論文の概要: The impact of students behaviour, their approach, emotions and problem
difficulty level on the performance prediction, evaluation and overall
learning process during online coding activities
- arxiv url: http://arxiv.org/abs/2112.14407v1
- Date: Wed, 29 Dec 2021 06:11:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-30 16:36:05.312701
- Title: The impact of students behaviour, their approach, emotions and problem
difficulty level on the performance prediction, evaluation and overall
learning process during online coding activities
- Title(参考訳): 生徒の行動, そのアプローチ, 感情, 課題難易度がオンラインコーディング活動におけるパフォーマンス予測, 評価, 学習過程に及ぼす影響
- Authors: Dr. Hardik Patel, Dr. Purvi Koringa
- Abstract要約: 2つのオンラインコーディングの課題またはコンペティションが1時間制限で実施される。
各コーディングテストの最後に調査が行われ、さまざまな質問に対する回答が収集された。
229(ファーストコーディングコンペティションデータセット)と325(セカンドコーディングコンペティションデータセット)のデータポイントに関する詳細な調査を通じて、2つのコーディングアサインやコンペティションが分析される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Learning process while solving coding problems is quite complex to
understand. It is extremely important to understand the skills which are
required and gained during learning to code. As a first step to understand the
students behaviour and approach during learning coding, two online coding
assignments or competitions are conducted with a 1-hour time limit. A survey
has been conducted at the end of each coding test and answers to different
questions have been collected. In depth statistical analysis is done to
understand the learning process while solving the coding problems. It involves
lots of parameters including students behaviour, their approach and difficulty
level of coding problems. The inclusion of mood and emotions related questions
can improve overall prediction performance but difficulty level matters in the
submission status prediction. Two coding assignments or competitions are
analyzed through in-depth research on 229 (first coding competition dataset)
and 325 (second coding competition dataset) data points. The primary results
are promising and these results give in depth insights about how learning to
solve coding problems is affected by students behaviour, their approach,
emotions and problem difficulty level.
- Abstract(参考訳): コーディング問題を解きながらプロセスを学ぶことは、非常に複雑です。
コーディングを学ぶ際に必要とされるスキルを理解することは極めて重要です。
プログラミング学習における学生の行動とアプローチを理解するための第一歩として、オンラインコーディングの課題と競技を1時間以内で行う。
各コーディングテストの最後に調査が行われ、さまざまな質問に対する回答が収集された。
コーディング問題を解きながら学習過程を理解するために,深い統計解析を行う。
これには、学生の行動、そのアプローチ、コーディング問題の難易度など、多くのパラメータが含まれる。
気分や感情に関連する質問を取り入れることで、全体的な予測性能は向上するが、提出状況の予測では難易度が問題となる。
229(ファーストコーディングコンペティションデータセット)と325(セカンドコーディングコンペティションデータセット)のデータポイントに関する詳細な調査を通じて、2つのコーディングアサインやコンペティションが分析される。
主な結果は有望であり、これらの結果は、コーディング問題を解決するための学習が学生の行動、アプローチ、感情、問題難易度によってどのように影響を受けるかについて深い洞察を与える。
関連論文リスト
- YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳(メタデータ) (2024-01-28T14:32:15Z) - Investigating the Impact of Vocabulary Difficulty and Code Naturalness
on Program Comprehension [3.35803394416914]
本研究の目的は,言語習得の観点から可読性と可読性を評価することである。
我々は,それらの相関関係を理解するために統計的解析を行い,可読性および可読性予測法の性能向上にコード自然性および語彙難易度を用いることができるか分析する。
論文 参考訳(メタデータ) (2023-08-25T15:15:00Z) - Towards a Holistic Understanding of Mathematical Questions with
Contrastive Pre-training [65.10741459705739]
本稿では,数学的問題表現,すなわち QuesCo に対する対照的な事前学習手法を提案する。
まず、コンテンツレベルと構造レベルを含む2段階の質問強化を設計し、類似した目的で文字通り多様な質問ペアを生成する。
そこで我々は,知識概念の階層的情報を完全に活用するために,知識階層を意識したランク戦略を提案する。
論文 参考訳(メタデータ) (2023-01-18T14:23:29Z) - JiuZhang: A Chinese Pre-trained Language Model for Mathematical Problem
Understanding [74.12405417718054]
本稿では,中国初の数学的事前学習言語モデル(PLM)を提示することにより,機械の数学的知性向上を目指す。
他の標準のNLPタスクとは異なり、数学的テキストは問題文に数学的用語、記号、公式を含むため理解が難しい。
基礎課程と上級課程の両方からなる数学PLMの学習を改善するための新しいカリキュラム事前学習手法を設計する。
論文 参考訳(メタデータ) (2022-06-13T17:03:52Z) - GPT-based Open-Ended Knowledge Tracing [24.822739021636455]
学生の質問に対する回答を正確に予測する新しい課題について検討する。
私たちの研究は、コンピュータサイエンス教育の分野において、プログラミングに関する質問に基礎を置いています。
学生の知識に基づくコード生成手法であるOKT問題の初期解を開発した。
論文 参考訳(メタデータ) (2022-02-21T02:33:34Z) - 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) - Students Struggle to Explain Their Own Program Code [0.0]
プログラミング演習に応募した後、学生に小プログラムの構造と実行について説明するよう依頼する。
生徒の3分の1は、自身のプログラムコードを説明するのに苦労した。
以上の結果から,QLCの正解は,単に正しいプログラムを提出するよりも,学生の成功率と保持率との相関が強いことが示唆された。
論文 参考訳(メタデータ) (2021-04-14T09:13:05Z) - Variable-Shot Adaptation for Online Meta-Learning [123.47725004094472]
従来のタスクから静的データにまたがるメタラーニングによって,少数の固定された例から新しいタスクを学習する問題について検討する。
メタラーニングは,従来の教師付き手法に比べて,ラベルの総数が少なく,累積性能も高いタスクセットを解く。
これらの結果から,メタラーニングは,一連の問題を継続的に学習し,改善する学習システムを構築する上で重要な要素であることが示唆された。
論文 参考訳(メタデータ) (2020-12-14T18:05:24Z) - When is Memorization of Irrelevant Training Data Necessary for
High-Accuracy Learning? [53.523017945443115]
我々は,十分な精度のトレーニングアルゴリズムが,予測モデルにおいて,そのトレーニング例の大規模サブセットに関する情報を本質的にすべてエンコードしなければならない自然予測問題を記述する。
私たちの結果は、トレーニングアルゴリズムや学習に使用されるモデルのクラスに依存しません。
論文 参考訳(メタデータ) (2020-12-11T15:25:14Z) - Adversarial Training for Code Retrieval with Question-Description
Relevance Regularization [34.29822107097347]
入力問題から難しいコードスニペットを生成するために,簡単な逆学習手法を適用した。
本稿では,逆学習の規則化に質問記述の関連性を活用することを提案する。
我々の対角学習法は,最先端モデルの性能を向上させることができる。
論文 参考訳(メタデータ) (2020-10-19T19:32:03Z)
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。