論文の概要: Using Science Education Gateways to improve undergraduate STEM education: The QUBES Platform as a case study

• arxiv url: http://arxiv.org/abs/2301.01760v1
• Date: Wed, 4 Jan 2023 18:51:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:27:24.631182
• Title: Using Science Education Gateways to improve undergraduate STEM education: The QUBES Platform as a case study
• Title（参考訳）: 理科教育ゲートウェイを用いたSTEM教育の改善--QUBESプラットフォームを事例として
• Authors: Sam Donovan and M. Drew LaMar
• Abstract要約: QUBESプラットフォームは「科学教育ゲートウェイ」として構想された 我々は、QUBESプラットフォームが、教育と学習に関する奨学金への参加を拡大する能力を持っていると信じている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The QUBES platform was conceived as a "science education gateway" and designed to accelerate innovation in undergraduate STEM education. The technical infrastructure was purpose built to provide more equitable access to professional resources, support learning that reflects authentic science, and promote open education practices. Four platform services (OER Library Access; Professional Learning; Partner Support; and Customizable Workspaces) support overlapping faculty user communities, provide multiple points of entry, and enable manifold use case scenarios. The integrated nature of the platform makes it possible to collect, curate, and disseminate a diverse array of reform resources in a scalable and sustainable manner. We believe that the QUBES platform has the capacity to broaden participation in scholarship around teaching and learning and, furthermore, that it can help to lower faculty barriers to the adoption of reform practices. The role of cyberinfrastructure in undergraduate STEM education is generally underappreciated and warrants further exploration.
• Abstract（参考訳）: QUBESプラットフォームは「科学教育ゲートウェイ」として構想され、学部STEM教育の革新を加速するために設計された。 技術基盤は、プロフェッショナルリソースへのより公平なアクセスを提供し、真の科学を反映した学習をサポートし、オープンな教育実践を促進するために構築された。 4つのプラットフォームサービス(OER Library Access、Professional Learning、Partner Support、Customizable Workspaces)は、教員のユーザコミュニティの重複をサポートし、複数のエントリポイントを提供し、多様体のユースケースシナリオを可能にする。 プラットフォームの統合性により、さまざまな改革リソースを、スケーラブルで持続可能な方法で収集、キュレート、分散することが可能になります。 我々は、QUBESプラットフォームには、教育と学習に関する奨学金への参加を拡大する能力があり、さらに、改革慣行の導入に対する教員の障壁を下げるのに役立つと信じている。 学部STEM教育におけるサイバーインフラストラクチャーの役割は一般的に不十分であり、さらなる探索が保証される。

関連論文リスト

• From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
  MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。 中国一の大学である清華大学で予備的な実験を行う。
  論文  参考訳（メタデータ） (2024-09-05T13:22:51Z)
• Ontology-driven Reinforcement Learning for Personalized Student Support [1.8972913066829966]
  本稿では,バーチャル教育システムに適用可能な,パーソナライズされた学生支援のための汎用フレームワークを提案する。 データ収集とマルチエージェント強化学習を組み合わせたセマンティックな組織に応用する。 その結果、学生にパーソナライズされた支援を提供するために、どんなバーチャル教育ソフトウェアにも適応できるモジュールシステムとなった。
  論文  参考訳（メタデータ） (2024-07-14T21:11:44Z)
• Large Language Models for Education: A Survey and Outlook [69.02214694865229]
  各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。 本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
  論文  参考訳（メタデータ） (2024-03-26T21:04:29Z)
• Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
  人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。 異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。 現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
  論文  参考訳（メタデータ） (2024-02-08T07:18:23Z)
• Institutional Platform for Secure Self-Service Large Language Model Exploration [0.0]
  論文では、データセットキュレーション、モデルトレーニング、セキュア推論、テキストベースの特徴抽出を含む、システムのアーキテクチャと重要な特徴について概説する。 プラットフォームはセキュアなLLMサービスの提供、プロセスとデータ分離の強調、エンドツーエンドの暗号化、ロールベースのリソース認証を目指している。
  論文  参考訳（メタデータ） (2024-02-01T10:58:10Z)
• Taking the Next Step with Generative Artificial Intelligence: The Transformative Role of Multimodal Large Language Models in Science Education [13.87944568193996]
  MLLM(Multimodal Large Language Models)は、テキスト、音声、視覚入力を含むマルチモーダルデータを処理できる。 本稿では,科学教育の中心的な側面におけるMLLMの変革的役割について,模範的な革新的な学習シナリオを提示することによって考察する。
  論文  参考訳（メタデータ） (2024-01-01T18:11:43Z)
• Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges [60.62904929065257]
  大規模言語モデル(LLM)は、個々の要求を解釈することでこの問題を解決する可能性を提供する。 本稿では, 数学, 文章, プログラミング, 推論, 知識に基づく質問応答など, 教育能力に関する最近のLLM研究を概観する。
  論文  参考訳（メタデータ） (2023-12-27T14:37:32Z)
• A Network Science Perspective to Personalized Learning [0.0]
  コンテンツ選択とマルチモーダルなエンゲージメントを提供する学習プラットフォームを用いて,学習目標の達成方法を検討する。 このフレームワークは、知識のネットワークによって支持される学習者のエンゲージメントとコンテンツ選択を提供することによって、経験を教えるのではなく、学習経験に注意を向ける。
  論文  参考訳（メタデータ） (2021-11-02T01:50:01Z)
• Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
  パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。 私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
  論文  参考訳（メタデータ） (2021-04-15T20:40:24Z)
• 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)

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。