論文の概要: Automatic Assessment of the Design Quality of Student Python and Java Programs

• arxiv url: http://arxiv.org/abs/2208.12654v2
• Date: Sat, 5 Nov 2022 17:06:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:48:06.605969
• Title: Automatic Assessment of the Design Quality of Student Python and Java Programs
• Title（参考訳）: 学生用pythonおよびjavaプログラムの設計品質の自動評価
• Authors: J. Walker Orr
• Abstract要約: 本研究では,学生プログラムを設計の質を評価するルールベースシステムを提案し,作業改善のための個人的かつ正確なフィードバックを提供する。 学生はシステムから恩恵を受け、設計品質の欠陥の率は4つの異なる割り当てで47.84%減少し、Pythonは2、Javaは2が2だった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Programs are a kind of communication to both computers and people, hence as students are trained to write programs they need to learn to write well-designed, readable code rather than code that simply functions correctly. The difficulty in teaching good design practices that promote readability is the labor intensiveness of assessing student programs. Typically assessing design quality involves a careful reading of student programs in order to give personalized feedback which naturally is time consuming for instructors. We propose a rule-based system that assesses student programs for quality of design of and provides personalized, precise feedback on how to improve their work. To study its effectiveness, we made the system available to students by deploying it online, allowing students to receive feedback and make corrections before turning in their assignments. The students benefited from the system and the rate of design quality flaws dropped 47.84\% on average over 4 different assignments, 2 in Python and 2 in Java, in comparison to the previous 2 to 3 years of student submissions.
• Abstract（参考訳）: プログラムはコンピュータと人とのコミュニケーションの一種であり、学生はプログラムを書くように訓練されているため、正しく機能するコードではなく、よく設計された読みやすいコードを書くことを学ぶ必要がある。 可読性を促進する優れたデザインプラクティスを教えることの難しさは、学生プログラムの評価の労働集約性である。 通常、設計品質を評価するには、インストラクターにとって当然の時間であるパーソナライズされたフィードバックを与えるために、学生プログラムを注意深く読む必要がある。 本研究では,学生プログラムを設計の質を評価するルールベースシステムを提案し,作業改善のための個人的かつ正確なフィードバックを提供する。 その効果を調べるために,システムをオンラインに展開することで,学生にフィードバックを受け取り,課題を振り返る前に修正を行えるようにした。 学生はシステムから恩恵を受け、設計品質の欠陥の比率は、過去2～3年間の学生応募と比較して、平均4つの異なる課題、2つはPython、2つはJavaで、47.84\%低下した。

関連論文リスト

• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [50.067342343957876]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• Improving students' code correctness and test completeness by informal specifications [1.2599533416395765]
  学生に高品質なソフトウェアを開発する方法を教えることは、長い間、コンピュータサイエンスの教育と研究のトピックであった。 学生にコードを書く前に仕様を書くように教える試みがいくつか行われた。 本稿では,非公式な仕様の使用に焦点をあてる。
  論文  参考訳（メタデータ） (2023-09-05T13:24:43Z)
• 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)
• Using Machine Learning to Predict Engineering Technology Students' Success with Computer Aided Design [50.591267188664666]
  機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。 初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。 これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
  論文  参考訳（メタデータ） (2021-08-12T20:24:54Z)
• 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)
• Automatic Assessment of the Design Quality of Python Programs with Personalized Feedback [0.0]
  本稿では,プログラムの設計を評価するニューラルネットワークモデルを提案し,修正の仕方を学生に教えるためにパーソナライズされたフィードバックを提供する。 モデルの有効性はPythonで書かれた学生プログラムのコーパスで評価される。 この研究に参加した学生はプログラムのデザインスコアを19.58%改善した。
  論文  参考訳（メタデータ） (2021-06-02T18:04:53Z)
• Effects of Human vs. Automatic Feedback on Students' Understanding of AI Concepts and Programming Style [0.0]
  自動階調ツールの使用は、大規模な学部プログラミングコースにおいてほぼどこでも行われている。 コンピュータによるフィードバックと人間によるフィードバックを受け取った場合、生徒の成果を直接比較するデータは比較的不足している。 本稿では,90名の生徒を2つのフィードバックグループに分割し,2つのコホートのパフォーマンスの違いを分析することで,このギャップを解消する。
  論文  参考訳（メタデータ） (2020-11-20T21:40:32Z)
• 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)
• Code Review in the Classroom [57.300604527924015]
  教室設定の若い開発者は、コードレビュープロセスの潜在的に有利で問題のある領域の明確な図を提供している。 彼らのフィードバックは、プロセスはプロセスを改善するためにいくつかのポイントで十分に受け入れられていることを示唆している。 本論文は,教室でコードレビューを行うためのガイドラインとして利用することができる。
  論文  参考訳（メタデータ） (2020-04-19T06:07:45Z)

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。