論文の概要: Plagiarism deterrence for introductory programming
- arxiv url: http://arxiv.org/abs/2206.02848v1
- Date: Mon, 6 Jun 2022 18:47:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:29:48.472390
- Title: Plagiarism deterrence for introductory programming
- Title(参考訳): 入門プログラミングのためのプラジャリズム抑止
- Authors: Simon J. Cohen, Michael J. Martin, Chance A. Shipley, Abhishek Kumar,
Andrew R. Cohen
- Abstract要約: クラス全体の統計的特徴は直感的な新しいp値によって学生と明確に共有することができる。
圧縮に基づく類似度検出アルゴリズムは、代入間の関係をより正確に捉える。
無バイアスのスコアリングシステムは、学生とインストラクターが真の努力の独立を理解するのを助ける。
- 参考スコア(独自算出の注目度): 11.612194979331179
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Plagiarism in introductory programming courses is an enormous challenge for
both students and institutions. For students, relying on the work of others too
early in their academic development can make it impossible to acquire necessary
skills for independent success in the future. For institutions, widespread
student cheating can dilute the quality of the educational experience being
offered. Currently available solutions consider only pairwise comparisons
between student submissions and focus on punitive deterrence. Our approach
instead relies on a class-wide statistical characterization that can be clearly
and securely shared with students via an intuitive new p-value representing
independence of student effort. A pairwise, compression-based similarity
detection algorithm captures relationships between assignments more accurately.
An automated deterrence system is used to warn students that their behavior is
being closely monitored. High-confidence instances are made directly available
for instructor review using our open-source toolkit. An unbiased scoring system
aids students and the instructor in understanding true independence of effort.
Preliminary results indicate that the system can provide meaningful
measurements of independence from week one, improving the efficacy of technical
education.
- Abstract(参考訳): 入門プログラミングコースにおけるプラジャリズムは、学生と機関の両方にとって大きな課題である。
学生にとって、学業発展の早い段階で他人の仕事に頼ることは、将来独立して成功するために必要なスキルを習得することは不可能である。
教育機関にとって、広範な学生の不正行為は、提供される教育経験の質を損なう可能性がある。
現在利用可能なソリューションは、学生の提出と懲罰的抑止の2つの比較のみを考慮に入れている。
このアプローチは,生徒の努力の独立性を表す直感的な新しいp値を通じて,明確かつセキュアに学生と共有できるクラス全体の統計特性に依存する。
圧縮に基づく類似度検出アルゴリズムは、代入間の関係をより正確に捉える。
自動抑止システムは、生徒の行動が密に監視されていることを警告するために使用される。
high-confidenceインスタンスは、オープンソースツールキットを使用してインストラクタレビューを直接利用できます。
無バイアスのスコアリングシステムは、学生とインストラクターが真の努力の独立を理解するのを助ける。
予備的な結果から,1週目から独立性の有意義な測定が得られ,技術教育の効果が向上することが示唆された。
関連論文リスト
- ReVISE: Learning to Refine at Test-Time via Intrinsic Self-Verification [53.80183105328448]
Refine via Intrinsic Self-Verification (ReVISE)は、LLMが自己検証を通じてアウトプットを自己修正できる効率的なフレームワークである。
様々な推論タスクに関する実験により、ReVISEは効率的な自己補正を実現し、推論性能を大幅に向上することを示した。
論文 参考訳(メタデータ) (2025-02-20T13:50:02Z) - Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
GRADEは、教育と表現的アライメントを研究するための新しい制御された実験環境である。
学生との表現的整合性が向上し,生徒の学習成果が向上することがわかった。
しかし、この効果は、教えられているクラスのサイズと表現の多様性によって中和される。
論文 参考訳(メタデータ) (2024-06-06T17:48:24Z) - Plagiarism and AI Assistance Misuse in Web Programming: Unfair Benefits
and Characteristics [0.0]
分類された提出物は、色や識別子名のような自明な面を除いて、独立したものに似ている。
学生は、AIアシスタントは適切な使用の承認があれば有用であると信じているが、ソリューションの可読性と正確性には納得していない。
論文 参考訳(メタデータ) (2023-10-31T00:51:14Z) - Reinforcement Learning Tutor Better Supported Lower Performers in a Math
Task [32.6507926764587]
強化学習は、開発コストを削減し、インテリジェントな学習ソフトウェアの有効性を向上させるための重要なツールとなり得る。
本研究では, 深層強化学習を用いて, 音量の概念を学習する学生に適応的な教育支援を行うことができることを示す。
論文 参考訳(メタデータ) (2023-04-11T02:11:24Z) - Personalized Student Attribute Inference [0.0]
この作業は、障害のある生徒を自動的に検出できるシステムを作ることだ。
文献で広く使われているナイーブなアプローチは、データセットで利用可能な属性(等級など)と、パーソナライズされた学生属性推論(IPSA)というパーソナライズされたアプローチを比較した。
論文 参考訳(メタデータ) (2022-12-26T23:00:28Z) - Distantly-Supervised Named Entity Recognition with Adaptive Teacher
Learning and Fine-grained Student Ensemble [56.705249154629264]
NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。
本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。
微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
論文 参考訳(メタデータ) (2022-12-13T12:14:09Z) - A Machine Learning system to monitor student progress in educational
institutes [0.0]
本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。
信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
論文 参考訳(メタデータ) (2022-11-02T08:24:08Z) - A Low Rank Promoting Prior for Unsupervised Contrastive Learning [108.91406719395417]
提案手法は,従来の低階の促進をコントラスト学習の枠組みに効果的に組み込む新しい確率的グラフィカルモデルを構築する。
我々の仮説は、同じインスタンスクラスに属するすべてのサンプルが、小さな次元の同じ部分空間上にあることを明示的に要求する。
実証的な証拠は、提案アルゴリズムが複数のベンチマークにおける最先端のアプローチを明らかに上回っていることを示している。
論文 参考訳(メタデータ) (2021-08-05T15:58:25Z) - 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) - The Wits Intelligent Teaching System: Detecting Student Engagement
During Lectures Using Convolutional Neural Networks [0.30458514384586394]
Wits Intelligent Teaching System (WITS) は、学生の感情に関するリアルタイムフィードバックを講師に支援することを目的としている。
AlexNetベースのCNNはトレーニングが成功し、Support Vector Machineアプローチを大きく上回っている。
論文 参考訳(メタデータ) (2021-05-28T12:59:37Z) - Can Semantic Labels Assist Self-Supervised Visual Representation
Learning? [194.1681088693248]
近隣環境におけるコントラスト調整(SCAN)という新しいアルゴリズムを提案する。
一連のダウンストリームタスクにおいて、SCANは従来の完全教師付きおよび自己教師付きメソッドよりも優れたパフォーマンスを達成する。
本研究は, セマンティックラベルが自己指導的手法の補助に有用であることを明らかにする。
論文 参考訳(メタデータ) (2020-11-17T13:25:00Z)
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。