論文の概要: Pivoting the paradigm: the role of spreadsheets in K-12 data science

• arxiv url: http://arxiv.org/abs/2506.03232v1
• Date: Tue, 03 Jun 2025 14:22:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:13.969307
• Title: Pivoting the paradigm: the role of spreadsheets in K-12 data science
• Title（参考訳）: K-12データサイエンスにおけるスプレッドシートの役割
• Authors: Oren Tirschwell, Nicholas Jon Horton,
• Abstract要約: すべての状況に適さないが、スプレッドシートはK-12の学生のためのデータとコンピューティングのスキルを育むのに役立つ。 本稿では,K-12データツールの事前フレームワークをレビューし,カリキュラムにスプレッドシートを組み込んだデータ駆動学習結果を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spreadsheet tools are widely accessible to and commonly used by K-12 students and teachers. They have an important role in data collection and organization. Beyond data organization, spreadsheets also make data visible and easy to interact with, facilitating student engagement in data exploration and analysis. Though not suitable for all circumstances, spreadsheets can and do help foster data and computing skills for K-12 students. This paper 1) reviews prior frameworks on K-12 data tools; 2) proposes data-driven learning outcomes that can be accomplished by incorporating spreadsheets into the curriculum; and 3) discusses how spreadsheets can help develop data acumen and computational fluency. We provide example class activities, identify challenges and barriers to adoption, suggest pedagogical approaches to ease the learning curve for instructors and students, and discuss the need for professional development to facilitate deeper use of spreadsheets for data science and STEM disciplines.
• Abstract（参考訳）: スプレッドシートツールは、K-12の学生や教師に広くアクセスでき、一般的に使われている。 データ収集と組織において重要な役割を担います。 データ組織以外にも、スプレッドシートはデータを可視化し、対話しやすくし、データ探索と分析における学生の関与を促進する。 すべての状況に適さないが、スプレッドシートはK-12の学生のためのデータとコンピューティングのスキルを育むのに役立つ。 この論文は 1)K-12データツールの事前フレームワークのレビュー。 2)カリキュラムにスプレッドシートを組み込んだデータ駆動学習結果を提案する。 3) スプレッドシートがデータの蓄積と計算流速を改善する方法について論じる。 データサイエンスやSTEMの分野にスプレッドシートをより深く活用するための専門的開発の必要性について論じる。

関連論文リスト

• A Critical Field Guide for Working with Machine Learning Datasets [0.716879432974126]
  機械学習データセットを扱うためのクリティカルフィールドガイドは、良心的なデータセットスチュワードシップのための実践的なガイダンスを示唆している。 既存の機械学習データセットを扱うための質問、提案、戦略、リソースを提供する。 学生、ジャーナリスト、アーティスト、研究者、開発者はデータセット特有の問題を避けることができる。
  論文  参考訳（メタデータ） (2025-01-26T11:43:33Z)
• Data for Mathematical Copilots: Better Ways of Presenting Proofs for Machine Learning [85.635988711588]
  我々は,大規模言語モデルの能力向上には,数学的データセットの設計におけるパラダイムシフトが必要であると論じる。 1949年にG. P'olyaが導入した「動機付き証明」の概念は、より良い証明学習信号を提供するデータセットの青写真として機能する。 数学データセットに特化して設計されたアンケートでは、クリエーターにデータセットを含めるよう促します。
  論文  参考訳（メタデータ） (2024-12-19T18:55:17Z)
• DataEnvGym: Data Generation Agents in Teacher Environments with Student Feedback [62.235925602004535]
  DataEnvGymは、データ生成エージェントのための教師環境のテストベッドである。 エージェントとデータ生成エンジンを含むシーケンシャルな意思決定タスクとして、データ生成をフレーム化する。 学生は、生成されたデータに基づいて反復的に訓練され、評価され、各イテレーション後にエージェントにフィードバックが報告される。
  論文  参考訳（メタデータ） (2024-10-08T17:20:37Z)
• Detecting Unsuccessful Students in Cybersecurity Exercises in Two Different Learning Environments [0.37729165787434493]
  本稿では,学生の難易度を予測するための自動ツールを開発する。 潜在的な応用として、このようなモデルは、苦労している生徒を検知し、目標とする支援を提供するインストラクターを助けることができる。
  論文  参考訳（メタデータ） (2024-08-16T04:57:54Z)
• Teaching Visual Accessibility in Introductory Data Science Classes with Multi-Modal Data Representations [0.0]
  インストラクターは、すべての生徒がよりアクセスしやすいデータプロダクトを作成できるように、複数のデータ表現方法を教える必要がある、と我々は主張する。 データサイエンスの教育者としてアクセシビリティを教えているので、他のデータサイエンスのインストラクターが利用できる具体的な例を共有します。
  論文  参考訳（メタデータ） (2022-08-04T10:20:10Z)
• A Survey of Learning on Small Data: Generalization, Optimization, and Challenge [101.27154181792567]
  ビッグデータの一般化能力を近似した小さなデータについて学ぶことは、AIの究極の目的の1つである。 この調査はPACフレームワークの下でのアクティブサンプリング理論に従い、小さなデータにおける学習の一般化誤差とラベルの複雑さを分析した。 効率的な小さなデータ表現の恩恵を受けるかもしれない複数のデータアプリケーションについて調査する。
  論文  参考訳（メタデータ） (2022-07-29T02:34:19Z)
• Process-BERT: A Framework for Representation Learning on Educational Process Data [68.8204255655161]
  本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。 我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。 当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
  論文  参考訳（メタデータ） (2022-04-28T16:07:28Z)
• TAGLETS: A System for Automatic Semi-Supervised Learning with Auxiliary Data [8.653321928148545]
  機械学習の実践者は、しばしば幅広いデータにアクセスすることができる。 TAGLETSは3種類のデータを自動的に活用する技術を研究するために開発されたシステムである。
  論文  参考訳（メタデータ） (2021-11-08T20:08:45Z)

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。