Share |

воскресенье, 8 декабря 2013 г.

Statistics One

Не считая финальной контрольной, можно сказать, что мой первый курс на coursera - Statistics One - закончился. По результатам первой недели курса я писал отзыв - MOOC - опыт нового формата обучения. В данном посте хочу поделиться мыслями о курсе Statistics One и, в целом, форме обучения MOOC (massive open online course).

Statistics One

Содержательно, этот курс - фактически курс нашей матстатистики для студентов психологов (в приложении даю программу курса).
Курс длился 12 недель, каждая неделя включала видеолекции, лабораторную работу и задание, необходимое к выполнению. К услугам участников был учебный форум - форум очень живой, что делало выполнение домашних заданий очень легким. Совет от участников можно было получить всегда. Повторюсь, что видеолекции имели субтитры, поэтому можно браться за курс со слабым знанием английского. К концу курса английский подтягиваешь.

Курс был, безусловно, с косяками. Косяки касались больше выполнения домашних заданий. Как например в последней лабораторной правильный ответ по коэффициенту Cohen's d был для другого заданий. Много проблем было с банальным количеством знаков после запятой: подсчет правильных ответов велся автоматически, если ты отвечаешь верно, но даешь другое количество знаков после запятой, то получаешь ошибку.
Но с другой стороны, я считаю это скорее даже преимуществом курса: умение разбираться, где твой косяк, а где косяк курса - тоже мощный эффект обучения, поэтому я скорее благодарен за такие "способы обучения".
Курс однозначно полезен:
  • Освежил память по традиционной статистике;
  • Вытащил несколько новых вещей по статистике;
  • Взял несколько кейсов для своего семинара Аналитика для HR;
  • Состоялось знакомство с программой R - и это может быть самым ценным. (в приложении даю ресурсы для знакомства и изучения программы R)
  • изучение английского языка - это фактически аудирование живой английской речи.

Резюме: 

хороший базовый курс начальной традиционной статистики и хороший курс вообще для начала обучения на coursera. Не забывая при этом, что фактически с самой первой лекции вы должны понимать, куда можно расти дальше, какие курсы изучать, какие горизонты открывать. Это обычно делается через форум - будьте активными. И многие участники ждут уже Statistics Two - с лекциями по альтернативной статистике (например байсовскими уравнениями и/или непараметрической регрессией)

MOOC

Коротко обозначу замечания по формату обучения.
Главное преимущество MOOC - курсы системны и экспертны. Т.е. если сравнивать с тем, что вам бы пришлось где- то в интернете откапывать и открывать новое знание, то MOOC дает последовательное изложение устами эксперта. И это значительно облегчает задачу: участникам даже снимает часть ответственности с себя, если понимать под ответственностью участника неформального обучения (а я однозначно отношу massive open online course к неформальному обучению) ответственность задавать необходимые вопросы для получения знаний. В курсе цели и вопросы формирует эксперт, а ты принимаешь их или нет.
А с вопросами на форум.
Но при этом сам участник несет полную ответственность за усвоение знаний. В том плане, что отсутствие живого контакта с преподавателем, обязательных форм контроля (невыполнение домашних или контрольных работ здесь ничем не грозит), все заставляет находить самомотивацию сидеть в выходные возле компа и продираться через лекции и задания.
Здесь пока точку ставлю, позже вернусь в отдельном посте про формат обучения MOOC

Приложение

Программа курса Statistics One

Lecture Topics
  1. Lecture 1: Experimental research 
  2. Lecture 2: Correlational research 
  3. Lecture 3: Variables, distributions, and scales 
  4. Lecture 4: Summary statistics 
  5. Lecture 5: Correlation 
  6. Lecture 6: Measurement 
  7. Lecture 7: Introduction to regression 
  8. Lecture 8: Null hypothesis significance testing 
  9. Lecture 9: The central limit theorem 
  10. Lecture 10: Confidence intervals
  11. Lecture 11: Multiple regression 
  12. Lecture 12: The general linear model
  13. Lecture 13: Moderation 
  14. Lecture 14: Mediation 
  15. Lecture 15: Student’s t-test 
  16. Lecture 16: Analysis of variance (ANOVA) 
  17. Lecture 17: Factorial ANOVA 
  18. Lecture 18: Repeated measures ANOVA 
  19. Lecture 19: Chi-square tests
  20. Lecture 20: Binary logistic regression 
  21. Lecture 21: Assumptions revisited
  22. Lecture 22: Non-parametric statistics 
  23. Lecture 23: Generalized linear model 
  24. Lecture 24: Course summary
Lab Topics
  1. Lab 1: Introduction to R 
  2. Lab 2: Histograms and summary statistics           
  3. Lab 3: Scatterplots and correlations          
  4. Lab 4: Regression 
  5. Lab 5: Confidence intervals 
  6. Lab 6: Multiple regression 
  7. Lab 7: Moderation and mediation 
  8. Lab 8: Group comparisons (t-tests, ANOVA, post-hoc tests) 
  9. Lab 9: Factorial ANOVA 
  10. Lab 10: Binary logistic regression
  11. Lab 11: Non-parametric tests 
  12. Lab 12: Non-linear regression

Ресурсы для изучения программы R

Этот список давали на курсе, от себя еще добавлю R-tutorials, см. например раздел Логлинейный анализ 

Комментариев нет:

Отправить комментарий