論文の概要: Dodona: learn to code with a virtual co-teacher that supports active learning

• arxiv url: http://arxiv.org/abs/2210.10719v1
• Date: Wed, 19 Oct 2022 16:56:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:56:07.071314
• Title: Dodona: learn to code with a virtual co-teacher that supports active learning
• Title（参考訳）: Dodona: アクティブな学習をサポートする仮想共学教師でプログラミングを学ぶ
• Authors: Charlotte Van Petegem, Rien Maertens, Niko Strijbol, Jorg Van Renterghem, Felix Van der Jeugt, Bram De Wever, Peter Dawyndt and Bart Mesuere
• Abstract要約: Dodonaは、コンピュータプログラミングのためのインテリジェントなチューリングシステムである。 リアルタイムのデータとフィードバックを提供し、生徒の学習を良くする。 Dodonaのソースコードは、寛容なオープンソースライセンスの下でGitHubで入手できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dodona (dodona.ugent.be) is an intelligent tutoring system for computer programming. It bridges the gap between assessment and learning by providing real-time data and feedback to help students learn better, teachers teach better and educational technology become more effective. We demonstrate how Dodona can be used as a virtual co-teacher to stimulate active learning and support challenge-based education in open and collaborative learning environments. We also highlight some of the opportunities (automated feedback, learning analytics, educational data mining) and challenges (scalable feedback, open internet exams, plagiarism) we faced in practice. Dodona is free for use and has more than 36 thousand registered users across many educational and research institutes, of which 15 thousand new users registered last year. Lowering the barriers for such a broad adoption was achieved by following best practices and extensible approaches for software development, authentication, content management, assessment, security and interoperability, and by adopting a holistic view on computer-assisted learning and teaching that spans all aspects of managing courses that involve programming assignments. The source code of Dodona is available on GitHub under the permissive MIT open-source license.
• Abstract（参考訳）: dodona (dodona.ugent.be) はコンピュータプログラミングのためのインテリジェントな教育システムである。 リアルタイムデータとフィードバックを提供することで、評価と学習のギャップを埋めて、生徒の学習を良くし、教師はより良い教育と教育技術をより効果的に教える。 オープン・コラボレーティブな学習環境において,アクティブラーニングを刺激し,課題ベースの教育を支援する仮想共同教師としてdodonaを活用できることを実証する。 私たちはまた、実際に直面した機会(自動フィードバック、学習分析、教育データマイニング)と課題(スケーリング可能なフィードバック、オープンインターネット試験、盗作)を強調します。 Dodonaは無料で利用でき、多くの教育・研究機関で3万5000人以上の登録ユーザーがいて、そのうち15万人が昨年登録している。 このような広範な採用の障壁を下げることは、ソフトウェア開発、認証、コンテンツ管理、アセスメント、セキュリティ、相互運用性のためのベストプラクティスと拡張可能なアプローチに従うことと、プログラミングの課題を含むコースを管理することのすべての側面にまたがるコンピュータ支援学習と教育の全体像を採用することによって達成された。 dodonaのソースコードは、寛容なmitオープンソースライセンスの下でgithubで入手できる。

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)
• Revealing Networks: Understanding Effective Teacher Practices in AI-Supported Classrooms using Transmodal Ordered Network Analysis [0.9187505256430948]
  本研究は,AI教師と連携した数学教室において,システム内学習の伝統的な指標に関連する効果的な教員の実践を理解するために,トランスモーダル順序ネットワーク分析を用いた。 教師の実践を学生の学習率で比較すると,低学率の生徒はモニタリング後,より有意な使用感を示した。 学習率の低い生徒は、高学率の学生と同様の学習行動を示し、教師の正しい試みを繰り返した。
  論文  参考訳（メタデータ） (2023-12-17T21:50:02Z)
• Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
  知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。 我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T16:28:34Z)
• Empowering Learning: Standalone, Browser-Only Courses for Seamless Education [0.0]
  概念実証型オープンソースMOOC配信システムであるPyGlideを紹介する。 PyGlideのユーザフレンドリーなステップバイステップガイドを提供する。 PyGlideの実用的なアプリケーションをGitHubの継続的インテグレーションパイプラインで紹介します。
  論文  参考訳（メタデータ） (2023-11-12T20:59:52Z)
• LittleMu: Deploying an Online Virtual Teaching Assistant via Heterogeneous Sources Integration and Chain of Teach Prompts [26.446251076338]
  質問応答とチャットサービスを提供する仮想MOOC指導アシスタントLittleMuを提案する。 LittleMuはまず構造的、半構造的、非構造的な知識ソースを統合し、幅広い質問に対する正確な回答をサポートする。 2020年5月以降、私たちのLittleMuシステムは、XuetangX MOOCプラットフォーム上の500以上のコースから、80,000以上のユーザと30,000以上のクエリを処理しています。
  論文  参考訳（メタデータ） (2023-08-11T04:36:26Z)
• 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)
• Scalable Learning Environments for Teaching Cybersecurity Hands-on [0.4893345190925178]
  本稿では,対話型学習環境を用いたサイバーセキュリティハンズオン授業のスケーラブル化のための技術革新について述べる。 我々は,サイバーセキュリティの授業を大規模に展開する学習環境の設計と利用における研究の取り組みと実践経験について述べる。
  論文  参考訳（メタデータ） (2021-10-19T14:18:54Z)
• Iterative Teacher-Aware Learning [136.05341445369265]
  人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。 本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
  論文  参考訳（メタデータ） (2021-10-01T00:27:47Z)
• Dive into Deep Learning [119.30375933463156]
  この本はJupyterのノートブックでドラフトされており、説明図、数学、インタラクティブな例を自己完結型コードとシームレスに統合している。 私たちのゴールは、(i)誰でも自由に利用できるリソースを提供すること、(ii)応用機械学習科学者になるための出発点を提供するのに十分な技術的な深さを提供すること、(iii)実行可能なコードを含み、実際にどのように問題を解決するかを読者に示すこと、(iv)私たちとコミュニティの両方による迅速なアップデートを可能にすることです。
  論文  参考訳（メタデータ） (2021-06-21T18:19:46Z)
• Point Adversarial Self Mining: A Simple Method for Facial Expression Recognition [79.75964372862279]
  本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。 PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。 適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
  論文  参考訳（メタデータ） (2020-08-26T06:39:24Z)
• Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
  大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。 学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。 そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-23T18:28:08Z)

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。