論文の概要: Experiences and Lessons Learned Creating and Validating Concept Inventories for Cybersecurity

• arxiv url: http://arxiv.org/abs/2004.05248v1
• Date: Fri, 10 Apr 2020 22:40:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 06:17:36.793455
• Title: Experiences and Lessons Learned Creating and Validating Concept Inventories for Cybersecurity
• Title（参考訳）: サイバーセキュリティのためのコンセプトインベントリの作成と検証に関する経験と教訓
• Authors: Alan T. Sherman, Geoffrey L. Herman, Linda Oliva, Peter A. H. Peterson, Enis Golaszewski, Seth Poulsen, Travis Scheponik, Akshita Gorti
• Abstract要約: サイバーセキュリティコンセプトインベントリ(サイバーセキュリティコンセプトインベントリ、CCI)は、サイバーセキュリティの第1コースを最近修了した学生向けである。 サイバーセキュリティカリキュラムアセスメント(サイバーセキュリティカリキュラムアセスメント、英: Cybersecurity Curriculum Assessment、CCA)は、サイバーセキュリティの学部課程を最近修了した学生のためのプログラムである。 各アセスメントツールは、同じ5つのコアコンセプトをターゲットにした様々な難題に関する25の多重選択質問(MCQ)から構成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We reflect on our ongoing journey in the educational Cybersecurity Assessment Tools (CATS) Project to create two concept inventories for cybersecurity. We identify key steps in this journey and important questions we faced. We explain the decisions we made and discuss the consequences of those decisions, highlighting what worked well and what might have gone better. The CATS Project is creating and validating two concept inventories---conceptual tests of understanding---that can be used to measure the effectiveness of various approaches to teaching and learning cybersecurity. The Cybersecurity Concept Inventory (CCI) is for students who have recently completed any first course in cybersecurity; the Cybersecurity Curriculum Assessment (CCA) is for students who have recently completed an undergraduate major or track in cybersecurity. Each assessment tool comprises 25 multiple-choice questions (MCQs) of various difficulties that target the same five core concepts, but the CCA assumes greater technical background. Key steps include defining project scope, identifying the core concepts, uncovering student misconceptions, creating scenarios, drafting question stems, developing distractor answer choices, generating educational materials, performing expert reviews, recruiting student subjects, organizing workshops, building community acceptance, forming a team and nurturing collaboration, adopting tools, and obtaining and using funding. Creating effective MCQs is difficult and time-consuming, and cybersecurity presents special challenges. Because cybersecurity issues are often subtle, where the adversarial model and details matter greatly, it is challenging to construct MCQs for which there is exactly one best but non-obvious answer. We hope that our experiences and lessons learned may help others create more effective concept inventories and assessments in STEM.
• Abstract（参考訳）: サイバーセキュリティ評価ツール(CATS)プロジェクトで現在進行中の、サイバーセキュリティのための2つのコンセプトインベントリの作成について振り返る。 この旅の重要なステップと直面する重要な疑問を特定します。 私たちが行った決定を説明し、これらの決定の結果について議論し、何がうまくいったのか、何がうまくいったのかを強調します。 catプロジェクトは、サイバーセキュリティの教育と学習に対する様々なアプローチの有効性を測定するために、理解のコンセプトテストという2つのコンセプト在庫を作成し、検証している。 cybersecurity concept inventory (cci) は、サイバーセキュリティの第一コースを最近修了した学生向けであり、cybersecurity curriculum assessment (cca) は、最近サイバーセキュリティの専攻またはコースを修了した学生向けである。 各アセスメントツールは、同じ5つのコアコンセプトをターゲットにした様々な難題に関する25の多重選択質問(MCQ)から構成されるが、CAAはより技術的な背景を前提としている。 主なステップは、プロジェクトスコープの定義、コアコンセプトの明確化、学生の誤解の解明、シナリオの作成、質問ステムの作成、気晴らしの答えの選択、教育教材の作成、専門家レビューの実行、学生の参加者の募集、ワークショップの編成、コミュニティの受け入れ、チームの形成、コラボレーションの育成、ツールの採用、資金の獲得と利用である。 効果的なmcqsの作成は困難で時間がかかり、サイバーセキュリティには特別な課題がある。 サイバーセキュリティの問題はしばしば微妙なものであり、敵のモデルと詳細がきわめて重要であるため、MCQを構築することは非常に難しい。 私たちは、学習した経験と教訓が、他の人がSTEMでより効果的な概念の発明と評価を作成するのに役立つことを願っています。

関連論文リスト

• CyberMentor: AI Powered Learning Tool Platform to Address Diverse Student Needs in Cybersecurity Education [6.267144136593821]
  サイバーセキュリティプログラムの多くの非伝統的な学生は、しばしば仲間や家族、教授からのアドバイスへのアクセスを欠いている。 本稿では,知識,スキル,キャリア準備に関するアドバイスに答えることによって,包括的支援を提供するアプリケーションを提案する。 我々はサイバーセキュリティの学生の多様なニーズと問題点に対処する学習ツールプラットフォームであるCyberMentorを開発した。
  論文  参考訳（メタデータ） (2025-01-16T18:00:06Z)
• Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
  特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。 本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
  論文  参考訳（メタデータ） (2025-01-09T03:59:10Z)
• Ontology-Aware RAG for Improved Question-Answering in Cybersecurity Education [13.838970688067725]
  AIによる質問応答(QA)システムは、サイバーセキュリティの問題解決における不確実性を積極的に管理することができる。 大規模言語モデル(LLM)は、高度な言語理解とユーザエンゲージメントを提供するAI駆動のQAシステムで注目を集めている。 我々は,サイバーセキュリティ教育における信頼性および安全性の高いQAシステムを開発するための,オントロジー対応検索強化世代(RAG)アプローチであるCyberRAGを提案する。
  論文  参考訳（メタデータ） (2024-12-10T21:52:35Z)
• Using Real-world Bug Bounty Programs in Secure Coding Course: Experience Report [1.099532646524593]
  新しいサイバーセキュリティ専門家の育成は、地域の範囲が広いため難しい課題である。 我々は、現実世界のバグ報奨金プログラムをサイバーセキュリティカリキュラムに統合するソリューションを提案する。 セキュアなプログラミングコースにおいて,学期課題の選択肢として,学生にバグ報奨金プログラムへの参加を選択させる。
  論文  参考訳（メタデータ） (2024-04-18T09:53:49Z)
• Cybersecurity in Motion: A Survey of Challenges and Requirements for Future Test Facilities of CAVs [11.853500347907826]
  協力的インテリジェントトランスポーテーションシステム(C-ITS)はこの進化の最前線にある。 本稿では,C-ITSのサイバーセキュリティの研究,試験,評価を促進するために設計された,CSCE(Cybersecurity Centre of Excellence)を提案する。
  論文  参考訳（メタデータ） (2023-12-22T13:42:53Z)
• An Exploratory Study on the Evidence of Hackathons' Role in Solving OSS Newcomers' Challenges [54.56931759953522]
  我々はOSSプロジェクトに参加する際、新参者が直面する課題を理解し、議論することを目指している。 これらの課題にどのようにハッカソンが使われたかを示す証拠を収集する。
  論文  参考訳（メタデータ） (2023-05-16T15:40:19Z)
• Quiz-based Knowledge Tracing [61.9152637457605]
  知識追跡は、学習相互作用に基づいて個人の進化する知識状態を評価することを目的としている。 QKTは、既存の方法と比較して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-04-05T12:48:42Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• XSS for the Masses: Integrating Security in a Web Programming Course using a Security Scanner [3.387494280613737]
  サイバーセキュリティ教育は、学部のコンピューティングカリキュラムの重要な部分である。 多くの機関が専用コースやコースで教えている。 もう一つのアプローチは、サイバーセキュリティの概念を非セキュリティコース間で統合することである。
  論文  参考訳（メタデータ） (2022-04-26T16:20:36Z)
• Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
  大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。 我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。 我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
  論文  参考訳（メタデータ） (2020-10-19T13:09:31Z)
• Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
  本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。 サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-07-05T18:22:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。