Cosa abbiamo imparato insegnando la Data Science a 1 milione di persone

Imparare la Data Science facendo

L'obiettivo di DataCamp è costruire la migliore piattaforma di apprendimento per la data science. La nostra filosofia è che la data science si impara facendola: i nostri video di alta qualità, il coding nel browser e la gamification offrono agli studenti un'esperienza coinvolgente direttamente nel loro browser. Allo stesso tempo, vogliamo adottare un approccio data-driven al nostro prodotto e condividere con il mondo intuizioni sull'apprendimento della data science. Questo post guarda dietro le quinte di DataCamp e condivide alcune considerazioni sul processo di apprendimento della data science. 

Creazione e manutenzione qualitativa dei corsi

Argomenti dei corsi

Il team di DataCamp è sempre alla ricerca degli argomenti più interessanti su cui costruire corsi, e non è facile scegliere con così tante novità e temi stimolanti là fuori! Per questo cerchiamo di rendere questo processo il più data-driven possibile: oltre a esaminare le ultime tendenze nei temi di data science e nei linguaggi di programmazione più richiesti nel settore, DataCamp contatta anche la sua rete di istruttori, esperti del settore e accademici, per conoscere la loro opinione su cosa dovrebbe entrare a far parte del curriculum e come dovrebbe essere strutturato un corso.

Ma, alla fine, al centro di DataCamp c'è sempre chi impara: per questo coinvolgiamo attivamente gli utenti anche nel processo di selezione degli argomenti dei corsi. Conduciamo interviste e chiediamo di compilare sondaggi per scoprire i bisogni dei nostri studenti. Questi dati vengono poi messi insieme alle opinioni degli esperti per determinare non solo l'argomento del corso, ma anche cosa coprirà: in questo modo, tutto il materiale rilevante per chi impara verrà incluso nel corso.

Inoltre, raccogliamo anche i termini che gli utenti inseriscono nelle barre di ricerca del sito. Con l'aiuto di R, questi termini vengono analizzati, classificati e visualizzati internamente in modo che il team di sviluppo dei corsi di DataCamp possa usarli come punto di partenza per pianificare il curriculum dei mesi successivi.

Dai un'occhiata all'intera libreria di corsi di DataCamp qui.

Difficoltà degli studenti e miglioramento continuo dei corsi

Beta testing

Prima che un corso vada online, DataCamp lo invia a un gruppo ristretto di utenti e chiede loro di prendere appunti e fornire feedback attraverso un sondaggio con molte domande aperte. Questo ci permette di fare gli ultimi ritocchi prima di annunciare all'intera base utenti il lancio del nuovo corso.

Suggerimenti e soluzioni

Determinare gli argomenti e fare il beta test con un piccolo gruppo è una cosa, ma quando il corso è live, DataCamp presta anche attenzione ai punti in cui possono sorgere difficoltà per chi impara.

Sapevi, per esempio, che ogni volta che chiedi un suggerimento o una soluzione, questi dati vengono raccolti da DataCamp per determinare quante volte gli utenti hanno richiesto hint o soluzioni agli esercizi? Questi dati e le intuizioni che ne ricaviamo vengono usati per migliorare i nostri corsi!

Guardiamo i numeri per capire dove i nostri corsi possono essere migliorati: quando vengono richiesti troppi suggerimenti o soluzioni, possiamo individuare facilmente il problema e assicurarci di migliorare gli esercizi. Come miglioriamo questi esercizi dipende dal feedback che riceviamo dagli utenti: per esempio, un esercizio che creava problemi a molti era nel corso su Kaggle, dove ci si aspettava che gli utenti costruissero un albero decisionale con R. Inizialmente, le istruzioni contenevano solo un esempio molto generico di come impostare l'albero, il che portava a una percentuale elevata di richieste di hint e soluzioni. Insieme al feedback degli utenti, il team di DataCamp ha ampliato l'elenco delle istruzioni e aggiunto tre sotto-punti per spiegare come definire ciascun parametro. Così il compito richiesto agli utenti è risultato più chiaro e pratico, facendo scendere il tasso di richieste di suggerimenti al 15%, molto più ragionevole dato il livello di difficoltà. Esperienze e miglioramenti come questi ci aiutano naturalmente a costruire i futuri corsi del curriculum di data science di DataCamp.

Un altro esempio: vediamo che alcuni corsi, come "Introduction to R", creano chiaramente meno problemi rispetto a corsi di statistica come "Intro to Statistics with R: Multiple Regression", perché gli utenti chiedono meno hint e soluzioni. In parte è perché il materiale introduttivo è molto completo, mentre i corsi più avanzati ti lasciano maggiore libertà di esplorare da solo: l'imparare facendo diventa ancora più evidente quando segui i corsi di DataCamp! Il processo di miglioramento dei corsi deve certamente mantenere l'equilibrio tra learning by doing e il supporto di cui chi impara ha bisogno.

Feedback personalizzato

Oltre ai suggerimenti e alle soluzioni, hai già letto brevemente della funzione di feedback personalizzato che DataCamp offre insieme alle sfide di coding di ciascuno dei suoi corsi. Il feedback è strutturato in modo che tu possa prima chiedere dei suggerimenti e, come ultima risorsa, vedere la soluzione. Questa opzione è scoraggiata, perché influisce sugli XP che gli utenti ricevono scegliendo la soluzione. Ciò spinge gli studenti a mettersi in gioco e a sviluppare un'intuizione su cosa scrivere per completare il compito posto dalla sfida di coding. In più, i messaggi di feedback sono costruiti in modo che gli utenti capiscano subito cosa non va nel codice, invece di doversi affidare a messaggi di errore che inizialmente potrebbero non avere senso. Anche questo è un modo per stimolare gli studenti a comprendere il codice, e soprattutto ciò che stanno sbagliando. Questo alla lunga rafforza il processo di apprendimento della data science.

Offrire questo feedback personalizzato non è stato semplice: quando DataCamp è partito, il sistema di feedback era ancora agli inizi, il che rendeva i messaggi troppo generici. Con gli anni, è diventato chiaro che i nostri utenti arrivano su DataCamp con background e obiettivi diversi, che richiedono un approccio personalizzato. Di conseguenza, il sistema di feedback è già migliorato enormemente e continua a migliorare grazie ai contributi degli utenti: tutti i problemi che incontrano mentre seguono il corso vengono registrati e usati per il miglioramento continuo dei corsi e del sistema di feedback.

Tempo trascorso sull'esercizio

Oltre a tracciare il numero di suggerimenti e soluzioni richiesti per corso, DataCamp monitora anche come gli studenti affrontano gli esercizi a un livello più granulare: il tempo che i nostri studenti trascorrono su un certo esercizio viene tracciato e analizzato per individuare eventuali problemi nell'esperienza di apprendimento sulla piattaforma. Poiché DataCamp vuole assicurarsi che gli studenti avanzino a un ritmo sano, queste informazioni vengono considerate anche per migliorare continuamente la qualità dei corsi.

Valutazioni dei corsi

Oltre a monitorare la difficoltà degli esercizi e il tempo che gli utenti vi dedicano, e a usare queste informazioni per migliorare il nostro processo di creazione, DataCamp tiene d'occhio anche quali corsi piacciono ai nostri utenti, così da creare nuovi corsi che continuino a interessarli. Gli argomenti generalmente meno popolari tra i nostri utenti sono statistica, manipolazione dei dati e visualizzazione dei dati, mentre i corsi introduttivi di programmazione, il machine learning e i progetti/casi di studio, invece, vanno forte tra gli utenti di DataCamp.

Queste valutazioni, insieme al numero di suggerimenti o soluzioni richiesti, ci danno un'idea molto chiara di quali corsi potrebbero richiedere un'attenzione extra.

Struttura

Da professionista o da chi sta iniziando la propria carriera, il tempo è poco e prezioso. Per questo i nostri corsi elencano i prerequisiti che idealmente dovresti avere prima di seguire un corso specifico. Prendi, ad esempio, il corso Python Data Science Toolbox di DataCamp:

I prerequisiti sono elencati chiaramente così che gli utenti sappiano quali conoscenze e competenze sono richieste prima di iniziare.

Inoltre, DataCamp ha suddiviso i corsi in capitoli più piccoli e in unità ancora più brevi in cui si alternano video e sfide di coding interattive con feedback. Una struttura simile funziona bene quando si impara la data science: non solo perché introduce varietà nel curriculum, ma anche perché consente di fare progressi rapidi e a un ritmo sano, uno dei modi migliori per mantenere alta la motivazione e il coinvolgimento con i contenuti. Così è meno probabile abbandonare e più probabile proseguire con i corsi.

Interfaccia

L'interfaccia è uno dei componenti più importanti quando si insegna la data science a chi studia data science: sin dall'inizio, DataCamp ha creato un'interfaccia che consente di programmare comodamente nel proprio browser, senza dover installare in precedenza RStudio o Python in locale. Questo, insieme ai video e al feedback personalizzato, riduce notevolmente l'ostacolo per i principianti e rende l'esperienza di apprendimento molto più efficace.

Nel corso degli anni, tuttavia, l'interfaccia è cambiata per diventare molto più interattiva rispetto agli inizi: nell'interfaccia attuale, chi impara può navigare più facilmente nel corso, contattare l'assistenza quando riscontra problemi tecnici ed è più chiaro quanti XP si possono guadagnare completando un determinato esercizio.

Percorsi

Tutti, studenti e docenti di data science, sanno che può essere una sfida trovare un corso (o una serie di corsi) di data science adatto alle proprie esigenze in termini di qualità, coinvolgimento, stile di apprendimento, … In tutto questo, è facile perdere di vista il proprio obiettivo e scopo formativo. In particolare, la maggior parte degli studenti sono professionisti che vogliono entrare nell'industria della data science e hanno quindi obiettivi di carriera specifici. Oppure lavorano già nel settore, ma cercano un modo per diventare più competenti in un certo argomento o abilità.

Per questo DataCamp ha recentemente creato i percorsi, che offrono un approccio strutturato ai corsi di DataCamp che forse già conosci: in questo modo, ti concentrerai in maniera strutturata sul rafforzare le tue competenze in data science o sul raggiungere quell'obiettivo professionale che sogni da sempre.

In linea con quanto letto in precedenza sul nostro processo di creazione dei corsi e sugli utenti di DataCamp, vedrai che questi percorsi aiutano anche chi studia data science ad affrontare in modo mirato gli argomenti che trova più difficili, così da migliorare rapidamente e superare la curva di apprendimento.

Dai un'occhiata a tutti i percorsi di DataCamp qui.

Pratica quotidiana

Affrontare la curva di apprendimento creando corsi di qualità e progettando percorsi che mantengano gli utenti concentrati è un conto, ma imparare la data science resta comunque una bella sfida. In DataCamp, vogliamo assicurarci che i nostri utenti possano imparare ogni giorno e, diciamocelo, con la data science bisogna avere a che fare tutti i giorni (anche solo un po'!). Il problema che spesso si incontra è che può essere difficile tenere il passo con tutte le conoscenze che stai accumulando. Per questo DataCamp offre una funzione di pratica quotidiana per aiutarti a tenere traccia di ciò che già conosci bene e delle competenze che potresti voler ripassare.  

Il sistema è molto semplice: quando entri in modalità pratica, ricevi delle sfide che ti aiutano a esercitarti sul materiale visto nei corsi che hai completato. Queste sfide sono in realtà cinque esercizi in forme diverse (scelta multipla, completamento, …) che ti aiutano a memorizzare i contenuti del corso così da trattenere meglio ciò che hai imparato. Quando rispondi correttamente a queste cinque sfide, ottieni 250 exp. Ovviamente, ogni giorno ricevi una serie diversa di esercizi. Puoi trovare la modalità di pratica quotidiana direttamente nella tua dashboard!

Conclusione

DataCamp sta reinventando l'apprendimento e la valutazione della data science, e questo è solo uno dei tanti modi in cui uniamo la ricerca nell'educazione alla data science con le tecnologie più recenti e la data science stessa per spingere i confini dello stato dell'arte.

Se ti interessa l'educazione alla data science, unisciti a noi nel costruire il posto migliore per impararla! Dai un'occhiata alle nostre posizioni aperte.