論文の概要: C-Pack of IPAs: A C90 Program Benchmark of Introductory Programming Assignments

• arxiv url: http://arxiv.org/abs/2206.08768v1
• Date: Fri, 17 Jun 2022 13:30:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-20 20:26:24.367221
• Title: C-Pack of IPAs: A C90 Program Benchmark of Introductory Programming Assignments
• Title（参考訳）: IPAのC-Pack: 導入プログラミング割り当てのC90プログラムベンチマーク
• Authors: Pedro Orvalho and Mikol\'a\v{s} Janota and Vasco Manquinho
• Abstract要約: C-Pack-IPA(C-Pack-IPA)は、25種類のIPAを対象とする学生プログラムのベンチマークである。 C-Pack-IPAは、構文的、自動プログラム修復フレームワークと同様に、新しいセマンティクスの開発を評価するのに役立つ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Due to the vast number of students enrolled in Massive Open Online Courses (MOOCs), there has been an increasing number of automated program repair techniques focused on introductory programming assignments (IPAs). Such techniques take advantage of previous correct student implementations in order to provide automated, comprehensive, and personalized feedback to students. This paper presents C-Pack-IPAs, a publicly available benchmark of students' programs submitted for 25 different IPAs. C-Pack-IPAs contains semantically correct, semantically incorrect, and syntactically incorrect programs plus a test suite for each IPA. Hence, C-Pack-IPAs can be used to help evaluate the development of novel semantic, as well as syntactic, automated program repair frameworks, focused on providing feedback to novice programmers.
• Abstract（参考訳）: 大規模なオープン・オンライン・コース(moocs)に参加する学生の数が膨大であるため、導入型プログラミング課題(ipas)に焦点を当てた自動プログラム修復技術が増えている。 このようなテクニックは、学生に自動的、包括的、パーソナライズされたフィードバックを提供するために、以前の正しい学生実装を利用する。 本稿では,25種類のIPAを対象とする学生プログラムのベンチマークであるC-Pack-IPAを提案する。 C-Pack-IPAは、意味的に正しい、意味的に間違っている、構文的に間違っているプログラムと、各IPA用のテストスイートを含んでいる。 したがって、C-Pack-IPAsは、初心者プログラマにフィードバックを提供することに焦点を当てた構文的自動プログラム修復フレームワークと同様に、新しいセマンティクスの開発を評価するのに役立つ。

関連論文リスト

• Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [175.9723801486487]
  我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。 GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。 この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
  論文  参考訳（メタデータ） (2024-08-07T12:11:49Z)
• Peer-aided Repairer: Empowering Large Language Models to Repair Advanced Student Assignments [26.236420215606238]
  我々は,大規模言語モデルを利用したPaRというフレームワークを開発した。 PaRは、ピアソリューション選択、マルチソースプロンプト生成、プログラム修復の3段階で動作する。 Defects4DSと他のよく検証されたTHEPデータセットの評価は、PaRが新しい最先端のパフォーマンスを達成することを明らかにしている。
  論文  参考訳（メタデータ） (2024-04-02T09:12:21Z)
• Personalized Programming Guidance based on Deep Programming Learning Style Capturing [9.152344993023503]
  プログラミング学習スタイルを用いたプログラミング・エクササイズ・レコメンダ(PERS)という新しいモデルを提案する。 PERSは学習者の複雑なプログラミング行動をシミュレートする。 プログラミング学習スタイルをモデル化する合理性を検証するために,実世界の2つのデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2024-02-20T10:38:38Z)
• Hierarchical Programmatic Reinforcement Learning via Learning to Compose Programs [58.94569213396991]
  プログラムポリシーを作成するための階層型プログラム強化学習フレームワークを提案する。 提案するフレームワークは,プログラム作成の学習を通じて,アウト・オブ・ディストリビュータの複雑な動作を記述するプログラムポリシーを作成することができる。 Karel ドメインの実験結果から,提案するフレームワークがベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-30T14:50:46Z)
• 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)
• InvAASTCluster: On Applying Invariant-Based Program Clustering to Introductory Programming Assignments [0.0]
  InvAASTClusterは、プログラムクラスタリングの新しいアプローチである。 複数のプログラム実行で観察される動的に生成されたプログラム不変量を利用して、意味論的に等価なIPAをクラスタ化する。 以上の結果から,InvAASTClusterはクラスタリングベースのプログラム修復ツールで使用されている場合,現在の最先端技術に進歩することが示された。
  論文  参考訳（メタデータ） (2022-06-28T17:42:28Z)
• Non-Programmers Can Label Programs Indirectly via Active Examples: A Case Study with Text-to-SQL [61.950839050383514]
  APELは、非プログラマがシードセマンティクス(例えば、Codex)によって生成される候補プログラムの中から選択するフレームワークである。 各発話に対してAPELは、候補プログラムが異なる出力を生成する傾向がある単純な入力を積極的に検索する。 非プログラマに対して適切な出力を選択することのみを要求し、どのプログラムが正しいかを推測できるようにします。
  論文  参考訳（メタデータ） (2022-05-25T00:35:12Z)
• 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)
• Graph-based, Self-Supervised Program Repair from Diagnostic Feedback [108.48853808418725]
  本稿では,ソースコードの修復や診断フィードバックに関連するシンボルを結合するプログラムフィードバックグラフを提案する。 次に、推論プロセスのモデル化にグラフニューラルネットワークを適用します。 オンラインで利用可能なラベルのないプログラムを活用するプログラム修復のための自己指導型学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-05-20T07:24:28Z)

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。