論文の概要: Who does what? Work division and allocation strategies of computer science student teams

• arxiv url: http://arxiv.org/abs/2103.09048v1
• Date: Thu, 4 Mar 2021 12:27:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-09 02:11:23.582174
• Title: Who does what? Work division and allocation strategies of computer science student teams
• Title（参考訳）: 誰が何をする? コンピュータサイエンス学生チームにおける作業分割と配置戦略
• Authors: Anna van der Meulen, Efthimia Aivaloglou
• Abstract要約: 本研究の目的は,集団課題におけるコンピュータサイエンスの学生の作業分割とアロケーション戦略の洞察を得ることである。 主に成績と効率の要因によって動機付けられ、学生は以前の専門知識と好みに基づいてタスクを選択し、割り当てる。 この結果から,新しいソフトウェア工学のスキルを実践する学生のモチベーションを抑えることができると論じている。
• 参考スコア（独自算出の注目度）: 5.863264019032882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaboration skills are important for future software engineers. In computer science education, these skills are often practiced through group assignments, where students develop software collaboratively. The approach that students take in these assignments varies widely, but often involves a division of labour. It can then be argued whether collaboration still takes place. The discipline of computing education is especially interesting in this context, because some of its specific features (such as the variation in entry skill level and the use of source code repositories as collaboration platforms) are likely to influence the approach taken within groupwork. The aim of this research is to gain insight into the work division and allocation strategies applied by computer science students during group assignments. To this end, we interviewed twenty students of four universities. The thematic analysis shows that students tend to divide up the workload to enable working independently, with pair programming and code reviews being often employed. Motivated primarily by grade and efficiency factors, students choose and allocate tasks primarily based on their prior expertise and preferences. Based on our findings, we argue that the setup of group assignments can limit student motivation for practicing new software engineering skills, and that interventions are needed towards encouraging experimentation and learning.
• Abstract（参考訳）: コラボレーションスキルは将来のソフトウェアエンジニアにとって重要だ。 コンピュータサイエンス教育では、これらのスキルは、学生が共同でソフトウェアを開発するグループ課題を通じて実践されることが多い。 これらの課題に学生が取り組むアプローチは様々であるが、しばしば分業を伴う。 そして、コラボレーションが現在も行われているかどうかを議論することができる。 コンピューティング教育の分野はこの文脈で特に興味深いのは、特定の特徴(例えば、エントリスキルのレベルの変化やコラボレーションプラットフォームとしてのソースコードリポジトリの使用など)がグループワークで取られたアプローチに影響を与える可能性があるからである。 本研究の目的は,集団課題におけるコンピュータサイエンスの学生の作業分割とアロケーション戦略の洞察を得ることである。 この結果、4つの大学の20人の学生にインタビューを行った。 テーマ分析は、ペアプログラミングとコードレビューが頻繁に採用され、学生は独立して働くためにワークロードを分割する傾向があることを示している。 学生は主に成績と効率の要素に動機付けられ、主に専門知識と選好に基づいてタスクを選択して割り当てる。 本研究の結果から,グループ課題の設定は,新しいソフトウェア工学のスキルを実践する学生のモチベーションを制限し,実験と学習を促進するためには介入が必要であると論じている。

関連論文リスト

• Code Collaborate: Dissecting Team Dynamics in First-Semester Programming Students [3.0294711465150006]
  この研究は、第一期生が2Dゲームプロジェクトを開発するときに現れるコラボレーションのトレンドを強調している。 その結果、学生は自分の貢献をわずかに過大評価することが多く、より熱心な個人は間違いを認めやすいことが示唆された。 チームパフォーマンスは、国籍や性別構成に基づく大きな変化は示さないが、解散したチームは、しばしば孤独なオオカミで構成されていた。
  論文  参考訳（メタデータ） (2024-10-28T11:42:05Z)
• Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
  利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。 本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。 我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
  論文  参考訳（メタデータ） (2024-10-24T10:48:42Z)
• Decentralized and Lifelong-Adaptive Multi-Agent Collaborative Learning [57.652899266553035]
  分散型および生涯適応型多エージェント協調学習は、中央サーバを使わずに複数のエージェント間のコラボレーションを強化することを目的としている。 動的協調グラフを用いた分散マルチエージェント生涯協調学習アルゴリズムであるDeLAMAを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:21:11Z)
• CLGT: A Graph Transformer for Student Performance Prediction in Collaborative Learning [6.140954034246379]
  協調学習のための拡張グラフトランスフォーマーフレームワーク(CLGT)を提案する。 実験結果から,提案したCLGTは,実世界のデータセットに基づいて予測を行うという点で,ベースラインモデルよりも優れていたことが確認された。
  論文  参考訳（メタデータ） (2023-07-30T09:54:30Z)
• Team Composition in Software Engineering Education [0.5439020425819]
  本研究は,ソフトウェア工学教育における学生チーム構成の理解を深めることを目的としている。 本研究の最初の成果を報告する。
  論文  参考訳（メタデータ） (2023-06-14T11:00:05Z)
• Fair and skill-diverse student group formation via constrained k-way graph partitioning [65.29889537564455]
  本研究は、公正かつ多様な学生グループ形成のための教師なしアルゴリズムを導入する。 学生のスキルセットは、ラプラシア固有写像を用いて、コースマークデータの教師なし次元削減を用いて決定される。 この問題は制約付きグラフ分割問題として定式化され、各グループのスキルセットの多様性が最大化される。
  論文  参考訳（メタデータ） (2023-01-12T14:02:49Z)
• Identifying Different Student Clusters in Functional Programming Assignments: From Quick Learners to Struggling Students [2.0386745041807033]
  我々は、マギル大学で教えられた関数型プログラミングコースから収集された学生の課題データを分析する。 これにより、「Quick-learning」、「Hardworking」、「Satisficing」、「Struggling」の4つのクラスタを特定できる。 次に、作業習慣、作業期間、エラーの範囲、エラーを修正する能力が、学生の異なるクラスタに与える影響を分析する。
  論文  参考訳（メタデータ） (2023-01-06T17:15:58Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• The Impact of Remote Pair Programming in an Upper-Level CS Course [0.0]
  ペアプログラミングは、学生にいくつかの利益をもたらす活発な学習手法として強調されてきた。 この研究は、上位レベルのコンピュータサイエンスコースにおけるペアプログラミングの効果を分析する。
  論文  参考訳（メタデータ） (2022-04-06T20:01:01Z)
• Distributed Deep Learning in Open Collaborations [49.240611132653456]
  協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。 現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T16:23:13Z)
• CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and Transfer Learning [138.40338621974954]
  CausalWorldは、ロボット操作環境における因果構造と伝達学習のベンチマークである。 タスクは、ブロックのセットから3D形状を構築することで構成される。
  論文  参考訳（メタデータ） (2020-10-08T23:01:13Z)

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。