AIの時代における人工ニューラルネットワークによる教育実践の強化

科学分野:

• 数学生物学
• コンピュータ科学
• 教育技術

背景:

• C-MATHのフレームワークは,数学モデリングを通して,実際の世界の文脈を理解する学生を支援します.
• 先進的な技術と批判的思考のスキルの開発は,特にSTEM分野では,学生にとって極めて重要です.
• 神経ネットワーク (NN) のような人工知能 (AI) ツールは,科学研究と教育のための強力な能力を提供します.

研究 の 目的:

• C-MATH-NNフレームワークを導入し,C-MATHを人工ニューラルネットワーク (NN) で拡張し,学生の学習を強化する.
• ニューラルネットワーク (NN) の概念と科学研究におけるその応用に関するアクセシブルな紹介を提供すること.
• 学生の学際的,協力的,社会的に意識した学習体験を育む.

主な方法:

• 人工ニューラルネットワーク (NN) を統合したC-MATH-NNフレームワークを開発した.
• MS-Excelで実装されたシンプルなフィードフォワード物理情報ニューラルネットワーク (PINN) を導入しました.
• PINNモデルの堅牢でスケーラブルなPython実装を作成しました.
• オンラインリポジトリで共有されたカリキュラム資料,MS-Excelワークブック,Pythonファイル.

主要な成果:

• C-MATH-NNフレームワークは,数学モデリング教育にNNをうまく統合しています.
• PINNモデルのMS-ExcelとPythonの実装は,疫学モデルに有効です.
• この枠組みは,数学生物学の研究における学生の成功に貢献しています.
• 共有されたリソースは,学生とインストラクターの技術の習得を容易にする.

結論:

• C-MATH-NNの枠組みは,数学生物学における大学院の研究と学習を強化します.
• MS-ExcelとPythonでのアクセシブルな実装は,教育におけるAIツールの使用を民主化します.
• このフレームワークは次世代に 社会的利益のために不可欠な技術と批判的思考のスキルを備えています