دانلود مقاله ISI انگلیسی شماره 78547
ترجمه فارسی عنوان مقاله

تدریس مدل سازی محاسباتی در عصر اطلاعات علمی؟

عنوان انگلیسی
Teaching Computational Modeling in the Data Science Era ☆
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
78547 1977 10 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Computer Science, Volume 80, 2016, Pages 1968–1977

ترجمه کلمات کلیدی
محتوای دوره، تجزیه و تحلیل داده ها، شبیه سازی ها
کلمات کلیدی انگلیسی
Course content; Data analytics; Simulations
ترجمه چکیده
یکپارچه سازی داده ها و مدل ها یک هدف مهم و در عین حال چالش برانگیز در علم است. مدلسازی محاسباتی برای چندین دهه آموزش داده شده و به طور منظم تجدید نظر شده است، به عنوان مثال در سال 2000، جایی که آن را بیشتر شامل داده کاوی شد. همانطور که ما در حال حاضر در علم اطلاعات هستیم عصر، ما به مناسبت (و اغلب انگیزه) آموزش به روش یکپارچه سازی مدل سازی محاسباتی و علوم داده. در این مقاله، محتوای دوره ها و برنامه های مربوط به مدل سازی محاسباتی و / یا علوم داده مورد بررسی قرار گرفتیم. از این بررسی و تجربه تدریس ما، ما مجموعه ای از اصول طراحی برای یک دوره یکپارچه سازی را تشکیل دادیم. ما به طور مستقل این اصول را در دو دانشگاه دولتی تحقیقاتی، در کانادا و ایالات متحده آمریکا اجرا کردیم، برای یک دوره هدفمند دانشجویان فارغ التحصیلی و دانشجویان مقطع کارشناسی ارشد. ما این پیاده سازی ها را مورد بحث و مخالفت قرار می دهیم و راه هایی را ارائه می دهیم که در آن تدریس علوم علمی محاسبات می تواند ادامه پیدا کند.

چکیده انگلیسی

Integrating data and models is an important and still challenging goal in science. Computational modeling has been taught for decades and regularly revised, for example in the 2000s where it became more inclusive of data mining. As we are now in the ‘data science’ era, we have the occasion (and often the incentive) to teach in an integrative manner computational modeling and data science. In this paper, we reviewed the content of courses and programs on computational modeling and/or data science. From this review and our teaching experience, we formed a set of design principles for an integrative course. We independently implemented these principles in two public research universities, in Canada and the US, for a course targeting graduate students and upper-division undergraduates. We discuss and contrast these implementations, and suggest ways in which the teaching of computational science can continue to be revised going forward.