論文の概要: Education Games To Learn Basic Algorithm With Near Isometric Projection Method

• arxiv url: http://arxiv.org/abs/2005.13225v1
• Date: Wed, 27 May 2020 08:10:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 05:23:47.946204
• Title: Education Games To Learn Basic Algorithm With Near Isometric Projection Method
• Title（参考訳）: 近距離等距離投影法で基礎アルゴリズムを学習する教育ゲーム
• Authors: Wirawan Istiono, Hijrah, Nur Nawaningtyas.P
• Abstract要約: 本研究は, シークエンシング, オーバーロード, 手順, 再帰ループ, 条件に焦点をあてる。 近等距離射影法で提案された教育ゲームは83.87%の合意に達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Basic programming and algorithm learning is one of the compulsory subjects required for students majoring in computers. As this lesson is knowledge base, it is very important and essential that before learn programmings languages students must be encourages to learn it to avoid difficulties that by using the algorithm learning games application with Near Isometric Projection, Students or prospective students become more interested in learning algorithms and programming. In this study, basic learning algorithms focused on the material Sequencing, Overloading, Procedures, Recursive Loops and Conditionals, which are made so that it can make it easier for students to learn the basics of programming algorithms. The simulated results show that proposed Education Games with Near Isometric Projection method reach 83.87% statement of agreement that application games to learn basic programming algorithms were interesting and helped them to understand basic algorithm after testing using UAT. Testing with User Acceptance Test for 30 students of Multimedia Nusantara University
• Abstract（参考訳）: 基礎プログラミングとアルゴリズム学習は、コンピュータを専攻する学生に必要な必須科目の一つである。 このレッスンは知識ベースであるため、プログラム言語を学ぶ前に、学生は、近等距離射影を用いたアルゴリズム学習ゲームアプリケーションを使用することで、学習アルゴリズムやプログラミングにもっと興味を持つようになるという困難を避けるために、学習を奨励する必要がある。 本研究では,プログラミングアルゴリズムの基礎を学習しやすくするために,シークエンシング,オーバーロード,手順,再帰ループ,条件等に着目した基礎学習アルゴリズムを提案する。 シミュレーションの結果, 等尺射影法に近い教育ゲームは, 基本的なプログラミングアルゴリズムを学ぶための応用ゲームが興味深く, uatを用いたテスト後の基本的なアルゴリズムを理解するのに役立つという合意が83.87%に達した。 マルチメディア・ヌサンタラ大学30人を対象にしたユーザ受け入れテスト

関連論文リスト

• Learning-Augmented Algorithms with Explicit Predictors [67.02156211760415]
  アルゴリズム設計の最近の進歩は、過去のデータと現在のデータから得られた機械学習モデルによる予測の活用方法を示している。 この文脈における以前の研究は、予測器が過去のデータに基づいて事前訓練され、ブラックボックスとして使用されるパラダイムに焦点を当てていた。 本研究では,予測器を解き,アルゴリズムの課題の中で生じる学習問題を統合する。
  論文  参考訳（メタデータ） (2024-03-12T08:40:21Z)
• Executing Natural Language-Described Algorithms with Large Language Models: An Investigation [48.461999568129166]
  自然言語で概説したアルゴリズムを理解・実行するための,今日の大規模言語モデルの能力について検討する。 我々は、30個のアルゴリズムを選択し、300個のランダムサンプリングされたインスタンスを生成し、人気のあるLCMがこれらのアルゴリズムを理解し実行できるかを評価した。 この結果から,LLM,特にGPT-4は,重数値計算を伴わない限り,自然言語で記述されたプログラムを効果的に実行できることが判明した。
  論文  参考訳（メタデータ） (2024-02-23T05:31:36Z)
• Toward Finding and Supporting Struggling Students in a Programming Course with an Early Warning System [1.192436948211501]
  初等プログラミングコースの学生の認知能力について検討した。 認知スキルのほとんどは、学生がプログラミングスキルをある程度取得するかどうかを予測することができる。 その結果,構文訓練と実践演習がコースの成功に有意な影響があることが判明した。
  論文  参考訳（メタデータ） (2024-01-25T12:55:27Z)
• Problem-Solving Guide: Predicting the Algorithm Tags and Difficulty for Competitive Programming Problems [7.955313479061445]
  ほとんどのテック企業は、Google、Meta、Amazonなど、アルゴリズムの問題を解決する能力を必要としている。 本研究は,アルゴリズムタグをエンジニアや開発者の有用なツールとして予測する作業に対処する。 また,この問題の解決に要する時間を計算するための有用なガイダンスとして,アルゴリズム問題の難易度を予測することを検討する。
  論文  参考訳（メタデータ） (2023-10-09T15:26:07Z)
• JiuZhang: A Chinese Pre-trained Language Model for Mathematical Problem Understanding [74.12405417718054]
  本稿では,中国初の数学的事前学習言語モデル(PLM)を提示することにより,機械の数学的知性向上を目指す。 他の標準のNLPタスクとは異なり、数学的テキストは問題文に数学的用語、記号、公式を含むため理解が難しい。 基礎課程と上級課程の両方からなる数学PLMの学習を改善するための新しいカリキュラム事前学習手法を設計する。
  論文  参考訳（メタデータ） (2022-06-13T17:03:52Z)
• The CLRS Algorithmic Reasoning Benchmark [28.789225199559834]
  アルゴリズムの学習表現は機械学習の新たな領域であり、ニューラルネットワークから古典的なアルゴリズムで概念をブリッジしようとしている。 本稿では,従来のアルゴリズムを包括するCLRS Algorithmic Reasoning Benchmarkを提案する。 我々のベンチマークは、ソート、探索、動的プログラミング、グラフアルゴリズム、文字列アルゴリズム、幾何アルゴリズムなど、様々なアルゴリズムの推論手順にまたがっている。
  論文  参考訳（メタデータ） (2022-05-31T09:56:44Z)
• CrossBeam: Learning to Search in Bottom-Up Program Synthesis [51.37514793318815]
  ボトムアップ合成のためのハンズオン検索ポリシーを学習するためのニューラルネットワークのトレーニングを提案する。 私たちのアプローチは、CrossBeamと呼ばれ、ニューラルモデルを使用して、以前に探索されたプログラムを新しいプログラムに組み合わせる方法を選択します。 我々はCrossBeamが効率的に検索することを学び、最先端技術と比較してプログラム空間のより小さな部分を探索する。
  論文  参考訳（メタデータ） (2022-03-20T04:41:05Z)
• How to transfer algorithmic reasoning knowledge to learn new algorithms? [23.335939830754747]
  我々は,実行トレースにアクセス可能なアルゴリズムを用いて,そうでない同様のタスクを解く方法について検討する。 9つのアルゴリズムと3つの異なるグラフタイプを含むデータセットを作成します。 我々はこれを実証的に検証し、その代わりにマルチタスク学習を用いてアルゴリズム推論知識の伝達を実現する方法を示す。
  論文  参考訳（メタデータ） (2021-10-26T22:14:47Z)
• Mastering Rate based Curriculum Learning [78.45222238426246]
  学習の進行という概念には、学習者のサンプル効率の低下につながるいくつかの欠点があると主張する。 本稿では,習得率の概念に基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-14T16:34:01Z)
• Strong Generalization and Efficiency in Neural Programs [69.18742158883869]
  本稿では,ニューラルプログラム誘導の枠組みを強く一般化する効率的なアルゴリズムを学習する問題について検討する。 ニューラルネットワークの入力/出力インターフェースを慎重に設計し、模倣することで、任意の入力サイズに対して正しい結果を生成するモデルを学ぶことができる。
  論文  参考訳（メタデータ） (2020-07-07T17:03:02Z)

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。