論文の概要: Understanding the role of single-board computers in engineering and
computer science education: A systematic literature review
- arxiv url: http://arxiv.org/abs/2203.16604v1
- Date: Wed, 30 Mar 2022 18:34:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:54:05.556653
- Title: Understanding the role of single-board computers in engineering and
computer science education: A systematic literature review
- Title（参考訳）: 工学・計算機科学教育におけるシングルボードコンピュータの役割の理解 : 体系的文献レビュー
- Authors: Jonathan \'Alvarez Ariza, Heyson Baez
- Abstract要約: シングルボードコンピュータ(Single-Board Computers, SBCs)は、工学と計算機科学において、技術と教育の両面において、より頻繁に採用されている。
この体系的な文献レビューは、SBCがエンジニアリングとコンピュータ科学にどのように使われているかについて考察する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the last decade, Single-Board Computers (SBCs) have been employed more
frequently in engineering and computer science both to technical and
educational levels. Several factors such as the versatility, the low-cost, and
the possibility to enhance the learning process through technology have
contributed to the educators and students usually employ these devices.
However, the implications, possibilities, and constraints of these devices in
engineering and Computer Science (CS) education have not been explored in
detail. In this systematic literature review, we explore how the SBCs are
employed in engineering and computer science and what educational results are
derived from their usage in the period 2010-2020 at tertiary education. For
that, 154 studies were selected out of n=605 collected from the academic
databases Ei Compendex, ERIC, and Inspec. The analysis was carried-out in two
phases, identifying, e.g., areas of application, learning outcomes, and
students and researchers' perceptions. The results mainly indicate the
following aspects: (1) The areas of laboratories and e-learning, computing
education, robotics, Internet of Things (IoT), and persons with disabilities
gather the studies in the review. (2) Researchers highlight the importance of
the SBCs to transform the curricula in engineering and CS for the students to
learn complex topics through experimentation in hands-on activities. (3) The
typical cognitive learning outcomes reported by the authors are the improvement
of the students' grades and the technical skills regarding the topics in the
courses. Concerning the affective learning outcomes, the increase of interest,
motivation, and engagement are commonly reported by the authors.
- Abstract（参考訳）: 過去10年間で、Single-Board Computers (SBCs) は技術と教育のレベルで工学とコンピュータ科学に多く採用されている。
汎用性、低コスト、技術を通して学習プロセスを強化する可能性など、いくつかの要因が、教育者や学生が通常これらの装置を使用するのに寄与している。
しかし、これらのデバイスが工学とコンピュータサイエンス(cs)教育に与えた影響、可能性、制約については、詳細は検討されていない。
本稿では,SBCが工学・計算機科学にどのように採用されているか,2010-2020年における第3次教育における教育結果からどのような教育結果が導かれるかを検討する。
そのため、学術データベースEei Compendex, ERIC, Inspecから収集したn=605から154個の研究が選ばれた。
分析は,応用分野,学習成果,学生と研究者の認識の2段階に分けて実施した。
その結果,(1)研究室やeラーニング,コンピュータ教育,ロボティクス,モノのインターネット(iot),障害のある人が研究対象となった。
2)学生がハンズオン活動で実験を通じて複雑なトピックを学ぶために,工学とcsのカリキュラムを変換するsbcsの重要性を強調する。
3) 著者らが報告した認知学習の典型的な成果は, 学生の成績の改善と, 授業の話題に関する技術スキルである。
情緒学習の結果については,興味やモチベーション,エンゲージメントの増加が著者らによって報告されている。
関連論文リスト
- Bringing active learning, experimentation, and student-created videos in engineering: A study about teaching electronics and physical computing integrating online and mobile learning [0.0]
本研究の主な目的は、電子工学、物理コンピューティング(PhyC)、プログラミング、工学における基礎ロボティクスを学ぶためのAL方法論を作成することであった。
この方法論は、ICDM(Integrated Course Design Model)のガイドラインと、モバイルとオンラインの学習をAndroidアプリと組み合わせたコースを用いて考案された。
その結果, 学生のPhyCとプログラミング活動の認知度は良好であり, 動機づけ, 自己効力感, 不安の軽減, 学業成績の向上に影響を及ぼす可能性が示唆された。
論文 参考訳（メタデータ） (2024-06-02T23:26:27Z) - Towards Integrating Emerging AI Applications in SE Education [4.956066467858058]
本稿では,AI分野における現在のトレンドの体系的分析の予備的結果を示す。
我々は、AIアプリケーションとさらなる研究分野の一連の機会について論じる。
論文 参考訳（メタデータ） (2024-05-28T11:21:45Z) - AI-assisted Learning for Electronic Engineering Courses in High
Education [2.67766280323297]
この研究には、学生、講師、エンジニアなど、様々な利害関係者の評価と反映が含まれている。
この研究の結果は、AIツールとしてのChatGPTのメリットと限界に光を当て、技術的分野における革新的な学習アプローチの道を開いた。
論文 参考訳（メタデータ） (2023-11-02T07:48:10Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - Application of Artificial Intelligence and Machine Learning in
Libraries: A Systematic Review [0.0]
本研究の目的は,図書館における人工知能と機械学習の適用を探求する実証研究の合成を提供することである。
データはWeb of Science, Scopus, LISA, LISTAデータベースから収集された。
LIS領域に関連するAIとML研究の現在の状況は、主に理論的な研究に焦点が当てられていることを示している。
論文 参考訳（メタデータ） (2021-12-06T07:33:09Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - A Survey of Knowledge Tracing: Models, Variants, and Applications [70.69281873057619]
知識追跡は、学生の行動データ分析の基本的なタスクの1つである。
我々は、異なる技術経路を持つ3種類の基本KTモデルを示す。
この急速に成長する分野における今後の研究の方向性について論じる。
論文 参考訳（メタデータ） (2021-05-06T13:05:55Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - Computer-Aided Personalized Education [15.811740322935476]
過去10年間で、導入コースを受講する米国の学生数は3倍に増えている。
大規模なオープンオンラインコース(MOOC)は、この制約を緩和する方法として推進されている。
計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
論文 参考訳（メタデータ） (2020-07-07T18:00:04Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。