論文の概要: Mapping data literacy trajectories in K-12 education

• arxiv url: http://arxiv.org/abs/2603.28317v1
• Date: Mon, 30 Mar 2026 11:38:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.366639
• Title: Mapping data literacy trajectories in K-12 education
• Title（参考訳）: K-12教育におけるデータリテラシートラジェクトリのマッピング
• Authors: Robert Whyte, Manni Cheung, Katharine Childs, Jane Waite, Sue Sentance,
• Abstract要約: データリテラシーのスキルは、コンピュータサイエンスの教育に欠かせない。 データ駆動システムの動作を理解することは、従来のルールベースのプログラミングからのパラダイムシフトを表している。 i)論理(知識ベースまたはデータ駆動システム)と(ii)説明可能性(透明または不透明モデル)の2つの側面に沿って学習活動を分類するデータパラダイムフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data literacy skills are fundamental in computer science education. However, understanding how data-driven systems work represents a paradigm shift from traditional rule-based programming. We conducted a systematic literature review of 84 studies to understand K-12 learners' engagement with data across disciplines and contexts. We propose the data paradigms framework that categorises learning activities along two dimensions: (i) logic (knowledge-based or data-driven systems), and (ii) explainability (transparent or opaque models). We further apply the notion of learning trajectories to visualize the pathways learners follow across these distinct paradigms. We detail four distinct trajectories as a provocation for researchers and educators to reflect on how the notion of data literacy varies depending on the learning context. We suggest these trajectories could be useful to those concerned with the design of data literacy learning environments within and beyond CS education.
• Abstract（参考訳）: データリテラシーのスキルは、コンピュータサイエンスの教育に欠かせない。 しかし、データ駆動システムがどのように機能するかを理解することは、従来のルールベースのプログラミングからパラダイムシフトを表している。 そこで本研究では,K-12学習者の学習内容と学習内容の関連性を理解するため,84研究の体系的な文献レビューを行った。 学習活動を2つの側面に沿って分類するデータパラダイムフレームワークを提案する。 (i)論理(知識ベースまたはデータ駆動システム)、 (二 説明可能性(透明又は不透明のモデル) さらに,これらの異なるパラダイムにまたがる経路を可視化するために,学習軌跡の概念を適用した。 我々は,データリテラシーの概念が学習コンテキストによってどのように異なるか,研究者や教育者にとっての挑発として,4つの異なる軌跡を詳述する。 これらのトラジェクトリは、CS教育内外のデータリテラシー学習環境の設計に関心を持つ人々にとって有用である可能性が示唆された。

関連論文リスト

• GraphRAG-Induced Dual Knowledge Structure Graphs for Personalized Learning Path Recommendation [56.37740554448673]
  本稿では知識概念構造グラフ生成モジュールEDU-GraphRAGを紹介する。 次に、ブロックされた学習経路の問題を緩和する識別学習駆動強化学習(DLRL)モジュールを提案する。 我々は3つのベンチマークデータセットに対して広範な実験を行い、その手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-06-27T15:15:42Z)
• LLMs as Educational Analysts: Transforming Multimodal Data Traces into Actionable Reading Assessment Reports [6.523137821124204]
  本研究では,多モーダルデータを用いた意味的読解の導出について検討する。 我々は、異なる読取行動パターンを識別するために教師なし学習技術を用いる。 大規模言語モデル(LLM)は、派生した情報を教育者のための実行可能なレポートに合成する。
  論文  参考訳（メタデータ） (2025-03-03T22:34:08Z)
• Unpacking Approaches to Learning and Teaching Machine Learning in K-12 Education: Transparency, Ethics, and Design Activities [0.0]
  機械学習の学習と教育を概念化するための3つのアプローチを同定する。 その1つは、データ駆動アプローチであり、若者にデータセットを作成し、トレーニングし、テストする機会を提供することを強調している。 アルゴリズム駆動学習の第2のアプローチは、機械学習モデルの背後にある学習アルゴリズムやエンジンの動作に関する学習を優先するものだ。
  論文  参考訳（メタデータ） (2024-06-05T17:37:21Z)
• Learning Beyond Pattern Matching? Assaying Mathematical Understanding in LLMs [58.09253149867228]
  本稿では,LLMのドメイン知識を,問題解決に必要な数学的スキルの理解を通じて評価する。 汎用科学アシスタントとしてLLMを用いることで, LLMの確率分布の変化を評価するためにtextitNTKEvalを提案する。 系統的な分析では、文脈内学習中にドメイン理解の証拠が見つかる。 ある命令チューニングは、異なるデータでのトレーニングに関係なく、同様のパフォーマンス変化をもたらし、異なるスキルに対するドメイン理解の欠如を示唆している。
  論文  参考訳（メタデータ） (2024-05-24T12:04:54Z)
• Understanding the Progression of Educational Topics via Semantic Matching [0.9246281666115259]
  教育システムは、技術進歩、工業的、社会的ニーズに適応し、学生の学習行動を強化するために、動的に変化している。 カリキュラムスペシャリストや教育者は、学年ごとの教科を常に改訂し、ギャップを特定し、新しい学習トピックを導入し、学習結果を強化する。 データセット内に構築された主題、トピック、学習結果に関する微妙なデータを持つことで、データサイエンスを活用して、さまざまな学習トピックの進捗をよりよく理解することが可能になる。
  論文  参考訳（メタデータ） (2024-02-10T08:24:29Z)
• Revisiting Self-supervised Learning of Speech Representation from a Mutual Information Perspective [68.20531518525273]
  我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。 我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。 我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
  論文  参考訳（メタデータ） (2024-01-16T21:13:22Z)
• Implicit Offline Reinforcement Learning via Supervised Learning [83.8241505499762]
  監視学習によるオフライン強化学習(RL)は、さまざまな専門レベルのポリシーによって収集されたデータセットからロボットスキルを学ぶための、シンプルで効果的な方法である。 我々は、暗黙的なモデルが返却情報を利用して、固定されたデータセットからロボットスキルを取得するために、明示的なアルゴリズムにマッチするか、あるいは性能を向上するかを示す。
  論文  参考訳（メタデータ） (2022-10-21T21:59:42Z)
• Contrastive Instruction-Trajectory Learning for Vision-Language Navigation [66.16980504844233]
  視覚言語ナビゲーション(VLN)タスクでは、エージェントが自然言語の指示でターゲットに到達する必要がある。 先行研究は、命令-軌道対間の類似点と相違点を識別できず、サブ命令の時間的連続性を無視する。 本稿では、類似したデータサンプル間の分散と、異なるデータサンプル間の分散を探索し、ロバストなナビゲーションのための独特な表現を学習するContrastive Instruction-Trajectory Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-08T06:32:52Z)

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。