論文の概要: Teaching Simulation as a Research Method in Empirical Software Engineering

• arxiv url: http://arxiv.org/abs/2501.04798v1
• Date: Wed, 08 Jan 2025 19:24:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 14:00:11.905074
• Title: Teaching Simulation as a Research Method in Empirical Software Engineering
• Title（参考訳）: 経験的ソフトウェア工学の研究手法としてのシミュレーション教育
• Authors: Breno Bernard Nicolau de França, Dietmar Pfahl, Valdemar Vicente Graciano Neto, Nauman bin Ali,
• Abstract要約: この章は、ソフトウェア工学研究におけるシミュレーションの役割を理解するために、教育者や大学院生を支援している。 教育者にとって、ソフトウェア工学研究における最先端の技術を考慮し、シミュレーションを教える際の学習目標を提供する。 学生にとって、この方法を学ぶことに興味がある人のための学習経路を駆動するが、経験的研究の文脈でシミュレーションのコース全体に参加する機会はなかった。
• 参考スコア（独自算出の注目度）: 2.517406775855265
• License:
• Abstract: The chapter supports educators and postgraduate students in understanding the role of simulation in software engineering research based on the authors' experience. This way, it includes a background positioning simulation-based studies in software engineering research, the proposition of learning objectives for teaching simulation as a research method, and presents our experience when teaching simulation concepts and practice. For educators, it further provides learning objectives when teaching simulation, considering the current state of the art in software engineering research and the necessary guidance and recommended learning activities to achieve these objectives. For students, it drives the learning path for those interested in learning this method but had no opportunity to engage in an entire course on simulation in the context of empirical research.
• Abstract（参考訳）: この章は、著者の経験に基づくソフトウェア工学研究におけるシミュレーションの役割を理解するために、教育者や大学院生を支援している。 このようにして、ソフトウェア工学研究におけるシミュレーションに基づくバックグラウンド位置決め研究、シミュレーションを研究手法として教えるための学習目標の提案、シミュレーションの概念や実践を教える際の経験を提示する。 教育者にとって、ソフトウェア工学研究における現在の最先端技術と、これらの目的を達成するために必要なガイダンスと推奨学習活動を考慮して、シミュレーションを教える際の学習目標をさらに提供する。 学生にとって、この方法を学ぶことに興味がある人のための学習経路を駆動するが、経験的研究の文脈でシミュレーションのコース全体に参加する機会はなかった。

関連論文リスト

• Bringing active learning, experimentation, and student-created videos in engineering: A study about teaching electronics and physical computing integrating online and mobile learning [0.0]
  本研究の主な目的は、電子工学、物理コンピューティング(PhyC)、プログラミング、工学における基礎ロボティクスを学ぶためのAL方法論を作成することであった。 この方法論は、ICDM(Integrated Course Design Model)のガイドラインと、モバイルとオンラインの学習をAndroidアプリと組み合わせたコースを用いて考案された。 その結果, 学生のPhyCとプログラミング活動の認知度は良好であり, 動機づけ, 自己効力感, 不安の軽減, 学業成績の向上に影響を及ぼす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-06-02T23:26:27Z)
• Application-Driven Innovation in Machine Learning [56.85396167616353]
  機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。 このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。 このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
  論文  参考訳（メタデータ） (2024-03-26T04:59:27Z)
• Language Evolution with Deep Learning [49.879239655532324]
  計算モデリングは言語の出現の研究において重要な役割を担っている。 構造化言語の出現を誘発する可能性のある条件と学習プロセスをシミュレートすることを目的としている。 この章では、最近機械学習の分野に革命をもたらした別の種類の計算モデル、ディープ・ラーニング・モデルについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T16:52:54Z)
• A Game-Based Learning Application to Help Learners to Practice Mathematical Patterns and Structures [0.0]
  本研究の目的は,学習者が数学的パターンや構造を実践するのを支援するゲームベースのモバイルアプリケーションを開発することである。 この研究のための評価ツールとして,オクタリシスの枠組みに基づく楽器を開発した。
  論文  参考訳（メタデータ） (2023-06-22T13:15:12Z)
• Addressing computational challenges in physical system simulations with machine learning [0.0]
  シミュレーションを利用して様々な物理システムやプロセスを調べる研究者を支援する機械学習ベースのデータジェネレータフレームワークを提案する。 まず、シミュレーション結果を予測するために、限られたシミュレートされたデータセットを使用して教師付き予測モデルをトレーニングする。 その後、強化学習エージェントを訓練し、教師付きモデルを利用して正確なシミュレーションライクなデータを生成する。
  論文  参考訳（メタデータ） (2023-05-16T17:31:50Z)
• Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
  本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。 まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。 我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
  論文  参考訳（メタデータ） (2022-06-22T19:33:21Z)
• Simulation Intelligence: Towards a New Generation of Scientific Methods [81.75565391122751]
  シミュレーション知能の9つのモチーフ」は、科学計算、科学シミュレーション、人工知能の融合に必要な重要なアルゴリズムの開発と統合のためのロードマップである。 シミュレーションインテリジェンスのモチーフは、オペレーティングシステムのレイヤ内のコンポーネントとよく似ています。 我々は、モチーフ間の協調的な努力が科学的な発見を加速する大きな機会をもたらすと信じている。
  論文  参考訳（メタデータ） (2021-12-06T18:45:31Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
  本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。 我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。 我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
  論文  参考訳（メタデータ） (2020-11-17T22:24:26Z)
• Integrating Machine Learning with HPC-driven Simulations for Enhanced Student Learning [0.0]
  シミュレーション出力を生成するためのHPC駆動型シミュレーションとMLサロゲート手法の両方をサポートするWebアプリケーションを開発した。 授業内フィードバックと調査を通じて評価した結果,ML強化ツールは動的かつ応答性のあるシミュレーション環境を提供することがわかった。
  論文  参考訳（メタデータ） (2020-08-24T22:48:21Z)

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。