論文の概要: Computational Skills by Stealth in Secondary School Data Science
- arxiv url: http://arxiv.org/abs/2010.07017v1
- Date: Thu, 8 Oct 2020 09:11:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 12:52:26.417616
- Title: Computational Skills by Stealth in Secondary School Data Science
- Title（参考訳）: 中学データサイエンスにおけるステルスによる計算能力
- Authors: Wesley Burr, Fanny Chevalier, Christopher Collins, Alison L Gibbs,
Raymond Ng, Chris Wild
- Abstract要約: 本稿では,学生によるデータサイエンスへの最初の露出における計算スキルのステルス開発について論じる。
このアプローチの目的は、データ駆動学習者になる際に、興味やコーディングの自己効力によらず、学生を支援することである。
- 参考スコア（独自算出の注目度）: 16.960800464621993
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The unprecedented growth in the availability of data of all types and
qualities and the emergence of the field of data science has provided an
impetus to finally realizing the implementation of the full breadth of the
Nolan and Temple Lang proposed integration of computing concepts into
statistics curricula at all levels in statistics and new data science programs
and courses. Moreover, data science, implemented carefully, opens accessible
pathways to stem for students for whom neither mathematics nor computer science
are natural affinities, and who would traditionally be excluded. We discuss a
proposal for the stealth development of computational skills in students' first
exposure to data science through careful, scaffolded exposure to computation
and its power. The intent of this approach is to support students, regardless
of interest and self-efficacy in coding, in becoming data-driven learners, who
are capable of asking complex questions about the world around them, and then
answering those questions through the use of data-driven inquiry. This
discussion is presented in the context of the International Data Science in
Schools Project which recently published computer science and statistics
consensus curriculum frameworks for a two-year secondary school data science
program, designed to make data science accessible to all.
- Abstract（参考訳）: あらゆる種類のデータと品質が利用できるようになり、データサイエンスの分野が出現する前例のない成長は、最終的にノーランとテンプル・ラングの完全な広さの実装を実現するための衝動となり、統計学と新しいデータサイエンスプログラムとコースのあらゆるレベルで計算概念を統計カリキュラムに統合することを提案した。
さらに、注意深く実装されたデータサイエンスは、数学もコンピュータ科学も自然の親和性を持たず、伝統的に排除される学生のためのアクセス可能な経路を開放する。
本稿では,データサイエンスへの初公開における計算スキルのステルス開発に向けた提案について,注意深い足場的露出とそのパワーを通して論じる。
このアプローチの目的は、プログラミングにおける興味や自己効力に拘わらず、データドリブンな学習者となり、周囲の世界について複雑な質問をする能力を持ち、データドリブンな調査によってこれらの質問に答えることである。
この議論は、データサイエンスを誰にでもアクセスできるように設計された、2年間の中学校データサイエンスプログラムのためのコンピュータサイエンスと統計のコンセンサスカリキュラムフレームワークを最近発表した国際データサイエンスインスクールプロジェクト(international data science in schools project)の文脈で提示されている。
関連論文リスト
- DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。
このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。
現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
論文 参考訳（メタデータ） (2024-09-12T02:08:00Z) - The Future of Data Science Education [0.11566458078238004]
バージニア大学のデータサイエンススクールは、データサイエンスの定義のための新しいモデルを開発した。
本稿では、モデルの中核となる特徴を説明し、AIの分析コンポーネントを超えて、さまざまな概念を統合する方法について説明する。
論文 参考訳（メタデータ） (2024-07-16T15:11:54Z) - Data Science Education in Undergraduate Physics: Lessons Learned from a Community of Practice [0.6597195879147557]
我々は,データサイエンス教育実践コミュニティ(DSECOP)の知見と経験を紹介する。
DSECOPは、さまざまな機関の大学院生と物理学教育者を集めて、データサイエンスを学部の物理学教育に統合することから学んだベストプラクティスと教訓を共有する。
私たちのゴールは、データサイエンスを教育に統合し、次世代の物理学者をデータ駆動の世界に向けて準備する教育者へのガイダンスとインスピレーションを提供することです。
論文 参考訳（メタデータ） (2024-03-01T20:21:42Z) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - A compendium of data sources for data science, machine learning, and
artificial intelligence [17.857341127079305]
データサイエンス、機械学習、人工知能の最近の進歩は、データに対する需要の増加につながっている。
データソースはアプリケーション固有のものであり、そのようなデータソースの完全なリストを作成することは不可能である。
この出版の目標は、複数の分野のアプリケーションにまたがるデータソースの(必然的に不完全な)リストを提供することです。
論文 参考訳（メタデータ） (2023-09-10T19:15:22Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - CateCom: a practical data-centric approach to categorization of
computational models [77.34726150561087]
本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。
オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
論文 参考訳（メタデータ） (2021-09-28T02:59:40Z) - Interleaving Computational and Inferential Thinking: Data Science for
Undergraduates at Berkeley [81.01051375191828]
カリフォルニア大学バークレー校の大学院データサイエンスカリキュラムは、5つの新しいコースに固定されている。
これらのコースは計算思考、推論思考、現実世界の問題に取り組むことを強調する。
これらのコースは、キャンパスで最も人気のあるコースの一つとなり、データサイエンスの新しい学部生とマイナープログラムへの関心が高まっている。
論文 参考訳（メタデータ） (2021-02-13T22:51:24Z) - A fresh look at introductory data science [0.0]
本稿では、これらのニーズに対処するために設計されたデータサイエンスの入門学部のケーススタディを示す。
このコースには前提条件がなく、人文科学、社会科学、自然科学の学生だけでなく、目指す統計学やデータサイエンス専攻の幅広い聴衆に役立っている。
このようなコースを提供することによって生じる課題のユニークなセットについて議論し、これらの課題を踏まえて、教育設計要素、コンテンツ、構造、計算インフラ、およびコースの評価方法論について詳細な議論を行う。
論文 参考訳（メタデータ） (2020-08-01T18:39:34Z) - Data Science: A Comprehensive Overview [42.98602883069444]
21世紀はビッグデータとデータ経済の時代に始まり、データDNAはすべてのデータに基づく有機体の本質的な構成要素となっている。
データDNAとその生物の適切な理解は、新しいデータ科学の分野と分析のキーストーンに依存している。
この記事では、データサイエンスと分析に関する豊富な観察、教訓、考察に加えて、総合的な全体像を描いている分野としては、初めてである。
論文 参考訳（メタデータ） (2020-07-01T02:33:58Z)
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。