МОВА ПРОГРАМУВАННЯ R У STEM-ВИКЛАДАННІ СТАТИСТИКИ ТА АНАЛІЗУ ДАНИХ

Анотація

Розглянуто актуальність упровадження STEM-підходу у викладанні статистики та аналізу даних у сучасній системі освіти. Показано, що традиційна методика навчання статистики здебільшого орієнтована на формальний апарат та класичні моделі, що ускладнює усвідомлення студентами прикладної цінності ймовірнісного мислення в реальних умовах. Наголошено на важливості інтеграції математичної теорії з інструментами практичної реалізації, яка досягається через застосування STEM-підходу, що поєднує наукові знання, технології, інженерну логіку та математичний апарат. Із цього погляду особливе місце посідає мова програмування R, яка має потужний інструментарій для статистичного аналізу, візуалізації даних, побудови моделей і перевірки гіпотез. Здійснено аналіз наукових джерел, які підтверджують доцільність упровадження STEM-освіти як чинника формування критичного, алгоритмічного та інженерного мислення. Продемонстровано можливості використання мови R у навчальному процесі та її відповідність основним компонентам STEM (Science, Technology, Engineering, Mathematics). Наведено приклади практичних дій студентів у середовищі R, які забезпечують міждисциплінарний підхід до навчання та сприяють розвитку аналітичних компетентностей. Проведено порівняльний аналіз R, Python та Excel/Google Sheets за ключовими критеріями ефективності в контексті STEM-освіти, що дало змогу підкреслити унікальні переваги R у викладанні статистики та формуванні прикладних навичок. Зроблено висновок, що, незважаючи на популярність інших мов програмування в аналітиці даних, саме R має потенціал у сфері освіти завдяки своїм статистичним витокам, розвиненій системі пакетів і широким можливостям для інтерактивної роботи з інформацією. Інтеграція таких підходів у навчальний процес дає змогу не лише оволодіти базовими інструментами аналізу даних, а й забезпечує готовність майбутніх фахівців до створення та впровадження систем штучного інтелекту у різних сферах діяльності. Використання R у навчанні сприяє подоланню розриву між теоретичними знаннями та практичними потребами, підвищує мотивацію студентів і забезпечує підготовку конкурентоспроможних фахівців у сфері аналізу даних.