数据科学课程：当前情景-研究论文

公司希望从大数据中进行富有成效的发现，这促使学术机构提供各种不同的数据科学 (DS) 课程，以提高毕业生成为能够应对新时代挑战的数据科学家的能力。 这些数据科学课程代表了来自多个学科的学科领域的组合。 很少有研究检查特定学科中的数据科学课程，例如商业（例如 Chen 等人）。 然而，很少有实证研究调查 DS 课程并探索其跨学科的课程结构。 因此，本研究考察了美国大学提供的数据科学课程。 该研究旨在描绘美国数据科学教育的现状，以探索 DS 课程在研究生阶段涵盖的学科。 目前的研究对美国不同学科的 30 个 DS 项目进行了探索性内容分析。 分析是在课程名称和课程描述层面进行的。 研究结果表明 DS 课程需要不同数量的学分，包括实习和顶点。 管理学院似乎在午餐和主持 DS 项目方面处于领先地位。 此外，所有DS程序都需要具备数据库设计、表示、提取和管理的基础知识。 此外，DS 计划通过其核心课程提供信息技能。 此外，研究结果表明，DS 课程中近 40% 的必修课程涉及信息表示、检索和编程。 此外，DS 课程所需的课程还涉及沟通可视化和数学技能。