Fugu-MT 論文翻訳(概要): Proof Blocks: Autogradable Scaffolding Activities for Learning to Write Proofs

論文の概要: Proof Blocks: Autogradable Scaffolding Activities for Learning to Write Proofs

arxiv url: http://arxiv.org/abs/2106.11032v3
Date: Wed, 4 May 2022 19:36:46 GMT
ステータス: 処理完了
システム内更新日: 2023-03-27 08:39:07.125513
Title: Proof Blocks: Autogradable Scaffolding Activities for Learning to Write Proofs
Title（参考訳）: Proof Blocks: 証明を書くための学習のための自動化可能な共有アクティビティ
Authors: Seth Poulsen, Mahesh Viswanathan, Geoffrey L. Herman, Matthew West
Abstract要約: Proof Blocksは、学生が事前に書かれた証明行を正しい順序にドラッグ&ドロップすることで、証明を書くことができるソフトウェアツールである。これらの証明は完全に自動的に評価され、学生は自分の証明で何をしているのかを素早くフィードバックすることができる。問題を構築する際、インストラクターは証明の行の依存性グラフを指定し、行の正しい配置をフルクレジットで受け取れるようにする。
参考スコア（独自算出の注目度）: 0.4588028371034407
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Proof Blocks is a software tool which enables students to write proofs by dragging and dropping prewritten proof lines into the correct order. These proofs can be graded completely automatically, enabling students to receive rapid feedback on how they are doing with their proofs. When constructing a problem, the instructor specifies the dependency graph of the lines of the proof, so that any correct arrangement of the lines can receive full credit. This innovation can improve assessment tools by increasing the types of questions we can ask students about proofs, and can give greater access to proof knowledge by increasing the amount that students can learn on their own with the help of a computer.
Abstract（参考訳）: proof blocksは,事前記述された証明行を正しい順序にドラッグ&ドロップすることで,証明を記述できるソフトウェアツールである。これらの証明は完全に自動的に評価され、学生は自分の証明をどうしているかを素早くフィードバックすることができる。問題を構築する際、インストラクタは、証明の行の依存関係グラフを特定し、正しい行の配置が完全なクレジットを受けられるようにする。この革新は、学生に証明について質問できる質問の種類を増やすことでアセスメントツールを改善することができ、コンピュータの助けを借りて生徒が自分で学べる量を増やすことで、証明知識へのアクセスを拡大することができる。

関連論文リスト

Lean-STaR: Learning to Interleave Thinking and Proving [53.923617816215774]
証明の各ステップに先立って,非公式な思考を生成するために,言語モデルをトレーニングするフレームワークであるLean-STaRを紹介します。 Lean-STaRは、Lean定理証明環境内のminiF2F-testベンチマークで最先端の結果を達成する。
論文参考訳（メタデータ） (2024-07-14T01:43:07Z)
Stepwise Verification and Remediation of Student Reasoning Errors with Large Language Model Tutors [78.53699244846285]
大規模言語モデル(LLM)は、高品質なパーソナライズされた教育を全員に拡大する機会を提供する。 LLMは、学生のエラーを正確に検知し、これらのエラーに対するフィードバックを調整するのに苦労する。教師が学生の誤りを識別し、それに基づいて回答をカスタマイズする現実世界の教育実践に触発され、我々は学生ソリューションの検証に焦点をあてる。
論文参考訳（メタデータ） (2024-07-12T10:11:40Z)
LLM Critics Help Catch Bugs in Mathematics: Towards a Better Mathematical Verifier with Natural Language Feedback [71.95402654982095]
本研究では,自然言語フィードバック型検証器Math-Minosを提案する。実験の結果,少量の自然言語フィードバックが検証器の性能を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2024-06-20T06:42:27Z)
Autograding Mathematical Induction Proofs with Natural Language Processing [0.12289361708127876]
本稿では,自由形式の数学的証明を自動分解できる一連のトレーニング手法とモデルを提案する。モデルは、誘導問題によって4つの異なる証明から収集された証明データを用いて訓練される。我々は、トレーニングデータと同じ証明を格付けするために、人間のグルーパーを雇い、最高のグルーパーモデルが、ほとんどの人間のグルーパーよりも正確であることに気付きました。
論文参考訳（メタデータ） (2024-06-11T15:30:26Z)
ProofBuddy: A Proof Assistant for Learning and Monitoring [0.0]
証明能力(Proof competence)、すなわち、(数学的な)証明を書き、チェックする能力は、コンピュータ科学において重要なスキルである。主な問題は、形式言語の正しい使用と証明、特に学生自身の証明が完璧で正しいかどうかの確認である。多くの著者は、証明能力を教えるのに証明アシスタントを使うことを提案したが、その方法の有効性は明らかではない。デンマーク工科大学でProofBuddyのユーザビリティに関する予備的な研究を行った。
論文参考訳（メタデータ） (2023-08-14T07:08:55Z)
LeanDojo: Theorem Proving with Retrieval-Augmented Language Models [72.54339382005732]
大規模言語モデル(LLM)は、Leanのような証明アシスタントを使って形式的な定理を証明することを約束している。既存のメソッドは、プライベートコード、データ、計算要求のために、複製や構築が難しい。本稿では、ツールキット、データ、モデルからなるオープンソースのリーンツールキットであるLeanDojoを紹介します。本研究では,LLM ベースの証明器 ReProver を開発した。
論文参考訳（メタデータ） (2023-06-27T17:05:32Z)
Baldur: Whole-Proof Generation and Repair with Large Language Models [8.100054850290507]
我々は、自然言語のテキストとコードに基づいて訓練され、証明について微調整された大きな言語モデルを使用して、一度に定理のすべての証明を生成する。我々は、この証明生成モデルと微調整の補修モデルを組み合わせて、生成した証明を修復し、さらに証明力を増強する。本手法をプロトタイプであるBaldurで評価し、6,336 Isabelle/HOL定理とその証明のベンチマークで評価する。
論文参考訳（メタデータ） (2023-03-08T22:00:15Z)
Efficiency of Learning from Proof Blocks Versus Writing Proofs [0.0]
本稿では,Proof Blocks を用いた学習成果を,学習者による証明の帰納的学習に活用するためのランダム化制御試験について述べる。インジェクションによる証明に関する学習の初期段階の学生は、講義ノートを読み、Proof Blocksを使って、講義ノートを読み、スクラッチから証明を書くことで、同様に多くを学ぶことができる。
論文参考訳（メタデータ） (2022-11-17T15:57:59Z)
Draft, Sketch, and Prove: Guiding Formal Theorem Provers with Informal Proofs [30.57062828812679]
本稿では,形式的証明スケッチに非公式な証明をマッピングするDraft, Sketch, Prove(DSP)を紹介する。大規模言語モデルでは,形式的証明と同じ推論手順を踏襲して,構造化された形式的スケッチを作成可能であることを示す。
論文参考訳（メタデータ） (2022-10-21T22:37:22Z)
Generating Natural Language Proofs with Verifier-Guided Search [74.9614610172561]
NLProofS (Natural Language Proof Search) を提案する。 NLProofSは仮説に基づいて関連するステップを生成することを学習する。 EntailmentBank と RuleTaker の最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2022-05-25T02:22:30Z)
multiPRover: Generating Multiple Proofs for Improved Interpretability in Rule Reasoning [73.09791959325204]
我々は、自然言語の事実と規則の形で明示的な知識を推論することを目的としている言語形式推論の一種に焦点を当てる。 PRoverという名前の最近の研究は、質問に答え、答えを説明する証明グラフを生成することによって、そのような推論を行う。本研究では,自然言語規則ベースの推論のために複数の証明グラフを生成するという,新たな課題に対処する。
論文参考訳（メタデータ） (2021-06-02T17:58:35Z)

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。