論文の概要: Automatic Assessment of the Design Quality of Python Programs with Personalized Feedback

• arxiv url: http://arxiv.org/abs/2106.01399v1
• Date: Wed, 2 Jun 2021 18:04:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-05 06:48:55.817456
• Title: Automatic Assessment of the Design Quality of Python Programs with Personalized Feedback
• Title（参考訳）: パーソナライズされたフィードバックによるpythonプログラムの設計品質の自動評価
• Authors: J. Walker Orr, Nathaniel Russell
• Abstract要約: 本稿では,プログラムの設計を評価するニューラルネットワークモデルを提案し,修正の仕方を学生に教えるためにパーソナライズされたフィードバックを提供する。 モデルの有効性はPythonで書かれた学生プログラムのコーパスで評価される。 この研究に参加した学生はプログラムのデザインスコアを19.58%改善した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The assessment of program functionality can generally be accomplished with straight-forward unit tests. However, assessing the design quality of a program is a much more difficult and nuanced problem. Design quality is an important consideration since it affects the readability and maintainability of programs. Assessing design quality and giving personalized feedback is very time consuming task for instructors and teaching assistants. This limits the scale of giving personalized feedback to small class settings. Further, design quality is nuanced and is difficult to concisely express as a set of rules. For these reasons, we propose a neural network model to both automatically assess the design of a program and provide personalized feedback to guide students on how to make corrections. The model's effectiveness is evaluated on a corpus of student programs written in Python. The model has an accuracy rate from 83.67% to 94.27%, depending on the dataset, when predicting design scores as compared to historical instructor assessment. Finally, we present a study where students tried to improve the design of their programs based on the personalized feedback produced by the model. Students who participated in the study improved their program design scores by 19.58%.
• Abstract（参考訳）: プログラム機能の評価は、一般的に直進単体テストで行うことができる。 しかし、プログラムの設計品質を評価することは、はるかに困難で微妙な問題である。 プログラムの可読性と保守性に影響を与えるため、設計品質は重要な考慮事項である。 デザイン品質を評価し、パーソナライズされたフィードバックを与えることは、インストラクターやアシスタントのタスクに非常に時間がかかる。 これにより、小さなクラス設定にパーソナライズされたフィードバックを与えるスケールが制限される。 さらに、設計品質はニュアンスが高く、規則の集合として簡潔に表現することが難しい。 これらの理由から,プログラムの設計を自動評価するニューラルネットワークモデルを提案し,修正方法を学生に指導するパーソナライズされたフィードバックを提供する。 モデルの有効性はPythonで書かれた学生プログラムのコーパスで評価される。 このモデルの精度はデータセットによって83.67%から94.27%であり、過去のインストラクターの評価と比べて設計スコアを予測する。 最後に,モデルが生成したパーソナライズされたフィードバックに基づいて,学生がプログラムの設計を改善する方法を提案する。 この研究に参加した学生はプログラムのデザインスコアを19.58%改善した。

関連論文リスト

• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• Fuzzy Intelligent System for Student Software Project Evaluation [0.0]
  本稿では,学術ソフトウェアプロジェクトの評価を目的としたファジィインテリジェントシステムを提案する。 システムは入力基準を処理し、プロジェクト成功の定量化尺度を作成する。 提案手法は,プロジェクト評価を標準化し,手動グレーディングにおける主観的バイアスを低減するのに役立つ。
  論文  参考訳（メタデータ） (2024-05-01T11:12:22Z)
• QuRating: Selecting High-Quality Data for Training Language Models [64.83332850645074]
  データ品質に関する人間の直感をキャプチャできる事前学習データを選択するQuRatingを導入する。 本稿では,書体,専門知識,事実とトリビア,教育的価値の4つの特性について検討する。 ペアの判断からスカラー評価を学習するためにQurモデルをトレーニングし、それを4つの基準ごとに品質評価付き260Bのトレーニングコーパスにアノテートするために使用します。
  論文  参考訳（メタデータ） (2024-02-15T06:36:07Z)
• Learning and Evaluating Human Preferences for Conversational Head Generation [101.89332968344102]
  そこで我々は,異なる次元の定量的評価に基づいて,人間の嗜好を適合させる学習ベース評価尺度であるPreference Score(PS)を提案する。 PSは人間のアノテーションを必要とせずに定量的評価を行うことができる。
  論文  参考訳（メタデータ） (2023-07-20T07:04:16Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• Automatic Assessment of the Design Quality of Student Python and Java Programs [0.0]
  本研究では,学生プログラムを設計の質を評価するルールベースシステムを提案し,作業改善のための個人的かつ正確なフィードバックを提供する。 学生はシステムから恩恵を受け、設計品質の欠陥の率は4つの異なる割り当てで47.84%減少し、Pythonは2、Javaは2が2だった。
  論文  参考訳（メタデータ） (2022-08-22T06:04:10Z)
• A Multicriteria Evaluation for Data-Driven Programming Feedback Systems: Accuracy, Effectiveness, Fallibility, and Students' Response [7.167352606079407]
  データ駆動型プログラミングフィードバックシステムは、初心者が人間の教師がいない状態でプログラムするのに役立つ。 先行評価の結果、これらのシステムはテストスコアやタスク完了効率の点で学習を改善していることがわかった。 これらの側面には、現在の最先端の本質的な誤認、正しい/間違ったフィードバックに対する生徒のプログラミング行動、効果的な/非効率なシステムコンポーネントが含まれる。
  論文  参考訳（メタデータ） (2022-07-27T00:29:32Z)
• An Analysis of Programming Course Evaluations Before and After the Introduction of an Autograder [1.329950749508442]
  本稿では,最近自己評価を導入した基礎的コンピュータ科学コースの標準化された大学評価アンケートに対する回答について検討する。 我々は,教師と生徒の交流の改善,コースの質の向上,学習の成功の向上,時間の短縮,難易度の向上など,データに大きな変化をもたらした可能性について仮説を立てた。 オートグレーダ技術は、プログラミングコースにおける生徒の満足度を向上させるための教育方法として検証することができる。
  論文  参考訳（メタデータ） (2021-10-28T14:09:44Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Graph-based, Self-Supervised Program Repair from Diagnostic Feedback [108.48853808418725]
  本稿では,ソースコードの修復や診断フィードバックに関連するシンボルを結合するプログラムフィードバックグラフを提案する。 次に、推論プロセスのモデル化にグラフニューラルネットワークを適用します。 オンラインで利用可能なラベルのないプログラムを活用するプログラム修復のための自己指導型学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-05-20T07:24:28Z)

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。