【R教学】什么教育资源是好的?为什么?

笔者邀请您，先思考：

1 什么教育资源是好的？

在本系列的第一篇文章中，我们概述了在科学领域与R一起教学的教育者面临的一些共同挑战。在这篇文章中，我们将深入研究什么是“好”的教育资源可以用来教授科学。

对于使用R教授科学的教师来说，有许多开放的教育资源可以重用，可以根据自己的教学风格进行调整，也可以用来激励他们创建自己的材料。一些例子:

• 最初由Jenny Bryan开发的Data wrangling, exploration, and analysis with R (a.k.a. STAT545)

• Chester Ismay 和 Albert Y. Kim写的ModernDive: An Introduction to Statistical and Data Sciences via R

• Mine Çetinkaya-Rundel的RStudio’s Data Science “Course in a Box”

• Rafael Irizarry 和 Michael Love的Statistics and R

• 由Carpentries提供的课程，包括 Software Carpentry(领域不可知)和 Data Carpentry(特定于领域的)

是什么使这些教材对教育者有吸引力?

这些课程资料是开放的，可以被其他教育者发现。人们普遍认为，封闭的教育资源比任何开放的材料都要好。否则，为什么有人要为教育材料付钱呢?虽然有一定的优秀的封闭教育资源,开放是最吸引人的特点之一,高质量的教学资源,教学科学与r .为学生开放的材料没有成本,使社区教育工作者和学生改善和更新材料,并使其可以重用和调整资源。所有这些使得整个教学体验对整个教育界来说更加有效。在封闭的模式中，教育者不公开分享他们的资料，他们通常是独自工作(或小组合作)，没有任何来自教学社区的反馈或贡献。

上面列出的所有共享的资源一个特性是，它们都具有托管在公共GitHub存储库中的源材料。源材料通常以可共享的、可编辑的格式编写，如使用R Markdown网站、Blogdown或Bookdown等工具编写。保持最新的教育材料是一项不小的任务!对于在课堂上使用R的教育者来说，获得这些开源材料有助于减轻他们面临的最大挑战之一:引入和改进包的快速速度。通过R社区成员保持最新的前沿教材要比依赖包含过时代码和过时的软件包推荐的纸质教科书容易得多。

这些材料是为实践我们如何学习而设计的。学者们在研究方面有严格的正规培训，这也是同行评议的内容。说到大学教学，学者们几乎没有接受过正规的教育实践和研究培训。此外，正式的同行评审机制几乎是不存在的。相比之下，在如何教授像R这样的编程技能(例如， Greg Wilson’s “Teaching Tech Together”)，以及如何培训讲师教授这些技能(例如，请看 The Carpentries Instructor Training)方面，确实有一些真正的创新。我们上面的许多例子都是按照现代教学方法设计的。例如，ModernDive是由一位专门研究学习科学的认知心理学家评估的。所有这些都是在真实的课堂上“经受过考验”的，并且作者根据真实的学生反馈进行了反复的研究。

使用基于兴趣领域真实数据的示例开发的、对学习者有意义的课程往往更成功。当专注于要学习的概念的实际实践时，他们会更成功，而不是仅仅专注于理论。一种有效的传递内容的技巧是，教师将学生分成三个小组进行练习，然后两个人一组进行练习，最后单独完成材料。并行方案是使用螺旋技术引入新概念，在课程中重复新概念，增加难度。

好的课程材料教导人们要独立。在现实生活中，以循序渐进的指导为重点的课程往往不如以一种概括课堂之外的方式教授概念的课程有用。在现实生活中，知道该问什么问题，如何找到这些问题的正确答案，以及如何使所获得的知识保持最新，比为可能老化的过程遵循循序渐进的教程更重要。

这些学习目标是如何实现的，无论是作为一个正式的学期课程的一部分，还是在短时间内，比如一个为期两天的研讨会，都会影响什么是好的课程材料。对于一个学期的课程来说，可以融入现有课程的课程可能会更有用，而在短时间内教授一套R技能的课程可能会从一套更正式的课程中获益，这些课程在密集的研讨会中已经经过了测试。

在本系列的下一篇和最后一篇文章中，我们将总结一些优先需求，并呼吁采取行动，推动这些优先需求，以进一步利用R资源进行科学教学。

原文链接：
https://ropensci.org/blog/2018/07/25/educollab-resources/

版权声明：作者保留权利，严禁修改，转载请注明原文链接。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习到有用知识。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，聚合和分享优质的省时的数据知识！
我们都是数据人，数据是有价值的，坚定不移地实现从数据到商业价值的转换！

点击阅读原文，进入数据人网，获取数据知识。

公众号推荐：

链达君，专注于分享区块链内容。

艾鸽英语，专注于分享有趣味的英语内容。