25、数据科学概念融入 STEM 驱动的计算机教育

数据科学概念融入 STEM 驱动的计算机教育

1. 引言

随着科技的飞速发展，数据量不断增加，数据在科学、技术、经济以及我们的工作和生活环境中的作用呈指数级增长。数据科学（DS）作为一门关于数据的学科，与 STEM（科学、技术、工程、数学）和计算机科学（CS）有着独特的关系，使得将它们无缝集成到一门课程中成为可能。本文将探讨如何将数据科学概念融入 STEM 驱动的计算机课程，并介绍一种新的三层框架。

2. 评估模型的开发

2.1 评估模型的构成要素

为了设计评估模型，需要考虑相关的构成要素。首先是修订后的布鲁姆分类法，它从知识和认知过程两个维度来表示学习目标和成果。知识维度包括事实性知识、概念性知识、程序性知识和元认知知识；认知过程维度则分为六个类别，从低阶到高阶技能依次为记忆、理解、应用、分析、评估和创造。

此外，还需要考虑学生在学习过程中能够获得的技能，如计算思维（CT）和科学思维（ST）技能。计算思维技能包括抽象、分解、概括/模式识别、数据表示和算法；科学思维技能包括形成和完善假设、开发和使用模型、调查技能以及评估证据。

2.2 评估模型的结构和过程

评估模型一般分为结构部分和基于过程的部分。结构部分包含上述构成要素，代表了任何知识评估的通用方面，还可能包括与现实世界问题相关的特定方面。基于过程的部分则涵盖了用于实现知识评估的方法，如观察、提问、报告、产品审查、结构化活动（项目、情景、案例研究、小组讨论）和自我评估等。

2.3 明确的知识评估模型

通过将所有方面整合在一起，并使用基于特征的符号表示它们之间的关系，提出了明确的知识评估模型。该