論文の概要: Efficient Feedback and Partial Credit Grading for Proof Blocks Problems
- arxiv url: http://arxiv.org/abs/2204.04196v3
- Date: Mon, 8 May 2023 21:43:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 16:55:47.654087
- Title: Efficient Feedback and Partial Credit Grading for Proof Blocks Problems
- Title（参考訳）: 証明ブロック問題に対する効率的なフィードバックと部分信用格付け
- Authors: Seth Poulsen, Shubhang Kulkarni, Geoffrey Herman, and Matthew West
- Abstract要約: 本稿では,全検索空間を網羅的に列挙するベースライン手順を著しく上回る編集距離問題に対するアルゴリズムを提案する。
複数のコースから何千もの学生が提出したアルゴリズムをベンチマークし、ベースラインアルゴリズムが難易度が高いことを示す。
我々の新しいアルゴリズムは、解空間をDAGとしてモデル化できる他の多くの領域の問題にも使われてきた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Proof Blocks is a software tool that allows students to practice writing
mathematical proofs by dragging and dropping lines instead of writing proofs
from scratch. Proof Blocks offers the capability of assigning partial credit
and providing solution quality feedback to students. This is done by computing
the edit distance from a student's submission to some predefined set of
solutions. In this work, we propose an algorithm for the edit distance problem
that significantly outperforms the baseline procedure of exhaustively
enumerating over the entire search space. Our algorithm relies on a reduction
to the minimum vertex cover problem. We benchmark our algorithm on thousands of
student submissions from multiple courses, showing that the baseline algorithm
is intractable, and that our proposed algorithm is critical to enable classroom
deployment. Our new algorithm has also been used for problems in many other
domains where the solution space can be modeled as a DAG, including but not
limited to Parsons Problems for writing code, helping students understand
packet ordering in networking protocols, and helping students sketch solution
steps for physics problems. Integrated into multiple learning management
systems, the algorithm serves thousands of students each year.
- Abstract（参考訳）: Proof Blocksは、学生がスクラッチから証明を書く代わりに線をドラッグ&ドロップすることで数学的証明を書くことができるソフトウェアツールである。
Proof Blocksは、学生に部分クレジットを割り当て、ソリューションの品質フィードバックを提供する。
これは、あらかじめ定義されたソリューションのセットへの学生の提出から編集距離を計算することによって行われる。
本研究では,検索空間全体にわたって徹底的に列挙するベースライン手順を大幅に上回る編集距離問題に対するアルゴリズムを提案する。
我々のアルゴリズムは最小頂点被覆問題への還元に依存する。
提案アルゴリズムは,複数コースから提出した数千の学生を対象にベンチマークを行い,ベースラインアルゴリズムが難解であり,提案アルゴリズムが教室の展開に不可欠であることを示した。
我々の新しいアルゴリズムは、他の多くの領域において、解空間をDAGとしてモデル化できるが、コードの記述にはパーソンズ問題に限らない問題、ネットワークプロトコルにおけるパケット順序の理解、物理問題に対する解決手順のスケッチを支援するために使われている。
このアルゴリズムは、複数の学習管理システムに統合され、毎年何千人もの学生にサービスを提供する。
関連論文リスト
- Fuse, Reason and Verify: Geometry Problem Solving with Parsed Clauses from Diagram [78.79651421493058]
平面幾何学的問題解法 (PGPS) のニューラルネットワークモデルを提案し, モーダル融合, 推論過程, 知識検証の3つの重要なステップについて述べる。
推論のために、幾何学的推論過程を記述するための説明可能な解プログラムを設計し、自己限定デコーダを用いて解プログラムを自動回帰的に生成する。
また, PGPS9Kと呼ばれる大規模幾何学的問題データセットを構築し, テキスト節, 解法プログラム, 関連知識解決器の詳細なアノテーションを含む。
論文 参考訳（メタデータ） (2024-07-10T02:45:22Z) - Learning Arithmetic Formulas in the Presence of Noise: A General
Framework and Applications to Unsupervised Learning [4.10375234787249]
教師なし学習問題に対する効率的なアルゴリズム設計のための枠組みを提案する。
我々のフレームワークは,雑音の存在下で演算回路を学習するメタアルゴリズムに基づいている。
論文 参考訳（メタデータ） (2023-11-13T12:26:25Z) - On a class of geodesically convex optimization problems solved via
Euclidean MM methods [50.428784381385164]
ユークリッド凸化関数の違いは、統計学と機械学習の異なるタイプの問題の違いとして記述できることを示す。
最終的に、より広い範囲、より広い範囲の作業を支援するのです。
論文 参考訳（メタデータ） (2022-06-22T23:57:40Z) - LeNSE: Learning To Navigate Subgraph Embeddings for Large-Scale
Combinatorial Optimisation [6.316693022958222]
ユークリッド部分グラフの埋め込みを地図として用いて,可能な部分グラフの空間をナビゲートする方法を学習する強化学習アルゴリズムを提案する。
LeNSEは、グラフ全体への埋め込みの実行によって見いだされたソリューションに匹敵するソリューションをもたらす小さなサブグラフを識別するが、全体の実行時間のごく一部にはならない。
論文 参考訳（メタデータ） (2022-05-20T11:54:03Z) - Leveraging Experience in Lazy Search [37.75223642505171]
遅延グラフ探索アルゴリズムは、エッジ評価が計算ボトルネックとなる動き計画問題の解法において効率的である。
我々は,この問題を探索問題の状態に関するマルコフ決定過程 (MDP) として定式化する。
我々は,訓練中にMDPを解くことができる分子セレクタを計算可能であることを示す。
論文 参考訳（メタデータ） (2021-10-10T00:46:44Z) - Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。
SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。
本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。
ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文 参考訳（メタデータ） (2021-09-13T18:10:52Z) - Dynamic programming by polymorphic semiring algebraic shortcut fusion [1.9405875431318445]
動的プログラミング(動的プログラミング、英: Dynamic Programming、DP)は、難解問題の効率的かつ正確な解法のためのアルゴリズム設計パラダイムである。
本稿では,セミリングに基づくDPアルゴリズムを体系的に導出するための厳密な代数形式について述べる。
論文 参考訳（メタデータ） (2021-07-05T00:51:02Z) - Edge Minimizing the Student Conflict Graph [0.0]
学生衝突グラフ(SCG)のエッジ数を最小限に抑えるハイブリッド近似分割アルゴリズムを提供します。
この分割アルゴリズムを,高度に制約された時間分割モデルに適用する。
論文 参考訳（メタデータ） (2021-02-12T19:54:44Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。
MWPを学習するためのテキスト弱教師付きパラダイムを提案する。
この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
論文 参考訳（メタデータ） (2020-12-19T03:10:21Z) - Adversarial Online Learning with Changing Action Sets: Efficient
Algorithms with Approximate Regret Bounds [48.312484940846]
睡眠の専門家やバンドイットによるオンライン学習の問題を再考する。
各タイムステップにおいて、アルゴリズムが選択できるアクションのサブセットのみが利用可能である。
我々は、一般的な睡眠専門家/バンド問題に対して、アポキシマ-レグレット保証を提供するアルゴリズムを提供する。
論文 参考訳（メタデータ） (2020-03-07T02:13:21Z)
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。