論文の概要: Understanding Learners' Problem-Solving Strategies in Concurrent and Parallel Programming: A Game-Based Approach

• arxiv url: http://arxiv.org/abs/2005.04789v1
• Date: Sun, 10 May 2020 21:29:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-20 16:08:33.284176
• Title: Understanding Learners' Problem-Solving Strategies in Concurrent and Parallel Programming: A Game-Based Approach
• Title（参考訳）: 並列・並列プログラミングにおける学習者の問題解決戦略の理解--ゲームベースアプローチ
• Authors: Jichen Zhu, Katelyn Alderfer, Brian Smith, Bruce Char, Santiago Onta\~n\'on
• Abstract要約: 本稿では並列プログラミングと並列プログラミングの教育ゲームであるParallelについて述べる。 本研究は,44人の大学生を対象に,ゲーム後に自己効力感が有意に向上したことを示す。
• 参考スコア（独自算出の注目度）: 5.2998037386426615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Concurrent and parallel programming (CPP) is an increasingly important subject in Computer Science Education. However, the conceptual shift from sequential programming is notoriously difficult to make. Currently, relatively little research exists on how people learn CPP core concepts. This paper presents our results of using Parallel, an educational game about CPP, focusing on the learners' self-efficacy and how they learn CPP concepts. Based on a study of 44 undergraduate students, our research shows that (a) self-efficacy increased significantly after playing the game; (b) the problem-solving strategies employed by students playing the game can be classified in three main types: trial and error, single-thread, and multi-threaded strategies, and (c) that self-efficacy is correlated with the percentage of time students spend in multithreaded problem-solving.
• Abstract（参考訳）: 並列並列プログラミング(cpp)は、コンピュータサイエンス教育においてますます重要な課題である。 しかし、逐次プログラミングから概念的な転換は難しいことで悪名高い。 現在、人々がCPPのコアコンセプトを学ぶ方法に関する研究はほとんどない。 本稿では,学習者の自己効力感とCPP概念の学習方法に着目し,CPPに関する教育ゲームであるParallelを用いた学習結果について述べる。 44人の大学生を対象にした研究では (a)ゲーム後に自己効力は著しく増大する。 (b)ゲームプレイ中の生徒が採用する問題解決戦略は,試行錯誤,シングルスレッド,マルチスレッド戦略の3つの主要なタイプに分類される。 (c) 自己効力は, 学生がマルチスレッド問題解決に費やす時間の割合と相関する。

関連論文リスト

• Let Students Take the Wheel: Introducing Post-Quantum Cryptography with Active Learning [4.804847392457553]
  ポスト量子暗号(PQC)は、既存のソフトウェアシステムをセキュアにするためのソリューションとして認識されている。 本研究は,PQCを大学生や大学院生に教える上での,新たなアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T01:52:03Z)
• Machine Learning for the Multi-Dimensional Bin Packing Problem: Literature Review and Empirical Evaluation [52.560375022430236]
  Bin Packing Problem (BPP) は、よく確立された最適化(CO)問題である。 本稿では、まずBPPを定式化し、その変種と実用的制約を導入する。 次に,多次元BPPのための機械学習に関する総合的な調査を行う。
  論文  参考訳（メタデータ） (2023-12-13T12:39:25Z)
• Enhancing Computer Science Education with Pair Programming and Problem Solving Studios [0.0]
  本研究では,ペアプログラミングと組み合わせることで,問題解決スタジオのコンピュータサイエンス教育への適応について検討する。 PSSは、インストラクターがリアルタイムでフィードバックしたオープンエンドの問題を解決する学生のチームを含む。 PSSは、調整可能な難易度の問題を用いて、近位発達の領域内で全てのレベルの学生を関与させ、機能させる。
  論文  参考訳（メタデータ） (2023-11-03T03:40:55Z)
• NCL++: Nested Collaborative Learning for Long-Tailed Visual Recognition [63.90327120065928]
  本研究では,Nested Collaborative Learning (NCL++)を提案する。 長期学習における協調学習を実現するために,バランスの取れたオンライン蒸留を提案する。 混乱するカテゴリにおける細かな識別能力を改善するために,さらにハードカテゴリーマイニングを提案する。
  論文  参考訳（メタデータ） (2023-06-29T06:10:40Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)
• Class-Incremental Learning via Knowledge Amalgamation [14.513858688486701]
  破滅的な忘れ込みは、継続的な学習環境におけるディープラーニングアルゴリズムの展開を妨げる重要な問題である。 我々は、知識の融合(CFA)による破滅的な忘れを解消するための代替戦略を提唱した。 CFAは、過去のタスクに特化した複数の異種教師モデルから学生ネットワークを学習し、現在のオフライン手法に適用することができる。
  論文  参考訳（メタデータ） (2022-09-05T19:49:01Z)
• Understanding Curriculum Learning in Policy Optimization for Online Combinatorial Optimization [66.35750142827898]
  本稿では,オンラインCO問題に対するポリシー最適化手法に関する最初の体系的研究について述べる。 我々は、オンラインCO問題は、潜在マルコフ決定過程(LMDP)として自然に定式化でき、自然政策勾配(NPG)に収束することを示す。 さらに,本理論はカリキュラム学習の利点を解説し,強力なサンプリングポリシーを見出すことができ,流通シフトを低減できることを示した。
  論文  参考訳（メタデータ） (2022-02-11T03:17:15Z)
• MALib: A Parallel Framework for Population-based Multi-agent Reinforcement Learning [61.28547338576706]
  人口ベースマルチエージェント強化学習(PB-MARL)は、強化学習(RL)アルゴリズムでネストした一連の手法を指す。 PB-MARLのためのスケーラブルで効率的な計算フレームワークMALibを提案する。
  論文  参考訳（メタデータ） (2021-06-05T03:27:08Z)
• Adversaries in Online Learning Revisited: with applications in Robust Optimization and Adversarial training [55.30970087795483]
  オンライン学習における「敵対的」の概念を再考し、堅牢な最適化と敵対的なトレーニング問題を解決することに動機づけられます。 我々は,想像遊びを用いた多種多様な問題クラスに対する一般的なアプローチを確立する。
  論文  参考訳（メタデータ） (2021-01-27T14:23:06Z)
• Multi-Objective Parameter-less Population Pyramid for Solving Industrial Process Planning Problems [3.4389143174241315]
  進化的手法は、難しい実践的な問題を解決する際に、高品質な結果を得るために有効なツールである。 学習を採用する最先端の方法の1つは、そのことだ。 無人口ピラミッド(P3) 近年の研究では、P3はいわゆる重複ブロックの問題に対処する上で非常に競争力が高いことが示されている。
  論文  参考訳（メタデータ） (2020-09-10T09:40:57Z)
• Algorithms in Multi-Agent Systems: A Holistic Perspective from Reinforcement Learning and Game Theory [2.5147566619221515]
  近年では深い強化学習が顕著な成果を上げている。 最近の研究は、シングルエージェントのシナリオを越えて学習を検討し、マルチエージェントのシナリオを検討しています。 従来のゲーム理論アルゴリズムは、現代的なアルゴリズムと組み合わせた明るいアプリケーションの約束を示し、計算能力を高める。
  論文  参考訳（メタデータ） (2020-01-17T15:08:04Z)

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。