論文の概要: Synthesis of Modeling, Visualization, and Programming in GeoGebra as an
Effective Approach for Teaching and Learning STEM Topics
- arxiv url: http://arxiv.org/abs/2202.01415v1
- Date: Thu, 3 Feb 2022 05:28:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 14:39:48.014827
- Title: Synthesis of Modeling, Visualization, and Programming in GeoGebra as an
Effective Approach for Teaching and Learning STEM Topics
- Title（参考訳）: ジオジェブラにおけるモデリング・可視化・プログラミングの合成 : STEMトピックスを指導・学習するための効果的なアプローチ
- Authors: Rushan Ziatdinov and James R. Valles Jr
- Abstract要約: GeoGebra (GeoGebra) は、数学、科学、工学の教育と学習のために設計された、インタラクティブな幾何学、代数、統計学、電卓アプリケーションである。
本研究は,GeoGebraのエフェクティビティと理工学,特に数学に関する話題におけるMVPの特徴について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: GeoGebra is an interactive geometry, algebra, statistics, and calculus
application designed for teaching and learn-ing math, science, and engineering.
Its dynamic interface allows its users to accurately and interactively
visualize their work, models, and results. GeoGebra employs the synthesis of
three key features: modeling, visualization, and programming (MVP). Many
studies have shown the positive effects of GeoGebra on the efficiency and
effectiveness of learning and teaching topics related to science, technology,
engineering, and mathematics. In this study, we dis-cuss how GeoGebra provides
an environment for learning that is very interactive and collaborative between
the learner and the instructor. We also show how integrating GeoGebra into the
learning scheme can help improve the skills and knowledge of school and
university students in numerous advanced mathematical courses, such as
calcu-lus, mathematical statistics, linear algebra, linear programming,
computer-aided design, computer-aided geomet-ric design, analytic and
projective geometry, and graphical representation. Therefore, this study shows
the effec-tiveness of GeoGebra and its MVP key features in science and
engineering, particularly in topics related to mathe-matics. Each key feature
of GeoGebra is thoroughly analyzed, and further analyses, along with how
GeoGebra can be helpful in different topics, are discussed.
- Abstract（参考訳）: GeoGebra (GeoGebra) は、数学、科学、工学の教育と学習のために設計された、インタラクティブな幾何学、代数、統計学、電卓アプリケーションである。
その動的なインターフェースにより、ユーザは自分の仕事やモデル、結果を正確かつインタラクティブに視覚化できる。
geogebraはモデリング、可視化、プログラミング(mvp)という3つの主要な機能を合成している。
多くの研究は、GeoGebraが科学、技術、工学、数学に関連する学習と教育の効率性と効果に与える影響を示した。
本研究では,GeoGebraが学習者とインストラクターの対話的かつ協調的な学習環境を提供する方法について論じる。
また,GeoGebraを学習体系に組み込むことによって,数理統計学,線形代数,線形プログラミング,コンピュータ支援型設計,コンピュータ支援型ジオメトリデザイン,解析的および投影的幾何学,図形表現など,多くの高度な数学コースにおいて,学生や学生のスキルや知識向上に役立つことを示す。
そこで本研究では,GeoGebraの効率性とその理工学におけるMVPの特徴,特に数学に関する話題について述べる。
GeoGebraのそれぞれの重要な特徴を網羅的に分析し、さらにさまざまなトピックでGeoGebraがどのように役立つかを分析した。
関連論文リスト
- Diagram Formalization Enhanced Multi-Modal Geometry Problem Solver [11.69164802295844]
視覚的特徴,幾何学的形式言語,自然言語表現を統合した新しいフレームワークを提案する。
本稿では,新しい合成データ手法を提案し,形式的および自然言語のキャプションを付加した大規模幾何データセットSynthGeo228Kを提案する。
我々のフレームワークは,MLLMの幾何学図処理能力を改善し,フォーマルなgeo7kデータセット上のオープンなタスクに応用範囲を広げる。
論文 参考訳（メタデータ） (2024-09-06T12:11:06Z) - A Survey of Geometric Graph Neural Networks: Data Structures, Models and
Applications [67.33002207179923]
本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。
幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。
また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
論文 参考訳（メタデータ） (2024-03-01T12:13:04Z) - G-LLaVA: Solving Geometric Problem with Multi-Modal Large Language Model [124.68242155098189]
大規模言語モデル(LLM)は、人間レベルの推論と生成能力に顕著な習熟性を示している。
G-LLaVAは幾何学的問題の解法において例外的な性能を示し、7Bパラメータしか持たないMathVistaベンチマークにおいて GPT-4-V を著しく上回っている。
論文 参考訳（メタデータ） (2023-12-18T17:36:20Z) - Symmetry-Informed Geometric Representation for Molecules, Proteins, and
Crystalline Materials [66.14337835284628]
幾何戦略の有効性をベンチマークできるGeom3Dというプラットフォームを提案する。
Geom3Dは16の高度な対称性インフォームド幾何表現モデルと46の多様なデータセット上の14の幾何事前学習方法を含んでいる。
論文 参考訳（メタデータ） (2023-06-15T05:37:25Z) - 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) - UniGeo: Unifying Geometry Logical Reasoning via Reformulating
Mathematical Expression [127.68780714438103]
計算と証明の2つの主要な幾何学問題は、通常2つの特定のタスクとして扱われる。
我々は4,998の計算問題と9,543の証明問題を含むUniGeoという大規模統一幾何問題ベンチマークを構築した。
また,複数タスクの幾何変換フレームワークであるGeoformerを提案し,計算と証明を同時に行う。
論文 参考訳（メタデータ） (2022-12-06T04:37:51Z) - Machine Learning Algebraic Geometry for Physics [0.0]
この章は、A. KasprzykとA. Kasprzykらによって編集された『機械学習と代数幾何学』への貢献である。
論文 参考訳（メタデータ） (2022-04-21T18:00:03Z) - GeoQA: A Geometric Question Answering Benchmark Towards Multimodal
Numerical Reasoning [172.36214872466707]
我々は、テキスト記述、視覚図、定理知識の包括的理解を必要とする幾何学的問題を解くことに注力する。
そこで本研究では,5,010の幾何学的問題を含む幾何学的質問応答データセットGeoQAを提案する。
論文 参考訳（メタデータ） (2021-05-30T12:34:17Z) - Graph Learning: A Survey [38.245120261668816]
本稿では,グラフ学習の現状について概観する。
グラフ信号処理,行列分解,ランダムウォーク,ディープラーニングなど,既存のグラフ学習手法の4つのカテゴリに特に注目されている。
テキスト,画像,科学,知識グラフ,最適化といった分野におけるグラフ学習アプリケーションについて検討する。
論文 参考訳（メタデータ） (2021-05-03T09:06:01Z) - Algebraically-Informed Deep Networks (AIDN): A Deep Learning Approach to
Represent Algebraic Structures [0.688204255655161]
textbfAIDN, textitAlgebraically-Informed Deep Networksを紹介する。
textbfAIDNは、深層ニューラルネットワークで有限表現された任意の代数的オブジェクトを表現するディープラーニングアルゴリズムである。
論文 参考訳（メタデータ） (2020-12-02T12:43:39Z) - Graph Geometry Interaction Learning [41.10468385822182]
本研究では,グラフにおける豊富な幾何学的特性を学習するための,グラフの幾何学的相互作用学習(GIL)手法を開発した。
提案手法は,各ノードに,フレキシブルな二重特徴量相互作用学習と確率組立機構を通じて,各幾何学空間の重要性を決定する自由を与える。
ノード分類とリンク予測タスクに関する5つのベンチマークデータセットについて,実験結果を示す。
論文 参考訳（メタデータ） (2020-10-23T02:40:28Z)
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。