「快適な」学習のために〜認知負荷理論入門｜教育のスゴい論文
1980年代後半に認知科学の理論を元に提唱され、現在教材開発やUIデザイン等様々な分野で活用されている認知負荷理論。教師にとっても日々の授業改善へのヒントが詰まったこの理論の概要を紹介します。 認知負荷理論（Cognitive Load Theory）とは？人間が頭の中で一度に処理できる情報量には限界がある！という前提の下、学習時に発生する「認知負荷」に注目した理論。 新しいことを学ぶとき、人の頭の中では何が起こっている？ 認知負荷理論では、以下のような人間の頭の中の仕組み（認知アーキテクチャ）を理論の土台としています。 人は目や耳から得た新しい情報を、まず頭の中の「ワーキングメモリ」と呼ばれるスペースに一時的に放り込んで処理し、その後スキーマ（構造化した知識）のかたちで「長期記憶」に貯蔵していく。 「長期記憶」がほぼ無限の容量を持っているのに対して、「ワーキングメモリ」の容量はとても少な
ソフトウェアエンジニアの成長カーブ（5）: 柴田 芳樹 (Yoshiki Shibata)
ソフトウェアエンジニアの成長カーブは、横軸が10年、20年、30年となっており、縦軸がソフトウェア・スキル・インデックスのレベルです。この図に欠けている軸として人数の軸が考えられます。つまり、横軸と縦軸の開始点での人数を100としたら、時間経過とともにその人数がどのように減少していくかということです。 おそらく、横軸の10年頃の時点でかなりの人数が減っているのが現状だと思います。つまり、ソフトウェアエンジニアとしてのキャリアを進んでいる人がかなり減るということです。これは、ソフトウェア開発組織によって大きく左右されます。100人いたソフトウェアエンジニアが10年後には、ほぼ全員が開発をしていないような組織もあるかと思います。たとえば、自分で手を動かしてソフトウェア開発することは、給与が安い若い人や下請けがやるものだと思っている組織では、そうなってしまうと思います。 横軸の10年前後から20
ソフトウェアエンジニアの成長カーブ（4）: 柴田 芳樹 (Yoshiki Shibata)
最近、キャリア（中途）採用の面接をしています。面接に先立って、書籍の一覧が書かれた調査表に記入してもらいます。目的は、どれだけ本を読んでいるかと継続的に技術書を読む習慣を身に付けているかを知るためです。 社会人となって5年から7年経過して、経歴書上は経験を積んでいるように記述されている人でも、その人が業務で使用し習得していると述べられている技術に関連する書籍をほとんど読んでいない人は、技術的なことをほんの少し深く聞いても答えられない人が多いです。 ただし、新卒としてだったら、採用して育成し直すことができるレベルなのにと思う人も多いです。しかし、すでに、社会人となってから、5年以上経て、技術書を読む習慣を全く身に付けていない人は、急に勉強するようにはならないと思います。 「ソフトウェアエンジニアの成長カーブ（２）」に掲載しているイメージ図を拡大してよく見ると、15年以上の右肩下がりとなってい
ソフトウェアエンジニアの成長カーブ（３）: 柴田 芳樹 (Yoshiki Shibata)
先日書いた成長カーブのスライドについての補足です。（「ソフトウェアエンジニアの成長カーブ（２）」） 最初の数年の成長カーブは、所属する開発組織によって、その傾きの角度が大きく変わります。傾きが小さい（悪い）組織、つまり、教育もされず、まわりにも勉強している人がいないような環境であれば、傾きが小さいままレベル3を超えることなく、水平線に移ってしまう可能性があります。一方、その全く逆の組織であれば、最初の3年で確実にレベル3を超えてしまいます。 前者の傾きが低いままレベル3を超えることなく、10年過ぎてしまった人の意識を変えさせるのは、私自身の経験から、私はほとんど不可能だと思っています。会社の中では、何か対策を考えろとか言われることも多いでしょうが、即効性の効果的な対策はないと思います。 ソフトウェア開発は専門職であり、一人前になるには10年以上を要するのですから、やはり、徒弟制度的に、毎年
ソフトウェアエンジニアの成長カーブ（２）: 柴田 芳樹 (Yoshiki Shibata)
「ソフトウェアエンジニアの心得」の教育を今日から始めます。と言っても、今まで行ってきた教育や講演の内容と同じです。しかし、今回、スライドを追加しています。 以前、ブログに書いた「ソフトウェアエンジニアの成長カーブ」をイメージにしたものです。特に、統計調査したものでもありません。あくまでも、私が経験したきたことから想像するイメージです。また、直線で引いていますが、実際の成長は、直線ではありません。 横軸は経験年数、縦軸は「ソフトウェア・スキル・インデックス」です。もちろん、このグラフは正確なカーブを示したものではなく、傾きや高さには個人差もあります。そして、そもそも「ソフトウェア・スキル・インデックス」を正確に測る方法はありません。
ソフトウェアエンジニアの成長カーブ: 柴田 芳樹 (Yoshiki Shibata)
最近良く話していることなのですが、社会人として働き始めた新卒の技術者は、最初の数年は成長していきます。与えられた業務を遂行しながら、そのための学習もしていくからです。しかし、2、3年すると開発業務をこなせるようになり、特に新たな勉強をしなくても、日々、会社に行って開発業務が遂行できるようになります。 この状態、つまり、継続した学習をしなくなった状態で、10年とか経過すると、ソフトウェアの世界は大きく変化している可能性があり、新たな技術が登場し、その人の技量は相対的に今度は低下しはじめます。しかし、この時点で、新たなことを学習するのは困難だったりします。学習する習慣が無いわけですから、勉強しろと言っても、「なぜ、休みの日に勉強しなければならないのですか」ということになります。 そのような人に対して、マネジメントは、その人ができる仕事を与えて、何とか仕事をしてもらいますので、「新たなことを勉強
Ansible トレイルマップ
Ansibleトレイルマップは、Ansibleを学習し活用する過程を旅になぞらえてお伝えする手引書です。道に迷うことなく歩みを進め、Ansibleの世界を満喫しつつ経験を積み、楽しみながら自らの糧にできることを目指しています。 IT運営の自動化は、 ITが生まれた時から多くのエンジニアの悩みの種でした。これからも悩みの種であり続けるでしょう。Ansibleは、技術的な創意工夫が必要な領域を少なくし、誰もが複雑なデプロイを簡単に扱えるようにするために生まれました。そして、開発や運用、サーバやネットワークといったチーム横断の自動化パイプラインの共通言語となり、お互いが協力し改善するための基礎となります。 Ansibleの初学者の皆さん、Ansibleを共通言語として組織に浸透させたいTechリードの皆さん、自動化を次の段階に進めたいと考えているチームリーダーの皆さん、自動化の旅をAnsible
データサイエンス初学者のための実践的な学習環境 「データサイエンス100本ノック（構造化データ加工編）」をGitHubに無料公開 | 一般社団法人データサイエンティスト協会
一般社団法人データサイエンティスト協会（所在地：東京都港区、代表理事：草野 隆史、以下データサイエンティスト協会）は、構造化データの加工について実践的に学ぶことができる無料の学習環境「データサイエンス100本ノック（構造化データ加工編）」をGitHubに公開しました。 「データサイエンス100本ノック（構造化データ加工編）」は、データサイエンス初学者を対象に、データの加工・集計、統計学や機械学習を駆使したモデリングの前処理等を学べるよう、データと実行環境構築スクリプト、演習問題をワンセットにしています。 近年、データ活用の重要性についての認知が広がる中で、書籍やWebサイトなど、データ分析のスキル向上に役立つ情報源も多く提供されています。一方で、実践するための「データ」や「プログラミング実行環境」を持ち合わせていないことも多く、「実践力」を身につける機会が限られていました。特に、「構造化デ
インターネット安全教室_指導者用e-ラーニングコンテンツ | 情報セキュリティ | IPA 独立行政法人 情報処理推進機構
概要 「インターネットの基礎知識」「情報セキュリティ」など、6つのテーマについて、短時間で要点を把握できる指導者用のe-ラーニングコンテンツです。インターネット安全教室の教材を使って講義をする前の勉強や、知識の確認などにご活用ください。
オープンソースのAI学習カー「Donkey Car」を走らせてみた！ - 週刊アスキー
UCバークレーの校内では100台の弁当運びロボがウロチョロしている 自動運転やMaaS（モビリティ・アズ・ア・サービス）が大きく注目を集めているが、もう１つの大きな波は「お弁当運びロボット」かもしれない。先週のMITテクノロジーレビューの記事「UCバークレー学内で出前ロボットが炎上、学生らが追悼」という記事を見ていて、いちばん驚いたのは「バークレー校内で食べ物を配達する100体の出前ロボットのうちの1体」とさりだけなく書かれていたことだ。 実は、MITテクノロジーレビューは２週間前にも「歩くランチボックス、ポストメイツがLAで無人配達を開始」という記事をのせている。その中には、「新たに生まれつつある配達ロボット産業」というくだりも出てきて、彼らが目下注目しているのは「お弁当運びロボット」らしい。 私もまったく彼らと同じように「お弁当運びロボット」に可能性があると思う。無人配達ロボットは、U
2019年版：データサイエンティスト・機械学習エンジニアのスキル要件、そして期待されるバックグラウンドについて - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) この記事は、以前の同様のスキル要件記事のアップデートです。 正直言って内容的には大差ないと思いますが、今回は2つ新たな軸を加えることにしました。一つは「ジュニアレベル（駆け出し）」と「シニアレベル（熟練職人）」とで分けるということ、もう一つは「データ分析以外の業界知識（ドメイン知識）」にも重きを置く、ということです。 というのも、空前の人工知能ブームが予想よりも長く続いていることで、人材マーケットを観察する限りではデータサイエンティスト・機械学習エンジニアとも求人数が高止まりしているように見えるのですが、その結果としてこのブログの過去のスキル要件記事で挙げたような「完成されたデータ分析人材（熟練職人）」に限らず「駆け出し」でも良いからデータ分析人材が欲しいという企業が増えているように感じられるからです。 その一方で、かつては主にwebマーケティング業界
メディカルAI専門コース オンライン講義資料
News¶ 2019/12/06: 講義資料Ver 1.1を公開（2019年度版） 2018/12/17: 講義資料Ver 1.0を公開（2018年度版） 本講義資料について¶ 本ページは 日本メディカルAI学会公認資格：メディカルAI専門コースのオンライン講義資料（以下本資料） です． 本講料を読むことで，医療で人工知能技術を使う際に最低限必要な知識や実践方法を学ぶことができます．本資料は全てGoogle Colaboratoryというサービスを用いて執筆されており，各章はJupyter notebook (iPython notebook)の形式（.ipynb）で以下のリポジトリにて配布されています（notebooksディレクトリ以下に全ての.ipynbファイルが入っています）： japan-medical-ai/medical-ai-course-materials 想定受講者¶ 受
Google Colaboratory を用いた機械学習・深層学習の入門教材を無料公開（健康・医療向けデータを用いた実践編も含む）
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads 71 Ads API 11
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
こうしてふりかえりは終わってしまった / A Demise of a retrospective
卒論の書き方 / Happy Writing
論文の読み方 / How to survey
コードレビュー地獄から�抜け出すためのペアプロ育成法��〜学習科学の視点から〜 #xpjug
幼稚園児・小学生別｜自宅学習に使える無料のオンライン教材一覧 | ライフハッカー・ジャパン
Go言語初学者がConfluenceをMarkdownで書くためのCLIツールを開発した話 - DMM inside
