参与式设计作为一种机制，用于指导基于兴趣驱动的数据科学课程设置

《ACM Transactions on Computing Education》：Participatory Design as a Mechanism for Informing Interest-Driven Data Science Curriculum

兴趣驱动的高中数据科学课程开发与评估研究采用参与式设计方法，通过整合学生兴趣、价值观和数字生活经验，构建了多维度评估框架。研究发现，不同参与式活动可揭示学生兴趣的多元特征，进而设计出符合学习者真实需求的教学方案。

　　

摘要

目标：兴趣在学习过程中起着核心作用，它决定了学习的内容、方式、时间、地点以及原因。在数据科学教育中，由于涉及复杂的概念、实际经验以及实用技能，激发和培养学生的兴趣尤为重要。本研究探讨了设计和评估基于兴趣的数据科学教学材料的方法。方法：本文采用了一种参与式设计方法，为高中生的数据科学课程开发提供了依据。为了评估学习者的兴趣和价值观在课程中的体现程度，我们使用了“计算教育中的综合兴趣发展框架”[56]，该框架为兴趣提供了一个具体的操作化定义，能够全面捕捉兴趣的多元性。研究结果：研究表明，参与式设计可以用于识别学生的兴趣，并将这些兴趣作为制定课程的依据。此外，研究还发现不同类型的参与式设计活动能够揭示学生兴趣和身份的不同方面，从而有助于设计更贴合学生学习需求的学习体验。该研究展示了如何通过参与式设计来反映和利用学生兴趣的多样性，并据此设计出与学生数字生活经验相联系的学习活动。结论：参与式设计是一种以学生为中心的有效方法，能够根据学生的需求、价值观和兴趣来定制计算学习体验。通过多种参与式设计活动，我们发现了学生兴趣的多个层面，这些发现为制定基于兴趣的课程提供了重要信息；如果没有学生的参与，这样的课程是无法实现的。