論文の概要: An Analysis of the Math Requirements of 199 CS BS/BA Degrees at 158 U.S. Universities

• arxiv url: http://arxiv.org/abs/2404.15177v1
• Date: Tue, 23 Apr 2024 16:16:37 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-24 13:12:44.825774
• Title: An Analysis of the Math Requirements of 199 CS BS/BA Degrees at 158 U.S. Universities
• Title（参考訳）: 米国の大学158校における199 CS BS/BAデグリーの数学要件の分析
• Authors: Carla E. Brodley, McKenna Quam, Mark A. Weiss,
• Abstract要約: 本稿では,米国158大学における199のコンピュータサイエンスBS/BA学位の数学要件の分析結果について述べる。 我々の分析では、離散数学はCSの学位において重要であるという意見が一致しているが、学生がこれらの科目をいつマスターすべきであったかについてのコンセンサスはほとんどない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For at least 40 years, there has been debate and disagreement as to the role of mathematics in the computer science curriculum. This paper presents the results of an analysis of the math requirements of 199 Computer Science BS/BA degrees from 158 U.S. universities, looking not only at which math courses are required, but how they are used as prerequisites (and corequisites) for computer science (CS) courses. Our analysis shows that while there is consensus that discrete math is critical for a CS degree, and further that calculus is almost always required for the BS in CS, there is little consensus as to when a student should have mastered these subjects. Based on our analysis of how math requirements impact access, retention and on-time degree completion for the BS and the BA in CS, we provide several recommendations for CS departments to consider.
• Abstract（参考訳）: 少なくとも40年間、コンピュータサイエンスのカリキュラムにおける数学の役割について議論や意見の相違があった。 本稿では,米国158大学における199のコンピュータサイエンスBS/BA学位の数学要件の分析結果を紹介する。 我々の分析では、離散数学はCSの学位には不可欠であるという意見が一致しており、さらにCSのBSには計算がほぼ常に必要とされているが、学生がこれらの科目をいつマスターすべきであったかについてのコンセンサスはほとんどない。 CS における BS と BA のアクセス・保持・オンタイム次数補完に数学的要件がどう影響するかを分析した結果,CS 部門が考慮すべきいくつかの推奨事項について述べる。

関連論文リスト

• First Steps towards K-12 Computer Science Education in Portugal -- Experience Report [49.1574468325115]
  本報告では,ポルトガルにおけるensICO協会の取り組みについて報告する。 2020年のいくつかの学校でのパイロットプロジェクトから始まり、現在4500人の学生、35の学校、100の学校教師と協力している。 主な目的は、コンピュータを必須科目として教えるための総合的なシラバスを定義するのに十分な経験と知識を得ることである。
  論文  参考訳（メタデータ） (2024-11-15T12:32:52Z)
• CS-Bench: A Comprehensive Benchmark for Large Language Models towards Computer Science Mastery [26.380167844990115]
  計算機科学における大規模言語モデルの性能評価のための最初のベンチマークであるCS-Benchを紹介する。 CS-Benchは、コンピュータ科学の4つの重要な領域にまたがる26のサブフィールドをカバーする、5Kの精巧にキュレートされたテストサンプルで構成されている。 CS性能とモデルスケールの関係を明らかにするため,30以上のLLMの総合評価を行った。
  論文  参考訳（メタデータ） (2024-06-12T18:47:28Z)
• MathBench: Evaluating the Theory and Application Proficiency of LLMs with a Hierarchical Mathematics Benchmark [82.64129627675123]
  MathBenchは、大規模言語モデルの数学的能力を厳格に評価する新しいベンチマークである。 MathBenchは幅広い数学の分野にまたがっており、理論的な理解と実践的な問題解決のスキルの両方を詳細に評価している。
  論文  参考訳（メタデータ） (2024-05-20T17:52:29Z)
• MathScale: Scaling Instruction Tuning for Mathematical Reasoning [70.89605383298331]
  大規模言語モデル(LLM)は問題解決において顕著な能力を示した。 しかし、数学的な問題を解く能力は依然として不十分である。 高品質な数学的推論データを作成するためのシンプルでスケーラブルな方法であるMathScaleを提案する。
  論文  参考訳（メタデータ） (2024-03-05T11:42:59Z)
• ChatGPT as a Math Questioner? Evaluating ChatGPT on Generating Pre-university Math Questions [20.261452062585985]
  大規模言語モデル (LLM) は論理的推論と算術的推論を含む多くのNLPタスクで優れている。 我々の分析は、コンテキスト認識とコンテキスト認識の2つの主要な設定に分類される。 われわれのクローリングの結果はTopicMathだ。これは大学以前の数学のカリキュラムを包括的で斬新なコレクションだ。
  論文  参考訳（メタデータ） (2023-12-04T06:23:37Z)
• Designing Theory of Computing Backwards [0.30458514384586394]
  CSプログラムにおけるコンピュータ理論(ToC)コースは、しばしばプログラムの終わり近くに置かれる。 コンピュータが何をしているのかについて、学生にとって直感的であるもの - コースの終わりに教えられるチューリングマシン - は、初期のモデルのモチベーションを必要とする。 このポスターには、素材を効果的に後ろ向きに教えるToCコースの設計の経験が含まれています。」
  論文  参考訳（メタデータ） (2023-11-13T23:32:41Z)
• Exploring the MIT Mathematics and EECS Curriculum Using Large Language Models [21.86774454216937]
  我々は,MITの数学・脳科学専攻の卒業要件を満たすために,大規模言語モデルの能力を評価する。 その結果, GPT-3.5はMITのカリキュラム全体の3分の1を解くのに成功し, GPT-4は迅速なエンジニアリングにより, 画像に基づく質問を除いたテストセット上で完璧に解けることがわかった。
  論文  参考訳（メタデータ） (2023-06-15T09:48:14Z)
• A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
  我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。 大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
  論文  参考訳（メタデータ） (2022-12-20T18:46:16Z)
• A Neural Network Solves and Generates Mathematics Problems by Program Synthesis: Calculus, Differential Equations, Linear Algebra, and More [8.437319139670116]
  質問をプログラミングタスクに変換し、プログラムを自動的に生成し、実行します。 これは、大学レベルの数学コースの質問を自動的に解き、評価し、生成する最初の作品である。
  論文  参考訳（メタデータ） (2021-12-31T18:57:31Z)
• 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)
• What's the worth of having a single CS teacher program aimed at teachers with heterogeneous profiles? [68.8204255655161]
  アルゼンチンのK-12教師を対象とした400時間の教員養成プログラムの結果について検討した。 本研究の目的は,教師にCSの内容や具体的教育を指導する上で,教師一人ひとりの教育プログラムが有効であるかどうかを,多種多様なプロファイルを持つ教師に理解することである。
  論文  参考訳（メタデータ） (2020-11-09T15:03:31Z)

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。