Павленко Л.В., Павленко М.П. та ін. [liliya.pavlenko@meta.ua]
Бердянський державний педагогічний університет, Україна
Download in PDF: http://fmo-journal.fizmatsspu.sumy.ua/journals/2020-v1-23/2020_1-23-Pavlenko-Khomenko_FMO.pdf

ІННОВАЦІЙНІ ПІДХОДИ ДО ВИВЧЕННЯ СТАТИСТИКИ МАЙБУТНІМИ ІТ-ФАХІВЦЯМИ НА ОСНОВІ ВИКОРИСТАННЯ МОВИ ПРОГРАМУВАННЯ R

Формулювання проблеми. У час «інформаційного вибуху» є проблема в статистичній освіті суспільства. Вивчення статистики є важливим компонентом освітніх програм підготовки фахівців у галузі ІТ. Кожного дня в світі генеруються великі обсяги різноманітних даних, що постійно збільшуються. Тому попит на ринку праці на аналітиків даних, дослідників даних постійно зростає. Удосконалення навчання студентів статистики потребує переходу від теоретичних методів навчання до практичного розв’язання завдань прикладного характеру та переміщення акценту з процесу статистичних розрахунків на аналіз та інтерпретацію одержаних результатів. Метою статті є теоретично обґрунтувати впровадження інноваційних підходів до вивчення статистики студентами на основі використання мови програмування R.
Матеріали і методи. Контент аналіз наукової й методичної  літератури, узагальнення й систематизація. Анкетування студентів, первинна статистична обробка й узагальнення отриманих даних.
Результати. В роботі проаналізовані програмні засоби проведення статистичного аналізу даних, визначені особливості їх використання у навчальному процесі, запропоновано використовувати спеціалізовану мову програмування R у якості головного засобу навчання та програмні пакети MS Excel та Statistica у якості допоміжних засобів. Удосконалення курсу статистики для фахівців в галузі ІТ полягає, по-перше, в тому, що володіння математичною мовою і математичним моделюванням дозволить студенту краще орієнтуватися в прогнозуванні економічних, соціальних, технічних та інших процесів; по-друге, в тому, що статистика за своєю внутрішньою природою має багаті можливості для формування алгоритмічного мислення студентів.
Висновки. Проведене дослідження дозволило встановити, що навчання статистики має ґрунтуватися на реальних даних, які одержані в результаті статистичних досліджень. Розробка практичних та лабораторних робіт для майбутніх ІТ-фахівців має включати завдання, які будуть містити реальні дані для аналізу. У ході дослідження теоретично обґрунтовано впровадження інноваційних підходів до вивчення статистики. Визначено, що у якості головного методу навчання статистики виступає метод практичного навчання на основі програмування. Запропоновано використовувати мову та середовище програмування R, у якості головного засобу навчання.
Ключові слова:  мова програмування, підготовка IT-фахівців, аналіз даних, інноваційні підходи до навчання.

INNOVATIVE APPROACHES TO THE STUDY OF STATISTICS BY FUTURE IT-SPECIALISTS BASED ON THE USE OF THE PROGRAMMING LANGUAGE R
Liliia Pavlenko, Maksym Pavlenko, Vitalii Khomenko, Svitlana Khomenko, Mariia Skurska
Berdiansk State Pedagogical University, Ukraine

Formulation of the problem. Today there is a problem in statistically educated citizens. The study of statistics is an important component of educational programs for training specialists in IT. Every day, large volumes of various data are generated in the world, they are constantly increasing. Therefore, the demand in the labor market for data analysts, data researchers is constantly growing. Improving the training of students in statistics requires a transition from theoretical teaching methods to the practical solution of applied problems. It is necessary to shift the focus from the process of statistical calculations to the analysis of the results and it’s interpretation. The purpose of the article is the theoretically and implementation of innovative approaches to the study of statistics by students based on the use of the programming language R.
Materials and methods. Content analysis of scientific and methodological literature, generalization and systematization. Student questionnaire, primary statistical processing and synthesis of the data obtained.
Results. The paper analyzes the software tools for statistical analysis of data, identifies the features of their use in the educational process. It is proposed to use the specialized programming language R as the main learning tool and the MS Excel and Statistica software packages as auxiliary tools.
Improving the statistics course for IT specialists consists, firstly, in that knowledge of the mathematical language and mathematical modeling will allow the student to better navigate the forecasting of economic, social, technical and other processes; secondly, the fact that statistics, by their internal nature, has rich possibilities for the formation of students' algorithmic thinking.
Conclusions. The conducted research has established that training of statistics should be based on real data obtained from statistical surveys. The development of hands-on and lab work for future IT professionals should include tasks that will contain real data. In the course of the research, the introduction of innovative approaches to the study of statistics is theoretically substantiated. It is determined that the main method of teaching statistics is the method of practical training based on programming. It is suggested to use R programming language as the main learning tool.
Keywords: programming language, IT-specialists, data analysis, innovative approaches to learning.

Список використаних джерел

1. Казаков В.Г. Новий час - нові технології професійної підготовки. Професійна освіта. 2006. №1. С. 12.
2. Камінська А.В. Формування готовності майбутніх викладачів до інноваційної діяльності у вищому навчальному закладі. Науковий вісник Донбасу, 2011. №1. URL: http://nvd.luguniv.edu.ua/archiv/NN13/11kavvnz.pdf (Дата звернення 15.02.2020).
3. Куліненко Л.Б. Технології інноваційного освітнього середовища. Науковий часопис Національного педагогічного університету імені М.П.Драгоманова. Серія 7. Релігієзнавство. Культурологія. Філософія. Київ, Видавництвово НПУ імені М. П. Драгоманова, 2013. Вип. 29 (41). C. 189-196
4. Психолого-педагогический словарь / сост. Е. С. Рапацевич. Минск: Современное слово, 2006. 928 с.
5. Фіцула М.М. Педагогіка : навч. посіб. для студентів пед. навч. закладів. Київ, 2000. 542 с.
6. Ben-Zvi D. Garfield, J. The Challenge of Developing Statistical Literacy, Reasoning, and Thinking. Springer, 2004. 423 p.
7. Biehler R., Frischmeier D., Reading C., Shaughnessy, J. M. Reasoning about data. International Handbook of Research in Statistics Education. Cham, Switzerland: Springer International. 2018. Pp. 139-192.
8. Cox D. R. The Current Position of Statistics: a Personal View. International Statistical Review. 1979. 65(3). Pp. 262-276.
9. Gal I., Garfield J. Curricular Goals and Assessment Challenges in Statistics Education. In The Assessment Challenge in Statistics Education. Amsterdam, The Netherlands, The International Statistical Institute, 1997. Рр. 1-13.
10. Garfield J., Ben-Zvi D. Developing Students' Statistical Reasoning: Connecting Research and Teaching Practice. Springer Science & Business Media, 2008. 572 p.
11. Hal Varian R. Nel 2020 il data analyst sarà la professione più ricercata. URL: https://www.giornaledibrescia.it/rubriche/impresa-4-0/nel-2020-il-data-analyst-sar%C3%A0-la-professione-pi%C3%B9-ricercata-1.3182021. (Дата звернення 15.02.2020).
12. Langrall C. W., Makar K., Nilsson P., Shaughnessy J. M. Teaching and learning probability and statistics: An integrated perspective. Compendium for Research in Mathematics Education. Reston, VA: NCTM, 2017. Pp. 490-525.
13. Moore, D. S. New Pedagogy and New Content: The Case of Statistics, International Statistical Review, 65(2), Pp. 123-165.
14. New STEM IQ survey: Americans view STEM as top-paying field, yet only 35% pursuing STEM jobs. URL: https://www.modis.com/en-us/resources/employers/stem-iq-survey-2018/. (Дата звернення 15.02.2020).
15. Nicholls D.F. Future Directions for the Teaching and Learning of Statistics at the Tertiary Level. International Statistical Review, 2001. 69(1). Рр. 11-15.
16. Rumsey D. Statistical Literacy as a Goal for Introductory Statistics Courses, Journal of Statistics Education, 2002. 10(3). URL: www.amstat.org/publications/jse/v10n3/rumsey2.html. (Дата звернення 15.02.2020).
17. Shaughnessy J. M. Research in probability and statistics: Reflections and directions. Handbook of Research on Mathematics Teaching and Learning, Macmillan Publishing Co, Inc, 1992. Pp. 465-494.
18. Shaughnessy J. M. Research on statistics learning and reasoning. Second Handbook of Research on Mathematics Teaching and Learning. Reston, VA: NCTM, 2007. Pp.957-1009.
19. Shaughnessy J.M., Garfield J., Greer B. Data Handling. International Handbook of Mathematics Education. Kluwer International Handbooks of Education, 1996. Vol 4. Springer, Dordrecht, Pp. 205-237.
20. Smith T. M. F., Staetsky L. The Teaching of Statistics in UK Universities. Journal of the Royal Statistical Society, 2007. Series A, 170, Pp.581-622. DOI: 10.1111/j.1467-985x.2007.00482.x.
21. Tishkovskaya S., Lancaster G. A. Statistical education in the 21st century: A review of challenges, teaching innovations and strategies for reform. Journal of Statistics Education, 20(2). 56 p. DOI: 10.1080/10691898.2012.11889641.
22. Watson J. M., Fitzallen N., Carter P. Top Drawer Teachers: Statistics. Adelaide, Australia: Australian Association of Mathematics Teachers and Services Australia. 2013. URL: http://topdrawer.aamt.edu.au/Statistics. (Дата звернення 15.02.2020).
23. Zieffler A., Garfield J., Alt S., Dupuis D., Holleque K., Chang B. What Does Research Suggest about the Teaching and Learning of Introductory Statistics at the College Level? A Review of the Literature, Journal of Statistics Education, 2008.16(2). http://www.amstat.org/publications/jse/v16n2/zieffler.html. (Дата звернення 15.02.2020). DOI: 10.1080/10691898.2008.11889566