論文の概要: Efficiency of Learning from Proof Blocks Versus Writing Proofs

• arxiv url: http://arxiv.org/abs/2211.09609v2
• Date: Fri, 16 Dec 2022 21:27:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 12:30:00.601784
• Title: Efficiency of Learning from Proof Blocks Versus Writing Proofs
• Title（参考訳）: Proof Blocks Versus Writing Proofs の学習効率
• Authors: Seth Poulsen, Yael Gertner, Benjamin Cosman, Matthew West, Geoffrey L. Herman
• Abstract要約: 本稿では,Proof Blocks を用いた学習成果を,学習者による証明の帰納的学習に活用するためのランダム化制御試験について述べる。 インジェクションによる証明に関する学習の初期段階の学生は、講義ノートを読み、Proof Blocksを使って、講義ノートを読み、スクラッチから証明を書くことで、同様に多くを学ぶことができる。
• 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 provides students with a scaffolded proof-writing experience, allowing them to drag and drop prewritten proof lines into the correct order instead of starting from scratch. In this paper we describe a randomized controlled trial designed to measure the learning gains of using Proof Blocks for students learning proof by induction. The study participants were 332 students recruited after completing the first month of their discrete mathematics course. Students in the study took a pretest and read lecture notes on proof by induction, completed a brief (less than 1 hour) learning activity, and then returned one week later to complete the posttest. Depending on the experimental condition that each student was assigned to, they either completed only Proof Blocks problems, completed some Proof Blocks problems and some written proofs, or completed only written proofs for their learning activity. We find that students in the early phases of learning about proof by induction are able to learn just as much from reading lecture notes and using Proof Blocks as by reading lecture notes and writing proofs from scratch, but in far less time on task. This finding complements previous findings that Proof Blocks are useful exam questions and are viewed positively by students.
• Abstract（参考訳）: Proof Blocksは、学生がスクラッチから始めるのではなく、事前に書かれた証明行を正しい順序にドラッグ&ドロップできる、足場付きの証明記述体験を提供するソフトウェアツールである。 本稿では,帰納的証明を学習する学生に対して,証明ブロックを用いた学習利得を測定するためのランダム化制御実験について述べる。 研究参加者は, 個別数学講座の初月を修了した332名の学生であった。 この研究の学生は、事前テストを受け、証明のための講義ノートをインダクションで読み、短い(1時間以内)学習活動を終え、1週間後にポストテストを終えた。 各生徒が割り当てられた実験条件により、彼らはProof Blocks問題のみを完了し、Proof Blocks問題といくつかの書面証明を完了させたか、あるいは彼らの学習活動の証明のみを完了させた。 帰納的証明に関する学習の初期段階の学生は,講義ノートの読解から証明ブロックの使用まで,あるいは講義ノートの読解から証明文の書写まで,スクラッチから読解し,作業時間もはるかに少ないことが判明した。 この発見は、Proof Blocksが有益な試験質問であり、学生が肯定的に見ているという過去の知見を補完するものである。

関連論文リスト

• Lean-STaR: Learning to Interleave Thinking and Proving [53.923617816215774]
  証明の各ステップに先立って,非公式な思考を生成するために,言語モデルをトレーニングするフレームワークであるLean-STaRを紹介します。 Lean-STaRは、Lean定理証明環境内のminiF2F-testベンチマークで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-07-14T01:43:07Z)
• LEGO-Prover: Neural Theorem Proving with Growing Libraries [86.1191481712352]
  LEGO-Prover では,証明された補題を含むスキルライブラリを,定理証明に使用される LLM の能力を高めるためのスキルとして活用する。 LEGO-Proverは、証明をモジュール的に構築することにより、ライブラリから取得した既存のスキルを活用し、証明プロセス中に新しいスキルを作成することができる。 我々のアブレーション研究は、これらの新たなスキルが定理の証明に役立つことを示唆し、47.1%から50.4%に改善した。
  論文  参考訳（メタデータ） (2023-10-01T12:47:59Z)
• ProofBuddy: A Proof Assistant for Learning and Monitoring [0.0]
  証明能力(Proof competence)、すなわち、(数学的な)証明を書き、チェックする能力は、コンピュータ科学において重要なスキルである。 主な問題は、形式言語の正しい使用と証明、特に学生自身の証明が完璧で正しいかどうかの確認である。 多くの著者は、証明能力を教えるのに証明アシスタントを使うことを提案したが、その方法の有効性は明らかではない。 デンマーク工科大学でProofBuddyのユーザビリティに関する予備的な研究を行った。
  論文  参考訳（メタデータ） (2023-08-14T07:08:55Z)
• LeanDojo: Theorem Proving with Retrieval-Augmented Language Models [72.54339382005732]
  大規模言語モデル(LLM)は、Leanのような証明アシスタントを使って形式的な定理を証明することを約束している。 既存のメソッドは、プライベートコード、データ、計算要求のために、複製や構築が難しい。 本稿では、ツールキット、データ、モデルからなるオープンソースのリーンツールキットであるLeanDojoを紹介します。 本研究では,LLM ベースの証明器 ReProver を開発した。
  論文  参考訳（メタデータ） (2023-06-27T17:05:32Z)
• NaturalProver: Grounded Mathematical Proof Generation with Language Models [84.2064569475095]
  自然数理言語における定理証明は、数学の進歩と教育において中心的な役割を果たす。 本研究では,背景参照を条件づけて証明を生成する言語モデルであるNaturalProverを開発する。 NaturalProverは、短い(2-6ステップ)証明を必要とするいくつかの定理を証明でき、40%の時間で正しいと評価された次のステップの提案を提供することができる。
  論文  参考訳（メタデータ） (2022-05-25T17:01:18Z)
• Generating Natural Language Proofs with Verifier-Guided Search [74.9614610172561]
  NLProofS (Natural Language Proof Search) を提案する。 NLProofSは仮説に基づいて関連するステップを生成することを学習する。 EntailmentBank と RuleTaker の最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-05-25T02:22:30Z)
• Efficient Feedback and Partial Credit Grading for Proof Blocks Problems [0.0]
  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。
  論文  参考訳（メタデータ） (2022-04-08T17:44:59Z)
• Natural Language Proof Checking in Introduction to Proof Classes -- First Experiences with Diproche [0.0]
  我々は,1学期数学初心者の講義において,ディプローシュシステムの活用を提示し,分析する。 このシステムは、ブール集合論と初等数論におけるエクササイズを証明しようとする生徒の解法を確認するために用いられる。
  論文  参考訳（メタデータ） (2022-02-08T00:07:57Z)
• Proof Blocks: Autogradable Scaffolding Activities for Learning to Write Proofs [0.4588028371034407]
  Proof Blocksは、学生が事前に書かれた証明行を正しい順序にドラッグ&ドロップすることで、証明を書くことができるソフトウェアツールである。 これらの証明は完全に自動的に評価され、学生は自分の証明で何をしているのかを素早くフィードバックすることができる。 問題を構築する際、インストラクターは証明の行の依存性グラフを指定し、行の正しい配置をフルクレジットで受け取れるようにする。
  論文  参考訳（メタデータ） (2021-06-07T17:03:58Z)
• Comprehensible Counterfactual Explanation on Kolmogorov-Smirnov Test [56.5373227424117]
  我々は,KSテストに失敗するテストデータに対して,反実的説明を生成する問題に対処する。 我々は、KSテストに失敗したテストセットの指数的なサブセット数を列挙し、チェックするのを避ける効率的なアルゴリズムMOCHEを開発した。
  論文  参考訳（メタデータ） (2020-11-01T06:46:01Z)

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。