論文の概要: Designing for Critical Algorithmic Literacies

• arxiv url: http://arxiv.org/abs/2008.01719v1
• Date: Tue, 4 Aug 2020 17:51:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 04:25:42.618267
• Title: Designing for Critical Algorithmic Literacies
• Title（参考訳）: 批判的アルゴリズム文学のための設計
• Authors: Sayamindu Dasgupta and Benjamin Mako Hill
• Abstract要約: 計算アルゴリズムを問う子どもの能力は重要になっている。 成長する研究機関は、子供たちが自分の生活を形成するアルゴリズムシステムを理解し、尋問し、批判するために使用できる知的なツールを記述するために、一連の「文学」を表現しようと試みている。 我々は、子どもたちがアルゴリズムの仕組みだけでなく、批判し、疑問を抱くことができるようにするための4つの設計原則を提示している。
• 参考スコア（独自算出の注目度）: 11.6402289139761
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As pervasive data collection and powerful algorithms increasingly shape children's experience of the world and each other, their ability to interrogate computational algorithms has become crucially important. A growing body of work has attempted to articulate a set of "literacies" to describe the intellectual tools that children can use to understand, interrogate, and critique the algorithmic systems that shape their lives. Unfortunately, because many algorithms are invisible, only a small number of children develop the literacies required to critique these systems. How might designers support the development of critical algorithmic literacies? Based on our experience designing two data programming systems, we present four design principles that we argue can help children develop literacies that allow them to understand not only how algorithms work, but also to critique and question them.
• Abstract（参考訳）: 広汎なデータ収集と強力なアルゴリズムが世界中の子供たちの体験を形作るにつれ、計算アルゴリズムを問う能力は重要になってきている。 子どもたちが自分の人生を形作るアルゴリズムシステムを理解し、尋問し、批判するために使える知的ツールを記述するための一連の「文学」を表現しようと試みている。 残念なことに、多くのアルゴリズムは目に見えないため、少数の子供だけがこれらのシステムを批判するために必要な文字を発達させる。 設計者はどのようにして重要なアルゴリズムリテラシーの開発を支援するのか? 2つのデータプログラミングシステムを設計した経験に基づいて、私たちは、子どもたちがアルゴリズムの動作だけでなく、批判や疑問にも答えられるように、リテラシーを開発するのに役立つ4つの設計原則を提示します。

関連論文リスト

• Do Language Models Exhibit the Same Cognitive Biases in Problem Solving as Human Learners? [140.9751389452011]
  本研究では,大言語モデル(LLM)の偏りを,算術語問題を解く際に,子どもに知られているものと関連づけて検討する。 我々は,これらの各テストに対して,問題特徴のきめ細かい制御を可能にするニューロシンボリックアプローチを用いて,新しい単語問題を生成する。
  論文  参考訳（メタデータ） (2024-01-31T18:48:20Z)
• Problem-Solving Guide: Predicting the Algorithm Tags and Difficulty for Competitive Programming Problems [7.955313479061445]
  ほとんどのテック企業は、Google、Meta、Amazonなど、アルゴリズムの問題を解決する能力を必要としている。 本研究は,アルゴリズムタグをエンジニアや開発者の有用なツールとして予測する作業に対処する。 また,この問題の解決に要する時間を計算するための有用なガイダンスとして,アルゴリズム問題の難易度を予測することを検討する。
  論文  参考訳（メタデータ） (2023-10-09T15:26:07Z)
• When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
  本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。 具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。 コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
  論文  参考訳（メタデータ） (2023-08-29T17:22:39Z)
• Language Model Decoding as Likelihood-Utility Alignment [54.70547032876017]
  モデルの有効性がタスク固有の実用性の概念とどのように一致しているかについて、暗黙の仮定に基づいて、デコード戦略をグループ化する分類法を導入する。 具体的には、様々なタスクの集合における予測の可能性と有用性の相関を解析することにより、提案された分類を裏付ける最初の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2022-10-13T17:55:51Z)
• An Approach for Automatic Construction of an Algorithmic Knowledge Graph from Textual Resources [3.723553383515688]
  本稿では,非構造化データからアルゴリズム問題の知識グラフを自動的に作成する手法を提案する。 アルゴリズムKGは、アルゴリズムメタデータに追加のコンテキストと説明可能性を与える。
  論文  参考訳（メタデータ） (2022-05-13T18:59:23Z)
• How to transfer algorithmic reasoning knowledge to learn new algorithms? [23.335939830754747]
  我々は,実行トレースにアクセス可能なアルゴリズムを用いて,そうでない同様のタスクを解く方法について検討する。 9つのアルゴリズムと3つの異なるグラフタイプを含むデータセットを作成します。 我々はこれを実証的に検証し、その代わりにマルチタスク学習を用いてアルゴリズム推論知識の伝達を実現する方法を示す。
  論文  参考訳（メタデータ） (2021-10-26T22:14:47Z)
• Beyond Algorithmic Bias: A Socio-Computational Interrogation of the Google Search by Image Algorithm [0.799536002595393]
  アルゴリズムを、すべての年齢と4種以上の人種の40万以上の顔で提示することで、監査する。 このアルゴリズムは、しばしば、女性および非白人個人を単純化し、ステレオタイピングし、識別する、白人男性の家長構造を再現する。
  論文  参考訳（メタデータ） (2021-05-26T21:40:43Z)
• HALMA: Humanlike Abstraction Learning Meets Affordance in Rapid Problem Solving [104.79156980475686]
  人間は自然主義的タスクの構造に応じて構成的および因果的抽象化、つまり知識を学ぶ。 エージェントがその知識をどのように表現するかには、知覚、概念、アルゴリズムの3段階の一般化がある、と我々は主張する。 このベンチマークは、ビジュアルコンセプト開発と迅速な問題解決のための新しいタスクドメイン、HALMAを中心にしています。
  論文  参考訳（メタデータ） (2021-02-22T20:37:01Z)
• ARTH: Algorithm For Reading Text Handily -- An AI Aid for People having Word Processing Issues [0.0]
  「ARTH」は、「テキストを楽に読み、理解する」必要性を満たすインテリジェントな方法であるアルゴリズムの自己学習セットです。 技術「ARTH」は、語彙が苦手な人や単語処理の問題を持つ人々の間で読むことの喜びの復活に焦点を当てています。
  論文  参考訳（メタデータ） (2021-01-23T09:39:45Z)
• A Brief Look at Generalization in Visual Meta-Reinforcement Learning [56.50123642237106]
  メタ強化学習アルゴリズムの一般化性能を評価する。 これらのアルゴリズムは、困難なタスクで評価された場合、強いオーバーフィッティングを示すことができる。
  論文  参考訳（メタデータ） (2020-06-12T15:17:17Z)
• 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。