論文の概要: CS Education for the Socially-Just Worlds We Need: The Case for Justice-Centered Approaches to CS in Higher Education

• arxiv url: http://arxiv.org/abs/2109.13283v3
• Date: Wed, 8 Dec 2021 18:45:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 11:33:03.104296
• Title: CS Education for the Socially-Just Worlds We Need: The Case for Justice-Centered Approaches to CS in Higher Education
• Title（参考訳）: 社会的に公正な世界のためのCS教育 : 高等教育における正義中心のCS教育の事例
• Authors: Kevin Lin
• Abstract要約: 公平なコンピュータ科学(CS)教育への正義中心のアプローチは、戦争、帝国、企業よりも平和、反人種差別、社会正義を前進させる手段としてCS学習を規定している。 CS教育における司法中心のアプローチに関するほとんどの研究は、K-12学習環境に焦点を当てている。
• 参考スコア（独自算出の注目度）: 19.08810272234958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Justice-centered approaches to equitable computer science (CS) education frame CS learning as a means for advancing peace, antiracism, and social justice rather than war, empire, and corporations. However, most research in justice-centered approaches in CS education focus on K-12 learning environments. In this position paper, we review justice-centered approaches to CS education, problematize the lack of justice-centered approaches to CS in higher education in particular, and describe a justice-centered approach for undergraduate Data Structures and Algorithms. Our approach emphasizes three components: (1) ethics: critiques the sociopolitical values of data structure and algorithm design as well as the underlying logics of dominant computing culture; (2) identity: draws on culturally responsive-sustaining pedagogies to emphasize student identity as rooted in resistance to the dominant computing culture; and (3) political vision: ensures the rightful presence of political struggles by reauthoring rights to frame CS learning as a force for social justice. Through a case study of this Critical Comparative Data Structures and Algorithms pedagogy, we argue that justice-centered approaches to higher CS education can help all computing students not only learn about the ethical implications of nominally technical concepts, but also develop greater respect for diverse epistemologies, cultures, and experiences surrounding computing that are essential to creating the socially-just worlds we need.
• Abstract（参考訳）: 公平なコンピュータ科学(CS)教育への正義中心のアプローチは、戦争、帝国、企業よりも平和、反人種差別、社会正義を前進させる手段としてCS学習を規定している。 しかし、CS教育における司法中心のアプローチに関するほとんどの研究は、K-12学習環境に焦点を当てている。 本稿では,CS教育における正義中心のアプローチ,特に高等教育における正義中心のアプローチの欠如を論じ,学部データ構造・アルゴリズムに対する正義中心のアプローチについて述べる。 Our approach emphasizes three components: (1) ethics: critiques the sociopolitical values of data structure and algorithm design as well as the underlying logics of dominant computing culture; (2) identity: draws on culturally responsive-sustaining pedagogies to emphasize student identity as rooted in resistance to the dominant computing culture; and (3) political vision: ensures the rightful presence of political struggles by reauthoring rights to frame CS learning as a force for social justice. この批判的比較データ構造とアルゴリズムの実践のケーススタディを通じて、高度なCS教育に対する正義中心のアプローチは、すべてのコンピューティング学生が名目上技術的概念の倫理的含意について学ぶだけでなく、私たちが必要とする社会的に公正な世界を作るのに不可欠である多様な認識論、文化、そしてコンピューティングを取り巻く経験をより深く尊重するのに役立つと論じる。

関連論文リスト

• First Steps towards K-12 Computer Science Education in Portugal -- Experience Report [49.1574468325115]
  本報告では,ポルトガルにおけるensICO協会の取り組みについて報告する。 2020年のいくつかの学校でのパイロットプロジェクトから始まり、現在4500人の学生、35の学校、100の学校教師と協力している。 主な目的は、コンピュータを必須科目として教えるための総合的なシラバスを定義するのに十分な経験と知識を得ることである。
  論文  参考訳（メタデータ） (2024-11-15T12:32:52Z)
• Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
  責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。 この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。 オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
  論文  参考訳（メタデータ） (2024-01-13T14:07:09Z)
• Socially Responsible Computing in an Introductory Course [2.7426067696238468]
  テクノロジーが社会に害を与え不正をもたらす可能性を考えると、学生の間に社会的責任感を育むことが不可欠である。 我々は、倫理的、社会的に責任のある考察に学生を巻き込む活動がモジュール間で統合される、入門的なJavaプログラミングコースを試験的に試行した。 授業のデータは、技術的な課題に社会的文脈が組み込まれていることが、より動機付けされ、社会変革を実現するためのより大きなエージェンシーが表されたことを示唆している。
  論文  参考訳（メタデータ） (2024-01-02T16:52:50Z)
• What Students Can Learn About Artificial Intelligence -- Recommendations for K-12 Computing Education [0.0]
  デジタルトランスフォーメーションの文脈における技術進歩は、人工知能(AI)分野における急速な発展の基礎である AIのトピックを含むように、コンピュータサイエンスカリキュラムの数が増えている。 本稿では,デジタルリテラシーと社会的視点に対処する学習目的のカリキュラムを提案する。
  論文  参考訳（メタデータ） (2023-05-10T20:39:43Z)
• Factoring the Matrix of Domination: A Critical Review and Reimagination of Intersectionality in AI Fairness [55.037030060643126]
  間欠性は、社会的不平等の持続性を調べるための重要な枠組みである。 我々は、公平性を効果的に運用するために、交差性を分析的枠組みとして採用することが重要であると論じる。
  論文  参考訳（メタデータ） (2023-03-16T21:02:09Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Investigating Participation Mechanisms in EU Code Week [68.8204255655161]
  デジタル・コンピテンス(デジタル・コンピテンス、Digital competence、DC)は、デジタル技術の信頼性、批判、利用のための幅広いスキル、態度、知識のセットである。 この写本の目的は、コード・ウィークのEU加盟国への参加に関する詳細な統計学的記述を提供することである。
  論文  参考訳（メタデータ） (2022-05-29T19:16:03Z)
• A Sociotechnical View of Algorithmic Fairness [16.184328505946763]
  アルゴリズムの公正さは、自動意思決定におけるシステム的差別を緩和する新しい技術として位置づけられている。 公平性は本質的に社会的概念であり、それゆえにアルゴリズム的公正性のための技術は社会技術的レンズを通してアプローチされるべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2021-09-27T21:17:16Z)
• Investigating Bi-Level Optimization for Learning and Vision from a Unified Perspective: A Survey and Beyond [114.39616146985001]
  機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。 本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。 次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
  論文  参考訳（メタデータ） (2021-01-27T16:20:23Z)
• Do Abstractions Have Politics? Toward a More Critical Algorithm Analysis [19.08810272234958]
  我々は、価値埋め込みの割当計算に基づくより重要なアルゴリズム分析である割当分析について論じる。 本稿では,5つのケーススタディを用いて,テクノロジーの社会的決定を論じる機会分析について述べる。
  論文  参考訳（メタデータ） (2021-01-04T05:59:26Z)
• No computation without representation: Avoiding data and algorithm biases through diversity [11.12971845021808]
  学術的および専門的なコンピューティング分野における多様性の欠如と、データセットで発生するバイアスのタイプと幅の関連性を引き合いに出す。 これらの教訓を利用して、コンピューティングコミュニティが多様性を高めるための具体的なステップを提供するレコメンデーションを開発する。
  論文  参考訳（メタデータ） (2020-02-26T23:07:39Z)

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。