論文の概要: Smart tutor to provide feedback in programming courses
- arxiv url: http://arxiv.org/abs/2301.09918v1
- Date: Tue, 24 Jan 2023 11:00:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-25 13:51:28.424416
- Title: Smart tutor to provide feedback in programming courses
- Title(参考訳): プログラミングコースでフィードバックを提供するスマートチューター
- Authors: David Rold\'an-\'Alvarez
- Abstract要約: 学生のプログラミングに関する質問に答えるAIベースのインテリジェントチューターを提案する。
このツールは、全コースでURJCの大学生によってテストされている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Artificial Intelligence (AI) is becoming more and more popular as time
passes, allowing to perform tasks that were difficult to do in the past. From
predictions to customization, AI is being used in many areas, not being
educational environments outside this situation. AI is being used in
educational settings to customize contents or to provide personalized feedback
to the students, among others. In this scenario, AI in programming teaching is
something that still has to be explored, since in this area we usually find
assessment tools that allow grading the students work, but we can not find many
tools aimed towards providing feedback to the students in the process of
creating their program. In this work we present an AI based intelligent tutor
that answers students programming questions. The tool has been tested by
university students at the URJC along a whole course. Even if the tool is still
in its preliminary phase, it helped the students with their questions,
providing accurate answers and examples. The students were able to use the
intelligent tutor easily and they thought that it could be a useful tool to use
in other courses.
- Abstract(参考訳): 人工知能(AI)は、時間経過とともにますます人気を増し、過去には困難だったタスクの実行を可能にしている。
予測からカスタマイズに至るまで、AIはこの状況以外の教育環境ではなく、多くの分野で使用されている。
AIは、コンテンツをカスタマイズしたり、生徒に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、教育現場で使われている。
このシナリオでは、プログラミング教育におけるaiは、まだ検討する必要のあるものだ。この領域では、通常、学生の仕事を評価するための評価ツールを見つけるが、プログラムの作成プロセスにおいて、学生にフィードバックを提供するためのツールは多くない。
この研究では、学生がプログラミングの質問に答えるAIベースのインテリジェントチューターを提示する。
このツールは、URJCの全コースで大学生によってテストされている。
たとえそのツールがまだ予備段階にあるとしても、学生が質問をし、正確な回答とサンプルを提供した。
学生たちは知的な家庭教師を簡単に使えるようになり、他のコースで使うのに便利なツールだと考えた。
関連論文リスト
- With ChatGPT, do we have to rewrite our learning objectives -- CASE
study in Cybersecurity [0.9208007322096533]
We make a case study of Cybersecurity undergrad Education by the Lens of Understanding by Design' (UbD)
これらの詳細から,これらのツールを用いて,学習目標(LO)の達成可能性について考察した。
私たちのゴールは、人間の存在と知識を改善するために、これらのツールを強力な同盟国として活用し、教えることです。
論文 参考訳(メタデータ) (2023-09-26T16:12:10Z) - Build-a-Bot: Teaching Conversational AI Using a Transformer-Based Intent
Recognition and Question Answering Architecture [15.19996462016215]
本稿では、自然言語パイプラインを用いて、独自の学校カリキュラムに基づく質問に答えるためにカスタマイズされたモデルを訓練することで、人工知能の原理を学習するためのインタフェースを提案する。
このパイプラインは、AIエージェントを作成しながら、これらのプロセスのそれぞれを通じて、学生のデータ収集、データ拡張、意図認識、質問応答を教える。
論文 参考訳(メタデータ) (2022-12-14T22:57:44Z) - 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) - Building an Effective Automated Assessment System for C/C++ Introductory
Programming Courses in ODL Environment [0.0]
学生の作業を評価する従来の方法は、時間と労力の両面で不十分になってきている。
遠隔教育環境では、多くの家庭教師を雇うための重厚な報酬の観点からも、こうした評価がさらに困難になる。
私たちは、効果的な自動評価システムを構築するのに必要な、さまざまなコンポーネントを特定します。
論文 参考訳(メタデータ) (2022-05-24T09:20:43Z) - An Experience Report of Executive-Level Artificial Intelligence
Education in the United Arab Emirates [53.04281982845422]
アラブ首長国連邦(UAE)のビジネスエグゼクティブにAIコースを教える経験報告を提示する。
理論的、技術的な側面にのみ焦点をあてるのではなく、学生が既存のビジネスプロセスにAIを組み込む方法を理解するためにAIを教えるコースを開発しました。
論文 参考訳(メタデータ) (2022-02-02T20:59:53Z) - Systematic Review for AI-based Language Learning Tools [0.0]
このレビューは、2017年から2020年にかけて開発されたAIツールに関する情報を合成した。
これらのツールの大部分は、機械学習と自然言語処理を利用している。
これらのツールを使用した後、学習者は言語能力と知識の向上を実演した。
論文 参考訳(メタデータ) (2021-10-29T11:54:51Z) - 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) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳(メタデータ) (2021-07-05T12:18:17Z) - Actionable Models: Unsupervised Offline Reinforcement Learning of
Robotic Skills [93.12417203541948]
与えられたデータセットの任意の目標状態に到達するために学習することによって、環境の機能的な理解を学ぶ目的を提案する。
提案手法は,高次元カメラ画像上で動作し,これまで見つからなかったシーンやオブジェクトに一般化した実ロボットの様々なスキルを学習することができる。
論文 参考訳(メタデータ) (2021-04-15T20:10:11Z) - Teaching Tech to Talk: K-12 Conversational Artificial Intelligence
Literacy Curriculum and Development Tools [9.797319790710711]
我々は,MIT App Inventorの会話エージェントインタフェースとワークショップのカリキュラムをAI能力に関して評価した。
私たちは、学生がAI倫理と学習の概念に最も苦労していることを発見し、教えるときにこれらのトピックを強調することを推奨した。
論文 参考訳(メタデータ) (2020-09-11T20:52:46Z) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳(メタデータ) (2020-01-24T22:52:18Z)
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。