論文の概要: Making Sense of Machine Learning: Integrating Youth's Conceptual, Creative, and Critical Understandings of AI

• arxiv url: http://arxiv.org/abs/2305.02840v1
• Date: Thu, 4 May 2023 14:00:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 15:23:36.234800
• Title: Making Sense of Machine Learning: Integrating Youth's Conceptual, Creative, and Critical Understandings of AI
• Title（参考訳）: 機械学習のセンスを作る:AIの概念、創造的、批判的理解を統合する
• Authors: Luis Morales-Navarro, Yasmin B. Kafai, Francisco Castro, William Payne, Kayla DesPortes, Daniella DiPaola, Randi Williams, Safinah Ali, Cynthia Breazeal, Clifford Lee, Elisabeth Soep, Duri Long, Brian Magerko, Jaemarie Solyst, Amy Ogan, Cansu Tatar, Shiyan Jiang, Jie Chao, Carolyn P. Ros\'e, Sepehr Vakil
• Abstract要約: 学習者が日々の生活の中で機械学習をどう理解するかを理解するために、さまざまな視点を提示する。 機械学習アプリケーションの意味形成が、概念的、創造的、批判的な理解の発達と統合にどのように関与するかについて議論する。
• 参考スコア（独自算出の注目度）: 22.128976276465313
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding how youth make sense of machine learning and how learning about machine learning can be supported in and out of school is more relevant than ever before as young people interact with machine learning powered applications everyday; while connecting with friends, listening to music, playing games, or attending school. In this symposium, we present different perspectives on understanding how learners make sense of machine learning in their everyday lives, how sensemaking of machine learning can be supported in and out of school through the construction of applications, and how youth critically evaluate machine learning powered systems. We discuss how sensemaking of machine learning applications involves the development and integration of conceptual, creative, and critical understandings that are increasingly important to prepare youth to participate in the world.
• Abstract（参考訳）: 若者が機械学習をどのように理解するかを理解し、機械学習を学校内外でどのように学べるかを理解することは、若者が毎日機械学習駆動のアプリケーションと対話するにつれて、これまで以上に重要になる。 本シンポジウムでは,学習者が日常生活で機械学習をどのように理解するか,アプリケーションの構築を通じて学校内外における機械学習のセンスメイキングをどのように支援できるか,若者が機械学習駆動システムをどのように批判的に評価するか,について異なる視点を提示する。 機械学習応用のセンスメイキングが、世界への若者の参加を準備する上でますます重要になっている概念的、創造的、批判的な理解の発達と統合にどのように関与するかを論じる。

関連論文リスト

• The Landscape of Modern Machine Learning: A Review of Machine, Distributed and Federated Learning [0.0]
  最新の高度な機械学習アルゴリズム、アプリケーション、フレームワークについて、ハイレベルな概要を提供する。 私たちの仕事は、現代の機械学習の広大な分野への入門テキストとして役立ちます。
  論文  参考訳（メタデータ） (2023-12-05T20:40:05Z)
• Data, Trees, and Forests -- Decision Tree Learning in K-12 Education [0.0]
  K-12教育では、学生は機械学習の中核となるアイデアと原則について学ぶ必要がある。 本稿では,概念理解に焦点をあてた遊び心とアクセシブルなアプローチを組み合わせた授業概念を提案する。
  論文  参考訳（メタデータ） (2023-05-10T20:24:38Z)
• Explainability in Machine Learning: a Pedagogical Perspective [9.393988089692947]
  我々は、学習過程を構造化して、学生や研究者に機械学習の知識をより多く与える方法について、教育学的視点を提供する。 各種不透明かつ透明な機械学習モデルの利点と欠点について論じる。 我々はまた、学生がどんな機械学習アプリケーションと並行して説明可能性を使うことを学ぶのを助けるために、潜在的な課題を構築する方法についても論じる。
  論文  参考訳（メタデータ） (2022-02-21T16:15:57Z)
• Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
  私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。 Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
  論文  参考訳（メタデータ） (2022-01-29T01:03:29Z)
• Can Machine Learning be Moral? [5.911540700785974]
  複数の社会的文脈における機械学習システムの展開は、これらのシステムの設計、開発、応用に関するより深い倫理的な精査をもたらした。 多くの議論を悩ませている重要な問題は、倫理的に説明可能な機械学習システムを構成するものなのだ。 我々の根本的提案は、教師あり学習が倫理的に保護可能な唯一の機械学習手法であるように見えることである。
  論文  参考訳（メタデータ） (2021-12-13T07:20:50Z)
• Can machines learn to see without visual databases? [93.73109506642112]
  本稿では,視覚的データベースを扱わずに視界を学習するマシンの開発に焦点をあてる。 これは、ビジョンのためのディープラーニング技術に関する真に競争の激しい道を開くかもしれない。
  論文  参考訳（メタデータ） (2021-10-12T13:03:54Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• Measuring and modeling the motor system with machine learning [117.44028458220427]
  モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。 本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
  論文  参考訳（メタデータ） (2021-03-22T12:42:16Z)
• Towards Teachable Conversational Agents [9.003996147141919]
  対話型インタフェースを用いて、人間教師と対話型機械学習者の相互作用を調査するアイデアを探求する。 その結果,対話型エージェントの概念を検証し,対話型インタラクションから学習しようとする機械学習システムの開発に関連する要因を明らかにする。
  論文  参考訳（メタデータ） (2021-02-20T16:56:24Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。