論文の概要: Mapping computational thinking mindsets between educational levels with
cognitive network science
- arxiv url: http://arxiv.org/abs/2007.09402v1
- Date: Sat, 18 Jul 2020 10:51:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 03:05:15.533719
- Title: Mapping computational thinking mindsets between educational levels with
cognitive network science
- Title（参考訳）: 認知ネットワーク科学と教育レベルの計算思考思想のマッピング
- Authors: Massimo Stella, Anastasiya Kapuza, Catherine Cramer and Stephen Uzzo
- Abstract要約: 本稿では,計算認知科学を用いて,計算思考思考の構造を再構築し,分析する方法について述べる。
ケーススタディでは, (i) 理科課程に入学する159人の高校生と, (ii) 複雑なシステムやシミュレーションの研究者59名を対象に, 計算思考の重要概念に関連する認知ネットワークを調査した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Computational thinking is a way of reasoning about the world in terms of
data. This mindset channels number crunching toward an ambition to discover
knowledge through logic, models and simulations. Here we show how computational
cognitive science can be used to reconstruct and analyse the structure of
computational thinking mindsets (forma mentis in Latin) through complex
networks. As a case study, we investigate cognitive networks tied to key
concepts of computational thinking provided by: (i) 159 high school students
enrolled in a science curriculum and (ii) 59 researchers in complex systems and
simulations. Researchers' reconstructed forma mentis highlighted a positive
mindset about scientific modelling, semantically framing data and simulations
as ways of discovering nature. Students correctly identified different aspects
of logic reasoning but perceived "computation" as a distressing,
anxiety-eliciting task, framed with math jargon and lacking links to real-world
discovery. Students' mindsets around "data", "model" and "simulations"
critically revealed no awareness of numerical modelling as a way for
understanding the world. Our findings provide evidence of a crippled
computational thinking mindset in students, who acquire mathematical skills
that are not channelled toward real-world discovery through coding. This
unlinked knowledge ends up being perceived as distressing number-crunching
expertise with no relevant outcome. The virtuous mindset of researchers
reported here indicates that computational thinking can be restored by training
students specifically in coding, modelling and simulations in relation to
discovering nature. Our approach opens innovative ways for quantifying
computational thinking and enhancing its development through mindset
reconstruction.
- Abstract（参考訳）: 計算思考は、データの観点から世界について推論する方法である。
このマインドセットは、論理、モデル、シミュレーションを通じて知識を発見するという野望に向かって、数を増やしている。
ここでは,計算認知科学を用いて,複雑なネットワークを通して計算思考思想の構造を再構築し,分析する方法について述べる。
ケーススタディでは、以下の計算思考の重要概念に関連する認知ネットワークについて検討する。
(i)理科課程に入学した高校生159名
(ii)複雑なシステムとシミュレーションの59人の研究者。
研究者の復元されたフォルマ・メンティスは、自然を発見する方法として、科学的モデリング、意味的にフレーミングされたデータとシミュレーションに関する肯定的な考え方を強調した。
学生は論理的推論の異なる側面を正しく識別したが、「計算」は苦悩と不安を和らげるタスクであり、数学のジャーゴンと結び付けられ、現実世界の発見へのリンクが欠如していると認識した。
データ」や「モデル」や「シミュレーション」に関する学生の考え方は、世界を理解する方法としての数値モデリングに対する認識を批判的に示さなかった。
本研究は,プログラミングによって現実の発見に繋がらない数学的スキルを習得する学生における,計算思考の欠陥の証拠を提供する。
この無リンクの知識は、無関係に多くの専門知識を苦しめていると見なされる。
ここで報告された研究者の厳密な考え方は、プログラミング、モデリング、シミュレーションの学生に自然の発見を訓練することで、計算思考を復元できることを示している。
我々のアプローチは、計算思考の定量化とマインドセット再構築によるその発展を促進する革新的な方法を開く。
関連論文リスト
- A mathematical framework of intelligence and consciousness based on Riemannian Geometry [1.9580473532948397]
知性を理解することは神経科学、認知科学、人工知能の中心的な研究である。
幾何解析の最近の進歩は、高次元情報表現と組織に対する新たな洞察を明らかにしている。
この写本は、知性と意識の構造とダイナミクスを記述する数学的枠組みを提案する。
論文 参考訳（メタデータ） (2024-07-02T04:17:56Z) - Exploring a Cognitive Architecture for Learning Arithmetic Equations [0.0]
本稿では,算術学習を支える認知メカニズムについて考察する。
本稿では,数ベクトル化埋め込みネットワークと連想メモリモデルを実装し,知能システムによる算術方程式の学習とリコールについて検討する。
知的システムにおける数学的認知の神経的相関に関する継続的な研究に貢献することを目的としている。
論文 参考訳（メタデータ） (2024-05-05T18:42:00Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
数学は人間によって開発された最も強力な概念体系の1つである。
AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
論文 参考訳（メタデータ） (2023-10-19T02:00:31Z) - Survey of Consciousness Theory from Computational Perspective [8.521492577054078]
本稿では、異なる主題から派生した意識理論のいくつかの主要な分野について調査する。
また、既存の意識評価指標と、現在の計算モデルが意識を持つ可能性についても論じる。
論文 参考訳（メタデータ） (2023-09-18T18:23:58Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。
大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
論文 参考訳（メタデータ） (2022-12-20T18:46:16Z) - Brain-inspired Graph Spiking Neural Networks for Commonsense Knowledge
Representation and Reasoning [11.048601659933249]
神経科学、認知科学、心理学、人工知能において、人間の脳におけるニューラルネットワークがどのように常識知識を表現するかは重要な研究トピックである。
本研究は, 個体群エンコーディングとスパイクタイミング依存的可塑性(STDP)機構をスパイクニューラルネットワークの学習に組み込む方法について検討する。
異なるコミュニティのニューロン集団は、コモンセンス知識グラフ全体を構成し、巨大なグラフがニューラルネットワークをスパイクする。
論文 参考訳（メタデータ） (2022-07-11T05:22:38Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - Machine Number Sense: A Dataset of Visual Arithmetic Problems for
Abstract and Relational Reasoning [95.18337034090648]
文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。
これらの視覚的算術問題は幾何学的フィギュアの形をしている。
我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
論文 参考訳（メタデータ） (2020-04-25T17:14:58Z)
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。