論文の概要: What Can Youth Learn About in One Hour? Examining How Hour of Code Activities Address the Five Big Ideas of Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2412.11911v1
• Date: Mon, 16 Dec 2024 15:55:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:59:41.563275
• Title: What Can Youth Learn About in One Hour? Examining How Hour of Code Activities Address the Five Big Ideas of Artificial Intelligence
• Title（参考訳）: 子どもたちは1時間で何を学べるか? 人工知能の5つの大きなアイデアに何時間ものコードアクティビティがどう対処するかを考える
• Authors: Luis Morales-Navarro, Yasmin B. Kafai, Eric Yang, Asep Suryana,
• Abstract要約: 我々は、Hour of CodeアクティビティがAIの5つの大きなアイデア、特に機械学習と社会的影響にどのように関与するかをレビューする。 驚くべき発見は、コンピューティングの重要な側面に注意が払われたことだ。 議論では、より広範なトピックを提供するために、今後の導入活動がどのように設計されるかについて論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The prominence of artificial intelligence and machine learning in everyday life has led to efforts to foster AI literacy for all K-12 students. In this paper, we review how Hour of Code activities engage with the five big ideas of AI, in particular with machine learning and societal impact. We found that a large majority of activities focus on perception and machine learning, with little attention paid to representation and other topics. A surprising finding was the increased attention paid to critical aspects of computing. However, we also observed a limited engagement with hands-on activities. In the discussion, we address how future introductory activities could be designed to offer a broader array of topics, including the development of tools to introduce novices to artificial intelligence and machine learning and the design of more unplugged and collaborative activities.
• Abstract（参考訳）: 人工知能と機械学習の日常的普及は、すべてのK-12学生にAIリテラシーを育む努力につながっている。 本稿では、Hour of Code活動がAIの5つの大きなアイデア、特に機械学習と社会的影響にどのように関与するかを概観する。 私たちは、ほとんどのアクティビティが認識と機械学習に焦点を合わせており、表現やその他のトピックにはほとんど注意を払っていないことに気付きました。 驚くべき発見は、コンピューティングの重要な側面に注意が払われたことだ。 しかし,ハンズオン活動との関わりは限定的であった。 議論では、人工知能や機械学習に初心者を導入するツールの開発や、よりプラグインや協調的なアクティビティの設計など、より広範なトピックを提供するために、将来の導入活動がどのように設計されるのかを論じる。

関連論文リスト

• Artificial Intelligence in Everyday Life 2.0: Educating University Students from Different Majors [8.282180585560928]
  それらの能力、限界、関連する利点と欠点に関する誤解が広まっています。 本経験報告では,異なる専攻の学生に提供した入門講座の概要について述べる。 授業の課題とクイズについて議論し,AIプロセスの初歩的な経験を学生に提供する。
  論文  参考訳（メタデータ） (2024-04-12T08:10:42Z)
• Twenty Constructionist Things to Do with Artificial Intelligence and Machine Learning [0.0]
  1971年、Seymour Papert と Cynthia Solomon のメモ "Twenty Things to Do with a Computer" を制作した。 いくつかの提案はオリジナルのメモで開発されたアイデアに基づいており、他の提案は新しいもので、科学、数学、芸術のトピックに対処している。
  論文  参考訳（メタデータ） (2024-02-09T20:44:32Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Human in the AI loop via xAI and Active Learning for Visual Inspection [2.261815118231329]
  産業革命は生産に自動化を導入することで製造業をディスラプトした。 ロボット工学と人工知能の進歩は、人間と機械のコラボレーションの新たなフロンティアを開く。 本研究はまず,産業5.0,人間と機械のコラボレーション,品質検査に関する最先端技術について述べる。
  論文  参考訳（メタデータ） (2023-07-03T17:23:23Z)
• What Students Can Learn About Artificial Intelligence -- Recommendations for K-12 Computing Education [0.0]
  デジタルトランスフォーメーションの文脈における技術進歩は、人工知能(AI)分野における急速な発展の基礎である AIのトピックを含むように、コンピュータサイエンスカリキュラムの数が増えている。 本稿では,デジタルリテラシーと社会的視点に対処する学習目的のカリキュラムを提案する。
  論文  参考訳（メタデータ） (2023-05-10T20:39:43Z)
• Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
  この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。 欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
  論文  参考訳（メタデータ） (2022-12-10T07:49:50Z)
• Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
  AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。 データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
  論文  参考訳（メタデータ） (2022-11-27T13:07:14Z)
• From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven Learning in Artificial Intelligence Tasks [56.20123080771364]
  心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。 人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。 CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
  論文  参考訳（メタデータ） (2022-01-20T17:07:03Z)
• Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
  AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。 まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。 最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
  論文  参考訳（メタデータ） (2020-11-17T13:14:28Z)
• Teaching Tech to Talk: K-12 Conversational Artificial Intelligence Literacy Curriculum and Development Tools [9.797319790710711]
  我々は,MIT App Inventorの会話エージェントインタフェースとワークショップのカリキュラムをAI能力に関して評価した。 私たちは、学生がAI倫理と学習の概念に最も苦労していることを発見し、教えるときにこれらのトピックを強調することを推奨した。
  論文  参考訳（メタデータ） (2020-09-11T20:52:46Z)
• LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
  LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。 我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。 この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
  論文  参考訳（メタデータ） (2020-07-31T00:13:54Z)

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。