Ten simple rules for teaching data science

データサイエンスを教えることは、複雑なケーキの作り方を教えることに似ています。ほとんどの教師は、誰にも材料に触れさせる前に、小麦粉の化学的性質やオーブンの歴史、熱の物理学について3週間も講義を始めてしまうかもしれません。この論文は、それはひどいアイデアであると主張しています。そうではなく、まずはすぐにケーキを味わわせ、生徒がもっと欲しくなった時に、その科学を教えるべきなのです。

以下は、データサイエンスを教えるための「10のシンプルなルール」を、日常的な言葉と美味しそうな比喩を用いて翻訳したものです。

1. ケーキを食べさせよう（行動から始める）

学期の終わりまで、データサイエンスが実際に何をするものなのかを学生に見せないでください。最初の授業で、データをロードし、少しクリーニングし、図（可視化）を作成させてください。

• 比喩： これは、新しいドライバーに車のキーを渡し、トランスミッションの仕組みを説明する前に、まずは車に座らせてみるようなものです。エンジンの咆哮を感じれば、彼らはギアの仕組みを教えてほしいと懇願するでしょう。もし「オブジェクトのデータ型」といった退屈な技術的詳細から始めてしまうと、彼らは集中力を失います。まずは楽しい部分で彼らを惹きつけてください。退屈な技術的詳細は、問題を解決するために必要になった時に、後から理解できるようになります。

2. 「ライブ・クッキング」ショー（参加型のライブコーディング）

完成したコードが載ったスライドをただ見せるだけではいけません。あなたの思考プロセスを話し続けながら、目の前でコードを打ち込んでください。

• 比喩： テレビのシェフを想像してください。もしシェフが完成した料理の写真を見せるだけなら、何も学べません。しかし、もしシェフが食材を刻み、ニンニクを焦がし、悪態をつき、それを修正し、「なぜ」鍋をかき混ぜているのかを説明すれば、あなたは料理の仕方を学ぶことができます。コードを打っている時にミスをしたとしても、それは良いことです！それは、専門家でもミスをするということを学生に示し、リアルタイムでのエラー修正（デバッグ）の方法を教えることになります。

3. ドリル、ベイビー、ドリル（大量の練習 ＋ 即時フィードバック）

学生に、予想以上に大量の練習問題を与えてください。ただし、ここには条件があります。成績が返ってくる1週間後ではなく、「即座に」フィードバックを与える必要があります。

• 比喩： ジャグリングの練習です。動画を一本見るだけでは習得できません。何度もボールを落とす必要があります。もしボールを落とした時に、5分後に誰かが「高すぎるよ！」と言ったとしても、あなたはすでに何をしていたのか忘れてしまっています。自動化されたツール（ソフトウェアテストなど）を使い、すぐ隣に立っているコーチのように、「あ、カンマが抜けてるよ」と即座に指摘させ、レッスンが新鮮なうちに修正できるようにしてください。

4. おもちゃの列車を使う（小さく、単純なデータから始める）

新しい、恐ろしいツールやアルゴリズムを紹介する際、巨大で乱雑な現実世界のデータセットを投げつけないでください。頭の中で把握できる、小さな「おもちゃ」のデータセットを使ってください。

• 比喩： 車のエンジンの仕組みを教えたいとき、500個の部品があるトラックのエンジンを渡してはいけません。3つのギアがあるおもちゃの車用エンジンを渡すべきです。それなら、すべての部品が動く様子が見えます。おもちゃのエンジンを理解したら、それから本物のトラックを渡せばよいのです。小さなデータセットを使うことで、学生はノイズに惑わされることなく、数学の各ステップを追跡することができます。

5. 本物の食材、でも噛み切りやすいもの（現実のデータ、親しみやすい文脈）

おもちゃのエンジンを理解したら、現実のデータに切り替えます。ただし、そのデータは、国、人口、言語など、誰もが理解できる内容にしてください。

• 比喩： 料理教室を想像してください。もしメインの食材として「深海イカ」を使ったら、海を見たことがない学生は、料理の仕方を学ぶ代わりに、イカとは何かを知ることに時間を費やしてしまいます。ジャガイモやニンジンのような、誰もが知っている食材を使ってください。目的は「調理技術」を教えることであり、野菜の生物学を教えることではありません。学生が主題に圧倒されないよう、日常生活に身近なデータを使用してください。

6. 「奇妙さ」の背後にある理由（文化的・歴史的背景）

ソフトウェアツールがなぜそのように設計されているのか、たとえそれが奇妙だったり、使いにくかったりする場合でも、その理由を説明してください。

• 比喩： 操作感が違和感のあるシフトレバーが付いた車を運転していると想像してください。単に「そのまま扱え」と言われたら、フラストレーションが溜まります。しかし、「この車は1950年代の特定の道路に合わせて作られたので、そのためにこのレバーがあるのです」と説明されれば、納得がいきます。データツールは、歴史を持つ人間によって作られています。なぜ変な記号が存在するのかを、古いキーボードや統計学者の好みのせいだと説明することで、学生はツールを嫌うのではなく、理解できるようになります。

7. 安全な遊び場（インクルーシブなコミュニティ）

学生が間違いを犯しても安全だと感じられる教室を作ってください。もし、自分が馬鹿に見えることを恐れていたら、彼らは質問できず、学ぶこともできません。

• 比喩： 学習はダンスを学ぶことに似ています。もし、誰かの足を踏んだら笑われるのではないかと怯えていたら、部屋の隅で固まってしまいます。足を踏むことはプロセスの一部であるという「ノー・ジャッジメント・ゾーン（批判のない場所）」が必要です。いじめやハラスメントに対する明確なルールを設け、誰もが安心して挑戦し、失敗し、再び挑戦できるようにしてください。

8. シェフのためのチェックリスト（チェックリストを用いたピア・ラーニング）

学生同士で作品をレビューさせる際、単に「採点して」と言うのではなく、チェックリストを与えてください。

• 比喩： 飛行前のパイロットを考えてみてください。彼らは単に「準備ができているだろう」と期待するのではなく、チェックリストを確認します。「車輪は降りているか？ 燃料は満タンか？ ドアはロックされているか？」 学生が友人のコードをレビューするとき、チェックリストがあれば、小さな、しかし決定的な詳細を見落とすことがなくなります。それは、漠然とした「ここが良くない」という感想を、「データ型を確認し忘れています」といった具体的で役立つフィードバックに変えてくれます。

9. バンドの練習（コラボレーション）

データサイエンスは、めったに一人で行えるものではありません。それはチームスポーツです。コーディングだけでなく、協力して働く方法を教えてください。

• 比喩： あなたが世界最高のギタリストであっても、ドラマーの音を聞けなかったり、ステージを共有できなかったりすれば、バンドは失敗します。フィードバックを角が立たないように伝える方法、共有フォルダ（Gitなど）の使い方、そして意見の相違が生じた時の対処法といった「ソーシャル・ツール」を教えてください。大きなプロジェクトに取り組ませる前に、小さなグループでこれを練習させます。

10. ケーキのすべて（フルプロジェクトを行う）

最後に、学生に最初から最後まで完全なデータ製品を作らせてください。

• 比喩displaystyle： ほとんどのクラスでは、生地の混ぜ方、焼き方、そしてアイシングの仕方を別々に教えます。しかし、現実の世界では、これらすべてを一度に行わなければなりません。最終プロジェクトは、学生に、乱雑で現実的な問題を取り組み、クリーニングし、分析し、提示することを強制します。これは、ピアノの音階を練習することと、一曲を演奏することの違いです。それは泥臭く、困難ですが、それこそが本当に仕事を学ぶ唯一の方法なのです。

結論：
データサイエンスを教えることは、学生に事実を詰め込むことではありません。すぐに作業を行わせ、失敗できる安全な場所を与え、大きな概念を築くために単純な例を用い、最終的には彼ら自身に食事を完成させる（料理を作る）ことです。