inference, including the Law of Large Numbers and the Central Limit Theorem. For the students now learning more exploratory forms of data analysis, the objective is less clear. There are various proposals about which core ideas we should target in early instruction in data analysis. Wild and Pfannkuch (1999), for example, view variation as the core idea of statistical reasoning and propose various subconstructs that are critical to learning to reason about data. Recently designed and tested materials for 12- to 14-year-olds aim at developing the idea of a distribution (Cobb,1999; Cobb, McClain, & Gravemeijer, 2003). According to the supporting research, this idea entails viewing data as “entities that are distributed within a space of possible values,” in which various statistical representations—be they types of graphical displays or numerical summaries—are viewed as different ways of structuring or describing distributions (see Cobb, 1999, pp. 10–11). Others have argued the centrality of the idea of data as an aggregate—an emergent entity (i.e.,distribution) that has characteristics not visible in any of the individual elements in the aggregate (Konold & Higgins, 2003; Mokros & Russell, 1995).
inference, including the Law of Large Numbers and the Central Limit Theorem. For the students now learning more exploratory forms of data analysis, the objective is less clear. There are various proposals about which core ideas we should target in early instruction in data analysis. Wild and Pfannkuch (1999), for example, view variation as the core idea of statistical reasoning and propose various subconstructs that are critical to learning to reason about data. Recently designed and tested materials for 12- to 14-year-olds aim at developing the idea of a distribution (Cobb,1999; Cobb, McClain, & Gravemeijer, 2003). According to the supporting research, this idea entails viewing data as “entities that are distributed within a space of possible values,” in which various statistical representations—be they types of graphical displays or numerical summaries—are viewed as different ways of structuring or describing distributions (see Cobb, 1999, pp. 10–11). Others have argued the centrality of the idea of data as an aggregate—an emergent entity (i.e.,distribution) that has characteristics not visible in any of the individual elements in the aggregate (Konold & Higgins, 2003; Mokros & Russell, 1995).
การแปล กรุณารอสักครู่..
การอนุมาน ได้แก่ กฎจำนวนมากและทฤษฎีขีดจำกัดกลาง ให้นักเรียนสำรวจตอนนี้การเรียนรู้รูปแบบของการวิเคราะห์ข้อมูล โดยมีวัตถุประสงค์ที่ชัดเจนน้อยกว่า มีข้อเสนอต่างๆ ซึ่งในหลักความคิดเราเป้าหมายในช่วงต้นการในการวิเคราะห์ข้อมูล ป่าและ pfannkuch ( 1999 ) , ตัวอย่างมุมมองการเปลี่ยนแปลงเป็นหลักคิดของการให้เหตุผลทางสถิติ และเสนอ subconstructs ต่างๆซึ่งเป็นส่วนสำคัญของการเรียนรู้ที่เกี่ยวกับข้อมูล การออกแบบและทดสอบวัสดุนี้ 12 - 14 ปีมีจุดมุ่งหมายในการพัฒนาความคิดของการกระจาย ( Cobb , 1999 ; ค็อบ เมิกเคลน& gravemeijer , 2003 ) ตามเพื่อสนับสนุนการวิจัยความคิดนี้ใช้ดูข้อมูลเป็น " หน่วยงานที่กระจายภายในพื้นที่ของค่าที่เป็นไปได้ " ซึ่งเป็นตัวแทนทางสถิติต่าง ๆ ไม่ว่าจะเป็นชนิดของการแสดงกราฟิกหรือสรุปตัวเลขได้รับการมองว่าเป็นวิธีที่แตกต่างกันของโครงสร้างหรืออธิบายการกระจาย ( เห็นคอบ , 1999 , pp . 10 – 11 )คนอื่นได้เสนอความสำคัญของแนวคิดของข้อมูลเป็นการรวมกิจการฉุกเฉิน ( เช่น การกระจาย ) ซึ่งมีลักษณะที่มองเห็นได้ในใด ๆของแต่ละองค์ประกอบในการรวม ( konold & Higgins , 2003 ; mokros &รัสเซล , 1995 )
การแปล กรุณารอสักครู่..