21世纪统计知识背景下的统计培训要求

Björn Christensen
{"title":"21世纪统计知识背景下的统计培训要求","authors":"Björn Christensen","doi":"10.1007/s11943-019-00263-7","DOIUrl":null,"url":null,"abstract":"<div><h2>Zusammenfassung</h2><div><p>Im vorliegenden Beitrag wird anhand von exemplarischen Beispielen aufgeführt, welche Anforderungen an den kompetenzorientierten Umgang mit Statistik gestellt werden sollten und wie sich diese Anforderungen vor dem Hintergrund zunehmender Datenverfügbarkeit mit unterschiedlicher Strukturierungsform (Big Data) verändern. Insbesondere in Fächern, in denen die Statistikausbildung nicht zum Kerninhalt gehört, sollte vorrangig das „Denken in Daten(modellen)“ sowie die Interpretation und Bewertung von Ergebnissen statistischer Berechnungen gelehrt werden.</p></div></div>","PeriodicalId":100134,"journal":{"name":"AStA Wirtschafts- und Sozialstatistisches Archiv","volume":"13 3-4","pages":"193 - 201"},"PeriodicalIF":0.0000,"publicationDate":"2019-11-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://sci-hub-pdf.com/10.1007/s11943-019-00263-7","citationCount":"2","resultStr":"{\"title\":\"Anforderungen an eine Statistik-Ausbildung im 21. Jahrhundert vor dem Hintergrund von Statistical (Il‑)Literacy\",\"authors\":\"Björn Christensen\",\"doi\":\"10.1007/s11943-019-00263-7\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"<div><h2>Zusammenfassung</h2><div><p>Im vorliegenden Beitrag wird anhand von exemplarischen Beispielen aufgeführt, welche Anforderungen an den kompetenzorientierten Umgang mit Statistik gestellt werden sollten und wie sich diese Anforderungen vor dem Hintergrund zunehmender Datenverfügbarkeit mit unterschiedlicher Strukturierungsform (Big Data) verändern. Insbesondere in Fächern, in denen die Statistikausbildung nicht zum Kerninhalt gehört, sollte vorrangig das „Denken in Daten(modellen)“ sowie die Interpretation und Bewertung von Ergebnissen statistischer Berechnungen gelehrt werden.</p></div></div>\",\"PeriodicalId\":100134,\"journal\":{\"name\":\"AStA Wirtschafts- und Sozialstatistisches Archiv\",\"volume\":\"13 3-4\",\"pages\":\"193 - 201\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2019-11-21\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"https://sci-hub-pdf.com/10.1007/s11943-019-00263-7\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"AStA Wirtschafts- und Sozialstatistisches Archiv\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://link.springer.com/article/10.1007/s11943-019-00263-7\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"AStA Wirtschafts- und Sozialstatistisches Archiv","FirstCategoryId":"1085","ListUrlMain":"https://link.springer.com/article/10.1007/s11943-019-00263-7","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

摘要

摘要在本文中,示例用于描述在以能力为导向的统计处理中应该提出哪些要求,以及在不同结构形式(大数据)的数据可用性不断增加的背景下,这些要求是如何变化的。特别是在统计培训不是核心内容的科目中,应优先考虑“数据(模型)思维”以及对统计计算结果的解释和评估。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Anforderungen an eine Statistik-Ausbildung im 21. Jahrhundert vor dem Hintergrund von Statistical (Il‑)Literacy

Zusammenfassung

Im vorliegenden Beitrag wird anhand von exemplarischen Beispielen aufgeführt, welche Anforderungen an den kompetenzorientierten Umgang mit Statistik gestellt werden sollten und wie sich diese Anforderungen vor dem Hintergrund zunehmender Datenverfügbarkeit mit unterschiedlicher Strukturierungsform (Big Data) verändern. Insbesondere in Fächern, in denen die Statistikausbildung nicht zum Kerninhalt gehört, sollte vorrangig das „Denken in Daten(modellen)“ sowie die Interpretation und Bewertung von Ergebnissen statistischer Berechnungen gelehrt werden.

求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Vorwort der Herausgeber Connecting algorithmic fairness to quality dimensions in machine learning in official statistics and survey production Automated Bayesian variable selection methods for binary regression models with missing covariate data Fairness als Qualitätskriterium im Maschinellen Lernen – Rekonstruktion des philosophischen Konzepts und Implikationen für die Nutzung außergesetzlicher Merkmale bei qualifizierten Mietspiegeln Interview mit Walter Krämer
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1