An Empirical Approach to Understanding Data Science and Engineering Education
An Empirical Approach to Understanding Data Science and Engineering Education
复制标题
理解数据科学与工程教育的实证方法
DOI：
10.1145/3344429.3372503
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Sundin, Lovisa
中科院分区：
文献类型：
--
作者：
Raj, Rajendra K.;Parrish, Allen;Impagliazzo, John;Romanowski, Carol J.;Aly, Sherif G.;Bennett, Casey C.;Davis, Karen C.;McGettrick, Andrew;Pereira, Teresa Susana;Sundin, Lovisa
由于数据科学是一个不断发展的领域，现有的定义反映了这种不确定性，其中包含了过多的术语和不一致性。由于该领域的流动性，与数据相关的项目所教授的内容、雇主的期望以及数据科学家正在执行的实际任务之间往往存在不匹配。此外，数据科学家可用的工具不一定是正在教授的工具;教科书似乎不符合课程需求;经验证据似乎不支持现有的程序设计。目前，该领域似乎分为数据科学（DS）和数据工程（DE），在组合的数据科学和工程（DSE）生命周期中具有特定但重叠的角色。然而，课程设计尚未跟上这一演变。该工作组报告展示了数据相关教育领域的经验和数据驱动观点，并包括基于此分析的学术界和行业的几项建议。
As data science is an evolving field, existing definitions reflect this uncertainty with overloaded terms and inconsistency. As a result of the field's fluidity, there is often a mismatch between what data-related programs teach, what employers expect, and the actual tasks data scientists are performing. In addition, the tools available to data scientists are not necessarily the tools being taught; textbooks do not seem to meet curricular needs; and empirical evidence does not seem to support existing program design. Currently, the field appears to be bifurcating into data science (DS) and data engineering (DE), with specific but overlapping roles in the combined data science and engineering (DSE) lifecycle. However, curriculum design has not yet caught up to this evolution. This working group report shows an empirical and data-driven view of the data-related education landscape, and includes several recommendations for both academia and industry that are based on this analysis.
登录
查看更多内容
道德资源
影响因子：
1.6
作者：
Francesca Burke
通讯作者：
Francesca Burke
影响因子：
22.7
作者：
Burton, Emanuelle;Goldsmith, Judy;Mattei, Nicholas
通讯作者：
Mattei, Nicholas
用于设计和评估负责任的研究行为的机构课程的掌握标准
影响因子：
4.4
作者：
R. Tractenberg;K. FitzGerald
通讯作者：
K. FitzGerald
本科生数据科学
影响因子：
4.4
作者：
Telecommunications Board
通讯作者：
Telecommunications Board
来自道德推理掌握标准的可持续学习证据。
影响因子：
3
作者：
R. Tractenberg;Kevin Fitzgerald;J. Collmann
通讯作者：
J. Collmann