論文の概要: Bringing Social Computing to Secondary School Classrooms

• arxiv url: http://arxiv.org/abs/2401.09591v1
• Date: Wed, 17 Jan 2024 20:40:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 18:32:54.141208
• Title: Bringing Social Computing to Secondary School Classrooms
• Title（参考訳）: ソーシャルコンピューティングを中学校の教室に持ち込む
• Authors: Kianna Bolante, Kevin Chen, Quan Ze Chen, Amy Zhang
• Abstract要約: ソーシャルコンピューティングのトピックは、既存の中・高校のカリキュラムではほとんど触れられません。 我々は,ソーシャルコンピューティングがデータ管理,暗号化メッセージング,ヒューマン・コンピュータインタラクションキャリア,機械学習とバイアス,誤情報,オンライン行動といったトピックにどのように関係しているかについて学ぶ。 81.13%の学生が、STEMに対する関心に比べて、授業の内容に対する関心が高かったことが判明した。
• 参考スコア（独自算出の注目度）: 9.217508954179563
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social computing is the study of how technology shapes human social interactions. This topic has become increasingly relevant to secondary school students (ages 11--18) as more of young people's everyday social experiences take place online, particularly with the continuing effects of the COVID-19 pandemic. However, social computing topics are rarely touched upon in existing middle and high school curricula. We seek to introduce concepts from social computing to secondary school students so they can understand how computing has wide-ranging social implications that touch upon their everyday lives, as well as think critically about both the positive and negative sides of different social technology designs. In this report, we present a series of six lessons combining presentations and hands-on activities covering topics within social computing and detail our experience teaching these lessons to approximately 1,405 students across 13 middle and high schools in our local school district. We developed lessons covering how social computing relates to the topics of Data Management, Encrypted Messaging, Human-Computer Interaction Careers, Machine Learning and Bias, Misinformation, and Online Behavior. We found that 81.13% of students expressed greater interest in the content of our lessons compared to their interest in STEM overall. We also found from pre- and post-lesson comprehension questions that 63.65% learned new concepts from the main activity. We release all lesson materials on a website for public use. From our experience, we observed that students were engaged in these topics and found enjoyment in finding connections between computing and their own lives.
• Abstract（参考訳）: ソーシャル・コンピューティング(social computing)は、テクノロジーが人間の社会的相互作用をどのように形作るかを研究する学問である。 若者の日常的な社会体験がオンライン化され、特に新型コロナウイルスのパンデミックの影響が続く中学生(11～18歳)にとって、この話題はますます重要になっている。 しかし、既存の中・高校のカリキュラムでは、ソーシャルコンピューティングの話題がほとんど触れられていない。 我々は、社会コンピューティングの概念を中学生に導入し、コンピューティングが日常生活に影響を及ぼす幅広い社会的影響を理解できるようにし、異なる社会技術デザインの肯定的側面と否定的側面の両方について批判的に考えることを目指している。 本報告では,ソーシャルコンピューティングにおける話題を取り扱うプレゼンテーションとハンズオン活動を組み合わせた6つの授業について紹介するとともに,この授業を地域学区中高13校の約1,405名に実施した経験について述べる。 データ管理、暗号化メッセージング、人間とコンピュータの交流キャリア、機械学習とバイアス、誤った情報、オンライン行動といったトピックにソーシャルコンピューティングがどのように関連しているかを取り上げたレッスンを開発した。 その結果、81.13%の学生が、STEMに対する関心に比べ、授業の内容に対する関心が高いことがわかった。 また、63.65%が主要な活動から新しい概念を学んでいるという前と後についての理解の質問からもわかった。 すべての教材をウェブサイト上で公開しています。 我々の経験から,学生はこれらの話題に取り組んでおり,コンピュータと自身の生活の関連を見いだすことに喜びを感じた。

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)
• Socially Responsible Computing in an Introductory Course [2.7426067696238468]
  テクノロジーが社会に害を与え不正をもたらす可能性を考えると、学生の間に社会的責任感を育むことが不可欠である。 我々は、倫理的、社会的に責任のある考察に学生を巻き込む活動がモジュール間で統合される、入門的なJavaプログラミングコースを試験的に試行した。 授業のデータは、技術的な課題に社会的文脈が組み込まれていることが、より動機付けされ、社会変革を実現するためのより大きなエージェンシーが表されたことを示唆している。
  論文  参考訳（メタデータ） (2024-01-02T16:52:50Z)
• Social World Knowledge: Modeling and Applications [2.9417848476446364]
  社会世界の知識は、人間や機械による効果的なコミュニケーションと情報処理の重要な要素である。 ソーシャルネットワークで発生する社会的文脈から低次元の実体埋め込みを抽出するフレームワークであるSocialVecを紹介する。 テキストセマンティクスを含む作業を容易にする単語埋め込みと同様に、学習されたソーシャルエンティティ埋め込みは、複数のソーシャルフレーバーのタスクに利益をもたらすことを期待する。
  論文  参考訳（メタデータ） (2023-06-28T15:25:30Z)
• Understanding and improving social factors in education: a computational social science approach [0.0]
  計算社会科学者は、この新たな研究フロンティアを創造的に前進させることができる。 本稿では,大規模デジタルプラットフォームによる学習の最近の研究について概説する。 私たちは、計算社会科学者がこの新たな研究フロンティアを創造的に前進させることができると信じています。
  論文  参考訳（メタデータ） (2023-01-13T15:40:07Z)
• Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
  2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。 シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。 参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
  論文  参考訳（メタデータ） (2022-10-04T17:32:27Z)
• Disadvantaged students increase their academic performance through collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
  新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。 我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。 自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
  論文  参考訳（メタデータ） (2022-03-10T20:23:38Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• Over a Decade of Social Opinion Mining [1.0152838128195467]
  この体系的なレビューは、社会オピニオン鉱業の進化する研究領域に焦点を当てている。 自然言語は、人間によって表現されるように、異なる意見次元の観点で理解することができる。 今後の研究の方向性が提示される一方、さらなる研究と開発は、より広範な学術的・社会的影響を残す可能性がある。
  論文  参考訳（メタデータ） (2020-12-05T17:59:59Z)
• Social Interactions Clustering MOOC Students: An Exploratory Study [57.822523354358665]
  コメントは、学生が学生とどのように交流したか、例えば学生のコメントが同僚から返信を受けたかに基づいて分類された。 統計的モデリングと機械学習はコメント分類の分析に用いられ、3つの強く安定したクラスタが生成される。
  論文  参考訳（メタデータ） (2020-08-10T09:32:38Z)
• Mathematical Foundations for Social Computing [21.041093050431183]
  ソーシャルコンピューティングは、人々が計算システムと相互作用するメカニズムを含んでいる。 2015年6月、約25人の専門家を集めて、ソーシャルコンピューティングの数学的基盤を確立するという約束と課題について議論した。 この文書は議論されている重要なアイデアをいくつか捉えている。
  論文  参考訳（メタデータ） (2020-07-07T17:50:27Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)

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。