論文の概要: Advancing Equity in STEM: A Critical Analysis of NSF's Division for Equity and Excellence in STEM through Theoretical Lenses
- arxiv url: http://arxiv.org/abs/2511.15217v1
- Date: Wed, 19 Nov 2025 08:08:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-20 15:51:28.699584
- Title: Advancing Equity in STEM: A Critical Analysis of NSF's Division for Equity and Excellence in STEM through Theoretical Lenses
- Title（参考訳）: STEMにおける等価性の向上:理論レンズによるSTEMにおけるNSFの等価性と卓越性に関する批判的分析
- Authors: Shaouna Lodhi,
- Abstract要約: この研究は、現在の政策がシステム障壁の解体に不適切であることを示している。
本稿は、STEM教育環境を根本的に再構築することを超えて、変革的改革を提唱することで締めくくっている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper critically analyzes the National Science Foundation's Division of Equity for Excellence in STEM. While supporting its mission to broaden participation for underrepresented groups, the study finds current policies inadequate for dismantling systemic barriers. Using Critical Race Theory and Mills's Racial Contract, the analysis reveals how well-intentioned initiatives may reinforce racial hierarchies through commodification and exclusion. The research argues that diversity efforts focused on competitiveness often fail to affirm marginalized students' full personhood and intellectual capabilities. The paper concludes by advocating transformative reforms that move beyond access to fundamentally restructure STEM education environments, aligning NSF's practices with its equity and inclusion commitments.
- Abstract（参考訳）: 本稿では,国立科学財団のSTEMにおける卓越性部門を批判的に分析する。
この研究は、過小評価されたグループへの参加を拡大するミッションを支持する一方で、現在の政策がシステム的障壁の解体に不適切であることを見出した。
批判的人種理論とミルズの人種契約を用いて、この分析は、十分に意図されたイニシアチブが、コモディフィケーションと排除を通じて人種的階層をいかに強化するかを明らかにする。
この研究は、競争力に焦点を当てた多様性の努力は、しばしば学生の完全な人格と知的能力の限界を断定することができないと主張している。
本稿は、STEM教育環境を根本的に再構築することを超えて、NSFの実践をその株式と包括的コミットメントと整合させる変革的改革を提唱することで締めくくっている。
関連論文リスト
- Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。
この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。
このボトルネックは、帰属の曖昧さに起因している。
本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
論文 参考訳（メタデータ） (2026-02-05T04:19:52Z) - Toward a Sustainable Federated Learning Ecosystem: A Practical Least Core Mechanism for Payoff Allocation [71.86087908416255]
最小コア(LC)概念に基づく配当フレームワークを提案する。
従来の方法とは異なり、LCは最大の不満を最小限に抑えてフェデレーションの凝集を優先する。
統合侵入検知におけるケーススタディは、我々のメカニズムが重要な貢献者や戦略的提携を正しく識別できることを実証している。
論文 参考訳（メタデータ） (2026-02-03T11:10:50Z) - STEMVerse: A Dual-Axis Diagnostic Framework for STEM Reasoning in Large Language Models [14.280808299733868]
大規模言語モデル(LLM)の推論能力の分析を目的とした診断フレームワークを提案する。
私たちは、主流ベンチマークから2万以上のSTEM問題を、統一された"Discipline $times$ Cognition"機能空間に再集約します。
実験結果から,STEM推論における構造的故障パターンが明らかになった。
論文 参考訳（メタデータ） (2026-01-14T07:17:12Z) - A Feminist Account of Intersectional Algorithmic Fairness [0.0]
我々は、交差フェミニスト理論からの洞察により、グリーンの実体的アルゴリズムフェアネスの概念を拡張した実体的区間的アルゴリズムフェアネスを提案する。
我々は,アルゴリズムシステムの設計,評価,展開を指導するために,ROOF方法論に10のデシラタを導入している。
計算科学と社会科学の視点をブリッジすることで、より公平で包括的で文脈に敏感な交叉アルゴリズムの実践のための実用的なガイダンスを提供する。
論文 参考訳（メタデータ） (2025-08-25T12:09:04Z) - MIST: Towards Multi-dimensional Implicit BiaS Evaluation of LLMs via Theory of Mind [27.209638457499427]
大規模言語モデル(LLM)における心の理論 (ToM) とは、精神状態の推論能力を指す。
本稿では,Streotype Content Model (SCM) を応用して,能力,社会性,モラルの多次元的障害としてバイアスを再認識する評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-17T03:50:57Z) - Advancing Fairness in Natural Language Processing: From Traditional Methods to Explainability [0.9065034043031668]
この論文は、NLPシステムにおける株式と透明性の必要性に対処している。
高リスクNLPアプリケーションにおけるバイアスを軽減する革新的なアルゴリズムを導入している。
また、トランスフォーマーモデルの概念を特定し、ランク付けするモデルに依存しない説明可能性法を提案する。
論文 参考訳（メタデータ） (2024-10-16T12:38:58Z) - Social Debiasing for Fair Multi-modal LLMs [59.61512883471714]
MLLM(Multi-modal Large Language Models)は、研究分野を劇的に進歩させ、強力な視覚言語理解機能を提供する。
これらのモデルは、しばしば訓練データから根深い社会的偏見を継承し、人種や性別などの属性に対する不快な反応をもたらす。
本稿では,MLLMにおける社会的バイアスの問題を,複数の社会的概念を持つ包括的対実的データセットを導入することで解決する。
論文 参考訳（メタデータ） (2024-08-13T02:08:32Z) - Catalyzing Equity in STEM Teams: Harnessing Generative AI for Inclusion
and Diversity [0.0]
本稿では、STEM-チーム間の多様性と包摂性を促進するために、計算モデルと生成AIの変換可能性について述べる。
公式なコラボレーションスキルアセスメント、包括的分析、社会認知研究のための資金、包括的トレーニングのための人間-AIチーム。
このロードマップはAIによって強化されたコラボレーションを推進し、様々な声が積極的に奨励され、協力的な科学的努力の中で耳を傾けるSTEMの未来に対するビジョンを提供する。
論文 参考訳（メタデータ） (2024-01-08T21:10:18Z) - MR-GSM8K: A Meta-Reasoning Benchmark for Large Language Model Evaluation [60.65820977963331]
大規模言語モデル(LLM)のための新しい評価パラダイムを導入する。
このパラダイムは、しばしば推論プロセスを無視する結果指向の評価から、より包括的な評価へと重点を移す。
GSM8Kデータセットにこのパラダイムを適用し,MR-GSM8Kベンチマークを開発した。
論文 参考訳（メタデータ） (2023-12-28T15:49:43Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳（メタデータ） (2023-09-02T00:32:55Z) - Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。
多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。
この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
論文 参考訳（メタデータ） (2022-11-18T21:58:35Z) - Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。
機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。
本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文 参考訳（メタデータ） (2022-06-29T04:32:10Z) - Western ideological homogeneity in entrepreneurial finance research:
Evidence from highly cited publications [0.0]
起業家金融の規律は、金融と起業家精神の関連を探求するために生まれた。
起業家精神のグローバルな存在にもかかわらず、起業家金融の文献は西洋のイデオロギー的均質であると疑われている。
論文 参考訳（メタデータ） (2020-07-31T18:03:44Z)
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。