論文の概要: PyBryt: auto-assessment and auto-grading for computational thinking
- arxiv url: http://arxiv.org/abs/2112.02144v1
- Date: Fri, 3 Dec 2021 20:01:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-05 23:47:42.860263
- Title: PyBryt: auto-assessment and auto-grading for computational thinking
- Title（参考訳）: PyBryt:計算思考のための自動評価と自動階調
- Authors: Christopher Pyles, Francois van Schalkwyk, Gerard J. Gorman, Marijan
Beg, Lee Stott, Nir Levy, and Ran Gilad-Bachrach
- Abstract要約: 本稿では,プログラミングの課題について,学生に形式的フィードバックを提供するための新しいアプローチを提案する。
提案手法では,学生のコードから生成された中間結果を動的に評価し,教師が提供した参照実装と比較する。
- 参考スコア（独自算出の注目度）: 6.1345408064202696
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We continuously interact with computerized systems to achieve goals and
perform tasks in our personal and professional lives. Therefore, the ability to
program such systems is a skill needed by everyone. Consequently, computational
thinking skills are essential for everyone, which creates a challenge for the
educational system to teach these skills at scale and allow students to
practice these skills. To address this challenge, we present a novel approach
to providing formative feedback to students on programming assignments. Our
approach uses dynamic evaluation to trace intermediate results generated by
student's code and compares them to the reference implementation provided by
their teachers. We have implemented this method as a Python library and
demonstrate its use to give students relevant feedback on their work while
allowing teachers to challenge their students' computational thinking skills.
- Abstract（参考訳）: 私たちは、コンピュータシステムと継続的に対話し、目標を達成するとともに、個人的および専門的な生活の中でタスクを実行します。
したがって、このようなシステムをプログラムする能力は、誰もが必要とするスキルである。
したがって、計算思考スキルは全員にとって不可欠であり、教育システムがこれらのスキルを大規模に教え、学生がこれらのスキルを実践できるようにするための課題を生み出す。
この課題に対処するために,学生にプログラミング課題に対する形式的フィードバックを提供する新しいアプローチを提案する。
提案手法では,学生のコードから生成された中間結果を動的に評価し,教師による参照実装と比較する。
この手法をPythonライブラリとして実装し,教師が生徒の計算思考スキルに挑戦しながら,学生の作業に対する適切なフィードバックを提供することを実証した。
関連論文リスト
- Real-time classification of EEG signals using Machine Learning deployment [0.0]
本研究では,ある話題に対する生徒の理解度を予測するための,機械学習に基づくアプローチを提案する。
システムパラメータの値にアクセスして、選択したトピックに対する生徒の集中度を決定するブラウザインターフェースが導入された。
論文 参考訳（メタデータ） (2024-12-27T08:14:28Z) - WIP: A Unit Testing Framework for Self-Guided Personalized Online Robotics Learning [3.613641107321095]
本稿では,授業ワークフローに統合しながら,単体テストのためのシステムを構築することに焦点を当てる。
フレームワークのパーソナライズされた学生中心のアプローチに合わせて、この方法は学生がプログラミング作業を簡単に修正し、デバッグできるようにする。
単体テストを含むコースワークフローは、学習環境を強化し、学生が自己指導型でロボットをプログラムする方法を学習できるように、よりインタラクティブにする。
論文 参考訳（メタデータ） (2024-05-18T00:56:46Z) - From Keyboard to Chatbot: An AI-powered Integration Platform with Large-Language Models for Teaching Computational Thinking for Young Children [22.933382649048113]
子どものための計算思考を効果的に教えるための,AIを活用した統合プラットフォームを用いた新しい方法論を提案する。
幼児は自然言語で目的のタスクを記述でき、システムは理解しやすいプログラムで応答できる。
有形ロボットは、直ちに分解されたプログラムを実行し、そのプログラムの結果を幼児に示すことができる。
論文 参考訳（メタデータ） (2024-05-01T04:29:21Z) - Dexterous Manipulation from Images: Autonomous Real-World RL via Substep
Guidance [71.36749876465618]
本稿では,ユーザが新しいタスクを定義するための"プログラミング不要"なアプローチを提供する,視覚に基づくデクスタラスな操作システムについて述べる。
本システムには,最終タスクと中間タスクを画像例で定義するためのフレームワークが組み込まれている。
実世界における多段階物体操作の4指ロボットハンドラーによる実験結果
論文 参考訳（メタデータ） (2022-12-19T22:50:40Z) - 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) - Teacher-student curriculum learning for reinforcement learning [1.7259824817932292]
強化学習(rl)は、シーケンシャルな意思決定問題に対する一般的なパラダイムである。
深部強化学習手法のサンプル非効率性は,実世界の問題に適用する際の重要な障害である。
そこで我々は,学生が選択した課題の解き方を学習している間に,生徒の課題を選択する教師を同時に訓練する学習環境を提案する。
論文 参考訳（メタデータ） (2022-10-31T14:45:39Z) - Building an Effective Automated Assessment System for C/C++ Introductory
Programming Courses in ODL Environment [0.0]
学生の作業を評価する従来の方法は、時間と労力の両面で不十分になってきている。
遠隔教育環境では、多くの家庭教師を雇うための重厚な報酬の観点からも、こうした評価がさらに困難になる。
私たちは、効果的な自動評価システムを構築するのに必要な、さまざまなコンポーネントを特定します。
論文 参考訳（メタデータ） (2022-05-24T09:20:43Z) - BC-Z: Zero-Shot Task Generalization with Robotic Imitation Learning [108.41464483878683]
本稿では,視覚に基づくロボット操作システムにおいて,新しいタスクを一般化することの課題について検討する。
実演と介入の両方から学ぶことができるインタラクティブで柔軟な模倣学習システムを開発した。
実際のロボットにおけるデータ収集を100以上のタスクにスケールすると、このシステムは平均的な成功率44%で24の目に見えない操作タスクを実行できる。
論文 参考訳（メタデータ） (2022-02-04T07:30:48Z) - Lifelong Learning Metrics [63.8376359764052]
DARPA Lifelong Learning Machines (L2M) プログラムは、人工知能(AI)システムの進歩を目指している。
本論文は、生涯学習シナリオを実行するエージェントのパフォーマンスの構築と特徴付けのためのフォーマリズムを概説する。
論文 参考訳（メタデータ） (2022-01-20T16:29:14Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z) - The Ingredients of Real-World Robotic Reinforcement Learning [71.92831985295163]
実世界で収集されたデータによって継続的に自律的に改善できるロボット学習システムに必要な要素について論じる。
本稿では,このようなシステムの特異なインスタンス化を事例として,デクスタラスな操作を事例として提案する。
我々は人間の介入なしに学習できることを実証し、現実世界の3本指の手で様々な視覚ベースのスキルを習得する。
論文 参考訳（メタデータ） (2020-04-27T03:36:10Z)
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。