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).
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:
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
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- Lecture 1: Experimental research
- Lecture 2: Correlational research
- Lecture 3: Variables, distributions, and scales
- Lecture 4: Summary statistics
- Lecture 5: Correlation
- Lecture 6: Measurement
- Lecture 7: Introduction to regression
- Lecture 8: Null hypothesis significance testing
- Lecture 9: The central limit theorem
- Lecture 10: Confidence intervals
- Lecture 11: Multiple regression
- Lecture 12: The general linear model
- Lecture 13: Moderation
- Lecture 14: Mediation
- Lecture 15: Student’s t-test
- Lecture 16: Analysis of variance (ANOVA)
- Lecture 17: Factorial ANOVA
- Lecture 18: Repeated measures ANOVA
- Lecture 19: Chi-square tests
- Lecture 20: Binary logistic regression
- Lecture 21: Assumptions revisited
- Lecture 22: Non-parametric statistics
- Lecture 23: Generalized linear model
- Lecture 24: Course summary
- Lab 1: Introduction to R
- Lab 2: Histograms and summary statistics
- Lab 3: Scatterplots and correlations
- Lab 4: Regression
- Lab 5: Confidence intervals
- Lab 6: Multiple regression
- Lab 7: Moderation and mediation
- Lab 8: Group comparisons (t-tests, ANOVA, post-hoc tests)
- Lab 9: Factorial ANOVA
- Lab 10: Binary logistic regression
- Lab 11: Non-parametric tests
- Lab 12: Non-linear regression
Ресурсы для изучения программы R
- Download R
- Quick-R
- R Cookbook
- R-Bloggers
- Inside-R
- Try R
- Video tutorials
- StackOverflow About R
- StackOverflow R FAQ
- DataCamp
- R Tutorial
Этот список давали на курсе, от себя еще добавлю R-tutorials, см. например раздел Логлинейный анализ
Комментариев нет:
Отправить комментарий