核心观点与关键数据
本研报描述了四所社区学院（Bunker Hill CC、Johnson County CC、Normandale CC 和 Sinclair CC）与 EDC 合作，在创建数据科学和分析师职业发展路径项目中设计和实施数据职业发展项目。项目旨在培养中技能数据工作者，即收集和分析数据以支持决策的数据团队成员。
设计过程
学院在设计模型前已深入研究和实施数据分析师可堆叠凭证。他们分享了各自学校的经验，包括：
- Bunker Hill：遵循劳工部模型，包含两个级别，学生平均年龄 28 岁，许多已有学士学位。
- Normandale：将通识教育组织成与特定行业相关的“桶”，培养“T 型员工”。
- Sinclair：创建“嵌入式证书”，即将数据分析师学位与证书结合，强调统计学而非微积分。
- Johnson County：提供一年制证书，包含 27 个学分，部分课程为该项目专门创建。
可堆叠凭证模型
模型包含五个级别：
- Level 3A（60+ 学分）：科学协会学位，为过渡到四年制数据科学学位做准备。
- Level 3B（60+ 学分）：科学协会学位，为直接进入数据领域工作做准备。
- Level 2 证书（28+ 学分）：准备分析和构建模型。
- Level 1 证书（15+ 学分）：准备收集、清理、转换和存储数据，并描述数据。
- 行业认证（1+ 学分）：培训特定工作目的所需的技能集。
模型还考虑了其他非学分提升机会，如训练营、MOOCs、微凭证、纳米学位和非学分继续教育/劳动力发展机会。
与数据从业者档案的关联
数据从业者档案将工作活动分为主要和次要责任，模型与档案中的任务进行对齐，以确定每个级别学生准备程度：
- X：已准备好执行任务。
- S：已准备好技术执行任务，但可能缺乏经验，需要监督。
- S/E：已准备好执行任务，可能需要监督。
- E：已准备好执行任务，并有足够的经验无需监督。
工具
学院确定了以下工具对执行数据从业者档案中的任务至关重要：
- DataCamp、Vocareum、统计软件（R Studio/R、SPSS、SAS）
- Python IDE 或 Notebook（Eclipse/Jupiter）
- 数据库工具（Oracle、SQL/SQL Server、Excel）
- 开放数据门户
- 数据可视化工具（Tableau、Qlik、Spotfire、PowerBI）
- Mockaroo、Knime 数据分析平台、Data World
- Lynda、MOOCs（EdX、Coursera、Udemy 等）
挑战
学院面临的主要挑战包括：
- 确定合格的教师和兼职教师。
- 四年制学院对课程的要求（如微积分）。
- 数学技能水平可作为进入障碍。
- 课程与转移机构和行业需求的匹配。
- 保持行业变化同步。
- 营销和意识。
- 开源材料的评分和项目工作。
经验教训
学院总结了以下经验教训：
- 教师专业发展（Bunker Hill CC）。
- 网络和意识（Normandale CC 和 Sinclair CC）。
- 教师职位描述的通用措辞（Bunker Hill CC）。
- 教师工作经验、薪酬、终身教职。
- 围绕 FAFSA 和 DOL 要求设计证书（Bunker Hill CC）。
- 与行业、合作伙伴和学生召开圆桌会议以了解途径（Bunker Hill CC）。
- 为非学分学生开发劳动力发展选项（Sinclair CC）。
- 不要求课程进入的先修条件（Sinclair CC）。
结论
该模型为学院提供了一个框架，用于描述和发展数据科学和分析师的中技能职业路径。它可以用于制定战略计划、招募和参与商业伙伴、招募新教师、开发学生招募材料，以及开始机构内部课程/ curriculum 开发过程。此外，模型还可用于发展 articulation 和 transfer 协议、学生实习、教师外派和其他基于工作的学习项目，以及与其他学院比较和对比数据科学和分析师项目。
