論文の概要: TermAdventure: Interactively Teaching UNIX Command Line, Text Adventure
Style
- arxiv url: http://arxiv.org/abs/2104.05456v1
- Date: Mon, 12 Apr 2021 13:23:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-04 01:52:45.333769
- Title: TermAdventure: Interactively Teaching UNIX Command Line, Text Adventure
Style
- Title(参考訳): TermAdventure: テキストアドベンチャースタイルのUNIXコマンドラインをインタラクティブに教える
- Authors: Marek \v{S}uppa, Ondrej Jariabka, Adri\'an Matejov, and Marek Nagy
- Abstract要約: 本稿では、対話型UNIX演習を作成するためのツールスイートであるTermAdventureを紹介する。
アドベンチャー」はUNIXシステム内で行われ、ユーザーインタラクションは標準のUNIXコマンドラインを介して行われる。
このスイートはオープンソースライセンスでリリースされている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Introductory UNIX courses are typically organized as lectures, accompanied by
a set of exercises, whose solutions are submitted to and reviewed by the
lecturers. While this arrangement has become standard practice, it often
requires the use of an external tool or interface for submission and does not
automatically check its correctness. That in turn leads to increased workload
and makes it difficult to deal with potential plagiarism.
In this work we present TermAdventure (TA), a suite of tools for creating
interactive UNIX exercises. These resemble text adventure games, which immerse
the user in a text environment and let them interact with it using textual
commands. In our case the ''adventure'' takes place inside a UNIX system and
the user interaction happens via the standard UNIX command line. The adventure
is a set of exercises, which are presented and automatically evaluated by the
system, all from within the command line environment. The suite is released
under an open source license, has minimal dependencies and can be used either
on a UNIX-style server or a desktop computer running any major OS platform
through Docker.
We also reflect on our experience of using the presented suite as the primary
teaching tool for an introductory UNIX course for Data Scientists and discuss
the implications of its deployment in similar courses. The suite is released
under the terms of an open-source license at
\url{https://github.com/NaiveNeuron/TermAdventure}.
- Abstract(参考訳): UNIXの入門コースは、典型的には講義として組織され、一連の演習が伴い、そのソリューションは講師によって提出され、レビューされる。
このアレンジメントは標準的な慣行になっているが、しばしば提出するために外部ツールやインターフェースを使う必要があり、自動的にその正確性をチェックすることはない。
その結果、作業負荷が増加し、潜在的な盗作に対処することが難しくなります。
本稿では、対話型UNIX演習を作成するためのツール群であるTermAdventure(TA)を紹介する。
これらはテキストアドベンチャーゲームに似ている。テキスト環境にユーザを没入させ、テキストコマンドを使ってユーザと対話させる。
私たちの場合、'adventure'はUNIXシステム内で行われ、ユーザインタラクションは標準のUNIXコマンドラインを介して行われます。
アドベンチャーは一連のエクササイズであり、すべてコマンドライン環境内からシステムによって提示され、自動的に評価される。
このスイートはオープンソースライセンスでリリースされており、最小限の依存関係を持ち、UNIXスタイルのサーバでも、Docker経由で主要なOSプラットフォームを実行するデスクトップコンピュータでも使用できる。
また、データサイエンティストのためのUNIX入門コースの指導ツールとして提示されたスイートを使用した経験を振り返り、同様のコースにおけるその展開の意味について論じる。
このスイートは \url{https://github.com/naiveneuron/termadventure} でオープンソースライセンスの下でリリースされる。
関連論文リスト
- PromptSet: A Programmer's Prompting Dataset [0.0]
PromptSetという,オープンソースのPythonプログラムで使用される61,000以上のユニークな開発者プロンプトを備えた,新しいデータセットを提示する。
このデータセット上で解析を行い、プロンプトのための静的linterの概念を導入する。
論文 参考訳(メタデータ) (2024-02-26T16:34:29Z) - Instruct and Extract: Instruction Tuning for On-Demand Information
Extraction [86.29491354355356]
On-Demand Information extractは、現実世界のユーザのパーソナライズされた要求を満たすことを目的としている。
InstructIEというベンチマークを、自動生成したトレーニングデータと、人手による注釈付きテストセットの両方を含む形で提示する。
InstructIE 上に構築した On-Demand Information Extractor, ODIE をさらに発展させる。
論文 参考訳(メタデータ) (2023-10-24T17:54:25Z) - From Pixels to UI Actions: Learning to Follow Instructions via Graphical
User Interfaces [66.85108822706489]
本稿では,人間がよく使う概念的インタフェースを用いて,デジタル世界と対話するエージェントを作成することに焦点を当てる。
このようなエージェントは、タスクに従うGUIベースの命令のMiniWob++ベンチマークで、人間のクラウドワーカーより優れています。
論文 参考訳(メタデータ) (2023-05-31T23:39:18Z) - Personalized Abstractive Summarization by Tri-agent Generation Pipeline [69.38358552893762]
出力パーソナライゼーションを強化するために,ジェネレータ,インストラクター,エディタからなる三エージェント生成パイプラインを提案する。
生成装置は、初期出力を生成し、インストラクターは、ユーザの好みに基づいて編集命令を自動的に生成し、編集者は、それらの好みに合わせて出力を洗練する。
我々は,大規模編集者モデルからのフィードバックを活かし,教師の指導力を高めるために,編集者による強化学習を用いて指導を行う。
論文 参考訳(メタデータ) (2023-05-04T01:12:35Z) - skrl: Modular and Flexible Library for Reinforcement Learning [0.0]
skrlはPythonで書かれた強化学習のためのオープンソースのモジュールライブラリである。
NVIDIA Isaac Gym環境のロード、設定、操作を可能にする。
論文 参考訳(メタデータ) (2022-02-08T12:43:31Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳(メタデータ) (2022-01-11T12:18:44Z) - OpenPrompt: An Open-source Framework for Prompt-learning [59.17869696803559]
PLM上でのプロンプト学習を行うための統一的な使いやすさツールキットであるOpenPromptを提案する。
OpenPromptは、効率性、モジュール性、拡張性を備えた、リサーチフレンドリーなフレームワークである。
論文 参考訳(メタデータ) (2021-11-03T03:31:14Z) - Dive into Deep Learning [119.30375933463156]
この本はJupyterのノートブックでドラフトされており、説明図、数学、インタラクティブな例を自己完結型コードとシームレスに統合している。
私たちのゴールは、(i)誰でも自由に利用できるリソースを提供すること、(ii)応用機械学習科学者になるための出発点を提供するのに十分な技術的な深さを提供すること、(iii)実行可能なコードを含み、実際にどのように問題を解決するかを読者に示すこと、(iv)私たちとコミュニティの両方による迅速なアップデートを可能にすることです。
論文 参考訳(メタデータ) (2021-06-21T18:19:46Z) - Resonance: Replacing Software Constants with Context-Aware Models in
Real-time Communication [19.620223712564833]
我々は,Skypeの学習コンテキスト関数に定数を置き換える実験的な手法を提案する。
実世界の3つの実験の経験を述べる。Skypeのオーディオ、ビデオ、トランスポートコンポーネントに適用する。
論文 参考訳(メタデータ) (2020-11-23T00:34:56Z) - Reproducible Science with LaTeX [4.09920839425892]
本稿では,文書から外部ソースコードを実行する手順を提案する。
結果のPortable Document Format (pdf)ファイルに自動的に計算出力が含まれている。
論文 参考訳(メタデータ) (2020-10-04T04:04:07Z) - Seq2Seq and Joint Learning Based Unix Command Line Prediction System [13.416277446363775]
UNIXベースのプラットフォームは、アマチュアエンドユーザーからの圧倒的な受信を達成できなかった。
UNIXベースのシステムで人気が低い理由の1つは、それらに対応する急勾配学習曲線である。
この研究はUNIXのコマンドライン予測システムを補助的、適応的、動的に拡張する方法について述べる。
論文 参考訳(メタデータ) (2020-06-20T11:57:01Z)
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。