論文の概要: Learning Ecology with VERA Using Conceptual Models and Simulations
- arxiv url: http://arxiv.org/abs/2510.16944v1
- Date: Sun, 19 Oct 2025 17:48:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 00:56:39.218538
- Title: Learning Ecology with VERA Using Conceptual Models and Simulations
- Title（参考訳）: 概念モデルとシミュレーションを用いたVERAを用いた生態学習
- Authors: Spencer Rugaber, Scott Bunin, Andrew Hornback, Sungeun An, Ashok Goel,
- Abstract要約: VERAシステム(VERA system)は、2016年以降に導入された概念モデリングツールであり、生態領域における概念モデリングとエージェントベースのシミュレーションの能力を提供する。
本稿では,概念モデリングとシミュレーションを結合するVERAとその手法について述べる。
- 参考スコア（独自算出の注目度）: 1.631115063641726
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Conceptual modeling has been an important part of constructionist educational practices for many years, particularly in STEM (Science, Technology, Engineering and Mathematics) disciplines. What is not so common is using agent-based simulation to provide students feedback on model quality. This requires the capability of automatically compiling the concept model into its simulation. The VERA (Virtual Experimentation Research Assistant) system is a conceptual modeling tool used since 2016 to provide introductory college biology students with the capability of conceptual modeling and agent-based simulation in the ecological domain. This paper describes VERA and its approach to coupling conceptual modeling and simulation with emphasis on how a model's visual syntax is compiled into code executable on a NetLogo simulation engine. Experience with VERA in introductory biology classes at several universities and through the Smithsonian Institution's Encyclopedia of Life website is related.
- Abstract（参考訳）: 概念モデリングは、特にSTEM(Science, Technology, Engineering and Mathematics)分野において、長年にわたり、建設学者の教育実践において重要な役割を担ってきた。
あまり一般的ではないのは、モデル品質に関するフィードバックを学生に提供するためにエージェントベースのシミュレーションを使うことである。
これは、概念モデルをそのシミュレーションに自動的にコンパイルする能力を必要とする。
VERA (Virtual Experimentation Research Assistant) は、2016年から使用されている概念モデリングツールである。
本稿では,概念モデリングとシミュレーションを結合するVERAとその手法について述べる。
いくつかの大学やスミソニアン・インスティチュート・インスティテュート・インスティテュート(英語版)の百科事典(英語版)のウェブサイトを通じて、導入生物学の授業におけるVERAの経験は関連している。
関連論文リスト
- ModeliHub: A Web-based, Federated Analytics Platform for Modelica-centric, Model-based Systems Engineering [0.0]
本稿では,Modelicaを用いたモデルベースシステムエンジニアリングに特化したWebベースのフェデレーション分析プラットフォームであるModeliHubを紹介する。
ModeliHubの重要なイノベーションは、Modelica中心のハブ&スポークフェデレーションアーキテクチャで、システムエンジニアに異種エンジニアリングアーティファクトを含むレポジトリの統一されたシステムモデルを提供する。
論文 参考訳（メタデータ） (2025-06-23T16:00:32Z) - GenAI for Simulation Model in Model-Based Systems Engineering [43.85137138797568]
本稿では,モデルベースシステム工学のための生成システム設計方法論フレームワークを紹介する。
我々は,システム物理特性のシミュレーションモデルを構築するために,推論手法,生成モデル,統合モデリングおよびシミュレーション言語を用いる。
我々は、既存のシミュレーションモデルライブラリと生成モデルによって生成された追加データセットに基づいて、シミュレーションモデル生成に使用される言語モデルを微調整する。
論文 参考訳（メタデータ） (2025-03-09T03:33:25Z) - GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。
我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。
さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文 参考訳（メタデータ） (2024-12-23T18:58:17Z) - Large Language Models Empowered Agent-based Modeling and Simulation: A
Survey and Perspectives [35.04018349811483]
大きな言語モデルをエージェントベースのモデリングとシミュレーションに統合することは、シミュレーション能力を向上するための有望な道を示す。
まず,エージェントベースモデリングとシミュレーション,および大規模言語モデル駆動エージェントの背景を紹介する。
最も重要なことは、複数のシナリオにおける大規模言語モデルを利用したエージェントベースのモデリングとシミュレーションの最近の研究の概要を包括的に示すことである。
論文 参考訳（メタデータ） (2023-12-19T09:06:45Z) - Conditional Generative Models for Simulation of EMG During Naturalistic
Movements [45.698312905115955]
本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。
本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
論文 参考訳（メタデータ） (2022-11-03T14:49:02Z) - Model LEGO: Creating Models Like Disassembling and Assembling Building Blocks [53.09649785009528]
本稿では,新しいモデルを得るためのトレーニングを必要としないパラダイムについて検討する。
生体視覚系における受容野にインスパイアされたCNNの誕生と同様、モデル分解と組み立てを提案する。
モデル組立には、特定のタスクに適した新しいモデルを構築するために、アライメントパディング戦略とパラメータスケーリング戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T05:27:28Z) - 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) - Adaptive Synthetic Characters for Military Training [0.9802137009065037]
現在の軍事シミュレーションにおける合成文字の挙動は、一般的にルールベースおよびリアクティブ計算モデルによって生成されるため、限られている。
本稿では,信頼できる行動のコヒーレントなシーケンスを実行できる自律的な合成文字を作成することを目的とした枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-06T18:45:48Z)
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。