論文の概要: Teaching Visual Accessibility in Introductory Data Science Classes with Multi-Modal Data Representations

• arxiv url: http://arxiv.org/abs/2208.02565v1
• Date: Thu, 4 Aug 2022 10:20:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:19:20.504204
• Title: Teaching Visual Accessibility in Introductory Data Science Classes with Multi-Modal Data Representations
• Title（参考訳）: マルチモーダルデータ表現を用いた初等データサイエンス授業における視覚アクセシビリティ教育
• Authors: JooYoung Seo, Mine Dogucu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Although there are various ways to represent data patterns and models, visualization has been primarily taught in many data science courses for its efficiency. Such vision-dependent output may cause critical barriers against those who are blind and visually impaired and people with learning disabilities. We argue that instructors need to teach multiple data representation methods so that all students can produce data products that are more accessible. In this paper, we argue that accessibility should be taught as early as the introductory course as part of the data science curriculum so that regardless of whether learners major in data science or not, they can have foundational exposure to accessibility. As data science educators who teach accessibility as part of our lower-division courses in two different institutions, we share specific examples that can be utilized by other data science instructors.
• Abstract（参考訳）: データパターンやモデルを表現するには様々な方法があるが、視覚化はその効率性のために主に多くのデータサイエンスコースで教えられている。 このような視覚依存的なアウトプットは、盲目で視覚障害者や学習障害のある人々に対する重大な障壁を引き起こす可能性がある。 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製品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。 本稿では,データサイエンスのカリキュラムの一部として,アクセシビリティを早期に教育すべきであり,学習者がデータサイエンスを専攻するか否かに関わらず,アクセシビリティへの基礎的露出が可能であることを論じる。 データサイエンス教育者は2つの異なる機関の低学区コースの一部としてアクセシビリティを教えるため、他のデータサイエンス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。

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)
• End-to-End Learning on Multimodal Knowledge Graphs [0.0]
  本稿では,グラフ構造からエンドツーエンドを学習するマルチモーダルメッセージパッシングネットワークを提案する。 我々のモデルは、専用(神経)エンコーダを使用して、5種類のモードに属するノードの特徴の埋め込みを自然に学習する。 この結果から,任意の知識グラフからエンド・ツー・エンドのマルチモーダル学習が可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-03T13:16:18Z)
• Privacy-Preserving Graph Machine Learning from Data to Computation: A Survey [67.7834898542701]
  我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。 まずプライバシ保護グラフデータを生成する方法を検討する。 次に,プライバシ保護情報を送信する方法について述べる。
  論文  参考訳（メタデータ） (2023-07-10T04:30:23Z)
• Harnessing the Power of Text-image Contrastive Models for Automatic Detection of Online Misinformation [50.46219766161111]
  誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。 本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-19T02:53:59Z)
• X-Learner: Learning Cross Sources and Tasks for Universal Visual Representation [71.51719469058666]
  本稿では,X-Learnerという表現学習フレームワークを提案する。 X-Learnerは、様々なソースによって管理される複数の視覚タスクの普遍的な特徴を学習する。 X-Learnerは、追加のアノテーションやモダリティ、計算コストを使わずに、様々なタスクで強力なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-16T17:23:26Z)
• Opinionated practices for teaching reproducibility: motivation, guided instruction and practice [0.0]
  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。
  論文  参考訳（メタデータ） (2021-09-17T19:15:41Z)
• What Matters in Learning from Offline Human Demonstrations for Robot Manipulation [64.43440450794495]
  ロボット操作のための6つのオフライン学習アルゴリズムについて広範な研究を行う。 我々の研究は、オフラインの人間のデータから学習する際の最も重要な課題を分析します。 人間のデータセットから学ぶ機会を強調します。
  論文  参考訳（メタデータ） (2021-08-06T20:48:30Z)
• Sense and Learn: Self-Supervision for Omnipresent Sensors [9.442811508809994]
  我々は、生の知覚データから表現や特徴学習のためのSense and Learnというフレームワークを提案する。 これは、面倒なラベル付けプロセスに人間が関与することなく、注釈のないデータから、高レベルで広範囲に有用な特徴を学習できる補助的なタスクで構成されている。 提案手法は、教師付きアプローチと競合する結果を達成し、ネットワークを微調整し、ほとんどの場合、下流タスクを学習することでギャップを埋める。
  論文  参考訳（メタデータ） (2020-09-28T11:57:43Z)
• Role-Wise Data Augmentation for Knowledge Distillation [48.115719640111394]
  知識蒸留(KD)は、ある機械学習モデルから学んだ知識を別の機械学習モデルに転送する一般的な方法である。 我々は、知識蒸留を促進するために、異なる役割を持つデータ増強剤を設計する。 特別に調整されたデータポイントが、教師の知識をより効果的に生徒に示せることを実証的に見出した。
  論文  参考訳（メタデータ） (2020-04-19T14:22:17Z)
• Laplacian Denoising Autoencoder [114.21219514831343]
  本稿では,新しいタイプの自動符号化器を用いてデータ表現を学習することを提案する。 勾配領域における潜伏クリーンデータを破損させて雑音入力データを生成する。 いくつかのビジュアルベンチマークの実験では、提案されたアプローチでより良い表現が学べることが示されている。
  論文  参考訳（メタデータ） (2020-03-30T16:52:39Z)

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。