論文の概要: Teaching Action Research

• arxiv url: http://arxiv.org/abs/2408.02399v1
• Date: Mon, 5 Aug 2024 11:44:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-06 13:46:54.793229
• Title: Teaching Action Research
• Title（参考訳）: 行動研究の指導
• Authors: Miroslaw Staron,
• Abstract要約: アクションリサーチは、最後の千年紀の終わりにソフトウェアエンジニアリング研究の危機に対する反応の1つとして、ソフトウェアエンジニアリングに参入した。 この章では、アクションリサーチの柱を方法論として記述し、それらを教える方法について説明する。
• 参考スコア（独自算出の注目度）: 2.465689259704613
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Action research entered into software engineering as one of the responses to the software engineering research crisis at the end of the last millennium. As one of the challenges in the crisis was the lack of empirical results and the transfer of research results into practices, action research could address these challenges. It is a methodology where collaboration and host organizations are the focus of knowledge discovery, development, and documentation. Although the method is often well received in industrial contexts, it isn't easy to learn as it requires experience and varies from organization to organization. This chapter describes the pillars of action research as a methodology and how to teach them. The chapter includes examples of teaching action research at the bachelor, master, and PhD levels. In addition to theory, the chapter contains examples from practice.
• Abstract（参考訳）: アクションリサーチは、最後の千年紀の終わりにソフトウェアエンジニアリング研究の危機に対する反応の1つとして、ソフトウェアエンジニアリングに参入した。 この危機における課題の1つは、経験的な結果の欠如と、研究結果を実践に移すことであり、アクションリサーチはこれらの課題に対処する可能性がある。 コラボレーションとホスト組織が知識発見、開発、ドキュメントの焦点となる方法論です。 この手法は産業の文脈ではよく受け入れられるが、経験が必要で組織によって異なるため、簡単には学べない。 この章では、アクションリサーチの柱を方法論として記述し、それらを教える方法について説明する。 この章には、学士、修士、博士号のレベルでアクション研究を教える例が含まれている。 説のほか、実例もある。

関連論文リスト

• O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
  本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。 我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。 本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-10-08T15:13:01Z)
• Teaching Design Science as a Method for Effective Research Development [0.24578723416255752]
  デザインサイエンスリサーチ(DSR)方法論の適用は、情報システム(IS)とソフトウェア工学研究の一般的な作業資源になりつつある。 この章には、DSR、教育方法論、学習目的、レコメンデーションの例が含まれている。 我々は,デザインサイエンスのユーザ体験に関するデータ収集を目的とした調査成果を作成した。
  論文  参考訳（メタデータ） (2024-07-13T10:43:06Z)
• Teaching Research Design in Software Engineering [1.9659095632676098]
  経験的ソフトウェア工学(ESE)は、新しい技術を採用する際の実践を伝える知識を批判的に評価し提供することを目的とした競争力として登場した。 この章では、ESEにおけるソフトウェアエンジニアと研究者の教育に不可欠な研究設計の基礎的スキルについて教えている。
  論文  参考訳（メタデータ） (2024-07-06T21:06:13Z)
• Teaching Empirical Methods at Eindhoven University of Technology [55.17240664632298]
  研究方法の講義の課題について論じる。 私たちは学んだ教訓と、コースを教えるために何回か繰り返して学んだ教訓と教訓を共有しています。
  論文  参考訳（メタデータ） (2024-07-05T17:14:08Z)
• Action Research with Industrial Software Engineering -- An Educational Perspective [0.5257115841810258]
  アクションリサーチは、産業環境でのソフトウェアエンジニアリング手法の有用性とユーザビリティを探求する機会を提供する。 ソフトウェア開発組織と異なる種類のインタラクションが必要です。 本章は、行動研究の学習と指導を支援することを目的としている。
  論文  参考訳（メタデータ） (2024-07-05T17:05:06Z)
• ResearchBot: Bridging the Gap between Academic Research and Practical Programming Communities [1.7825757481227438]
  このプロジェクトでは、学術と産業のギャップを埋めるためのツールであるResearchBotを導入する。 ResearchBotはモジュール的なアプローチを採用し、質問を理解し、クエリをキュレートして関連論文を取得し、論文内容を要約する。 ResearchBotの中核的な目的は、業界の専門家のための学術的知識へのアクセスを民主化することだ。
  論文  参考訳（メタデータ） (2024-07-02T20:17:13Z)
• DISCOVERYWORLD: A Virtual Environment for Developing and Evaluating Automated Scientific Discovery Agents [49.74065769505137]
  本研究では,新しい科学的発見の完全なサイクルを実行するエージェントの能力を開発し,ベンチマークする最初の仮想環境であるDiscoVERYWORLDを紹介する。 8つのトピックにまたがる120の異なる課題タスクが含まれており、3レベルの難易度といくつかのパラメトリックなバリエーションがある。 従来の環境においてよく機能する強力なベースラインエージェントが、ほとんどのdiscoVERYWORLDタスクに苦労していることがわかった。
  論文  参考訳（メタデータ） (2024-06-10T20:08:44Z)
• Towards machine learning guided by best practices [0.0]
  機械学習(ML)は、医学からソフトウェア工学(SE)まで、複数の応用分野を持つソフトウェアシステムで使われている。 この論文は、SEコミュニティの実践者や研究者が使用し議論するプラクティスを理解するのに役立つ研究の質問に答えることを目的としている。
  論文  参考訳（メタデータ） (2023-04-29T10:58:37Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Individual Explanations in Machine Learning Models: A Case Study on Poverty Estimation [63.18666008322476]
  機械学習の手法は、敏感な社会的文脈でますます適用されつつある。 本研究の主な目的は2つある。 まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。 次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
  論文  参考訳（メタデータ） (2021-04-09T01:54:58Z)
• Curriculum Learning for Reinforcement Learning Domains: A Framework and Survey [53.73359052511171]
  強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。 本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
  論文  参考訳（メタデータ） (2020-03-10T20:41:24Z)

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。