論文の概要: "Just a little bit on the outside for the whole time": Social belonging
confidence and the persistence of Machine Learning and Artificial
Intelligence students
- arxiv url: http://arxiv.org/abs/2311.10745v1
- Date: Mon, 30 Oct 2023 19:59:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 00:44:51.826843
- Title: "Just a little bit on the outside for the whole time": Social belonging
confidence and the persistence of Machine Learning and Artificial
Intelligence students
- Title（参考訳）: 「外を少しだけ見て」--社会的帰属自信と機械学習と人工知能の学生の永続性
- Authors: Katherine Mao, Sharon Ferguson, James Magarian, Alison Olechowski
- Abstract要約: 機械学習(ML)と人工知能(AI)の成長分野は、永続化研究においてユニークで未調査なケースを提示している。
我々はこの分野での持続性の最初の理解を得るために探索的研究を行う。
学生が社会的帰属によって動機づけられることと、密接なメンターシップの重要性の相違について論じる。
- 参考スコア（独自算出の注目度）: 0.9217021281095907
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The growing field of machine learning (ML) and artificial intelligence (AI)
presents a unique and unexplored case within persistence research, meaning it
is unclear how past findings from engineering will apply to this developing
field. We conduct an exploratory study to gain an initial understanding of
persistence in this field and identify fruitful directions for future work. One
factor that has been shown to predict persistence in engineering is belonging;
we study belonging through the lens of confidence, and discuss how attention to
social belonging confidence may help to increase diversity in the profession.
In this research paper, we conduct a small set of interviews with students in
ML/AI courses. Thematic analysis of these interviews revealed initial
differences in how students see a career in ML/AI, which diverge based on
interest and programming confidence. We identified how exposure and initiation,
the interpretation of ML and AI field boundaries, and beliefs of the skills
required to succeed might influence students' intentions to persist. We discuss
differences in how students describe being motivated by social belonging and
the importance of close mentorship. We motivate further persistence research in
ML/AI with particular focus on social belonging and close mentorship, the role
of intersectional identity, and introductory ML/AI courses.
- Abstract（参考訳）: 機械学習(ML)と人工知能(AI)の成長分野は、永続研究においてユニークで未探索なケースを示しており、この発展分野にエンジニアリングによる過去の発見がどの程度適用されるのかは不明である。
我々は,この分野での持続性の最初の理解を得るために探索的研究を行い,将来的な仕事の有益な方向を特定する。
工学における永続性を予測できる要因の一つとして,信頼のレンズを通した存在を考察し,社会的存在の信頼に対する関心が,職業の多様性を高めるのにどう役立つかについて議論する。
本稿では,ML/AI講座の学生へのインタビューを小規模に実施する。
これらのインタビューのテーマ分析から、学生がML/AIのキャリアをどう見ているかは、興味やプログラミングの自信に基づいて異なることが判明した。
実験では,露出と開始,MLとAIのフィールド境界の解釈,成功に必要なスキルの信念が,学生の持続への意図にどのように影響するかを確認した。
学生が社会的帰属によって動機づけられることと、密接なメンターシップの重要性の相違について論じる。
ML/AIにおけるより永続的な研究の動機は、特に社会的帰属と密接なメンターシップ、交差点アイデンティティの役割、そして入門的なML/AIコースである。
関連論文リスト
- Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。
我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文 参考訳（メタデータ） (2024-04-17T02:57:42Z) - Artificial Intelligence in Everyday Life 2.0: Educating University Students from Different Majors [8.282180585560928]
それらの能力、限界、関連する利点と欠点に関する誤解が広まっています。
本経験報告では,異なる専攻の学生に提供した入門講座の概要について述べる。
授業の課題とクイズについて議論し,AIプロセスの初歩的な経験を学生に提供する。
論文 参考訳（メタデータ） (2024-04-12T08:10:42Z) - Generative AI in Education: A Study of Educators' Awareness, Sentiments, and Influencing Factors [2.217351976766501]
本研究は,AI言語モデルに対する教員の経験と態度について考察する。
学習スタイルと生成AIに対する態度の相関は見つからない。
CS教育者は、生成するAIツールの技術的理解にはるかに自信を持っているが、AI生成された仕事を検出する能力にこれ以上自信がない。
論文 参考訳（メタデータ） (2024-03-22T19:21:29Z) - Advancing a Model of Students' Intentional Persistence in Machine
Learning and Artificial Intelligence [0.9217021281095907]
多様な集団の持続性は工学で研究されている。
短期的な意図的持続性は、専攻やレベルの研究のような学術的入学要因と関連付けられている。
長期的持続性は、職業的役割の信頼性の尺度と相関する。
論文 参考訳（メタデータ） (2023-10-30T19:57:40Z) - Do Large Language Models Know What They Don't Know? [74.65014158544011]
大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクに優れた知識を持つ。
膨大な知識にもかかわらず、LLMはそれらが適合し理解できる情報の量によって制限されている。
本研究の目的は,LLMの自己理解能力を評価することである。
論文 参考訳（メタデータ） (2023-05-29T15:30:13Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - A Novel Multimodal Approach for Studying the Dynamics of Curiosity in
Small Group Learning [2.55061802822074]
本稿では,仲間の観察可能な行動と根底にある好奇心状態とを結びつける,好奇心の統合社会認知的記述を提案する。
我々は、好奇心に寄与する個人機能と対人機能と、これらの機能を満たすマルチモーダル動作を区別する。
この研究は、社会的文脈における学習中にモーメント・バイ・モーメントの好奇心を認識して誘発できる学習技術を設計するためのステップである。
論文 参考訳（メタデータ） (2022-04-01T16:12:40Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳（メタデータ） (2022-01-20T17:07:03Z) - 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) - Knowledge as Invariance -- History and Perspectives of
Knowledge-augmented Machine Learning [69.99522650448213]
機械学習の研究は転換点にある。
研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。
このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
論文 参考訳（メタデータ） (2020-12-21T15:07:19Z)
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。