論文の概要: High School Summer Camps Help Democratize Coding, Data Science, and Deep Learning
- arxiv url: http://arxiv.org/abs/2410.02782v1
- Date: Tue, 17 Sep 2024 19:59:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-03 05:54:19.819610
- Title: High School Summer Camps Help Democratize Coding, Data Science, and Deep Learning
- Title（参考訳）: 高校のサマーキャンプは、コーディング、データサイエンス、ディープラーニングの民主化を支援する
- Authors: Rosemarie Santa Gonzalez, Tsion Fitsum, Michael Butros,
- Abstract要約: 本研究は,高校生がコーディング,データサイエンス,深層学習に導入するサマーキャンプシリーズの影響について報告する。
キャンプは没入的な大学経験を提供し、技術スキル、コラボレーション、インスピレーションを育んでいる。
調査データによると、AIとデータサイエンスのキャリアへの関心が68.6%と、コーディングに対する自信が増している。
- 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: This study documents the impact of a summer camp series that introduces high school students to coding, data science, and deep learning. Hosted on-campus, the camps provide an immersive university experience, fostering technical skills, collaboration, and inspiration through interactions with mentors and faculty. Campers' experiences are documented through interviews and pre- and post-camp surveys. Key lessons include the importance of personalized feedback, diverse mentorship, and structured collaboration. Survey data reveals increased confidence in coding, with 68.6\% expressing interest in AI and data science careers. The camps also play a crucial role in addressing disparities in STEM education for underrepresented minorities. These findings underscore the value of such initiatives in shaping future technology education and promoting diversity in STEM fields.
- Abstract（参考訳）: 本研究は,高校生がコーディング,データサイエンス,深層学習に導入するサマーキャンプシリーズの影響について報告する。
キャンプでは没入的な大学経験を提供し、メンターや教員との交流を通じて技術スキル、コラボレーション、インスピレーションを育成している。
キャンピングカーの経験は、インタビューやキャンプ前およびキャンプ後の調査を通じて記録されている。
主な教訓は、パーソナライズされたフィードバックの重要性、多様なメンターシップ、構造化されたコラボレーションである。
サーベイデータは、AIとデータサイエンスのキャリアへの関心を示す68.6%という、コーディングに対する自信の高まりを明らかにしている。
キャンプは、少数民族のSTEM教育における格差に対処する上でも重要な役割を担っている。
これらの知見は、将来の技術教育を形作り、STEM分野の多様性を促進する上で、こうした取り組みの価値を浮き彫りにしている。
関連論文リスト
- Federated Large Language Models: Current Progress and Future Directions [63.68614548512534]
本稿では,LLM(FedLLM)のフェデレーション学習について調査し,最近の進歩と今後の方向性を明らかにする。
ファインチューニングと迅速な学習という2つの重要な側面に注目し、既存の作業と関連する研究課題について議論する。
論文 参考訳（メタデータ） (2024-09-24T04:14:33Z) - Integrating HCI Datasets in Project-Based Machine Learning Courses: A College-Level Review and Case Study [0.7499722271664147]
本研究では,HCI(Human-Computer Interface)データセットを用いた実世界の機械学習プロジェクトの統合について検討する。
論文 参考訳（メタデータ） (2024-08-06T23:05:15Z) - Explainable Few-shot Knowledge Tracing [48.877979333221326]
本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。
3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2024-05-23T10:07:21Z) - Large Language Models for Education: A Survey and Outlook [69.02214694865229]
各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。
本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
論文 参考訳（メタデータ） (2024-03-26T21:04:29Z) - Understanding the Progression of Educational Topics via Semantic Matching [0.9246281666115259]
教育システムは、技術進歩、工業的、社会的ニーズに適応し、学生の学習行動を強化するために、動的に変化している。
カリキュラムスペシャリストや教育者は、学年ごとの教科を常に改訂し、ギャップを特定し、新しい学習トピックを導入し、学習結果を強化する。
データセット内に構築された主題、トピック、学習結果に関する微妙なデータを持つことで、データサイエンスを活用して、さまざまな学習トピックの進捗をよりよく理解することが可能になる。
論文 参考訳（メタデータ） (2024-02-10T08:24:29Z) - Intelligent System for Assessing University Student Personality
Development and Career Readiness [0.0]
本研究は,大学生が変化と移行への準備に様々な要因が与える影響について考察する。
KBTUの学生調査から収集したデータは、機械学習モデルによって処理された。
これらのモデルとファジィセットを使用してインテリジェントシステムを構築した。
論文 参考訳（メタデータ） (2023-08-29T20:32:58Z) - 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) - 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) - Retiring Adult: New Datasets for Fair Machine Learning [47.27417042497261]
UCIアダルトは、多くのアルゴリズム的公正な介入の開発と比較の基礎として機能している。
UCIアダルトデータのスーパーセットを米国国勢調査資料から再構築し、その外部妥当性を制限するUCIアダルトデータセットの慣用性を明らかにする。
私たちの主な貢献は、公正な機械学習の研究のために既存のデータエコシステムを拡張する、一連の新しいデータセットです。
論文 参考訳（メタデータ） (2021-08-10T19:19:41Z) - 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) - The Data Science Fire Next Time: Innovative strategies for mentoring in
data science [14.213973379473655]
BPDM(Broadening Participation in Data Mining)ワークショップは7年以上前に開催された。
BPDMは、データサイエンスと機械学習のコミュニティにおける少数派と少数派のグループのためのメンターシップ、ガイダンス、コネを奨励することを目的としている。
これまでのところ、データサイエンスの訓練生は330人を超えている。
論文 参考訳（メタデータ） (2020-03-01T03:40:38Z)
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。