Fugu-MT 論文翻訳(概要): Team Composition in Software Engineering Education

論文の概要: Team Composition in Software Engineering Education

arxiv url: http://arxiv.org/abs/2306.08431v1
Date: Wed, 14 Jun 2023 11:00:05 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 19:47:38.555101
Title: Team Composition in Software Engineering Education
Title（参考訳）: ソフトウェア工学教育におけるチーム構成
Authors: Sajid Ibrahim Hashmi and Jouni Markkula
Abstract要約: 本研究は,ソフトウェア工学教育における学生チーム構成の理解を深めることを目的としている。本研究の最初の成果を報告する。
参考スコア（独自算出の注目度）: 0.5439020425819
License: http://creativecommons.org/licenses/by/4.0/
Abstract: One of the objectives of software engineering education is to make students to learn essential teamwork skills. This is done by having the students work in groups for course assignments. Student team composition plays a vital role in this, as it significantly affects learning outcomes, what is learned, and how. The study presented in this paper aims to better understand the student team composition in software engineering education and investigate the factors affecting it in the international software engineering education context. Those factors should be taken into consideration by software engineering teachers when they design group work assignments in their courses. In this paper, the initial findings of the ongoing Action research study are presented. The results give some identified principles that should be considered when designing student team composition in software engineering courses.
Abstract（参考訳）: ソフトウェア工学教育の目的の1つは、学生に重要なチームワークスキルを習得させることである。これは、学生にコースの割り当てのためにグループで作業させることによって行われる。学生チーム構成は、学習結果、学習内容、学習方法に大きな影響を与えるため、この点で重要な役割を果たす。本研究は,ソフトウェア工学教育における学生チーム構成の理解を深め,国際ソフトウェア工学教育における学生チーム構成に影響する要因を検討することを目的とする。これらの要因は、ソフトウェア工学の教師がコースでグループワークの課題を設計する際に考慮すべきである。本稿では,現在進行中の行動研究研究の最初の知見について述べる。この結果は、ソフトウェア工学コースで学生チーム構成を設計する際に考慮すべきいくつかの明確な原則を与えている。

関連論文リスト

Experiences with Research Processes in an Undergraduate Theory of Computing Course [0.30458514384586394]
コンピュータ理論(ToC)コースは、多くの学部生CSカリキュラムにおいて必須である。 ToCコースの共通研究環境を模擬会議代行によってエミュレートした。
論文参考訳（メタデータ） (2023-10-03T11:37:06Z)
CLGT: A Graph Transformer for Student Performance Prediction in Collaborative Learning [6.140954034246379]
協調学習のための拡張グラフトランスフォーマーフレームワーク(CLGT)を提案する。実験結果から,提案したCLGTは,実世界のデータセットに基づいて予測を行うという点で,ベースラインモデルよりも優れていたことが確認された。
論文参考訳（メタデータ） (2023-07-30T09:54:30Z)
A systematic literature review of capstone courses in software engineering [0.3536605202672354]
キャップストーンプロジェクトは、学生にハンズオン体験を提供し、ソフトスキルを教える一般的な方法である。本稿では,本論文で紹介されるソフトウェア工学のカプストーンコースの特徴について考察する。
論文参考訳（メタデータ） (2023-01-09T18:04:35Z)
TecCoBot: Technology-aided support for self-regulated learning [52.77024349608834]
自己学習活動は、学習成果の達成への活動の程度と自己学習活動の貢献を高めることができる。特に世界的なパンデミックの時代には、学生が既に技術強化された材料、プロセス、デジタルプラットフォームを使っている家庭で、自己学習活動がますます活発に行われている。
論文参考訳（メタデータ） (2021-11-23T13:50:21Z)
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)
Deeper Learning By Doing: Integrating Hands-On Research Projects Into a Machine Learning Course [3.553493344868414]
本稿では,プロジェクトベースの機械学習コースの組織について述べる。本コースにプロジェクトベース学習を取り入れることに加えて,実世界の課題に対応するプロジェクトベース学習コンポーネントの開発も目指している。
論文参考訳（メタデータ） (2021-07-28T23:41:27Z)
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)
Who does what? Work division and allocation strategies of computer science student teams [5.863264019032882]
本研究の目的は,集団課題におけるコンピュータサイエンスの学生の作業分割とアロケーション戦略の洞察を得ることである。主に成績と効率の要因によって動機付けられ、学生は以前の専門知識と好みに基づいてタスクを選択し、割り当てる。この結果から,新しいソフトウェア工学のスキルを実践する学生のモチベーションを抑えることができると論じている。
論文参考訳（メタデータ） (2021-03-04T12:27:07Z)
Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI) Curriculum [58.86139968005518]
香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
論文参考訳（メタデータ） (2021-01-19T11:26:19Z)
CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and Transfer Learning [138.40338621974954]
CausalWorldは、ロボット操作環境における因果構造と伝達学習のベンチマークである。タスクは、ブロックのセットから3D形状を構築することで構成される。
論文参考訳（メタデータ） (2020-10-08T23:01:13Z)
Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文参考訳（メタデータ） (2020-05-27T11:56:56Z)

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。