論文の概要: Exploring Programming Task Creation of Primary School Teachers in Training

• arxiv url: http://arxiv.org/abs/2306.13886v1
• Date: Sat, 24 Jun 2023 07:26:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 18:29:17.530087
• Title: Exploring Programming Task Creation of Primary School Teachers in Training
• Title（参考訳）: 小学校教員養成におけるプログラミング課題作成の探求
• Authors: Luisa Greifenstein and Ute Heuer and Gordon Fraser
• Abstract要約: 不十分なサンプルコードは学習に悪影響を及ぼし、学生は悪いプログラミング習慣や誤解を採用するかもしれない。 この問題を回避するため、自動プログラム解析ツールはタスク作成プロセスの足場構築を支援する可能性がある。 例えば、静的プログラム分析ツールは、良質なコードパターンと悪質なコードパターンの両方を自動的に検出し、コードを改善するヒントを提供する。
• 参考スコア（独自算出の注目度）: 14.355436881937193
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Introducing computational thinking in primary school curricula implies that teachers have to prepare appropriate lesson material. Typically this includes creating programming tasks, which may overwhelm primary school teachers with lacking programming subject knowledge. Inadequate resulting example code may negatively affect learning, and students might adopt bad programming habits or misconceptions. To avoid this problem, automated program analysis tools have the potential to help scaffolding task creation processes. For example, static program analysis tools can automatically detect both good and bad code patterns, and provide hints on improving the code. To explore how teachers generally proceed when creating programming tasks, whether tool support can help, and how it is perceived by teachers, we performed a pre-study with 26 and a main study with 59 teachers in training and the LitterBox static analysis tool for Scratch. We find that teachers in training (1) often start with brainstorming thematic ideas rather than setting learning objectives, (2) write code before the task text, (3) give more hints in their task texts and create fewer bugs when supported by LitterBox, and (4) mention both positive aspects of the tool and suggestions for improvement. These findings provide an improved understanding of how to inform teacher training with respect to support needed by teachers when creating programming tasks.
• Abstract（参考訳）: 小学校カリキュラムにおける計算思考の導入は,教師が適切な教材を作成する必要があることを示唆している。 プログラミングに関する知識が不足している小学生の教師を圧倒することもある。 不十分なサンプルコードは学習に悪影響を及ぼし、学生は悪いプログラミング習慣や誤解を採用するかもしれない。 この問題を回避するため、自動プログラム解析ツールはタスク作成プロセスの足場構築を支援する可能性がある。 例えば、静的プログラム分析ツールは、良いコードパターンと悪いコードパターンの両方を自動的に検出し、コードを改善するヒントを提供する。 プログラムタスク作成における教師の取り組み,ツールサポートの有効性,教師の認識方法などを検討するため,Scratch の静的解析ツールである LitterBox と 59 名の教師を対象に,26 名の教師による事前学習を行った。 その結果,(1)学習中の教師は,学習目標の設定よりもテーマのアイデアをブレインストーミングすること,(2)タスクテキストの前にコードを記述すること,(3)タスクテキストにヒントを付与すること,(4)LitterBoxでサポートされた場合のバグの少ないこと,(4)ツールの肯定的な側面と改善の提案の両方に言及すること,などが判明した。 これらの知見は、プログラミングタスクを作成する際に教師が必要とする支援について、教師の教育に通知する方法の理解を深めるものである。

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)
• Exploring the Potential of Large Language Models to Generate Formative Programming Feedback [0.5371337604556311]
  計算機教育者や学習者のための大規模言語モデル(LLM)の可能性を探る。 これらの目的を達成するために、我々はChatGPTの入力としてCS1コース内で収集されたデータセットから学生のプログラミングシーケンスを使用した。 その結果,ChatGPTはプログラミングの入門タスクや学生の誤りに対して合理的に機能することがわかった。 しかし、教育者は、初心者向けの誤解を招く情報を含むことができるため、提供されたフィードバックの使い方に関するガイダンスを提供する必要がある。
  論文  参考訳（メタデータ） (2023-08-31T15:22:11Z)
• Is ChatGPT a Good Teacher Coach? Measuring Zero-Shot Performance For Scoring and Providing Actionable Insights on Classroom Instruction [5.948322127194399]
  本稿では,AIが専門家のフィードバックを補うための費用効率のよい補完になるかどうかを,教師の指導を自動化して検討する。 生成型AIのための3つの教師指導課題を提案する: (A) 教室の観察装置に基づく書き起こしセグメントのスコア、(B) 優れた指導戦略のためのハイライトと機会の欠落を特定し、(C) より学生の推論を引き出すための実行可能な提案を行う。 本研究は,小学校数学書写におけるChatGPTのゼロショット性能を評価するために,専門家の数学教師を募集する。
  論文  参考訳（メタデータ） (2023-06-05T17:59:21Z)
• MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties Grounded in Math Reasoning Problems [74.73881579517055]
  そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。 このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
  論文  参考訳（メタデータ） (2023-05-23T21:44:56Z)
• 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)
• Computationally Identifying Funneling and Focusing Questions in Classroom Discourse [24.279653100481863]
  本稿では,授業談話におけるファネリングと集中型質問を計算的に検出するタスクを提案する。 ファネリングと集中型質問にラベル付けされた2,348の教師発話の注釈付きデータセットをリリースする。 我々の最高のモデルである教師付きRoBERTaモデルは、データセットに微調整され、人間の専門家ラベルと.76の強い線形相関と、ポジティブな教育結果を持つ。
  論文  参考訳（メタデータ） (2022-07-08T01:28:29Z)
• Challenging but Full of Opportunities: Teachers' Perspectives on Programming in Primary Schools [13.453052164371734]
  学校のカリキュラムの計算思考は 小学校レベルのプログラミングに 子供を紹介する必要がある これは近年の進展であるので、小学校の教師はプログラミングの教え方について十分な準備をしていないし、なぜプログラミングをしなければならないのかを十分に理解していないかもしれない。 小学校でプログラミングを教えた200人の教師と訓練で97人の教師を調査することにより、プログラミングを教える際の関連する課題、子どもがプログラミングを学ぶときに生じる機会、そして実際にこれらに対処する方法の戦略を特定する。
  論文  参考訳（メタデータ） (2021-11-01T10:02:00Z)
• An Analysis of Programming Course Evaluations Before and After the Introduction of an Autograder [1.329950749508442]
  本稿では,最近自己評価を導入した基礎的コンピュータ科学コースの標準化された大学評価アンケートに対する回答について検討する。 我々は,教師と生徒の交流の改善,コースの質の向上,学習の成功の向上,時間の短縮,難易度の向上など,データに大きな変化をもたらした可能性について仮説を立てた。 オートグレーダ技術は、プログラミングコースにおける生徒の満足度を向上させるための教育方法として検証することができる。
  論文  参考訳（メタデータ） (2021-10-28T14:09:44Z)
• 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)
• 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)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。