論文の概要: The complexity paradox: An analysis of modeling education through the lens of complexity science

• arxiv url: http://arxiv.org/abs/2308.13809v1
• Date: Sat, 26 Aug 2023 08:22:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 12:25:51.905533
• Title: The complexity paradox: An analysis of modeling education through the lens of complexity science
• Title（参考訳）: 複雑性パラドックス:複雑性科学のレンズによるモデリング教育の分析
• Authors: Daniel Str\"uber
• Abstract要約: 私は複雑なシステムを研究するための理論的枠組みである複雑性科学のレンズから、モデリング教育を分析する。 教育文献をモデル化することによる複雑性に関する課題を再考し、複雑性の観点から議論し、モデリングを教える際の複雑性の試行を推奨する。
• 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: Modeling seeks to tame complexity during software development, by supporting design, analysis, and stakeholder communication. Paradoxically, experiences made by educators indicate that students often perceive modeling as adding complexity, instead of reducing it. In this position paper, I analyse modeling education from the lens of complexity science, a theoretical framework for the study of complex systems. I revisit pedagogical literature where complexity science has been used as a framework for general education and subject-specific education in disciplines such as medicine, project management, and sustainability. I revisit complexity-related challenges from modeling education literature, discuss them in the light of complexity and present recommendations for taming complexity when teaching modeling.
• Abstract（参考訳）: モデリングは、設計、分析、利害関係者のコミュニケーションをサポートすることで、ソフトウェア開発の複雑さを和らげようとしている。 逆に、教育者による経験から、学生はモデリングを複雑さを減らさずに、複雑さを増すものとして知覚することが多い。 本稿では,複雑なシステム研究の理論的枠組みである複雑性科学のレンズを用いたモデリング教育について分析する。 医学、プロジェクトマネジメント、持続可能性といった分野における一般教育の枠組みとして複雑性科学が用いられている教育学文献を再考する。 教育文献をモデル化することによる複雑性に関する課題を再考し、複雑性の観点から議論し、モデリングを教える際の複雑性の試行を推奨する。

関連論文リスト

• Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
  検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。 本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
  論文  参考訳（メタデータ） (2024-07-17T20:01:21Z)
• A Notion of Complexity for Theory of Mind via Discrete World Models [2.487142846438629]
  ToM(Theory of Mind)は、社会的推論が必要な複雑なシナリオにおいて、LLM(Large Language Models)の機能を評価するために用いられる。 本研究では,ToMタスクの複雑さを測定するための認知負荷理論に着想を得たフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-16T16:46:55Z)
• Simplicity in Complexity : Explaining Visual Complexity using Deep Segmentation Models [6.324765782436764]
  画像のセグメントベース表現を用いた複雑性のモデル化を提案する。 この2つの特徴を6つの多様な画像集合にまたがる単純な線形モデルにより,複雑性がよく説明できることがわかった。
  論文  参考訳（メタデータ） (2024-03-05T17:21:31Z)
• On the Role of Information Structure in Reinforcement Learning for Partially-Observable Sequential Teams and Games [55.2480439325792]
  逐次的意思決定問題において、情報構造とは、異なる時点に発生するシステム内の事象が相互にどのように影響するかを記述するものである。 対照的に、現実のシーケンシャルな意思決定問題は通常、システム変数の複雑で時間的な相互依存を伴う。 情報構造を明示する新しい強化学習モデルを定式化する。
  論文  参考訳（メタデータ） (2024-03-01T21:28:19Z)
• Parrot Mind: Towards Explaining the Complex Task Reasoning of Pretrained Large Language Models with Template-Content Structure [66.33623392497599]
  テンプレート・コンテント構造(T-C構造)と呼ばれる構造は指数レベルから線形レベルへの可能な空間を減少させることができることを示す。 モデルがタスク構成を達成でき、線形から対数への学習に必要なスペースをさらに削減できることを実証する。
  論文  参考訳（メタデータ） (2023-10-09T06:57:45Z)
• The No Free Lunch Theorem, Kolmogorov Complexity, and the Role of Inductive Biases in Machine Learning [80.1018596899899]
  ニューラルネットワークモデルは、Kolmogorov複雑性を使って形式化された、同じ好みを共有している、と我々は主張する。 実験の結果、事前訓練された言語モデルでも、低複雑さのシーケンスを生成するのが好まれることがわかった。 これらの観察は、ますます小さな機械学習モデルで異なるように見える問題を統一する深層学習の傾向を正当化する。
  論文  参考訳（メタデータ） (2023-04-11T17:22:22Z)
• Quantifying Complexity: An Object-Relations Approach to Complex Systems [0.0]
  本稿では,全ての種類のシステムに一般化した複雑なシステムのオブジェクト関係モデルを開発する。 結果として生じる複雑情報エントロピー(CIE)方程式は、様々な文脈における複雑性を定量化する堅牢な方法である。 応用分野は工学設計、原子物理学、分子物理学、化学、材料科学、心理学、神経科学、社会学、生態学、経済学、医学である。
  論文  参考訳（メタデータ） (2022-10-22T04:22:21Z)
• From LSAT: The Progress and Challenges of Complex Reasoning [56.07448735248901]
  本稿では,LSAT(Law School Admission Test)の3つの課題について,解析的推論,論理的推論,読解の3つの課題について検討する。 本稿では,これら3つのタスクを統合するハイブリッド推論システムを提案する。
  論文  参考訳（メタデータ） (2021-08-02T05:43:03Z)
• Model Complexity of Deep Learning: A Survey [79.20117679251766]
  深層学習におけるモデル複雑性に関する最新の研究を体系的に概観します。 本稿では,これら2つのカテゴリに関する既存研究について,モデルフレームワーク,モデルサイズ,最適化プロセス,データ複雑性の4つの重要な要因について概説する。
  論文  参考訳（メタデータ） (2021-03-08T22:39:32Z)
• Quantum Circuit Complexity of Primordial Perturbations [0.0]
  我々は、初期の宇宙の異なるモデルにおける宇宙論的摂動の量子回路の複雑さについて研究する。 我々の分析は、異なる経路を経由する摂動において、異なるモデルが同じ最終結果を達成する方法を強調するのに役立つ。
  論文  参考訳（メタデータ） (2020-12-09T08:30:07Z)

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。