Data visualization technologies are powerful tools for telling evidence-based narratives about oneself and the world. This paper contributes to the literature on data science education by examining the sociotechnical practices of data wrangling—strategies for selecting and managing large, aggregated datasets to produce a model and story. We examined the learning opportunities related to data wrangling practices by investigating youth’s talk-in-interaction while assembling models and stories about family migration using interactive data visualization tools and large socioeconomic datasets. We first identified ten sociotechnical practices that characterize youth’s interaction with tools and collaboration in data wrangling. We then suggest four categories of activities to describe patterns of learning related to the practices, including addressing missing data, understanding data aggregation, exploring social or historical events that constitute the formation of data patterns, and varying data visual encoding for storytelling. These practices and activities are important to understand for supporting future data science education opportunities that facilitate learning and discussion about scientific and socioeconomic issues. This study also sheds light on how the family migration modeling context positions the youth as having agency and authority over the data and contributes to the design of CSCL environments that tackle the challenges of data wrangling.

中文翻译：

---

数据整理实践以及与汇总数据的协作交互

数据可视化技术是功能强大的工具，可用于讲述有关自己和世界的循证叙事。本文通过研究数据整理的社会技术实践为数据科学教育的文献做出了贡献，数据整理是选择和管理大型汇总数据集以产生模型和故事的策略。我们通过调查青年的互动对话，研究了与数据整理实践相关的学习机会，同时使用交互式数据可视化工具和大型社会经济数据集，收集了有关家庭迁移的模型和故事。我们首先确定了十项社会技术实践，这些实践表征了年轻人与工具之间的互动以及数据整理中的协作。然后，我们提出四类活动来描述与实践相关的学习模式，包括解决缺失的数据，理解数据聚合，探索构成数据模式形成的社会或历史事件以及为讲故事而变化的数据视觉编码。了解这些实践和活动对于支持未来的数据科学教育机会非常重要，这些机会有助于学习和讨论科学和社会经济问题。这项研究还揭示了家庭迁移建模的背景如何将年轻人定位为对数据具有代理和权威，并有助于设计CSCL环境，以应对数据争夺的挑战。了解这些实践和活动对于支持未来的数据科学教育机会非常重要，这些机会有助于学习和讨论科学和社会经济问题。这项研究还揭示了家庭迁移建模的背景如何将年轻人定位为对数据具有代理和权威，并有助于设计CSCL环境，以应对数据争夺的挑战。了解这些实践和活动对于支持未来的数据科学教育机会非常重要，这些机会有助于学习和讨论科学和社会经济问题。这项研究还揭示了家庭迁移建模的背景如何将年轻人定位为对数据具有代理和权威，并有助于设计CSCL环境，以应对数据争夺的挑战。