Введение в информационную грамотность
Раздел 1. Что такое информационная грамотность?
Раздел 2. Задавайте правильные вопросы.
Способность работать с данными – очень востребованный навык при трудоустройстве, он становится все более и более необходимым для всех людей в мире. Возможно вам интересно работать с данными, но вы не знаете, как и с чего начать.
Цели
По завершении этого модуля вы сможете:
- Определить информационную грамотность.
- Описать, как важно задавать «хорошие» вопросы.
- Определить склонности и отношения к эффективной работе с данными.
- Описать, что такое данные, как их собирают и где они находятся.
Раздел 1. Что такое информационная грамотность?
Если идея информационной грамотности заставляет вас чувствовать себя некомфортно, подумайте о тех случаях, когда вам удавалось успешно решать проблемы. Вы когда-нибудь хотели:
- Приготовить любимое блюдо, не имея под руками рецепта?
- Выяснить, будет ли определенное домашнее животное соответствовать вашему образу жизни?
- Понять, как заботиться о близком человеке, который плохо себя чувствует?
Что вы сделаете, чтобы ответить на них? Вероятно, вы начнете с вопросов, а затем используете различные методы для сбора фактов, которые помогут вам ответить на эти вопросы. Возможно, вы заметили, что ответ на один вопрос приводит к дополнительным вопросам и необходимости поиска дополнительных фактов. После того, как вы ответите на все свои вопросы, вы, вероятно, сможете превратить эти ответы в решения, и затем поделитесь этим решением с другими.
Если это вам знакомо, у вас уже есть опыт работы с данными.
Определение информационной грамотности
Проще говоря, информационная грамотность – это способность исследовать, понимать и взаимодействовать с данными.
Этот курс поможет вам развить свои знания и навыки в области информационной грамотности.
Информационная грамотность в Tableau и Qlik
Цель этой серии курсов – помочь вам развить информационную грамотность. В этом курсе мы будем использовать примеры из Tableau и Qlik, чтобы помочь вам в процессе обучения. Мы покажем вам основы работы с данными, и будем способствовать вашей успешной работе с Tableau и Qlik.
Данные (источники данных)
Ваши входные данные могут быть:
- Данными из сервера
- Файлами-выборками Tableau
- Файлами Qlik
- Данными из интернета
- Данными из облака
- Данными из файла
Подготовим данные (подготовка данных)
Используйте приложение Tableau Prep Builder или Qlik Sense для очистки, формирования и объединения данных, чтобы подготовить их к анализу.
Анализ данных (визуализация данных)
Tableau Desktop и Qlik Sense это надежные инструменты для практического анализа данных.
Делитесь и храните данные
Поделитесь тем, что вы обнаружили с другими, чтобы они могли просматривать и/или анализировать эту информацию на Tableau или Qlik Sense.
Мобильное приложение. Всюду берите с собою Tableau или Qlik
Получите доступ к размещенным данным на ходу с Tableau Mobile или Qlik Sense Mobile.
Раздел 2: Задавайте правильные вопросы
Каждый день появляются миллионы возможностей улучшить жизнь людей за счет более эффективного использования данных. Это и исследования болезней, и схемы обучения, и методы повышения эффективности производства, и уход за пациентами и государственные расходы. Возможности просто безграничны!
Чтобы лучше использовать данные, рассмотрим важный аспект грамотности данных – исследование. Ключ к успешному исследованию данных – это постановка правильных вопросов.
Например, вам нравятся собаки, и вы заботитесь о своем здоровье. Вы можете задать следующий опрос: «Не навредит ли собака моему здоровью?» Теперь сравните этот вопрос с таким: «Какие показатели здоровья у людей с хроническими заболеваниями с собаками и без собак в Соединенных Штатах?»
Первый вопрос более широкий; нет четких критериев того, что считать «хорошо». Второй вопрос гораздо более конкретный. Он использует четко определенные термины и сужает свой фокус до конкретной группы населения. Вам будет легче исследовать данные, чтобы ответить на второй вопрос, чем на первый.
Спрашивая почему
Когда вы начнете искать ответ на любой вопрос, вы, скорее всего, будете задавать дополнительные вопросы. Обычно после ответа на первый вопрос вы не остановитесь. Вернемся к приведенному выше примеру. Если выясняется, что показатели здоровья людей с хроническими заболеваниями в Соединенных Штатах зависят от владения собакой, следующий вопрос, который следует задать, – «почему так».
Методика «5 почему», первоначально была разработана основателем Toyota Motors, Сакичи Тойодой. Она предлагает спрашивать «почему» выявлена проблема, а затем продолжать спрашивать «почему» для каждого предоставленного ответа или объяснения. Хотя основная идея данного метода – выявить основную причину дефекта, чтобы иметь возможность исправить его, такой подход можно использовать для выяснения причин любого вопроса.
Известный информационный технолог Стивен Фью составил список черт, которые помогают людям эффективно работать с данными, эти черты он называет «склонностями и отношениями». Они помогут вам задать более точные вопросы.
Склонности и отношения, которые позволяют задавать правильные вопросы
Разбирая эти склонности и отношения, взятые из книги Стивена Фью «Теперь вы видите», поразмыслите над собственным опытом. Какие из этих черт у вас есть? Какие из этих качеств вы хотели бы развить у себя? Как ваши нынешние качества помогают вам задавать правильные вопросы? Как приобретение новых качеств может помочь вам развиваться дальше, задавая правильные вопросы?
Разверните каждый пункт ниже, чтобы узнать больше об этой особенности.
Интерес, любопытство и воображение
Вы действительно увлечены темой? Ваш ум страстно занят чем-то? Это примеры интереса.
Вам нравится выяснять природу взаимосвязей, интересно, как все работает, и для этого нужна информация? Это примеры любопытства.
У вас способность придумывать новые вещи, которые вы можете тестировать снова и снова, пока не достигнете своей цели? Это пример воображения.
Самомотивация
Вы стремитесь исследовать и понимать? Вы без колебаний задаете новые вопросы? Вы выходите за рамки ожидаемого, не дожидаясь, пока вам скажут, что делать? Это примеры самомотивации.
Открытость и гибкость ума
Готовы ли вы принять то, что найдете? Вы готовы признать свою неправоту? Это примеры открытости ума и гибкости.
Понимание стоимости и ценности, определение закономерностей и здоровый скептицизм
Вы знаете, как расставить приоритеты в вопросах, чтобы увидеть разницу между чем-то стоящим и делом, которое потребует много времени, но принесет мало результатов? Это пример осознания стоимости и ценности.
Можете ли вы определить закономерности, которые имеют значение, и игнорировать те, которые не имеют? Это пример определения закономерностей.
Даже если вы уверены в ответе или результате, посмотрите ли вы на него с другой точки зрения, чтобы узнать что-то новое? Это пример здорового скептицизма.
Методичность
Вы изучаете эффективный набор шагов, а затем повторяете их в соответствии с проверенным методом? Это пример методичности.
Умение анализировать и синтезировать
Можете ли вы изучить что-то сложное, распознать его многочисленные части и то, как эти части взаимодействуют, образуя единое целое? Это пример способности к анализу.
Сможете ли вы увидеть «общую картину», сложив набор частей вместе, чтобы сформировать единое целое? Это пример способности к синтезу.
Знакомство с данными
Даже если вы новичок в работе с данными, убедитесь, что вы знакомы с фактами, чтобы не поспешить с выводами, которые могут быть неточными. Это пример знакомства с данными.
Навыки в практике анализа данных
Навыки анализа данных можно развить через обучение, опыт и практику.
Ценность правильных вопросов: два примера
Люди из приведенных ниже примеров, Флоренс Найтингейл и Джон Сноу, продемонстрировали многие из перечисленных выше черт и задавали правильные вопросы, которые помогают в решении проблем. Читая о каждом из них, подумайте о способностях и отношениях, которые каждый из них проявил в своей работе. Например, проявивший интерес и любопытство, Найтингейл обладал навыками в практике анализа данных, а Сноу в выявлении закономерностей. Вы можете придумать другие примеры? В 1854 году Флоренс Найтингейл руководила бригадой из 38 медсестер по уходу за госпитализированными солдатами, пострадавшими в Крымской войне.
Почему погибло так много солдат и как этого избежать?
Она обнаружила, что заболевания, которые можно было бы предотвратить, вызваны антисанитарными условиями в лазаретах, а не боевыми травмами, и это основная причина смерти солдат. Она начала проводить реформы в медицинском секторе, которые резко снизили смертность, и задокументировала свои результаты за два года. После этого она использовала графики, в частности графики в полярной области (пример ниже), чтобы сообщить ненаучной аудитории о необходимости широкой реформы в медицинской сфере.
Рассказ и графические материалы взяты со страницы о Флоренс Найтингейл на веб-сайте Британского музея науки. При желании вы можете прочитать полную страницу, посвященную работе Флоренс Найтингейл.
Холера – острое кишечное заболевание, ставшее причиной множества смертей во время эпидемии в Лондоне 1831-1832 годов. В то время многие люди считали, что из-за разложения органических веществ причиной холеры является плохой воздух. Они считали, что болезнь можно искоренить с помощью профилактических мер, например, уборки, а не с помощью научного подхода и микробиологии. Британский врач Джон Сноу подверг сомнению эту теорию.
Что, если холера вызвана микробом?
Сноу утверждал, что холеру вызывает бактериальная клетка, которую еще не идентифицировали. Он считал, что этот микроб передается от человека к человеку через питьевую воду. Чтобы проверить свою идею о том, что холера передается через контакт с водой, а не по воздуху, Сноу получил от генерального регистратора данные о смертях в Лондоне, вызванных холерой. Он нанес смертельные случаи на карту города, а затем обозначил расположение водяных насосов, которые снабжали город водой. В конце концов он определил, что все случаи имели какое-то отношения к воде из насоса на Брод-стрит.
История Джона Сноу важна, потому что она дает пример решения медицинской проблемы с помощью статистических методов без каких-либо знаний основ биологической «причины» болезни. Он не знал, каковы конкретные биологические свойства «микроба», но ему удалось обнаружить источник проблемы.
История и изображения здесь взяты со страницы о Джоне Сноу на веб-сайте Департамента эпидемиологии Калифорнийского университета в Лос-Анджелесе. При желании вы можете прочитать полную версию, посвященную работе Джона Сноу.
Проверка знаний
Какой из следующих примеров лучше всего соответствует чертам «открытость ума и гибкость», описанным в этом уроке?
- Изучение эффективного набора шагов, а затем их повторение в соответствии с проверенным методом.
- Готовность принять то, что вы обнаружите, и признать, что вы ошибаетесь.
- Расстановка приоритетов в вопросах, чтобы отличить нечто стоящее от того, что потребует много времени и даст мало результатов.
- Выявление значимых закономерностей и игнорирование бесполезных.
Резюме
Теперь у вас есть общее понимание взаимосвязи между правильными вопросами и исследованием данных, а также склонностей и отношений, которые могут помочь вам задавать правильные вопросы и эффективно работать с данными.
Теперь продолжим наш путь изучения данных, и узнаем о том, как данные определяются и как их собирать. Щелкните на стрелке внизу страницы, чтобы перейти к следующему уроку.
Раздел 3: Основы данных
Вы знаете, что информационная грамотность – это способность исследовать, понимать и взаимодействовать с данными. Но что такое «данные»?
Набор данных – это набор фактов. Давайте рассмотрим следующее расширенное определение. Джеффри Лик, специалист по данным, который работает профессором Школы общественного здравоохранения Джонса Хопкинса, адаптировал это расширенное определение из Википедии:
«Данные состоят из значений качественных или количественных переменных, которые относятся к набору элементов».
Набор элементов - Иногда называется популяцией, это группа объектов, которые вас интересуют.
Переменная - Измерение, свойство или характеристика предмета, которые могут изменяться. (противоположно константе, постоянному значению например , которое не меняется.)
Качественная переменная - Качественная переменная описывает качества или характеристики, такие как страна происхождения, пол, имя или цвет волос.
Количественная переменная Количественная переменная относится к измеряемым характеристикам, таким как рост, вес или температура.
Готовы проверить свои знания? В следующем упражнении вы сможете определить, является ли характеристика качественной или количественной переменной.
Варианты для качественной или количественной категорий.
- Количества голосов
- Калории
- Количество населения
- Виды
- Вкус
- Политическая партия
- Марка автомобиля
- Цена
Как собирают данные?
Данные можно собирать различными способами, включая анкеты, интервью, наблюдения, анализ документов, поиск в сети и машинные измерения. Полученные или собранные данные называются необработанными данными. Необработанные данные, также иногда называют исходными или первичными данными, потому что они никак не обрабатывались. Это означает, что их не пропускали через какое-либо программное обеспечение, не подвергали манипуляциям с какими-либо переменными, не удаляли какие-либо данные из набора и никаким образом не суммировали. Необработанные данные часто позволяют использовать максимально полный диапазон для анализа, поскольку ничего не утрачено при обработке.
Некоторые примеры необработанных данных:
- Двоичные файлы, создаваемые измерительными машинами.
- Неформатированные файлы Excel.
- Данные JSON из парсинга Twitter API.
- Введенные вручную числа, полученные при исследовании через микроскоп.
Источники данных
Источник данных содержит данные, используемые для исследования, понимания и общения. В Tableau, например, каждая диаграмма, которую вы видите, имеет подключенный источник данных, который предоставляет данные.
ТАБЛИЦЫ - Таблицы, такие как Microsoft Excel или Google, организуют данные в плоскую структуру, и это означает, что записи хранятся в виде отдельных строк данных.
РЕЛЯЦИОНЫЕ БАЗЫ ДАННЫХ - Реляционные базы данных хранят данные в нескольких таблицах, каждой строке присваивается уникальный идентификатор. Пользователи извлекают данные из разных таблиц с помощью языка структурированных запросов (SQL). «Реляционный» аспект указывает на логическую связь между разными таблицами.
ОБЛАЧНЫЕ ДАННЫЕ - Иногда пользователи предпочитают хранить свои данные в облаке. Сюда входят данные, хранящиеся в таких местах, как Amazon Web Services или Microsoft Azure.
Резюме
Теперь вы понимаете, что означает информационная грамотность, вы понимаете важность правильных вопросов и какие черты пригодятся для эффективной работы с данными. Вы также знаете, как определяются данные, как их собирают и где находят.
Видео 1. Культура информационной грамотности (часть 1)
Видео 2. Культура информационной грамотности (часть 2)
#dataliteracy, #информационная грамотность, #DataLiteracyProject
Следующая статья: Изучение агрегирования и детализации данных