論文の概要: Synthesizing Tasks for Block-based Programming
- arxiv url: http://arxiv.org/abs/2006.16913v3
- Date: Thu, 5 Nov 2020 00:00:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 20:20:24.537050
- Title: Synthesizing Tasks for Block-based Programming
- Title（参考訳）: ブロック型プログラミングのためのタスクの合成
- Authors: Umair Z. Ahmed, Maria Christakis, Aleksandr Efremov, Nigel Fernandez,
Ahana Ghosh, Abhik Roychoudhury, Adish Singla
- Abstract要約: 本稿では,ソリューションコードとともに,新しいタスクのセット$(rm Tout, rm Cout)$を自動生成する新しい手法を提案する。
我々のアルゴリズムは、まずコード$rm Cin$を変更して、コードセット$rm Cout$を得る。
- 参考スコア（独自算出の注目度）: 72.45475843387183
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Block-based visual programming environments play a critical role in
introducing computing concepts to K-12 students. One of the key pedagogical
challenges in these environments is in designing new practice tasks for a
student that match a desired level of difficulty and exercise specific
programming concepts. In this paper, we formalize the problem of synthesizing
visual programming tasks. In particular, given a reference visual task $\rm
T^{in}$ and its solution code $\rm C^{in}$, we propose a novel methodology to
automatically generate a set $\{(\rm T^{out}, \rm C^{out})\}$ of new tasks
along with solution codes such that tasks $\rm T^{in}$ and $\rm T^{out}$ are
conceptually similar but visually dissimilar. Our methodology is based on the
realization that the mapping from the space of visual tasks to their solution
codes is highly discontinuous; hence, directly mutating reference task $\rm
T^{in}$ to generate new tasks is futile. Our task synthesis algorithm operates
by first mutating code $\rm C^{in}$ to obtain a set of codes $\{\rm C^{out}\}$.
Then, the algorithm performs symbolic execution over a code $\rm C^{out}$ to
obtain a visual task $\rm T^{out}$; this step uses the Monte Carlo Tree Search
(MCTS) procedure to guide the search in the symbolic tree. We demonstrate the
effectiveness of our algorithm through an extensive empirical evaluation and
user study on reference tasks taken from the \emph{Hour of Code: Classic Maze}
challenge by \emph{Code.org} and the \emph{Intro to Programming with Karel}
course by \emph{CodeHS.com}.
- Abstract（参考訳）: ブロックベースのビジュアルプログラミング環境は、k-12の学生にコンピューティングの概念を導入する上で重要な役割を果たす。
これらの環境における重要な教育的課題の1つは、望ましい難易度に適合し、特定のプログラミング概念を実践する学生のための新しい実践タスクを設計することである。
本稿では,視覚的プログラミングタスクを合成する問題を形式化する。
特に、参照ビジュアルタスク $\rm T^{in}$ とそのソリューションコード $\rm C^{in}$ が与えられたとき、タスク $\rm T^{in}$ と $\rm T^{out}$ が概念的には似ているが視覚的に似ていないようなソリューションコードとともに、新しいタスクのセット $\{(\rm T^{out}, \rm C^{out})\} を自動生成するための新しい方法論を提案する。
提案手法は,視覚的タスクの空間からソリューションコードへのマッピングが極めて不連続であることから,参照タスクの$\rm T^{in}$を直接変更して新しいタスクを生成することは無駄である,という認識に基づいている。
我々のタスク合成アルゴリズムは、最初に$\rm c^{in}$をミュートして$\{\rm c^{out}\}$の一連のコードを取得することで動作します。
次に、このアルゴリズムは、コード$\rm C^{out}$上でシンボル実行を行い、ビジュアルタスク$\rm T^{out}$を得る。
本稿では, アルゴリズムの有効性を, emph{Code.org} の \emph{Hour of Code: Classic Maze} チャレンジと \emph{CodeHS.com の \emph{CodeHS.org} コースから抽出した参照タスクの広範な評価とユーザスタディを通じて実証する。
関連論文リスト
- Metalearning with Very Few Samples Per Task [19.78398372660794]
タスクが共有表現によって関連づけられるバイナリ分類について検討する。
ここでは、データ量は、見る必要のあるタスク数$t$と、タスク当たりのサンプル数$n$で測定されます。
我々の研究は、分布のないマルチタスク学習の特性とメタとマルチタスク学習の削減をもたらす。
論文 参考訳（メタデータ） (2023-12-21T16:06:44Z) - Scaling Distributed Multi-task Reinforcement Learning with Experience
Sharing [38.883540444516605]
DARPAはShELLプログラムを立ち上げた。これは、経験共有が分散生涯学習エージェントにどのように役立つかを探求することを目的としている。
分散マルチタスク強化学習(RL)の理論的および実証的研究を行い、N$エージェントのグループがM$タスクを協調的に解決する。
我々はDistMT-LSVIと呼ばれるアルゴリズムを提案し、各エージェントは独立に$epsilon$-optimal Policyを全ての$M$タスクに対して学習する。
論文 参考訳（メタデータ） (2023-07-11T22:58:53Z) - Simplifying and Understanding State Space Models with Diagonal Linear
RNNs [56.33053691749856]
本研究は、離散化ステップを解消し、バニラ対角線形RNNに基づくモデルを提案する。
概念的にはるかに単純であるにもかかわらず、$mathrmDLR$は以前提案したSSMと同じくらいのパフォーマンスを示す。
また、合成シーケンス・ツー・シーケンス・タスクのスイートによって、SSMとアテンションベースモデルの表現性も特徴付ける。
論文 参考訳（メタデータ） (2022-12-01T18:53:06Z) - Multi-Task Imitation Learning for Linear Dynamical Systems [50.124394757116605]
線形システム上での効率的な模倣学習のための表現学習について検討する。
学習対象ポリシーによって生成された軌道上の模倣ギャップは、$tildeOleft(frack n_xHN_mathrmshared + frack n_uN_mathrmtargetright)$で制限されている。
論文 参考訳（メタデータ） (2022-12-01T00:14:35Z) - A Spectral Approach to Item Response Theory [6.5268245109828005]
本稿では,Raschモデルに対する新しい項目推定アルゴリズムを提案する。
我々のアルゴリズムの中核は、アイテム-イムグラフ上で定義されたマルコフ連鎖の定常分布の計算である。
合成および実生活データセットの実験により、我々のアルゴリズムは、文献でよく使われている手法とスケーラブルで正確で競合することを示した。
論文 参考訳（メタデータ） (2022-10-09T18:57:08Z) - Reward-Mixing MDPs with a Few Latent Contexts are Learnable [75.17357040707347]
報酬混合マルコフ決定過程(RMMDP)におけるエピソード強化学習の検討
我々のゴールは、そのようなモデルにおける時間段階の累積報酬をほぼ最大化する、ほぼ最適に近いポリシーを学ぶことである。
論文 参考訳（メタデータ） (2022-10-05T22:52:00Z) - On the Power of Multitask Representation Learning in Linear MDP [61.58929164172968]
本稿では,線形マルコフ決定過程(MDP)におけるマルチタスク表現学習の統計的メリットについて分析する。
簡単な最小二乗アルゴリズムが $tildeO(H2sqrtfrackappa MathcalC(Phi)2 kappa dNT+frackappa dn) というポリシーを学ぶことを証明した。
論文 参考訳（メタデータ） (2021-06-15T11:21:06Z) - On the Theory of Transfer Learning: The Importance of Task Diversity [114.656572506859]
一般的な関数クラス$mathcalF circ MathcalH$において、$f_j circ h$という形の関数によってパラメータ化される$t+1$タスクを考える。
多様なトレーニングタスクに対して、最初の$t$のトレーニングタスク間で共有表現を学ぶのに必要なサンプルの複雑さが、$C(mathcalH) + t C(mathcalF)$であることを示す。
論文 参考訳（メタデータ） (2020-06-20T20:33:59Z)
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。