Implementing an Interactive Bayes’ Theorem Lab in a Large Introductory Statistics Course

Students in introductory statistics courses often report difficulty understanding and connecting conditional probability, the law of total probability, and Bayes’ theorem, especially when taught primarily through static materials. We describe the implementation of an interactive Bayes’ theorem lab in a large introductory statistics course at UBC. The lab supplemented instruction through an active self-guided applet emphasizing tree diagrams, probabilistic reasoning, optional supports, and embedded comprehension checks. A short in-lab assessment and post-lab survey examined student performance and perceived understanding. Across multiple sections, results suggest the app supported students who struggled with these concepts, while survey responses indicated high engagement and perceived gains in understanding. This suggests that self-guided, active-learning tools can support connecting challenging topics and students’ conceptual understanding in large introductory statistics courses.

Mise en place d'un atelier interactif sur le théorème de Bayes dans un grand cours d'introduction à la statistique

Les étudiants qui suivent des cours d'introduction à la statistique ont souvent du mal à comprendre et à relier entre eux la probabilité conditionnelle, la loi de la probabilité totale et le théorème de Bayes, en particulier lorsque ces notions sont enseignées à l'aide de supports statiques. Nous décrivons la mise en œuvre d'un laboratoire interactif sur le théorème de Bayes dans le cadre d'un cours d'introduction à la statistique dispensé à un large public à l'Université de Colombie-Britannique. L'enseignement y est complété par une application active autoguidée mettant l'accent sur les diagrammes en arbre, le raisonnement probabiliste, les aides facultatives et les contrôles de compréhension intégrés. Une brève évaluation en laboratoire et un sondage post-laboratoire ont évalué les résultats des étudiants et leur compréhension perçue. Sur plusieurs sections, les résultats suggèrent que l'application a aidé les étudiants qui avaient des difficultés avec les concepts, tandis que les réponses au sondage ont indiqué un engagement élevé et des gains perçus en matière de compréhension. Cela suggère que les outils d'apprentissage actif autoguidés peuvent aider à relier des sujets difficiles et aider la compréhension conceptuelle des étudiants dans les grands cours d'introduction à la statistique.

Session

Innovative Tools for Statistical Education

Date and Time