論文の概要: VedicViz: Towards Visualizing Vedic Principles in Mental Arithmetic

• arxiv url: http://arxiv.org/abs/2205.08845v1
• Date: Wed, 18 May 2022 10:18:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 17:01:58.121426
• Title: VedicViz: Towards Visualizing Vedic Principles in Mental Arithmetic
• Title（参考訳）: vedicviz: 精神的算術におけるvedic principlesの可視化に向けて
• Authors: Noble Saji Mathews, Akhila Sri Manasa Venigalla and Sridhar Chimalakonda
• Abstract要約: 可視化による授業の強化は、学生が概念をよりよく理解するのに役立ちます。 VedicVizは、数学的操作を動的に視覚化するWebポータルである。 VedicVizは、学習者がメンタル数学に基づくアプローチを従来の方法と比較し、対比することを可能にする。
• 参考スコア（独自算出の注目度）: 7.820667552233989
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Augmenting teaching with visualization can help students understand concepts better. Researchers have leveraged visualization to teach conventional mathematics some examples being spatial and origami visualizations. Apart from conventional mathematics, systems such as mental arithmetic involve techniques for rapid calculation without the use of any computing tools and hence have been used in developing computational competence among students. Vedic Mathematics is one such set of techniques for mental computation. However, there is a lack of technical tools which tackle mental arithmetic concepts and provide aid in the teaching of these topics to school students. Therefore, we propose VedicViz, a web portal that provides dynamic visualization of mathematical operations such as addition, multiplication and square root calculation, based on techniques in Vedic Mathematics. The web portal also provides visualization that enables learners to compare and contrast the mental mathematics based approach with the traditional methods for various inputs and operations. We evaluated VedicViz with 20 volunteers, who were in their high school education level. They found our web portal to be useful in practicing and learning to use the methods to perform various mathematical operations.
• Abstract（参考訳）: 可視化による授業の強化は、学生が概念をよりよく理解するのに役立ちます。 研究者は可視化を利用して従来の数学を教えてきた。 従来の数学とは別に、メンタル算術のようなシステムは、計算ツールを使用せずに高速計算を行う技術を含み、それゆえ学生間の計算能力の発展に利用されてきた。 ベクトル数学は、心的計算のための一連のテクニックである。 しかし、心的算術概念に取り組み、これらの話題の教えを学生に伝えるための技術ツールが不足している。 そこで我々はvedicviz を提案する。vedicviz は vedic mathematics の技術に基づいて,加算,乗算,平方根計算などの数学演算を動的に可視化する web ポータルである。 webポータルはまた、学習者がメンタル数学ベースのアプローチと、様々な入力と操作の伝統的な方法を比較し、対比できる可視化を提供する。 高校在学中のボランティア20名を対象にVedicVizを評価した。 彼らは、我々のWebポータルは、様々な数学的操作を実行する方法の練習や学習に役立ちます。

関連論文リスト

• MathBench: Evaluating the Theory and Application Proficiency of LLMs with a Hierarchical Mathematics Benchmark [82.64129627675123]
  MathBenchは、大規模言語モデルの数学的能力を厳格に評価する新しいベンチマークである。 MathBenchは幅広い数学の分野にまたがっており、理論的な理解と実践的な問題解決のスキルの両方を詳細に評価している。
  論文  参考訳（メタデータ） (2024-05-20T17:52:29Z)
• Machine learning and information theory concepts towards an AI Mathematician [77.63761356203105]
  人工知能の現在の最先端技術は、特に言語習得の点で印象的だが、数学的推論の点ではあまり重要ではない。 このエッセイは、現在のディープラーニングが主にシステム1の能力で成功するという考えに基づいている。 興味深い数学的ステートメントを構成するものについて質問するために、情報理論的な姿勢を取る。
  論文  参考訳（メタデータ） (2024-03-07T15:12:06Z)
• ConceptMath: A Bilingual Concept-wise Benchmark for Measuring Mathematical Reasoning of Large Language Models [67.32868432113587]
  本稿では,Large Language Models (LLMs) の概念的数学的推論を評価するための詳細なベンチマークであるConceptMathを紹介する。 一般的な数学的推論を平均精度で評価する従来のベンチマークとは異なり、ConceptMathは数学の問題を数学的概念の階層の下に体系的に整理する。
  論文  参考訳（メタデータ） (2024-02-22T16:06:49Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• Augmented Math: Authoring AR-Based Explorable Explanations by Augmenting Static Math Textbooks [1.8097223019080158]
  本稿では,Augmented Mathを紹介した。Augmented Mathは,静的な数学教科書をプログラミングなしで拡張することによって,ARの探索可能な説明を書くための機械学習ベースのアプローチである。 静的な文書を増大させるために,本システムはまず,光学文字認識(OCR)とコンピュータビジョンを用いて,与えられた文書から数式と図形を抽出する。 これにより、教師や学生のような非技術者のユーザは、既存の数学の教科書やハンドアウトをオンデマンドでパーソナライズされた探索可能な説明に変換することができる。
  論文  参考訳（メタデータ） (2023-07-30T03:02:52Z)
• Deep Learning and Computational Physics (Lecture Notes) [0.5156484100374059]
  ノートは、応用数学の強い背景を持つ典型的な工学の大学院生にアクセスできるべきである。 深層学習アルゴリズムの理解を深めるために、計算物理学の概念を使う。 いくつかの新しいディープラーニングアルゴリズムは、計算物理学の難解な問題を解くのに使える。
  論文  参考訳（メタデータ） (2023-01-03T03:56:19Z)
• 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)
• Discrete Math with Programming: A Principled Approach [0.0]
  離散数学はプログラミングでよりよく教えられると長年主張されてきた。 本稿では、離散数学のすべての中心的な概念をサポートするアプローチを紹介する。 数学や論理文は高いレベルで正確に表現され、コンピュータ上で実行される。
  論文  参考訳（メタデータ） (2020-11-28T03:41:27Z)
• Machine Learning and Computational Mathematics [8.160343645537106]
  機械学習がすでにどのような影響を及ぼし、さらに計算数学、科学計算、計算科学に影響を及ぼすかについて論じる。 これらの問題について、最も重要な進展をいくつか紹介する。 私たちの希望は、機械学習と計算数学を統合するのに役立つ視点に物事を組み込むことです。
  論文  参考訳（メタデータ） (2020-09-23T23:16:46Z)
• Machine Number Sense: A Dataset of Visual Arithmetic Problems for Abstract and Relational Reasoning [95.18337034090648]
  文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。 これらの視覚的算術問題は幾何学的フィギュアの形をしている。 我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2020-04-25T17:14:58Z)

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。