論文の概要: Opinionated practices for teaching reproducibility: motivation, guided instruction and practice

• arxiv url: http://arxiv.org/abs/2109.13656v2
• Date: Wed, 16 Feb 2022 03:21:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 11:18:15.185194
• Title: Opinionated practices for teaching reproducibility: motivation, guided instruction and practice
• Title（参考訳）: 再現性教育のための意識的実践--動機づけ・指導・実践
• Authors: Joel Ostblom, Tiffany Timbers
• Abstract要約: 予測モデリングは、しばしばデータサイエンスの初心者にとって最も興味深いトピックの1つである。 学生は本質的にこのトピックを学ぶ動機がなく、学ぶのは容易ではない。 余分なモチベーション、指導、多くのプラクティスを提供することが、このトピックを効果的に教える鍵となります。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the data science courses at the University of British Columbia, we define data science as the study, development and practice of reproducible and auditable processes to obtain insight from data. While reproducibility is core to our definition, most data science learners enter the field with other aspects of data science in mind, for example predictive modelling, which is often one of the most interesting topic to novices. This fact, along with the highly technical nature of the industry standard reproducibility tools currently employed in data science, present out-of-the gate challenges in teaching reproducibility in the data science classroom. Put simply, students are not as intrinsically motivated to learn this topic, and it is not an easy one for them to learn. What can a data science educator do? Over several iterations of teaching courses focused on reproducible data science tools and workflows, we have found that providing extra motivation, guided instruction and lots of practice are key to effectively teaching this challenging, yet important subject. Here we present examples of how we deeply motivate, effectively guide and provide ample practice opportunities to data science students to effectively engage them in learning about this topic.
• Abstract（参考訳）: ブリティッシュコロンビア大学のデータサイエンスコースでは、データ科学を再現可能で監査可能なプロセスの研究、開発、実践として定義し、データから洞察を得る。 再現性は私たちの定義の中核であるが、ほとんどのデータサイエンス学習者は、予測モデリングなど、データサイエンスの他の側面を念頭に、この分野に参入する。 この事実は、現在データサイエンスに使われている業界標準再現性ツールの高度に技術的な性質とともに、データサイエンス教室で再現性を教えるための門外課題を提示している。 簡単に言えば、学生はこのトピックを学ぶことを本質的に動機付けていないし、学ぶのは簡単ではない。 データサイエンス教育者は何ができるか? 再現可能なデータサイエンスツールとワークフローに焦点を当てた教育コースの繰り返しを通じて、この課題を効果的に教える上で、余分なモチベーション、指導、多くのプラクティスを提供することが重要であることが分かりました。 ここでは、データサイエンスの学生が、このトピックを効果的に学ぶために、いかに深く動機づけ、効果的に指導し、十分な実践機会を提供するかを示す。

関連論文リスト

• 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)
• Explainable Few-shot Knowledge Tracing [48.877979333221326]
  本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。 3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-23T10:07:21Z)
• EfficientTrain++: Generalized Curriculum Learning for Efficient Visual Backbone Training [79.96741042766524]
  訓練カリキュラムをソフトセレクション機能として再構築する。 自然画像の内容の露光は,データ拡張の強度によって容易に達成できることを示す。 結果のメソッドであるEfficientTrain++は単純で汎用的だが驚くほど効果的である。
  論文  参考訳（メタデータ） (2024-05-14T17:00:43Z)
• 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)
• Cheap Learning: Maximising Performance of Language Models for Social Data Science Using Minimal Data [1.8692054990918079]
  近年発展してきた3つの安価な技術について概観する。 後者では、大規模言語モデルのゼロショットプロンプトの特定の事例について概観する。 我々は,すべての技術に対して優れた性能を示し,特に大規模言語モデルのプロンプトが,非常に低コストで高い精度を達成できることを示す。
  論文  参考訳（メタデータ） (2024-01-22T19:00:11Z)
• Character comes from practice: longitudinal practice-based ethics training in data science [0.5439020425818999]
  RCRトレーニングの目的は、ある道徳的能力の育成を促進することである。 理想は美徳の育成であるが、RCRモジュールによって許される限られた空間は、表面能力の育成を促進できるだけである。 第3に、日々のデータサイエンス活動の技術的・社会的タスクを通じて、(プロト-)仮想的な買収が発生することを強調して、我々のアプローチを運用する。
  論文  参考訳（メタデータ） (2024-01-09T09:37:44Z)
• Reinforcement Learning from Passive Data via Latent Intentions [86.4969514480008]
  我々は、下流RLを加速する機能を学ぶために、受動的データが引き続き使用できることを示す。 我々のアプローチは、意図をモデル化することで受動的データから学習する。 実験では、クロス・エボディメント・ビデオデータやYouTubeビデオなど、さまざまな形式の受動的データから学習できることを実証した。
  論文  参考訳（メタデータ） (2023-04-10T17:59:05Z)
• Teaching Visual Accessibility in Introductory Data Science Classes with Multi-Modal Data Representations [0.0]
  インストラクターは、すべての生徒がよりアクセスしやすいデータプロダクトを作成できるように、複数のデータ表現方法を教える必要がある、と我々は主張する。 データサイエンスの教育者としてアクセシビリティを教えているので、他のデータサイエンスのインストラクターが利用できる具体的な例を共有します。
  論文  参考訳（メタデータ） (2022-08-04T10:20:10Z)
• Understanding the World Through Action [91.3755431537592]
  ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。 このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
  論文  参考訳（メタデータ） (2021-10-24T22:33:52Z)
• Self-Supervised Representation Learning: Introduction, Advances and Challenges [125.38214493654534]
  自己教師付き表現学習手法は、大きな注釈付きデータセットを必要とせずに強力な機能学習を提供することを目的としている。 本稿では、この活気ある領域について、鍵となる概念、アプローチの4つの主要なファミリーと関連する技術の状態、そして、データの多様性に自己監督手法を適用する方法について紹介する。
  論文  参考訳（メタデータ） (2021-10-18T13:51:22Z)
• Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
  トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。 実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
  論文  参考訳（メタデータ） (2021-01-16T23:45:02Z)

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。