論文の概要: Data Science Education in Undergraduate Physics: Lessons Learned from a Community of Practice

• arxiv url: http://arxiv.org/abs/2403.00961v1
• Date: Fri, 1 Mar 2024 20:21:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 15:46:57.605507
• Title: Data Science Education in Undergraduate Physics: Lessons Learned from a Community of Practice
• Title（参考訳）: 物理科におけるデータサイエンス教育 : 実践コミュニティから学んだ教訓
• Authors: Karan Shah, Julie Butler, Alexis Knaub, An{\i}l Zengino\u{g}lu, William Ratcliff, Mohammad Soltanieh-ha
• Abstract要約: 本稿では,データサイエンス教育実践コミュニティ(DSECOP)の知見と経験を紹介する。 DSECOPは、大学院生と物理教育者を集めて、データサイエンスを学部の物理学教育に組み込むことで学んだベストプラクティスと教訓を共有する。 私たちのゴールは、データサイエンスを教育に統合し、次世代の物理学者をデータ駆動の世界に向けて準備する教育者へのガイダンスとインスピレーションを提供することです。
• 参考スコア（独自算出の注目度）: 0.6990493129893112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing availability of diverse datasets, ranging from small-scale experimental data points to large and complex data repositories and powerful data analysis tools, it is increasingly important that physics educators equip their students with the skills to work with data effectively. However, many educators may lack the necessary training and expertise in data science to teach these skills. To address this gap, we created the Data Science Education Community of Practice (DSECOP), bringing together graduate students and physics educators from different institutions and backgrounds to share best practices and lessons learned in integrating data science into undergraduate physics education. In this article, we present insights and experiences from this community of practice, highlighting key strategies and challenges in incorporating data science into the introductory physics curriculum. Our goal is to provide guidance and inspiration to educators who seek to integrate data science into their teaching, helping to prepare the next generation of physicists for a data-driven world.
• Abstract（参考訳）: 小規模な実験データポイントから、大規模で複雑なデータリポジトリや強力なデータ分析ツールに至るまで、多様なデータセットが利用可能になるにつれて、物理教育者が学生にデータを扱う能力を持たせることがますます重要になっている。 しかし、多くの教育者はこれらのスキルを教えるためにデータサイエンスに必要な訓練や専門知識を欠いている。 データサイエンス教育実践コミュニティ(data science education community of practice, dsecop)を創設し、さまざまな機関やバックグラウンドの大学院生や物理教育者を集めて、データサイエンスを学部物理学教育に統合する上で学んだベストプラクティスや教訓を共有しました。 本稿では,本実践コミュニティからの洞察と経験について紹介し,初等物理学カリキュラムにデータサイエンスを組み込むための重要な戦略と課題について述べる。 我々の目標は、データサイエンスを教育に統合し、次世代の物理学者をデータ駆動の世界に向けて準備する教育者へのガイダンスとインスピレーションを提供することです。

関連論文リスト

• Synthetic Data (Almost) from Scratch: Generalized Instruction Tuning for Language Models [153.14575887549088]
  GLAN(Generalized Instruction Tuning)は,Large Language Models(LLM)の汎用的かつスケーラブルなチューニング手法である。 GLANは、人間の知識と能力の事前分類を入力として利用し、あらゆる分野にわたる大規模な合成指導データを生成する。 サイラバスの全クラスセッションで詳述された、きめ細かい重要な概念により、私たちは、人間の知識とスキルの全範囲にわたって幅広い範囲をカバーする多様な命令を生成できる。
  論文  参考訳（メタデータ） (2024-02-20T15:00:35Z)
• SciInstruct: a Self-Reflective Instruction Annotated Dataset for Training Scientific Language Models [57.96527452844273]
  我々はSciInstructを紹介した。SciInstructは、大学レベルの科学的推論が可能な科学言語モデルを訓練するための科学指導スイートである。 我々は、物理学、化学、数学、公式な証明を含む多種多様な高品質なデータセットをキュレートした。 SciInstructの有効性を検証するため、SciInstruct、すなわちChatGLM3(6Bと32B)、Llama3-8B-Instruct、Mistral-7B: MetaMathを用いて言語モデルを微調整した。
  論文  参考訳（メタデータ） (2024-01-15T20:22:21Z)
• Motivation, inclusivity, and realism should drive data science education [0.0]
  データサイエンス教育は大きな機会を提供するが、多くのコミュニティにはアクセスできない。 データサイエンスのコミュニティへのアクセシビリティの向上は、データサイエンスに参加する個人に利益をもたらすだけでなく、この分野全体の革新と潜在的な影響も増大させる。 私たちのグループは、プロの科学者から高校生、レイオーディエンスまで、さまざまなオーディエンスのための教育活動をリードしてきました。
  論文  参考訳（メタデータ） (2023-05-09T17:46:41Z)
• Modeling Information Change in Science Communication with Semantically Matched Paraphrases [50.67030449927206]
  SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。 SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。 SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2022-10-24T07:44:38Z)
• Motivating Data Science Students to Participate and Learn [0.0]
  データサイエンス教育は、人間の主題やプライバシー、倫理、公正といった社会的問題にますます関与している。 本稿では,学生が社会的文脈に関する資料に深く取り組む動機となるように,データサイエンスの授業を構成する方法に関する洞察を提供する。 本稿では,学生の自主性,自己反映,学習コミュニティの構築を促進するフレームワークによって動機付けられた,参加ポートフォリオと呼ばれる新しいアセスメントツールについて述べる。
  論文  参考訳（メタデータ） (2022-04-28T01:26:16Z)
• Opinionated practices for teaching reproducibility: motivation, guided instruction and practice [0.0]
  予測モデリングは、しばしばデータサイエンスの初心者にとって最も興味深いトピックの1つである。 学生は本質的にこのトピックを学ぶ動機がなく、学ぶのは容易ではない。 余分なモチベーション、指導、多くのプラクティスを提供することが、このトピックを効果的に教える鍵となります。
  論文  参考訳（メタデータ） (2021-09-17T19:15:41Z)
• Advanced Multi-Variate Analysis Methods for New Physics Searches at the Large Hadron Collider [72.34476433304168]
  ava4newphysicsは、高度多変量解析法と統計学習ツールの高エネルギー物理学問題へのカスタマイズと応用を研究した。 これらの手法の多くは、CERNにおけるATLASおよびCMS実験によるデータ解析の感度向上に成功している。 テスト段階にある他のいくつかは、基礎物理学パラメータの測定の精度と新しい現象の探索の到達範囲をさらに改善することを約束している。
  論文  参考訳（メタデータ） (2021-05-16T22:20:30Z)
• Interleaving Computational and Inferential Thinking: Data Science for Undergraduates at Berkeley [81.01051375191828]
  カリフォルニア大学バークレー校の大学院データサイエンスカリキュラムは、5つの新しいコースに固定されている。 これらのコースは計算思考、推論思考、現実世界の問題に取り組むことを強調する。 これらのコースは、キャンパスで最も人気のあるコースの一つとなり、データサイエンスの新しい学部生とマイナープログラムへの関心が高まっている。
  論文  参考訳（メタデータ） (2021-02-13T22:51:24Z)
• Data Science for Engineers: A Teaching Ecosystem [59.00739310930656]
  チリ大学物理学・数学学部の技術者にデータサイエンスを教えるエコシステムについて述べる。 このイニシアチブは、学術的・専門的な環境からDS資格の需要が高まっていることに動機づけられている。 DS教育の原則と我々のアプローチの革新的な構成要素を共有することで、自分たちのDSプログラムやエコシステムを開発する人たちにとって、私たちの経験が役に立つことを願っています。
  論文  参考訳（メタデータ） (2021-01-14T14:17:57Z)
• Computational Skills by Stealth in Secondary School Data Science [16.960800464621993]
  本稿では,学生によるデータサイエンスへの最初の露出における計算スキルのステルス開発について論じる。 このアプローチの目的は、データ駆動学習者になる際に、興味やコーディングの自己効力によらず、学生を支援することである。
  論文  参考訳（メタデータ） (2020-10-08T09:11:51Z)
• A fresh look at introductory data science [0.0]
  本稿では、これらのニーズに対処するために設計されたデータサイエンスの入門学部のケーススタディを示す。 このコースには前提条件がなく、人文科学、社会科学、自然科学の学生だけでなく、目指す統計学やデータサイエンス専攻の幅広い聴衆に役立っている。 このようなコースを提供することによって生じる課題のユニークなセットについて議論し、これらの課題を踏まえて、教育設計要素、コンテンツ、構造、計算インフラ、およびコースの評価方法論について詳細な議論を行う。
  論文  参考訳（メタデータ） (2020-08-01T18:39:34Z)

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。