Ten simple rules for teaching data science

Stellen Sie sich vor, das Lehren von Data Science wäre wie das Beibringen eines komplexen Kuchens. Die meisten Lehrer würden vielleicht drei Wochen lang über die chemischen Eigenschaften von Mehl, die Geschichte der Öfen und die Physik der Hitze dozieren, bevor sie überhaupt jemanden einen Inhaltsstoff anfassen lassen. Dieses Paper argumentiert, dass das eine schreckliche Idee ist. Stattdessen sollten Sie sie den Kuchen sofort probieren lassen und ihnen dann die Wissenschaft beibringen, sobald sie mehr davon begehren.

Hier sind die Zehn einfachen Regeln für das Lehren von Data Science, übersetzt in Alltagssprache mit einigen schmackhaften Analogien:

1. Lasst sie Kuchen essen (Beginnen Sie mit dem Handeln)

Warten Sie nicht bis zum Ende des Semesters, um den Studierenden zu zeigen, was Data Science tatsächlich ausmacht. Lassen Sie sie bereits in der ersten Stunde Daten laden, sie ein wenig bereinigen und ein Bild erstellen (Visualisierung).

• Die Analogie: Es ist, als würde man einem neuen Autofahrer die Schlüssel geben und ihn im Auto sitzen lassen, bevor man erklärt, wie die Transmission funktioniert. Sobald sie das Motorengeräusch spüren, werden sie Sie anflehen, die Zahnräder zu erklären. Wenn Sie mit trockenen technischen Details beginnen (wie „Objektdatentypen“), werden sie abschalten. Locken Sie sie zuerst mit dem spaßigen Teil; die langweiligen technischen Details werden später Sinn ergeben, wenn sie sie brauchen, um ein Problem zu lösen.

2. Die „Live-Kochshow“ (Partizipatives Live-Coding)

Zeigen Sie den Studierenden nicht nur eine fertige Folie mit Code darauf. Tippen Sie den Code vor ihnen ein, während Sie Ihren Gedankengang laut durchsprechen.

• Die Analogie: Denken Sie an einen Koch im Fernsehen. Wenn der Koch nur ein Foto des fertigen Gerichts zeigt, lernen Sie nichts. Aber wenn der Koch schneidet, eine Knoblauchzehe verbrennt, flucht, es korrigiert und erklärt, warum er im Topf rührt, dann lernen Sie kochen. Wenn Sie beim Tippen einen Fehler machen, ist das etwas Gutes! Es zeigt den Studierenden, dass auch Experten Fehler machen, und lehrt sie, wie man Fehler in Echtzeit behebt (Debugging).

3. Drill, Baby, Drill (Viel Übung + Sofortiges Feedback)

Geben Sie den Studierenden eine riesige Menge an Übungsaufgaben, viel mehr, als Sie glauben, dass sie brauchen. Aber hier ist der Haken: Sie benötigen das Feedback sofort, nicht erst eine Woche später, wenn die Note zurückkommt.

• Die Analogie: Jonglieren lernen. Man kann es nicht lernen, indem man nur ein Video schaut. Man muss die Bälle hundertmal fallen lassen. Wenn man einen Ball fallen lässt und jemand fünf Minuten später ruft: „Zu hoch!“, hat man schon längst vergessen, was man gerade gemacht hat. Nutzen Sie automatisierte Werkzeuge (wie Software-Tests), die wie ein Coach direkt neben einem stehen und sofort sagen: „Hey, du hast ein Komma vergessen“, damit man es korrigieren kann, solange die Lektion noch frisch ist.

4. Nutzen Sie Spielzeugzüge (Beginnen Sie mit kleinen, einfachen Daten)

Wenn Sie ein neues, beängstigendes Werkzeug oder einen Algorithmus einführen, werfen Sie ihnen nicht direkt einen massiven, unordentlichen Datensatz aus der realen Welt vor die Füße. Verwenden Sie einen winzigen „Spielzeug“-Datensatz, der in Ihren Kopf passt.

• Die Analogie: Wenn Sie jemandem erklären wollen, wie ein Automotor funktioniert, übergeben Sie ihm nicht den Motor eines LKWs mit 500 Teilen. Sie geben ihm einen Spielzeug-Automotor mit drei Zahnrädern. Er kann jedes Teil bewegen sehen. Sobald er den Spielzeugmotor verstanden hat, geben Sie ihm dann den echten LKW. Kleine Datensätze ermöglichen es den Studierenden, jedem Schritt der Mathematik zu folgen, ohne im Rauschen unterzugehen.

5. Echtes Essen, aber leicht zu kauen (Reale Daten, zugänglicher Kontext)

Sobald sie den Spielzeugmotor verstanden haben, wechseln Sie zu echten Daten. Aber stellen Sie sicher, dass die Daten über Dinge gehen, die jeder versteht, wie Länder, Bevölkerungen oder Sprachen.

• Die Analogie: Stellen Sie sich vor, Sie leiten einen Kochkurs. Wenn Sie „Tiefsee-Kalmare“ als Hauptzutat verwenden, werden die Studierenden, die noch nie das Meer gesehen haben, die ganze Zeit darüber nachdenken, was ein Kalmar ist, anstatt zu lernen, wie man ihn kocht. Verwenden Sie Zutaten, die jeder kennt, wie Kartoffeln oder Karotten. Das Ziel ist es, die Kochtechnik zu lehren, nicht die Biologie des Gemüses. Nutzen Sie Daten über Dinge, mit denen Menschen im Alltag leben, damit sie nicht durch die Materie selbst überfordert werden.

6. Das „Warum“ hinter dem Seltsamen (Kultureller & historischer Kontext)

Erklären Sie, warum Software-Tools so konzipiert sind, wie sie sind, selbst wenn sie seltsam oder nervig erscheinen.

• Die Analogie: Stellen Sie sich vor, Sie fahren ein Auto mit einem Schalthebel, der sich unhandlich anfühlt. Wenn Sie nur sagen „Gewöhn dich dran“, wird man frustriert sein. Aber wenn Sie erklären: „Dieses Auto wurde in den 1950er Jahren für eine bestimmte Art von Straße gebaut, und deshalb ist der Hebel dort“, ergibt es Sinn. Daten-Tools wurden von Menschen mit einer Geschichte gebaut. Zu erklären, dass ein seltsames Symbol existiert, weil es eine alte Tastatur oder eine Vorliebe eines Statistikers gibt, hilft den Studierenden, das Werkzeug aufzuhören zu hassen und anzufangen, es zu verstehen.

7. Ein sicherer Spielplatz (Inklusive Gemeinschaft)

Schaffen Sie ein Klassenzimmer, in dem sich Studierende sicher fühlen, Fehler zu machen. Wenn sie Angst haben, dumm dazustehen, werden sie keine Fragen stellen und sie werden nicht lernen.

• Die Analogie: Lernen ist wie das Erlernen eines Tanzes. Wenn Sie panische Angst haben, dass alle lachen, wenn Sie jemandem auf den Zeh treten, werden Sie starr in der Ecke stehen. Sie brauchen eine „No-Judgment-Zone“, in der das Treten auf einen Zeh einfach Teil des Prozesses ist. Setzen Sie klare Regeln gegen Mobbing und Belästigung durch, damit sich alle sicher genug fühlen, es zu versuchen, zu scheitern und es erneut zu versuchen.

8. Die Checkliste für Köche (Peer-Learning mit Checklisten)

Wenn Studierende die Arbeit der anderen bewerten, sagen Sie nicht einfach nur „Bewerte das“. Geben Sie ihnen eine Checkliste.

• Die Analogie: Denken Sie an einen Piloten vor einem Flug. Er geht nicht einfach davon aus, dass das Flugzeug bereit ist; er geht eine Checkliste durch: Fahrwerk unten? Treibstoff voll? Türen verriegelt? Wenn Studierende die Arbeit eines Freundes überprüfen, verhindert eine Checkliste, dass sie die kleinen, kritischen Details übersehen. Es verwandelt ein vages „Das sieht schlecht aus“ in ein spezifisches, hilfreiches Feedback wie „Du hast vergessen, die Datentypen zu prüfen“.

9. Die Bandprobe (Kollaboration)

Data Science ist selten eine Solo-Aufführung; es ist ein Mannschaftssport. Bringen Sie den Studierenden bei, wie sie zusammenarbeiten, nicht nur, wie man programmiert.

• Die Analogie: Man kann der beste Gitarrist der Welt sein, aber wenn man nicht auf den Schlagzeuger hören oder die Bühne mit ihm teilen kann, wird die Band scheitern. Bringen Sie ihnen die „sozialen Werkzeuge“ der Zusammenarbeit bei: wie man Feedback gibt, ohne gemein zu sein, wie man gemeinsame Ordner nutzt (wie Git) und wie man mit Streitigkeiten umgeht, wenn sie auftreten. Üben Sie dies in kleinen Gruppen, bevor Sie sie in ein großes Projekt werfen.

10. Der ganze Kuchen (Ein vollständiges Projekt)

Lassen Sie die Studierenden schließlich ein vollständiges Datenprodukt von Anfang bis Ende bauen.

• Die Analogie: Die meisten Kurse lehren Sie, wie man den Teig mischt, dann separat, wie man backt, und dann separat, wie man den Kuchen verziert. Aber in der realen Welt müssen Sie das Ganze machen. Ein Abschlussprojekt zwingt die Studierenden dazu, ein unordentliches, reales Problem zu nehmen, es zu bereinigen, zu analysieren und zu präsentieren. Es ist der Unterschied zwischen dem Üben von Tonleitern am Klavier und dem Spielen eines kompletten Liedes. Es ist chaotisch, es ist schwer, aber es ist der einzige Weg, den Job wirklich zu lernen.

Das Wesentliche:
Data Science zu lehren bedeutet nicht, die Studierenden mit Fakten zu überhäufen. Es geht darum, sie sofort die Arbeit machen zu lassen, ihnen sichere Räume zum Scheitern zu geben, einfache Beispiele zu nutzen, um große Ideen aufzubauen, und sie schließlich das ganze Essen selbst kochen zu lassen.