事件的好奇心，学习提出他们自己关于他们感兴趣并影响他们的主题的统计调查问题，以及面对数据收集和分析的伦理影响。

然而，建立标准只是第一步。在准备教育工作者教授数据科学、为家长设定期望和获得所需资源方面，仍有大量工作要做。全国各地的组织正在共同努力，提高人们对学校中数据科学需求的认识（例如，请参阅“混乱数据联盟”和 youcubed 的数据科学资源），并且正在制作在线课程，以帮助教师准备他们将需要的重要知识和教学法（例如，请参阅我们自己的 YouCubed 项目。此外，美国统计协会拥有广泛的教学资源库）。

但标准是拼图中重要的一部分，我们希望它能够开启进一步的工作和考虑——提升一个目前仍处于起步阶段的内容领域，但它可能是在培养具有数据素养的公民、使他们能够驾驭和理解他们充满数据的世界方面最重要的领域。