論文の概要: Developing a Decolonial Mindset for Indigenising Computing Education (CE)
- arxiv url: http://arxiv.org/abs/2509.18509v1
- Date: Tue, 23 Sep 2025 01:17:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-24 20:41:27.632746
- Title: Developing a Decolonial Mindset for Indigenising Computing Education (CE)
- Title（参考訳）: インダゲナイズドコンピューティング教育(CE)のためのデコロニアルマインドセットの開発
- Authors: Jianhua Li, Yin Paradies, Trina Myers, Robin Doss, Armita Zarnegar, Jack Reis,
- Abstract要約: コンピューティング教育における第一人民の表象は、カリキュラム、教育、デジタルインフラに埋め込まれた植民地の遺産を反映している。
本稿では,教育者変換のための7層フレームワークである textbfDecolonial Mindset Stack (DMS) を紹介する。
- 参考スコア（独自算出の注目度）: 3.937628543509281
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The underrepresentation of First Peoples in computing education reflects colonial legacies embedded in curricula, pedagogies, and digital infrastructures. This paper introduces the \textbf{Decolonial Mindset Stack (DMS)}, a seven-layer framework for educator transformation: \textbf{Recognition, Reflection, Reframing, Reembedding, Reciprocity, Reclamation}, and \textbf{Resurgence}. Grounded in Freirean critical pedagogy and Indigenous methodologies, the DMS aligns with relational lenses of ``About Me,'' ``Between Us,'' and ``By Us.'' It fosters self-reflexivity, relational accountability, and Indigenous sovereignty in computing education, reframing underrepresentation as systemic exclusion. The DMS provides both theoretical grounding and pathways for practice, positioning indigenisation not as an endpoint but as a sustained ethical commitment to transformative justice and the co-creation of computing education with First Peoples.
- Abstract（参考訳）: コンピューティング教育における第一人民の表現不足は、植民地の遺産をカリキュラム、教育、デジタルインフラに埋め込んだことを反映している。
本稿では、教育者変換のための7層フレームワークである \textbf{Decolonial Mindset Stack (DMS) について紹介する: \textbf{Recognition, Reflection, Reframing, Reembedding, Reciprocity, Reclamation} および \textbf{Resurgence}。
DMSはFreireanの批判的教育と内在的方法論に基づいており、'About Me,'' `Between Us,'' と ``By Us' のリレーショナルレンズと一致している。
「コンピューティング教育における自己回帰性、関係説明責任、内在的主権を育成し、体系的排除としての過疎表現を是正する。
DMSは理論的な根拠と実践の経路の両方を提供し、先進的差別は終端ではなく、変革的正義への持続的な倫理的コミットメントであり、ファースト・ピープルズとのコンピューティング教育の共創であると位置づけている。
関連論文リスト
- What Makes Value Learning Efficient in Residual Reinforcement Learning? [57.635661297706065]
残留強化学習(Residual reinforcement learning, RL)は、ベースを凍結し、境界修正のみを学習することにより、表現的事前訓練政策の安定したオンライン改善を可能にする。
本研究では,冷戦開始の病理学において,批判者が基本方針に関する価値景観の知識を欠いている点と,構造的スケールミスマッチという2つの主要なボトルネックを同定する。
残差RLにおける効率的な値学習を目的とした最小限のアプローチであるDAWNを提案する。
論文 参考訳（メタデータ） (2026-02-11T05:25:39Z) - The Unspoken Crisis of Learning: The Surging Zone of No Development [0.0]
本稿では,P2P 指導フレームワークのレンズを通して,Vygotsky's Zone of Proximal Development (ZPD)を再検討する。
仮設足場と永住性デジタルメディエーションの出現現象を対比することにより、ZNDの概念を導入している。
この論文は、生産的な闘争、自己統制、第一原理推論は持続的な学習に不可欠であると主張している。
論文 参考訳（メタデータ） (2025-11-16T23:03:26Z) - A Structured Unplugged Approach for Foundational AI Literacy in Primary Education [7.495145157323768]
小学校における基礎的AIリテラシーを育成する構造的教育手法を提案する。
以上の結果から,用語理解と利用,特徴記述,論理的推論,評価能力の向上が示唆された。
このアプローチは、特に学生がAIの概念と現実世界の推論を結びつける活動を楽しんでいることを証明した。
論文 参考訳（メタデータ） (2025-05-27T16:23:57Z) - Authoritarian Recursions: How Fiction, History, and AI Reinforce Control in Education, Warfare, and Discourse [0.0]
論文は、AIシステムが教育、戦争、デジタル談話の機関的制御を統合する方法を理論的に論じている。
ケーススタディはオーウェルのtextitNineteen Eighty-Four, Skynet, textitBlack Mirror などの文化的想像物とともに分析され、倫理的な盲点を探索するための道具として使用される。
論文 参考訳（メタデータ） (2025-04-12T01:01:26Z) - Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。
本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
論文 参考訳（メタデータ） (2025-04-01T04:15:56Z) - Deictic Codes, Demonstratives, and Reference: A Step Toward Solving the Grounding Problem [0.0]
参照修正のプロセスはボトムアップで非概念的でなければならないので、概念的内容の輪を破り、世界に触れることができます。
我々は、我々のアカウントがパットナムとクリプキの「新しい」参照に関する業績に関する基本的な洞察を捉えていると主張している。
論文 参考訳（メタデータ） (2025-03-05T13:34:49Z) - "Would You Want an AI Tutor?" Understanding Stakeholder Perceptions of LLM-based Systems in the Classroom [7.915714424668589]
教室における大規模言語モデルによって直接的あるいは間接的に影響を受ける人々の認識を理解することは、この重要な領域におけるAIの責任ある使用を保証するために不可欠である、と我々は主張する。
学習におけるLLMの導入に関する文脈認識(Co-PALE)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-02T16:50:08Z) - Education in the Era of Neurosymbolic AI [0.6468510459310326]
我々は,ハイブリッドNAIアーキテクチャの重要な構成要素として,教育エージェントの独特な余裕を生かしたシステムを提案する。
我々は,NAI時代の教育によって,学習がよりアクセスしやすく,公平で,現実世界のスキルに適合するものになると結論づける。
論文 参考訳（メタデータ） (2024-11-16T19:18:39Z) - FairAIED: Navigating Fairness, Bias, and Ethics in Educational AI Applications [8.443431821420537]
教育におけるAIの統合は、学習経験をパーソナライズし、教育実践を変革する大きな可能性を秘めている。
研究者がこれらのバイアスを理解して緩和しようとすると、教育AIの公平性を調べる研究が増えている。
この調査は、教育AIにおけるアルゴリズムフェアネスの総合的な体系的なレビューを提供する。
論文 参考訳（メタデータ） (2024-07-26T13:59:20Z) - Towards Responsible AI in Banking: Addressing Bias for Fair
Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。
この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。
オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文 参考訳（メタデータ） (2024-01-13T14:07:09Z) - AI Alignment: A Comprehensive Survey [69.61425542486275]
AIアライメントは、AIシステムが人間の意図や価値観に沿って振る舞うようにすることを目的としている。
AIアライメントの重要な目的として、ロバストネス、解釈可能性、制御可能性、倫理という4つの原則を特定します。
我々は、現在のアライメント研究を、前方アライメントと後方アライメントの2つの重要なコンポーネントに分解する。
論文 参考訳（メタデータ） (2023-10-30T15:52:15Z) - Unsupervised Domain Adaptation on Person Re-Identification via
Dual-level Asymmetric Mutual Learning [108.86940401125649]
本稿では,多種多様な埋め込み空間を持つより広い知識領域から識別的表現を学習するための,DAML(Dual-level Asymmetric Mutual Learning)を提案する。
2つのネットワーク間の知識伝達は、非対称な相互学習方式に基づいている。
Market-1501、CUHK-SYSU、MSMT17の公開データセットにおける実験は、最先端技術よりもDAMLの方が優れていることを証明した。
論文 参考訳（メタデータ） (2023-01-29T12:36:17Z) - Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。
RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。
この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
論文 参考訳（メタデータ） (2021-12-17T16:28:06Z)
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。