Data in MathematicsOne way to make

Data in Mathematics
One way to make mathematics useful is to bring real world data into the classroom and deal with the questions that emerge for students as they explore. The Internet has brought data tantalizingly close to the classroom door, but it is surprising how difficult it can be to get data as it appears in an Internet browser into a form in which it can be analyzed. The number of formats in which data is stored on the Web boggles the mind. Fathom takes a heuristic approach to data import; it attempts to determine the start and stop of the data and then to analyze the structure of the data between those bounds.
The interface is simple. As shown below, users drag a URL into Fathom and Fathom goes out over the Internet and gets the data. Roughly 90% of the time, it does 90% of the work of getting the data into a form it can be analyzed. For example, the data from the NFL site shown at right took about two minutes of work before it was ready for exploration.


Finding data that students are interested in and which leads to useful mathematics requires real work and real commitment. First, think about the difference between summary data and raw data. With summary data, the work has already been done, and there is typically nowhere left to go. If, as shown above, you only have the statistics shown for male and female incomes in dollars


from a portion of New York City in 1990, you have no way to answer the myriad of questions that might occur to you—what about the median incomes, or the incomes for different age groups or ethnic groups, or education levels, or over time?
In contrast, access to raw data allows you to continue your investigation, perhaps, as shown below, to look at the distribution of incomes limited to those individuals whose age falls between 22 and 65 and who listed their job category. Nope, the gender wage gap still exists.

Kết quả (Việt) 1:

Dữ liệu toán họcMột cách để làm cho toán học hữu ích là để mang lại cho thực thế giới dữ liệu vào các lớp học và đối phó với những câu hỏi mà nổi lên cho sinh viên khi họ khám phá. Internet đã mang lại các dữ liệu tantalizingly gần cửa lớp học, nhưng nó là đáng ngạc nhiên khó khăn như thế nào nó có thể để có được dữ liệu như nó xuất hiện trong một trình duyệt Internet thành một hình thức mà trong đó nó có thể được phân tích. Số lượng định dạng mà trong đó dữ liệu được lưu trữ trên Web boggles tâm trí. Fathom mất một cách tiếp cận heuristic để dữ liệu nhập khẩu; nó cố gắng để xác định sự bắt đầu và ngừng các dữ liệu và sau đó để phân tích các cấu trúc dữ liệu giữa các giới hạn.Giao diện rất đơn giản. Như hình dưới đây, người dùng kéo một URL vào hiểu được và hiểu được đi ra ngoài qua Internet và được các dữ liệu. Khoảng 90% thời gian, nó như 90% của công việc nhận được dữ liệu vào một hình thức nó có thể được phân tích. Ví dụ, dữ liệu từ các trang web NFL Hiển thị ở bên phải mất khoảng hai phút làm việc trước khi nó đã sẵn sàng thăm dò.Tìm kiếm dữ liệu mà học sinh quan tâm và dẫn đến hữu ích toán học đòi hỏi công việc thực tế và thực sự cam kết. Trước tiên, hãy suy nghĩ về sự khác biệt giữa các bản tóm tắt dữ liệu và dữ liệu thô. Với dữ liệu tóm tắt, công việc đã được thực hiện, và có thường hư không trái để đi. Nếu như trên, bạn chỉ có số liệu thống kê Hiển thị cho Nam và nữ thu nhập bằng đô la từ một phần của thành phố New York vào năm 1990, bạn không có cách nào để trả lời vô số các câu hỏi mà có thể xảy ra với bạn-những gì về thu nhập trung bình, hoặc thu nhập cho nhóm tuổi khác nhau hoặc các nhóm sắc tộc hoặc các cấp giáo dục, hoặc theo thời gian?Ngược lại, quyền truy cập vào dữ liệu thô cho phép bạn để tiếp tục điều tra của bạn, có lẽ, như được hiển thị dưới đây, để xem xét việc phân phối thu nhập giới hạn đối với những cá nhân tuổi mà rơi giữa 22 và 65 và những người liệt kê của chuyên mục việc làm. Nope, khoảng cách mức lương giới tính vẫn còn tồn tại.

Kết quả (Việt) 2:

Dữ liệu trong Toán học
Một cách để làm cho toán học hữu ích là để đưa dữ liệu thế giới thực vào lớp học và đối phó với những câu hỏi mà nổi lên cho sinh viên khi họ khám phá. Internet đã mang lại dữ liệu trêu ngươi gần cửa lớp, nhưng nó là đáng ngạc nhiên khó khăn như thế nào nó có thể để có được dữ liệu khi nó xuất hiện trong một trình duyệt Internet thành một dạng mà nó có thể được phân tích. Các số định dạng trong đó dữ liệu được lưu trữ trên Web lởn vởn trong đầu. Fathom một cách tiếp cận heuristic để nhập dữ liệu; nó cố gắng để xác định điểm bắt đầu và dừng lại các dữ liệu và sau đó để phân tích cấu trúc của dữ liệu giữa những giới hạn.
Giao diện đơn giản. Như hình dưới đây, người dùng kéo một URL vào Fathom và Fathom đi ra ngoài qua Internet và được các dữ liệu. Khoảng 90% thời gian, nó làm 90% công việc nhận được các dữ liệu vào một hình thức nó có thể được phân tích. Ví dụ, các dữ liệu từ các trang web NFL hình bên phải mất khoảng hai phút làm việc trước khi nó đã sẵn sàng để thăm dò. Việc tìm kiếm dữ liệu mà sinh viên quan tâm và dẫn đến toán học hữu ích đòi hỏi công việc thực tế và cam kết thực sự. Đầu tiên, hãy suy nghĩ về sự khác biệt giữa dữ liệu tóm tắt và dữ liệu thô. Với dữ liệu tóm tắt, các công việc đã được thực hiện, và có thường không nơi nào trái để đi. Nếu, như trình bày ở trên, bạn chỉ có số liệu thống kê cho thấy đối với thu nhập nam và nữ bằng đô la từ một phần của thành phố New York vào năm 1990, bạn không có cách nào để trả lời vô số các câu hỏi mà có thể xảy ra với bạn, những gì về thu nhập trung bình hoặc thu nhập cho các nhóm tuổi, nhóm dân tộc, hoặc trình độ học vấn khác nhau, hoặc theo thời gian? Ngược lại, truy cập vào dữ liệu thô cho phép bạn để tiếp tục điều tra của bạn, có lẽ, như hình dưới đây, để nhìn vào phân phối thu nhập giới hạn cho những cá nhân có độ tuổi nằm giữa 22 và 65 và những người được liệt kê ngành nghề của họ. Nope, khoảng cách lương giữa hai giới vẫn còn tồn tại.