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
- 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) - Teaching Visual Accessibility in Introductory Data Science Classes with
Multi-Modal Data Representations [0.0]
インストラクターは、すべての生徒がよりアクセスしやすいデータプロダクトを作成できるように、複数のデータ表現方法を教える必要がある、と我々は主張する。
データサイエンスの教育者としてアクセシビリティを教えているので、他のデータサイエンスのインストラクターが利用できる具体的な例を共有します。
論文 参考訳(メタデータ) (2022-08-04T10:20:10Z) - 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) - Data Science: A Comprehensive Overview [42.98602883069444]
21世紀はビッグデータとデータ経済の時代に始まり、データDNAはすべてのデータに基づく有機体の本質的な構成要素となっている。
データDNAとその生物の適切な理解は、新しいデータ科学の分野と分析のキーストーンに依存している。
この記事では、データサイエンスと分析に関する豊富な観察、教訓、考察に加えて、総合的な全体像を描いている分野としては、初めてである。
論文 参考訳(メタデータ) (2020-07-01T02:33:58Z) - Data Science: Challenges and Directions [42.98602883069444]
データサイエンスのタイトルを含む何百もの文献をレビューする。
議論の大部分は、統計、データマイニング、機械学習、ビッグデータ、あるいは広範なデータ分析に関するものだと考えています。
我々は、複雑なシステムとしてのデータサイエンス問題の性質にインスパイアされた研究とイノベーションの課題に焦点を当てる。
論文 参考訳(メタデータ) (2020-06-28T01:49:00Z)
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。