論文の概要: "It Can Relate to Real Lives": Attitudes and Expectations in Justice-Centered Data Structures & Algorithms for Non-Majors
- arxiv url: http://arxiv.org/abs/2312.12620v2
- Date: Fri, 15 Mar 2024 22:20:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 02:42:50.078585
- Title: "It Can Relate to Real Lives": Attitudes and Expectations in Justice-Centered Data Structures & Algorithms for Non-Majors
- Title(参考訳): 実生活に関係できる」:「正義中心のデータ構造とアルゴリズム」に対する態度と期待
- Authors: Anna Batra, Iris Zhou, Suh Young Choi, Chongjiu Gao, Yanbing Xiao, Sonia Fereidooni, Kevin Lin,
- Abstract要約: 性別や人種の多様性を持つ中等教育の学生が、正義中心のデータ構造とアルゴリズムのコースをどう経験するかを検討する。
クラス全体では,自信の計算と帰属意識という,次のような態度が顕著に増加した。
黒、ラテックス、中東、北アフリカ、ネイティブアメリカン、太平洋諸島の学生は、白人やアジア人の学生と比べて大きな差はなかった。
- 参考スコア(独自算出の注目度): 12.812284290481916
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prior work has argued for a more justice-centered approach to postsecondary computing education by emphasizing ethics, identity, and political vision. In this experience report, we examine how postsecondary students of diverse gender and racial identities experience a justice-centered Data Structures and Algorithms designed for undergraduate non-computer science majors. Through a quantitative and qualitative analysis of two quarters of student survey data collected at the start and end of each quarter, we report on student attitudes and expectations. Across the class, we found a significant increase in the following attitudes: computing confidence and sense of belonging. While women, non-binary, and other students not identifying as men (WNB+) also increased in these areas, they still reported significantly lower confidence and sense of belonging than men at the end of the quarter. Black, Latinx, Middle Eastern and North African, Native American, and Pacific Islander (BLMNPI) students had no significant differences compared to white and Asian students. We also analyzed end-of-quarter student self-reflections on their fulfillment of expectations prior to taking the course. While the majority of students reported a positive overall sentiment about the course and many students specifically appreciated the justice-centered approach, some desired more practice with program implementation and interview preparation. We discuss implications for practice and articulate a political vision for holding both appreciation for computing ethics and a desire for professional preparation together through iterative design.
- Abstract(参考訳): 以前の研究は、倫理、アイデンティティ、政治的ビジョンを強調することによって、後続のコンピューティング教育に対するより正義中心のアプローチを主張してきた。
本経験報告では、性別や人種の多様性を持つ中等教育の学生が、学部の非コンピュータサイエンス専攻向けに設計された正義中心のデータ構造とアルゴリズムをどう経験するかを検討する。
各四半期の初めと終わりに収集された2/4の学生調査データの定量的、質的な分析を通じて、学生の態度と期待について報告する。
クラス全体では,自信の計算と帰属意識という,次のような態度が顕著に増加した。
これらの地域では、女性、非バイナリー、および他の学生も男性(WNB+)と同一視できない傾向が見られたが、それでも四半期末には男性よりも自信と帰属意識が著しく低いことが報告された。
黒、ラテックス、中東、北アフリカ、ネイティブアメリカン、パシフィックアイランド(BLMNPI)の学生は、白人とアジア人の学生と比べて有意な差はなかった。
また,第4四半期の学生の自己回帰を,授業実施前の期待の達成度について分析した。
学生の大多数は、コースに対する肯定的な全体的な感情を報告し、多くの学生は、司法中心のアプローチを特に評価した。
本稿では,コンピュータ倫理に対する評価と,反復的デザインによるプロフェッショナルな準備の両立を両立する政治的ビジョンの実践と具体化について論じる。
関連論文リスト
- GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。
GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
論文 参考訳(メタデータ) (2024-08-22T15:35:46Z) - Visualizing Progress in Broadening Participation in Computing: The Value of Context [2.5749138817029835]
米国内でのコンピューティングの表現に関する懸念は、参加を広げるために多くの活動を促している。
コンピューティングへの参加拡大に関する文献の多数は、性別や人種・民族に関するデータを報告し、学生の交叉アイデンティティに関するデータを省略している。
論文 参考訳(メタデータ) (2024-03-18T01:12:02Z) - Simpson's Paradox and Lagging Progress in Completion Trends of
Underrepresented Students in Computer Science [0.09831489366502298]
コンピュータサイエンス(CS)コミュニティにとって、様々な背景を持つ学生の積極的な参加と成功を保証することが不可欠である。
この研究は、CSと他の研究分野を比較し、女性、黒人、ヒスパニック系、ラテン系の3つのグループから学生を成功させた。
データ駆動型アプローチを用いることで、CSの未表現グループにおける成功傾向が、他の分野に遅れを取っていることが示される。
論文 参考訳(メタデータ) (2023-11-25T01:00:23Z) - Does Starting Deep Learning Homework Earlier Improve Grades? [63.20583929886827]
宿題を早く始め、より多くの時間を費やしている学生は、宿題の成績が良くなるはずだ。
既存の文献が宿題に費やした時間の影響は明確ではなく、主にK-12教育から来ている。
我々は,学生の成功に対する影響を原則的に結論付けるために,階層的ベイズモデルを構築した。
論文 参考訳(メタデータ) (2023-09-30T09:34:30Z) - SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles [50.90773979394264]
本稿では、個人の機密情報のプライバシーを保護しつつ、差別的でない予測者の学習を可能にするモデルについて検討する。
提案モデルの主な特徴は、プライバシ保護とフェアモデルを作成するために、オフ・ザ・セルフと非プライベートフェアモデルの採用を可能にすることである。
論文 参考訳(メタデータ) (2022-04-11T14:42:54Z) - Decision Tree-Based Predictive Models for Academic Achievement Using
College Students' Support Networks [0.16311150636417257]
Tiesデータと呼ばれるデータには、学生の人口統計とネットワーク情報のサポートが含まれていた。
白人学生にとって、学業成績を予測するためには、様々なタイプの教育支援が重要であった。
非白人学生にとって、学業成績を予測する上では、異なるタイプの感情的支援が重要であった。
論文 参考訳(メタデータ) (2021-08-31T16:09:56Z) - Pre-training strategies and datasets for facial representation learning [58.8289362536262]
いくつかの顔分析タスクやデータセットに適用可能な普遍的な顔表現の探索方法を示す。
顔に適応する2つの大規模表現学習を体系的に検討する。
私たちの主な2つの発見は以下の通りです: 完全にインザワイルドな未処理データに対する教師なし事前トレーニングは一貫性を提供し、場合によっては大幅な精度向上をもたらします。
論文 参考訳(メタデータ) (2021-03-30T17:57:25Z) - 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) - Differentially Private and Fair Deep Learning: A Lagrangian Dual
Approach [54.32266555843765]
本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。
この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
論文 参考訳(メタデータ) (2020-09-26T10:50:33Z) - Mining Student Responses to Infer Student Satisfaction Predictors [0.966840768820136]
我々は,学生の満足度を異なるレベルに予測し,コースとインストラクターに関連する影響力のある予測者を推定する。
1) コース内容, 2) クラス参加, 3) コースの初期期待の達成, 4) 専門的開発への関連, 5) コースがそれらと結びつき, 現実の状況を探究するのに役立つ場合, 学生の満足度に関する5つの異なる側面を提示する。
論文 参考訳(メタデータ) (2020-06-14T10:31:11Z) - Ethnic Diversity in Computer Science at a Large Public R1 Research
University [0.0]
大規模R1研究大学におけるマイノリティ学生の採用と留保のパターンについて検討した。
異なる人種・民族集団の学生は、一般大衆に認知される学生ほど大きくないことを示す。
論文 参考訳(メタデータ) (2020-04-28T21:50:30Z)
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。